試析數據挖掘在移動通信CRM中的應用

張驊

摘 要：隨著4G技術的快速發展，運營商為了提高自己的競爭力開始對客戶管理進行研究，本文通過分析數據挖掘技術和移動通信CRM的現狀，對數據挖掘在移動通信CRM中的應用進行了研究。

關鍵詞：數據挖掘；移動通信；CRM

一、數據挖掘技術概述

國外對數據挖掘的技術的研究是從1995年在加拿大召開的國際學術會議上開始的，自1995年以來，國外關于數據庫挖掘技術的研究已經非常多。從理論上來看，數據挖掘技術涉及了很多學科。

數據挖掘技術根據任務的不同主要分為描述性數據挖掘技術和預言性數據挖掘技術，其中描述性數據挖掘技術主要包括統計、聚類、分群和關聯規則等。而預言性數據挖掘技術主要包括分類、回歸和時間序列。其中分類主要就是預先設定一種分類方法，然后用設置好的分類方法來對以后的數據進行分類，回歸主要就是運用線性回歸或者非線性回歸的方法用一直的變量對未知的變量進行預測。數據挖掘技術有很多算法，比較常見的有決策樹算法、神經網絡算法、關聯規則算法、粗糙集以及遺傳算法等。而數據挖掘技術作為一門綜合型學科，其主要包含的知識有統計學、人工智能等多方面的理論。數據挖掘的主要作用是知識的發現，它的主要貢獻是從一些繁瑣的、沒有規律的以及一些相對模糊的數據中提煉出對人們有用的信息，即一些人們事先未知的但是有規律性的，并把這些信息整合成人們可以直接應用的模型。

二、移動通信業CRM概述

隨著近年來世界信息科技的高度發展，電子商務已經成為當今世界經濟的主流趨勢，在這之前世界經濟市場多以生產為中心，以增加銷量為目的，但是這種市場戰略逐漸被取代，越來越多的人重視以客戶為中心、以服務為目的。為了在與競爭對手博弈的過程中取得勝利，就必須要重視與客戶之間的聯系，準確把握客戶的需求，這也就促生出了客戶關系管理（Cus

tomer Relation Management）的概念，即CRM。隨著通信行業的競爭越來越激烈，為了提高自己產品的核心競爭力，國內的運營商一直在致力于尋找一種有效的方法，CRM的出現有效的解決了運營商的難題。從實際應用上來看CRM在移動行業中的應用是最為廣泛的。國外的很多運營商都在這方面進行了大量的投入，并且CRM對提高他們產品的核心競爭力起到了很有效的作用。CRM所涵蓋的方面非常廣，其實施起來的難度也比較大，僅從移動通信中的CRM來看，還沒有一個運營商能夠真正運用到CRM的全部功能。因此對于國內的運營商來看，這將使一個任重而道遠的任務。

三、數據挖掘技術在移動通信CRM中的應用現狀

國外的研究學者對數據挖掘技術在移動通信業CRM中的應用進行了比較早的研究，并且作出了很多比較成功的成果。比較典型的例子有：英國的電信公司為了獲得更大的營銷利益，利用SPSS軟件對客戶的購買意向以及他們的價值這些數據進行了處理，從而對這些客戶的特征有了充分的了解。比利時國家電信公司的工作人員使用數據庫技術建立了以顧客數據為基礎的系統，并利用此系統做出了一個欺騙檢測模型，利用此模型能夠對客戶的價值進行評估，減少欺騙與欠費行為的發生。國外的其他公司也想數據挖掘技術應用到客戶的數據分析中，用來提高CRM水平。

相比于國外，國內的數據挖掘技術還處在初步階段，還沒有形成成熟的市場，特別是在移動通信業CRM中很少應用到數據挖掘技術，現階段，相對比較成功的是中國移動所做的研究，其對客戶進行分類，對客戶的消費數據進行分析，并使用聚類算法的手段對每個客戶的市場進行細分，根據所分析的結果來設置不同的套餐以滿足不同人群的消費需求，比如說其設置的全球通套餐主要面向高端的消費者，而對于低端消費這，設置了相應的神州行套餐。綜上所述，國內對于數據挖掘技術在

