【摘要】： 隨著移動(dòng)通信市場(chǎng)競(jìng)爭(zhēng)的不斷加劇和市場(chǎng)的日益飽和,移動(dòng)通信企業(yè)的市場(chǎng)營銷逐步由過去的產(chǎn)品中心論演變?yōu)榭蛻糁行恼摗Ｒ钥蛻魹橹行�、深入了解客戶、引�?dǎo)客戶、留住客戶、提升現(xiàn)有客戶的價(jià)值、提高客戶的滿意度、降低客戶的流失率是提高移動(dòng)通信企業(yè)利潤的主要方法；通過品牌遷移實(shí)施有效的客戶保持、通過投訴客戶信用分級(jí)管理實(shí)現(xiàn)縮短投訴處理流程以及提高投訴處理的有效性是目前移動(dòng)通信公司經(jīng)常采用的手段之一。本文針對(duì)拜年卡用戶品牌遷移以及投訴客戶信用評(píng)價(jià)等市場(chǎng)營銷需求,研究了分類預(yù)測(cè)技術(shù)在移動(dòng)通信企業(yè)數(shù)據(jù)挖掘分析中的應(yīng)用,設(shè)計(jì)和開發(fā)了具有高度實(shí)用性的數(shù)據(jù)挖掘算法以及適合于移動(dòng)通信公司市場(chǎng)營銷與管理人員使用的數(shù)據(jù)挖掘模型,提出了具體的技術(shù)實(shí)施方案,取得了比較好的應(yīng)用效果。本文所做的工作主要包括兩個(gè)方面。一是分析了數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、商業(yè)智能技術(shù)及其在移動(dòng)通信企業(yè)中的應(yīng)用,重點(diǎn)分析了數(shù)據(jù)挖掘技術(shù)中的分類預(yù)測(cè)技術(shù)。二是對(duì)分類預(yù)測(cè)技術(shù)中的隱馬爾可夫模型方法以及層次分析方法進(jìn)行了具體的研究與工程實(shí)現(xiàn),并將其分別應(yīng)用于移動(dòng)通信企業(yè)的客戶品牌遷移以及客戶信用評(píng)價(jià)分級(jí)管理。 論文的創(chuàng)新性既在算法研究方面有所體現(xiàn),又在工程應(yīng)用方面有所體現(xiàn)。 在理論和算法研究方面,針對(duì)傳統(tǒng)的層次分析方法運(yùn)算效率低、主觀性強(qiáng)的缺點(diǎn),對(duì)傳統(tǒng)方法進(jìn)行了改進(jìn),提出了兩種改進(jìn)的層次分析方法,即：鄰比判斷矢量法、信息增益法�；卩彵扰袛嗍噶康膶哟畏治龇ㄔ谟�(jì)算權(quán)值系數(shù)時(shí)避免了矩陣的本征分解運(yùn)算,提高了運(yùn)算效率；基于信息增益的層次分析法避免了在因素之間進(jìn)行重要性的主觀判斷,直接通過信息增益確定各因素或指標(biāo)的重要程度(權(quán)值),是一種客觀的評(píng)價(jià)方法,避免了傳統(tǒng)層次分析方法中可能存在的主觀邏輯上的不一致性以及主觀性過強(qiáng)、不一定符合客觀實(shí)際的問題。 在工程應(yīng)用方面,將基于隱馬爾科夫模型的分類預(yù)測(cè)方法應(yīng)用于移動(dòng)通信企業(yè)拜年卡客戶的品牌遷移,并提出了具體的技術(shù)實(shí)施方案；將兩種改進(jìn)的層次分析法應(yīng)用于移動(dòng)通信企業(yè)投訴客戶的信用評(píng)價(jià)中,并提出了具體的技術(shù)實(shí)施方案；取得了較好的工程應(yīng)用效果。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TP311.13;F626
【圖文】：

