本文關(guān)鍵詞：數(shù)據(jù)挖掘在流量經(jīng)營中的應(yīng)用

  更多相關(guān)文章： 數(shù)據(jù)挖掘 流量經(jīng)營 精確營銷 決策樹 分類

【摘要】：在移動互聯(lián)網(wǎng)的新形勢下,電信運營商需要做出由話務(wù)量經(jīng)營向流量經(jīng)營的經(jīng)營思維方式的轉(zhuǎn)變,以適應(yīng)未來流量業(yè)務(wù)發(fā)展的需要,以解決運營商的“管道化”危機和“量收剪刀差”難題。流量經(jīng)營的基礎(chǔ)是流量規(guī)模,但是在規(guī)模提升下卻存在著流量資源分布的嚴重失衡的問題,比如：XX移動2012年7月流量用戶占全用戶的比率是56%,而流量用戶中48.57%是月流量在5M及以下的低流量用戶,它們只消耗了1.44%的流量資源。 為了解決該問題,文章基于精確營銷的思路：尋找合適的用戶,在合適的時機,向其推薦合適的產(chǎn)品。文章重點解決如何找到合適的用戶這個問題。建立決策樹模型的對低流量用戶群中的潛在高流量用戶進行預(yù)測。建模包括明確業(yè)務(wù)目標、變量設(shè)計、數(shù)據(jù)準備和數(shù)據(jù)理解、模型構(gòu)建和模型評估這幾步。明確要解決的業(yè)務(wù)問題后設(shè)計出建模寬表并通過SQL實現(xiàn)它,然后根據(jù)寬表數(shù)據(jù)選擇聰明變量和探索聰明變量與目標變量的關(guān)系,確定導(dǎo)入決策樹模型的變量�；谟�(xùn)練集數(shù)據(jù)建立決策樹模型后把該模型給測試集打分,對模型效果進行評估。通過該模型我們可以通過10%的用戶預(yù)測出45%的潛在高流量用戶。 為了實現(xiàn)更好的營銷效果,文章提出建立用戶流量使用行為的統(tǒng)一視圖,該視圖需要包含更多的用戶流量使用行為數(shù)據(jù)。這個視圖的建立可以為合適的時機分析和合適的產(chǎn)品推薦提供數(shù)據(jù)支持。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 流量經(jīng)營 精確營銷 決策樹 分類
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：F626;TP311.13
【目錄】：

• 摘要2-4
• ABSTRACT4-8
• 第一章 緒論8-17
• 第一節(jié) 研究背景8-12
• 一、移動互聯(lián)網(wǎng)新形勢需要運營商經(jīng)營策略的轉(zhuǎn)變8-10
• 二、運營商由話務(wù)量經(jīng)營向流量經(jīng)營思維的轉(zhuǎn)變10
• 三、流量資源在用戶中的分布嚴重失衡10-12
• 第二節(jié) 文獻綜述12-15
• 一、流量經(jīng)營理論文獻綜述12-13
• 二、數(shù)據(jù)挖掘理論文獻綜述13-15
• 第三節(jié) 研究思路和內(nèi)容15-17
• 第二章 流量經(jīng)營理論17-24
• 第一節(jié) 流量經(jīng)營的定義17
• 第二節(jié) 流量經(jīng)營的必要性17-21
• 一、運營商的傳統(tǒng)業(yè)務(wù)已經(jīng)飽和并被互聯(lián)網(wǎng)企業(yè)侵蝕17-18
• 二、運營商面臨管道化的威脅18-19
• 三、流量激增帶給網(wǎng)絡(luò)壓力的同時帶來量收收入“剪刀差”19-20
• 四、流量資源分布失衡20-21
• 第三節(jié) 流量經(jīng)營的思路21-24
• 一、整體的流量經(jīng)營思路21-22
• 二、本文的流量經(jīng)營思路22-24
• 第三章 數(shù)據(jù)挖掘理論簡介24-39
• 第一節(jié) 數(shù)據(jù)挖掘定義和方法論24-27
• 一、數(shù)據(jù)挖掘的定義24
• 二、數(shù)據(jù)挖掘的方法論24-27
• 第二節(jié) 分類問題的解決方法27-39
• 一、決策樹27-33
• 二、最近鄰分類器33-35
• 三、貝葉斯分類器35-39
• 第四章 數(shù)據(jù)挖掘在流量經(jīng)營中的應(yīng)用39-58
• 第一節(jié) 潛在高流量用戶預(yù)測模型39-54
• 一、業(yè)務(wù)目標和時間窗口39-40
• 二、變量設(shè)計40-42
• 三、數(shù)據(jù)準備和數(shù)據(jù)理解42-49
• 四、模型構(gòu)建49-52
• 五、模型評估52-54
• 第二節(jié) 業(yè)務(wù)推薦的時機和產(chǎn)品分析思路54-58
• 一、用戶流量使用行為的統(tǒng)一視圖的創(chuàng)建54-56
• 二、業(yè)務(wù)推薦的合適時機分析思路56
• 三、業(yè)務(wù)推薦的合適產(chǎn)品分析思路56-58
• 第五章 結(jié)論58-59
• 參考文獻59-62
• 致謝62-63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陸佳佳;陳芨;;移動互聯(lián)網(wǎng)大潮中運營商的業(yè)務(wù)增長點[J];電信技術(shù);2009年05期

