試析數(shù)據(jù)挖掘在移動(dòng)通信CRM中的應(yīng)用

張驊

摘 要：隨著4G技術(shù)的快速發(fā)展，運(yùn)營(yíng)商為了提高自己的競(jìng)爭(zhēng)力開(kāi)始對(duì)客戶管理進(jìn)行研究，本文通過(guò)分析數(shù)據(jù)挖掘技術(shù)和移動(dòng)通信CRM的現(xiàn)狀，對(duì)數(shù)據(jù)挖掘在移動(dòng)通信CRM中的應(yīng)用進(jìn)行了研究。

關(guān)鍵詞：數(shù)據(jù)挖掘；移動(dòng)通信；CRM

一、數(shù)據(jù)挖掘技術(shù)概述

國(guó)外對(duì)數(shù)據(jù)挖掘的技術(shù)的研究是從1995年在加拿大召開(kāi)的國(guó)際學(xué)術(shù)會(huì)議上開(kāi)始的，自1995年以來(lái)，國(guó)外關(guān)于數(shù)據(jù)庫(kù)挖掘技術(shù)的研究已經(jīng)非常多。從理論上來(lái)看，數(shù)據(jù)挖掘技術(shù)涉及了很多學(xué)科。

數(shù)據(jù)挖掘技術(shù)根據(jù)任務(wù)的不同主要分為描述性數(shù)據(jù)挖掘技術(shù)和預(yù)言性數(shù)據(jù)挖掘技術(shù)，其中描述性數(shù)據(jù)挖掘技術(shù)主要包括統(tǒng)計(jì)、聚類、分群和關(guān)聯(lián)規(guī)則等。而預(yù)言性數(shù)據(jù)挖掘技術(shù)主要包括分類、回歸和時(shí)間序列。其中分類主要就是預(yù)先設(shè)定一種分類方法，然后用設(shè)置好的分類方法來(lái)對(duì)以后的數(shù)據(jù)進(jìn)行分類，回歸主要就是運(yùn)用線性回歸或者非線性回歸的方法用一直的變量對(duì)未知的變量進(jìn)行預(yù)測(cè)。數(shù)據(jù)挖掘技術(shù)有很多算法，比較常見(jiàn)的有決策樹(shù)算法、神經(jīng)網(wǎng)絡(luò)算法、關(guān)聯(lián)規(guī)則算法、粗糙集以及遺傳算法等。而數(shù)據(jù)挖掘技術(shù)作為一門綜合型學(xué)科，其主要包含的知識(shí)有統(tǒng)計(jì)學(xué)、人工智能等多方面的理論。數(shù)據(jù)挖掘的主要作用是知識(shí)的發(fā)現(xiàn)，它的主要貢獻(xiàn)是從一些繁瑣的、沒(méi)有規(guī)律的以及一些相對(duì)模糊的數(shù)據(jù)中提煉出對(duì)人們有用的信息，即一些人們事先未知的但是有規(guī)律性的，并把這些信息整合成人們可以直接應(yīng)用的模型。

二、移動(dòng)通信業(yè)CRM概述

隨著近年來(lái)世界信息科技的高度發(fā)展，電子商務(wù)已經(jīng)成為當(dāng)今世界經(jīng)濟(jì)的主流趨勢(shì)，在這之前世界經(jīng)濟(jì)市場(chǎng)多以生產(chǎn)為中心，以增加銷量為目的，但是這種市場(chǎng)戰(zhàn)略逐漸被取代，越來(lái)越多的人重視以客戶為中心、以服務(wù)為目的。為了在與競(jìng)爭(zhēng)對(duì)手博弈的過(guò)程中取得勝利，就必須要重視與客戶之間的聯(lián)系，準(zhǔn)確把握客戶的需求，這也就促生出了客戶關(guān)系管理（Cus

tomer Relation Management）的概念，即CRM。隨著通信行業(yè)的競(jìng)爭(zhēng)越來(lái)越激烈，為了提高自己產(chǎn)品的核心競(jìng)爭(zhēng)力，國(guó)內(nèi)的運(yùn)營(yíng)商一直在致力于尋找一種有效的方法，CRM的出現(xiàn)有效的解決了運(yùn)營(yíng)商的難題。從實(shí)際應(yīng)用上來(lái)看CRM在移動(dòng)行業(yè)中的應(yīng)用是最為廣泛的。國(guó)外的很多運(yùn)營(yíng)商都在這方面進(jìn)行了大量的投入，并且CRM對(duì)提高他們產(chǎn)品的核心競(jìng)爭(zhēng)力起到了很有效的作用。CRM所涵蓋的方面非常廣，其實(shí)施起來(lái)的難度也比較大，僅從移動(dòng)通信中的CRM來(lái)看，還沒(méi)有一個(gè)運(yùn)營(yíng)商能夠真正運(yùn)用到CRM的全部功能。因此對(duì)于國(guó)內(nèi)的運(yùn)營(yíng)商來(lái)看，這將使一個(gè)任重而道遠(yuǎn)的任務(wù)。