2.4分類預(yù)測(cè)的基本概念基于數(shù)據(jù)集的數(shù)據(jù)分類過程主要包含兩個(gè)步驟:第一步，如圖2.1所示，建立一個(gè)描述已知數(shù)據(jù)集類別或概念的模型，即利用已知類別的數(shù)據(jù)建立分類模型;該模型是通過對(duì)數(shù)據(jù)庫中各數(shù)據(jù)行內(nèi)容的分析而獲得的。每一數(shù)據(jù)行都可以是屬于一個(gè)確定的數(shù)據(jù)類別，其類別值是由一個(gè)屬性值來描述的，分類學(xué)習(xí)方法所使用的數(shù)據(jù)集稱為訓(xùn)練樣本集合;因此分類學(xué)習(xí)又稱為監(jiān)督學(xué)習(xí)，它是在已知訓(xùn)練樣本類別情況下，通過學(xué)習(xí)建立相應(yīng)模型;而無教師監(jiān)督學(xué)習(xí)則是訓(xùn)練樣本的類別與類別個(gè)數(shù)均未知的情況下進(jìn)行的。通常分類學(xué)習(xí)所獲得的模型可以分為分類規(guī)則形式，決策樹形式或者數(shù)學(xué)公式形式以及其他形式(例如:本文研究的層次分析模型、隱馬爾科夫模型等)。例如:給定一個(gè)顧客信用信息數(shù)據(jù)庫，通過學(xué)習(xí)所獲得的分類規(guī)則可用于對(duì)未知的數(shù)據(jù)進(jìn)行識(shí)別判斷，同時(shí)也可以幫助用戶更好地了解數(shù)據(jù)庫中的內(nèi)容。馨盡艘名汪明王教李勇年齡<30<加30‘礙0動(dòng)隧刻圖2.1數(shù)據(jù)分類過程中的學(xué)習(xí)建模示意圖第二步

如果一個(gè)學(xué)習(xí)所獲模型的準(zhǔn)確率經(jīng)測(cè)試被認(rèn)為可以接受的，那么就可以使用這一模型對(duì)未來數(shù)據(jù)行或?qū)ο筮M(jìn)行分類預(yù)測(cè)。例如:在圖2一1中的用訓(xùn)練數(shù)據(jù)集學(xué)習(xí)并獲得分類規(guī)則知識(shí)。在圖2.2中則利用學(xué)習(xí)獲得的分類規(guī)則知識(shí)，對(duì)已知測(cè)試數(shù)據(jù)進(jìn)行模型準(zhǔn)確率的評(píng)估，以及對(duì)未知的新顧客進(jìn)行分類預(yù)測(cè)。與分類學(xué)習(xí)方法相比，分類預(yù)測(cè)方法可以認(rèn)為是對(duì)未知類別數(shù)據(jù)行或?qū)ο蟮念悇e(屬性)取值，利用學(xué)習(xí)所獲的模型進(jìn)行預(yù)測(cè)。從這一角度出發(fā)，分類與回歸是兩種主要預(yù)測(cè)形式。前者用于預(yù)測(cè)離散或符號(hào)值:后者則是用于預(yù)測(cè)連續(xù)或者有序值。通常數(shù)據(jù)挖掘中，將預(yù)測(cè)離散無序類別的數(shù)據(jù)歸納方法稱為分類預(yù)測(cè)方法，而將預(yù)測(cè)連續(xù)有序值的數(shù)據(jù)歸納方法稱為數(shù)值預(yù)測(cè)方法。目前分類與預(yù)測(cè)方法已被廣泛應(yīng)用于各行各業(yè)，如在信用評(píng)估、醫(yī)療診斷、性能預(yù)測(cè)和市場(chǎng)營銷等實(shí)際應(yīng)用領(lǐng)域。2.5有關(guān)分類與預(yù)測(cè)的若干問題在進(jìn)行分類預(yù)測(cè)之前

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 李亞哲;基于數(shù)據(jù)挖掘技術(shù)的求職招聘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];河北科技大學(xué);2012年

2 王瑾;基于數(shù)據(jù)挖掘的電信客戶流失預(yù)測(cè)研究[D];西安電子科技大學(xué);2012年

本文編號(hào)：2732969