數(shù)據(jù)挖掘在電信客戶關(guān)系管理中的應(yīng)用研究

摘 要：本文主要研究了數(shù)據(jù)挖掘在電信顧客關(guān)系管理中的應(yīng)用，構(gòu)建了基于數(shù)據(jù)挖掘的電信CRM框架體系，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶細分、流失預(yù)測以及交叉營銷等方面，實現(xiàn)客戶全生命周期的科學(xué)化管理。最后，以XX電信公司的彩鈴業(yè)務(wù)為例，采用Apriori算法來挖掘與分析其交叉銷售的策略。

關(guān)鍵詞：客戶關(guān)系管理；數(shù)據(jù)挖掘；Apriori算法

中圖分類號：TP311.13

信息化時代的發(fā)展已經(jīng)到了大數(shù)據(jù)的時代，對于擁有3G、4G業(yè)務(wù)的電信公司而言，通過有效的利用用戶數(shù)據(jù)來擴大用戶群體是一個切實可行的途徑。顧客關(guān)系管理系統(tǒng)（Customer Relationship Management，CRM）正是這樣的一套管理系統(tǒng)，其建立在龐大的用戶數(shù)據(jù)的基礎(chǔ)之上，擁有大規(guī)模的用戶數(shù)據(jù)。與此同時，隨著數(shù)字化信息的增長，數(shù)據(jù)挖掘（Data Mining）技術(shù)被廣泛應(yīng)用于商業(yè)、金融業(yè)、電子商務(wù)、企業(yè)生產(chǎn)等方面，它已逐漸發(fā)展成為一種智能過程，可以和信息技術(shù)、統(tǒng)計技術(shù)等一起支持運營決策，在電信企業(yè)客戶關(guān)系管理中具有非常大的應(yīng)用價值。

1 研究現(xiàn)狀

隨著數(shù)據(jù)挖掘技術(shù)的進一步發(fā)展和完善，數(shù)據(jù)挖掘技術(shù)的應(yīng)用越來越廣泛，在具體應(yīng)用方面除了最初的價值評價，目前更多的用于顧客細分、識別潛在顧客、預(yù)測未來顧客流失以及交叉銷售等。BerryLinoff等人通過一系列的算法如K-means聚類、C4.5決策樹以及相應(yīng)模型的建立，具體分析了數(shù)據(jù)挖掘在CRM和顧客生命周期管理中的實踐意義[1]。盛昭瀚和徐遠純等人在ID3決策樹的基礎(chǔ)上加以改進，也對應(yīng)的建立了預(yù)測顧客流失的模型，并對模型效果進行了驗證[2]。幸莉仙等人將數(shù)據(jù)挖掘技術(shù)進一步應(yīng)用于零售業(yè)，具體分析了零售業(yè)中可能的交叉銷售機會[3]。段云峰等人以移動通訊業(yè)為分析對象，具體分析了各通信業(yè)務(wù)間的關(guān)聯(lián)性的強弱以及合理的銷售搭配[4]。

2 基于數(shù)據(jù)挖掘的電信CRM體系框架

電信企業(yè)對于顧客關(guān)系的管理不應(yīng)該是靜態(tài)，而立足于顧客生命周期的不同階段，根據(jù)各個階段的特性實施不同的管理和營銷策略。

2.1 電信顧客生命周期理論

其中，TV（t）表示顧客價值，P（t）表示企業(yè)利潤，而曲線表示顧客生命周期的各個階段隨時間變化而變化的規(guī)律。（1）識別階段。電信企業(yè)主要是設(shè)計科學(xué)的規(guī)則對潛在顧客進行識別和細分，將其分為服務(wù)需求和消費習(xí)慣不同的群體。根據(jù)其具體特征，設(shè)計合理的產(chǎn)品及服務(wù)，并采取有針對性的營銷策略，將潛在顧客轉(zhuǎn)變成現(xiàn)實顧客。（2）發(fā)展階段。電信企業(yè)對實施針對性的發(fā)展策略之后潛在顧客逐漸發(fā)展為現(xiàn)實顧客，接下來的目標(biāo)是引導(dǎo)顧客使用其產(chǎn)品和服務(wù)，提升顧客的價值。為此，電信企業(yè)需要設(shè)計顧客價值評價體系，對顧客進行價值評價，并在此基礎(chǔ)上對不同價值的顧客實施針對性的管理和營銷策略，逐步將其發(fā)展為穩(wěn)定的顧客。

