隨著電信行業(yè)自由化和私有化進程的加快,我國電信業(yè)正逐步從行業(yè)壟斷轉(zhuǎn)變?yōu)樾袠I(yè)競爭,面對電信市場的日趨飽和,如何提高企業(yè)自身的競爭力,挽留住現(xiàn)有客戶、并最大化他們的價值成為電信企業(yè)急待解決的問題。作為新興營銷方式的交叉銷售適應(yīng)了這種變化。國內(nèi)外已有一些關(guān)于交叉銷售的研究,但大都局限在理論研究上,本課題針對電信行業(yè)擁有比較完整地客戶消費行為數(shù)據(jù)的實際情況,提出了一個適合電信行業(yè)的基于聚類的交叉銷售模型,并將其應(yīng)用到指導(dǎo)電信行業(yè)進行有針對性的市場營銷。論文首先采用誤差平方和準則函數(shù)對經(jīng)典K-means算法進行優(yōu)化,并采用這一優(yōu)化的K-means算法建立了聚類細分模型,從中獲得交叉銷售的目標客戶,然后統(tǒng)計分析各細分組別經(jīng)常使用的業(yè)務(wù)及業(yè)務(wù)組合,確定可以用來交叉銷售的特征業(yè)務(wù)項,再向沒有使用特征業(yè)務(wù)的用戶推薦購買這類業(yè)務(wù),實現(xiàn)業(yè)務(wù)的交叉銷售。這一模型的建立為電信行業(yè)交叉銷售的實施提供了可行性的技術(shù)支持,在理論研究和工程實踐都具有重要意義。 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

預(yù)處理后的樣本集Fig5-1Afterpretreatedofthesamplecollection

圖 5-3 初始凝聚點Fig5-3 The initial condensation point圖 5-4 最終聚類中心點Fig5-4 Finally cluster point for each group通過如圖 5-4 聚類中心點展示，對不同客戶群的各種屬性的特性進行對比分析，從而進行特征刻畫。在做特征刻畫時，找出特征明顯和不突出的屬性進行分析，得到各客戶群體的特征如表 5-5 所示。

5.1.5 K-means 聚類結(jié)果用 K-means 算法進行聚類分析，最重要的兩個參數(shù)是最大類的個數(shù) K 以及 K 個初試凝聚點的選擇，由上兩節(jié)確定 K 值為 8，初始凝聚點如圖 5-3 所示。最終聚類結(jié)果如圖 5-4 所示。圖 5-3 初始凝聚點Fig5-3 The initial condensation point

【參考文獻】：
期刊論文
[1]基于數(shù)據(jù)挖掘技術(shù)的交叉銷售分析[J]. 戴艷紅.  中國管理信息化(綜合版). 2007(06)
[2]客戶細分在電信增值業(yè)務(wù)中的應(yīng)用[J]. 陳晶,胡建華,王清心.  科技情報開發(fā)與經(jīng)濟. 2007(07)
[3]數(shù)據(jù)挖掘在交叉銷售中的應(yīng)用[J]. 閆雪晶,王金菊.  云南財貿(mào)學(xué)院學(xué)報. 2005(06)

博士論文
[1]面向電信CRM的數(shù)據(jù)挖掘應(yīng)用研究[D]. 陳金波.東南大學(xué) 2006

碩士論文
[1]基于劃分的聚類算法及其在Web挖掘中的應(yīng)用[D]. 晏璐.大連理工大學(xué) 2007
[2]K-means聚類算法的研究[D]. 馮超.大連理工大學(xué) 2007
[3]基于消費行為的客戶細分模型應(yīng)用研究[D]. 朱艷麗.四川師范大學(xué) 2007
[4]數(shù)據(jù)挖掘在電信企業(yè)客戶細分中的應(yīng)用研究[D]. 齊先鋒.江西理工大學(xué) 2007
[5]基于數(shù)據(jù)挖掘的客戶細分研究[D]. 張智欽.暨南大學(xué) 2007
[6]K-Means算法在客戶細分中的應(yīng)用研究[D]. 邢留偉.西南財經(jīng)大學(xué) 2007
[7]中國電信客戶關(guān)系管理分析[D]. 張慶強.北京交通大學(xué) 2006
[8]基于消費者行為的移動客戶細分研究[D]. 字亞偉.北京郵電大學(xué) 2006
[9]基于聚類分析的電信客戶細分系統(tǒng)研究與設(shè)計[D]. 丁繼承.哈爾濱工業(yè)大學(xué) 2006
[10]基于客戶價值的電信客戶細分研究[D]. 雷朱宏.南京工業(yè)大學(xué) 2006



本文編號：3289289