2 宋杰;張敏;;國際運營商流量經(jīng)營模式變革研究[J];電信科學(xué);2011年08期

3 談燕;賀仁龍;邱晨旭;;移動互聯(lián)網(wǎng)流量經(jīng)營數(shù)據(jù)分析與案例研究[J];電信科學(xué);2012年02期

4 劉嵩;羅敏;向軍;張國平;;基于小波變換和獨立成分分析的人臉識別[J];華中師范大學(xué)學(xué)報(自然科學(xué)版);2012年02期

5 曲開社,成文麗,王俊紅;ID3算法的一種改進算法[J];計算機工程與應(yīng)用;2003年25期

6 張鳳蓮;林健良;;新的決策樹構(gòu)造方法[J];計算機工程與應(yīng)用;2009年10期

7 王中鋒;王志海;;基于條件對數(shù)似然函數(shù)導(dǎo)數(shù)的貝葉斯網(wǎng)絡(luò)分類器優(yōu)化算法[J];計算機學(xué)報;2012年02期

8 張克涵;吳迪;李愛國;宋保維;;基于貝葉斯分類器的報稅欺詐檢測[J];計算機仿真;2010年09期

9 閆仁武;雷艷云;任平;李從;;粒子群的K均值算法在電信客戶細分中的應(yīng)用[J];科學(xué)技術(shù)與工程;2009年20期

10 林曉帆,丁曉青,吳佑壽;最近鄰分類器置信度估計的理論分析[J];科學(xué)通報;1998年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 蔣良孝;樸素貝葉斯分類器及其改進算法研究[D];中國地質(zhì)大學(xué);2009年

2 楊鴻賓;分析型CRM下的移動數(shù)據(jù)產(chǎn)品精確營銷應(yīng)用研究[D];北京郵電大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 劉強;基于信息增益的完全決策樹算法研究[D];華中科技大學(xué);2011年

2 李旭;五種決策樹算法的比較研究[D];大連理工大學(xué);2011年

3 彭豐;數(shù)據(jù)挖掘技術(shù)在預(yù)防電信客戶流失中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2011年

4 夏夢擎;基于客戶生命周期的電信企業(yè)客戶流失分析與防范對策研究[D];南京郵電大學(xué);2012年

5 武麗芬;基于決策樹分類算法和Apriori算法的數(shù)據(jù)挖掘在電信行業(yè)的應(yīng)用研究[D];太原理工大學(xué);2008年

6 李博;電信全業(yè)務(wù)經(jīng)營下維系挽留體系設(shè)計與實現(xiàn)[D];中南大學(xué);2009年

7 陳威;結(jié)合模糊分類的貝葉斯網(wǎng)絡(luò)在信用風險評估中的應(yīng)用[D];吉林大學(xué);2010年

8 胡曉棠;基于數(shù)據(jù)挖掘的電信業(yè)CRM的客戶細分研究[D];東北大學(xué);2008年

，

本文編號：960688