2.2 基于數(shù)據(jù)挖掘與生命周期的電信客戶關(guān)系管理模型

（1）基于數(shù)據(jù)挖掘的識別期管理。電信行業(yè)經(jīng)過多年的快速發(fā)展，電信行業(yè)顧客飽和度逐漸提升，行業(yè)增速明顯降低。在識別期，通過數(shù)據(jù)挖掘，能夠設(shè)計科學(xué)的規(guī)則對潛在顧客進行識別和細分，不同類別其行為特征和消費習(xí)慣存在一定的差異，對于不同的產(chǎn)品、服務(wù)及其推廣渠道具有不同的響應(yīng)。（2）基于數(shù)據(jù)挖掘的發(fā)展期管理。在顧客發(fā)展階段，對顧客價值進行評價是核心問題。在基于數(shù)據(jù)挖掘的顧客關(guān)系管理中，顧客細分、顧客流失預(yù)測等都是以顧客價值為基礎(chǔ)。顧客細分則是基于數(shù)據(jù)挖掘中的聚類分析，從顧客的基本信息和消費行為數(shù)據(jù)出發(fā)，依據(jù)顧客的行為特征、消費習(xí)慣等將其劃分若干子群體，然后對不同群體實施精準(zhǔn)化營銷策略，提高營銷效率。產(chǎn)品交叉銷售是電信企業(yè)推廣新的產(chǎn)品和服務(wù)的有效途徑，分析歷史數(shù)據(jù)中顧客在使用某些業(yè)務(wù)的同時還使用哪些業(yè)務(wù)，發(fā)現(xiàn)不同業(yè)務(wù)之間的潛在關(guān)系，向現(xiàn)有顧客提供新的產(chǎn)品或服務(wù)。

3 案例分析

本節(jié)將以XX電信公司截至2013年12月仍然在網(wǎng)的客戶信息作為研究對象，提取其相關(guān)數(shù)據(jù)來進行電信產(chǎn)品交叉銷售分析的實證研究。

Apriori算法。Apriori算法的主要思想是：在第一次掃描數(shù)據(jù)庫時計算出所有的1-項集的出現(xiàn)次數(shù)獲得頻繁1-項集L1，再由L1候選2-項集生成C2，重新掃描數(shù)據(jù)庫，得到2-項集L2，經(jīng)過K次掃描數(shù)據(jù)庫以后，先由頻繁項集LK-1生成候選集CK；再計算CK中各項支持度得到頻繁項集LK，依次類推直到不能再產(chǎn)生新的頻繁項集，最后頻繁項集的集合記為 。

算法主要分為兩步：

（1）找出所有的滿足最小支持度的項目集，即頻繁項集。

（2）從找到的頻繁項目集中生成不低于用戶設(shè)置的最小置信度的關(guān)聯(lián)規(guī)則。要生成頻繁項目集有兩個條件：頻繁項目集的子集必須是頻繁項目集，若{AB}是一個頻繁項目集，那么{A}和{B}都要是頻繁項目集；只有滿足最小支持度的項目集才是頻繁項目集。在對數(shù)據(jù)庫的第一次掃描可以得到候選1-項集C1，而候選K項集則是由頻繁項目K-1項集產(chǎn)生。

4 結(jié)束語

本研究綜合運用了計算機信息技術(shù)、數(shù)據(jù)挖掘技術(shù)、管理學(xué)和市場營銷學(xué)等多個領(lǐng)域的知識，并結(jié)合電信行業(yè)的具體行業(yè)特征，構(gòu)建了基于數(shù)據(jù)挖掘的電信CRM體系框架，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶生命周期的各個階段中，提高客戶關(guān)系管理的水平。最后，以XX電信公司彩鈴業(yè)務(wù)作為研究對象，構(gòu)建其關(guān)聯(lián)規(guī)則挖掘模型，分析其交叉銷售的可能性，并針對性地提出了若干營銷策略與建議。

參考文獻：

[1]Berry M J，Linoff G.Data mining techniques：For marketing，sales，and customer support[M].John WileySons，Inc.，1997.

[2]徐遠純，盛昭瀚，柳炳祥.一種基于決策樹的顧客流失危機分析方法[J].計算機與現(xiàn)代化，2004（08）：1-4.

[3]幸莉仙，宋建民，李群.數(shù)據(jù)挖掘技術(shù)在交叉營銷中的應(yīng)用[J].商業(yè)時代，2005（29）：38.

[4]段云峰，楊鳳年，李劍威.移動通信業(yè)務(wù)中的業(yè)務(wù)關(guān)聯(lián)分析[J].電信科學(xué)，2001（11）：17-19.

作者簡介：盧雪兵，男，江蘇啟東人，科員，助理工程師，本科，研究方向：計算機軟件；相明瓊（1987.08-），男，山東聊城人，科員，中級職稱，學(xué)士學(xué)位，研究方向：信息化管理。

作者單位：上海出入境檢驗檢疫局，上海 200135