三、數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信CRM中的應(yīng)用現(xiàn)狀

國(guó)外的研究學(xué)者對(duì)數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信業(yè)CRM中的應(yīng)用進(jìn)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(guó)的電信公司為了獲得更大的營(yíng)銷利益，利用SPSS軟件對(duì)客戶的購(gòu)買意向以及他們的價(jià)值這些數(shù)據(jù)進(jìn)行了處理，從而對(duì)這些客戶的特征有了充分的了解。比利時(shí)國(guó)家電信公司的工作人員使用數(shù)據(jù)庫(kù)技術(shù)建立了以顧客數(shù)據(jù)為基礎(chǔ)的系統(tǒng)，并利用此系統(tǒng)做出了一個(gè)欺騙檢測(cè)模型，利用此模型能夠?qū)蛻舻膬r(jià)值進(jìn)行評(píng)估，減少欺騙與欠費(fèi)行為的發(fā)生。國(guó)外的其他公司也想數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶的數(shù)據(jù)分析中，用來(lái)提高CRM水平。

相比于國(guó)外，國(guó)內(nèi)的數(shù)據(jù)挖掘技術(shù)還處在初步階段，還沒(méi)有形成成熟的市場(chǎng)，特別是在移動(dòng)通信業(yè)CRM中很少應(yīng)用到數(shù)據(jù)挖掘技術(shù)，現(xiàn)階段，相對(duì)比較成功的是中國(guó)移動(dòng)所做的研究，其對(duì)客戶進(jìn)行分類，對(duì)客戶的消費(fèi)數(shù)據(jù)進(jìn)行分析，并使用聚類算法的手段對(duì)每個(gè)客戶的市場(chǎng)進(jìn)行細(xì)分，根據(jù)所分析的結(jié)果來(lái)設(shè)置不同的套餐以滿足不同人群的消費(fèi)需求，比如說(shuō)其設(shè)置的全球通套餐主要面向高端的消費(fèi)者，而對(duì)于低端消費(fèi)這，設(shè)置了相應(yīng)的神州行套餐。綜上所述，國(guó)內(nèi)對(duì)于數(shù)據(jù)挖掘技術(shù)在

CRM中的應(yīng)用的研究還不是很成熟。

四、數(shù)據(jù)挖掘技術(shù)在移動(dòng)CRM中的應(yīng)用

（一）數(shù)據(jù)挖掘任務(wù)。數(shù)據(jù)挖掘技術(shù)在移動(dòng)CRM中應(yīng)用的主要過(guò)程主要是通過(guò)數(shù)據(jù)分析、搜索數(shù)據(jù)模式、對(duì)模式進(jìn)行評(píng)價(jià)、對(duì)模式進(jìn)行解釋等步驟，對(duì)于不同的客戶一般采用不同的挖掘模式，然后根據(jù)這個(gè)模式來(lái)采取相應(yīng)的措施，這樣有益于提高客戶的價(jià)值，使移動(dòng)運(yùn)營(yíng)商在行業(yè)內(nèi)保持一定的競(jìng)爭(zhēng)優(yōu)勢(shì)。在對(duì)客戶關(guān)系管理進(jìn)行分析的過(guò)程中，主要有以下六個(gè)方面的數(shù)據(jù)挖掘任務(wù)：（1）分類技術(shù)。分類技術(shù)是數(shù)據(jù)挖掘中最為常見(jiàn)的，其主要目的是在一些繁瑣的樣本數(shù)據(jù)中找到一定的規(guī)則，并根據(jù)這些規(guī)則進(jìn)行分類。分類技術(shù)所應(yīng)用的主要算法有貝葉斯算法、決策樹(shù)算法和神經(jīng)網(wǎng)絡(luò)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(jìn)行。通過(guò)預(yù)先給出的一些數(shù)據(jù)，通過(guò)估值的方法，進(jìn)而得到未知的連續(xù)變量的值。通過(guò)分類能夠得到確定數(shù)目的類別，而估值所得到的量是不確定的。（3）預(yù)測(cè)。預(yù)測(cè)在整個(gè)數(shù)據(jù)挖掘的過(guò)程中是比較重要的，而且分類和估值過(guò)程都可以看做是預(yù)測(cè)的一部分。例如哪些用戶會(huì)使用全球通業(yè)務(wù)？那些用戶會(huì)使用手機(jī)進(jìn)行娛樂(lè)？通過(guò)預(yù)測(cè)就能解決相關(guān)的問(wèn)題，預(yù)測(cè)主要是為了處理一些數(shù)據(jù)使其呈現(xiàn)出一定的趨勢(shì)，另外通過(guò)預(yù)測(cè)還可以進(jìn)行一些周期性分析和噪聲過(guò)濾。（4）關(guān)聯(lián)分組。作為一個(gè)數(shù)據(jù)挖掘中比較常見(jiàn)的任務(wù)，關(guān)聯(lián)分組有時(shí)也被稱為購(gòu)物籃分析，其主要意義就是對(duì)顧客的購(gòu)物籃中的商品進(jìn)行分析，進(jìn)而找出它們的關(guān)聯(lián)關(guān)系，然后可以將那些關(guān)聯(lián)性比較強(qiáng)的商品放在一塊以方便購(gòu)物，比如移動(dòng)公司可以在研究手機(jī)軟件的過(guò)程中，分析哪幾種軟件是相互關(guān)聯(lián)的，從而根據(jù)關(guān)聯(lián)結(jié)果對(duì)一些軟件進(jìn)行打包處理，然后銷售。（5）聚類 。聚類分析是在數(shù)據(jù)庫(kù)中發(fā)現(xiàn)未知的數(shù)據(jù)，例如：移動(dòng)根據(jù)客戶的打字習(xí)慣進(jìn)行分類，從而分出不同客戶對(duì)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(lái)描述數(shù)據(jù)挖掘的內(nèi)容，它是為了對(duì)數(shù)據(jù)挖掘得出的結(jié)果進(jìn)行形象性的描述。

