本文關鍵詞： 4G資費 大數據 數據挖掘 資費套餐　出處：《天津商業(yè)大學》2017年碩士論文　論文類型：學位論文

【摘要】：截止2016年7月,我國總人口達到13.83億人,移動電話用戶總數達到13.21億戶,其中4G用戶總數達到7.14億戶。2G、3G和4G移動用戶總數量已接近飽和,單純增加4G移動用戶數量的增量式增長模式已經不能滿足移動運營商的需求,必須將挖掘已在網2G、3G用戶到4G用戶經營增長模式作為移動運營商的發(fā)展重點,這對運營商的業(yè)務增長和我國通信領域的經濟建設有著重要意義。本文針對某省公司電信運營商的用戶數據,運用決策樹、隨機森林、AdaBoost、支持向量機和K-means等算法,從“挖掘潛在4G用戶模型”和“4G用戶資費特征模型”兩方面對4G用戶的特征及資費進行分析。首先,通過探索性分析對4G用戶的基本特征(性別、年齡等)及消費特征(ARPU、DOU、MOU等)進行宏觀了解。然后,利用數據挖掘技術對用戶數據進行分析,在“挖掘潛在4G用戶模型”中,支持向量機算法的準確率有著巨大優(yōu)勢,通過對變量進行對數變換,進一步提高了準確率;在“4G用戶資費特征模型”中,通過對用戶DOU、MOU兩個變量進行聚類分析,對用戶整體消費特征進行把握,得出“均衡型”、“數據流量驅動型”、“語音通話驅動型”三大類用戶,并通過對不同性別和總體聚類特征對比,得出k=13時,對用戶資費的分類程度最好且成本較低,根據聚類分析結果為運營商制定資費套餐時提出意見或建議。
[Abstract]:By July 2016, the total population of China reached one billion three hundred and eighty-three million people, the total number of mobile phone users reached one billion three hundred and twenty-one million, of which the total number of 4G subscribers reached 714 million. The total number of 3G and 4G mobile users is nearly saturated, and the incremental growth mode of increasing the number of 4G mobile users is no longer able to meet the needs of mobile operators, must be excavated in the network 2G. 3G users to 4G users business growth model as a mobile operator development focus. This is of great significance to the business growth of operators and the economic construction in the field of communications in China. This paper applies decision tree and random forest AdaBoost to the customer data of telecom operators in a province. Support vector machine and K-means algorithm, from "mining potential 4G user model" and "4G user tariff characteristics model" two aspects of the 4G user characteristics and tariff analysis. Through exploratory analysis of 4G users' basic characteristics (gender, age, etc.) and consumption characteristics of ARPUUDOUMOU, etc. Using data mining technology to analyze user data, in "mining potential 4G user model", the accuracy of support vector machine algorithm has a huge advantage, through the logarithmic transformation of variables. The accuracy rate is further improved; In the "4G user tariff characteristic Model", through clustering analysis of two variables of user DOUUMOU, the author grasps the overall consumption characteristics of users, and obtains "balanced" and "data flow driven". "Voice call driven" three categories of users, and through the comparison of different gender and overall clustering characteristics, it is concluded that k = 13:00, the best classification of user fees and lower cost. According to the cluster analysis results for operators to develop tariff packages put forward comments or suggestions.
【學位授予單位】：天津商業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F626

【參考文獻】

相關期刊論文 前6條

1 ;工信部解讀LTE FDD牌照發(fā)放[J];中國電信業(yè);2015年03期

2 何廷潤;;TD-LTE與LTEFDD網絡融合戰(zhàn)略溢出效應研究[J];移動通信;2014年15期

3 趙業(yè)禎;黃曉弟;;基于信令的GPRS潛在投訴客戶預測模型[J];電信快報;2014年08期

4 魏國華;康志英;;以客戶需求為導向的定制終端潛在客戶挖掘模型研究[J];信息安全與技術;2014年03期

5 陳文沛;李思聰;;消費者對3G移動通信增值業(yè)務使用意向的影響因素研究[J];貴州財經學院學報;2012年02期

6 賈琳,李明;基于數據挖掘的電信客戶流失模型的建立與實現[J];計算機工程與應用;2004年04期

相關碩士學位論文 前9條

1 鄧博;基于數據挖掘技術構建電信4G客戶預測模型的研究[D];蘭州大學;2015年

2 王克杰;中國移動甘肅公司4G運營策略研究[D];蘭州大學;2014年

3 李菊芳;基于數據挖掘的電信客戶WLAN業(yè)務訂購預測研究[D];昆明理工大學;2014年

4 廖凡迪;海量電信數據的挖掘與異常分析[D];北京郵電大學;2013年

5 任謙;基于Clementine軟件的電信客戶流失分析及預警[D];北京郵電大學;2012年

6 易紅;基于數據挖掘的手機上網用戶偏好應用模型和套餐升艙模型研究[D];電子科技大學;2012年

7 劉鵬飛;電信客戶忠誠度預測模型研究和系統(tǒng)實現[D];吉林大學;2011年

8 鄧玉珊;電信業(yè)潛在寬帶客戶獲取預測研究[D];電子科技大學;2009年

9 葉煉;電信客戶行為分析系統(tǒng)數據倉庫的設計與實現[D];西安電子科技大學;2009年

，

本文編號：1476882