CRM中的應用的研究還不是很成熟。

四、數據挖掘技術在移動CRM中的應用

（一）數據挖掘任務。數據挖掘技術在移動CRM中應用的主要過程主要是通過數據分析、搜索數據模式、對模式進行評價、對模式進行解釋等步驟，對于不同的客戶一般采用不同的挖掘模式，然后根據這個模式來采取相應的措施，這樣有益于提高客戶的價值，使移動運營商在行業內保持一定的競爭優勢。在對客戶關系管理進行分析的過程中，主要有以下六個方面的數據挖掘任務：（1）分類技術。分類技術是數據挖掘中最為常見的，其主要目的是在一些繁瑣的樣本數據中找到一定的規則，并根據這些規則進行分類。分類技術所應用的主要算法有貝葉斯算法、決策樹算法和神經網絡算法。（2）估值。估值和分類是有一定的相似性的，其主要差別在于分類是為了描述離散型變量的輸出。估值的工作一般是在分類之前進行。通過預先給出的一些數據，通過估值的方法，進而得到未知的連續變量的值。通過分類能夠得到確定數目的類別，而估值所得到的量是不確定的。（3）預測。預測在整個數據挖掘的過程中是比較重要的，而且分類和估值過程都可以看做是預測的一部分。例如哪些用戶會使用全球通業務？那些用戶會使用手機進行娛樂？通過預測就能解決相關的問題，預測主要是為了處理一些數據使其呈現出一定的趨勢，另外通過預測還可以進行一些周期性分析和噪聲過濾。（4）關聯分組。作為一個數據挖掘中比較常見的任務，關聯分組有時也被稱為購物籃分析，其主要意義就是對顧客的購物籃中的商品進行分析，進而找出它們的關聯關系，然后可以將那些關聯性比較強的商品放在一塊以方便購物，比如移動公司可以在研究手機軟件的過程中，分析哪幾種軟件是相互關聯的，從而根據關聯結果對一些軟件進行打包處理，然后銷售。（5）聚類 。聚類分析是在數據庫中發現未知的數據，例如：移動根據客戶的打字習慣進行分類，從而分出不同客戶對輸入界面的要求。（6）描述與可視化分析。描述與可視化分析的主要功能就是來描述數據挖掘的內容，它是為了對數據挖掘得出的結果進行形象性的描述。

（二）應用實例。數據挖掘技術在CRM中的應用實例主要從以下方面介紹：（1）客戶市場劃分。所謂市場細分，就是將大的用戶群體分成多個小的群體，并且所分類的每一個小群體它們的特征是基本相同的，相反不同的小群體之間的特征要有明顯的差別，這種方法能夠讓企業對每一類的客戶都有充分的認識，將客戶市場劃分的越細，就越能體現出數據挖掘的作用。（2） 客戶利潤回報預測。主要目的是分析出客戶的回報大小的趨勢，預測出客戶回報的改變，主要使用到決策樹算法和神經網絡算法。通過數據分析出那些人對產品感興趣，即那些人事公司的潛在客戶，這樣可以根據分析結果進行有針對性的營銷。（3）客戶欺詐行為分析。客戶欺詐行為是指以不付費的方式撥打移動通信服務，主要包括無意欠費和惡意欠費兩種。惡意欠費是客戶在欠費一段時間內，仍然不進行繳費手續；一定運營商需要對這些對象進行研究，主要用到決策樹算法，根據客戶的行為來決策此客戶是否存在欺詐行為

總結：本文主要從數據挖掘技術和移動通信CRM的基本定義進行介紹為出發點，介紹了數據挖掘技術在移動通信

CRM中的應用現狀，從具體的數據挖掘任務以及數據挖掘在移動通信CRM中的應用實例分別進行了介紹，利用數據挖掘技術對客戶的信息進行挖掘。以理論聯系實際的方法對數據挖掘在移動通信CRM中的應用進行了簡單分析，可以作為一些研究人員的參考。

參考文獻：

[1] 呂巍.移動通訊行業客戶流失預警及挽留模型構建與應用[J].移動通信，2009，33（18）：56-58

[2] 胡勇.數據挖掘技術在移動CRM中的應用[J].信息通信，2011，2（1）：46-52.