（二）應(yīng)用實(shí)例。數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用實(shí)例主要從以下方面介紹：（1）客戶市場(chǎng)劃分。所謂市場(chǎng)細(xì)分，就是將大的用戶群體分成多個(gè)小的群體，并且所分類的每一個(gè)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(yè)對(duì)每一類的客戶都有充分的認(rèn)識(shí)，將客戶市場(chǎng)劃分的越細(xì)，就越能體現(xiàn)出數(shù)據(jù)挖掘的作用。（2） 客戶利潤(rùn)回報(bào)預(yù)測(cè)。主要目的是分析出客戶的回報(bào)大小的趨勢(shì)，預(yù)測(cè)出客戶回報(bào)的改變，主要使用到?jīng)Q策樹(shù)算法和神經(jīng)網(wǎng)絡(luò)算法。通過(guò)數(shù)據(jù)分析出那些人對(duì)產(chǎn)品感興趣，即那些人事公司的潛在客戶，這樣可以根據(jù)分析結(jié)果進(jìn)行有針對(duì)性的營(yíng)銷。（3）客戶欺詐行為分析。客戶欺詐行為是指以不付費(fèi)的方式撥打移動(dòng)通信服務(wù)，主要包括無(wú)意欠費(fèi)和惡意欠費(fèi)兩種。惡意欠費(fèi)是客戶在欠費(fèi)一段時(shí)間內(nèi)，仍然不進(jìn)行繳費(fèi)手續(xù)；一定運(yùn)營(yíng)商需要對(duì)這些對(duì)象進(jìn)行研究，主要用到?jīng)Q策樹(shù)算法，根據(jù)客戶的行為來(lái)決策此客戶是否存在欺詐行為

總結(jié)：本文主要從數(shù)據(jù)挖掘技術(shù)和移動(dòng)通信CRM的基本定義進(jìn)行介紹為出發(fā)點(diǎn)，介紹了數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信

CRM中的應(yīng)用現(xiàn)狀，從具體的數(shù)據(jù)挖掘任務(wù)以及數(shù)據(jù)挖掘在移動(dòng)通信CRM中的應(yīng)用實(shí)例分別進(jìn)行了介紹，利用數(shù)據(jù)挖掘技術(shù)對(duì)客戶的信息進(jìn)行挖掘。以理論聯(lián)系實(shí)際的方法對(duì)數(shù)據(jù)挖掘在移動(dòng)通信CRM中的應(yīng)用進(jìn)行了簡(jiǎn)單分析，可以作為一些研究人員的參考。

參考文獻(xiàn)：

[1] 呂巍.移動(dòng)通訊行業(yè)客戶流失預(yù)警及挽留模型構(gòu)建與應(yīng)用[J].移動(dòng)通信，2009，33（18）：56-58

[2] 胡勇.數(shù)據(jù)挖掘技術(shù)在移動(dòng)CRM中的應(yīng)用[J].信息通信，2011，2（1）：46-52.