基于网络数据的客户特性分析与选择.doc

摘要:根据移动用户行为数据，建立客户分群模型。根据模型分析每类移动用户共有的特征，针对每类移动用户提出相关的个性化客户策略，并挖掘潜在的客户价值。

客户数据采集即是当地移动通信运营商的客户行为数据，客户行为数据包括月消费总支出，非语音通话费用，语音通话费，短信费，上网流量费，使用新业务的数量和增值业务费等七个维度。然后对数据预处理即对数据进行规范化处理，将缺失值进行恰当的数据清洗。通过使用数据挖掘中的聚类算法，利用已经清洗好的客户行为数据，把所有客户按照消费特征分成群，建立客户分群模型。基于客户分群模型，把客户分为三个群:“老年”基础型，潜在上网型和贡献利润型，并且对每个群体制定针对性客户策略。 

关键词:数据挖掘；K-Means聚类算法；客户分群模型

目录

摘要

Abstract

1 绪论-5

1.1研究背景-5

1.2研究目标及意义-5

1.2.1研究目标-5

1.2.2研究意义-5

2预备知识-7

2.1预备定义-7

2.1.1数据挖掘-7

2.1.1.1数据挖掘的定义-7

2.1.1.2数据挖掘的过程-7

2.1.2聚类分析-8

2.2算法描述-8

2.2.1K-Means算法-8

3数据处理-10

3.1数据准备-10

3.2数据预处理-10

3.3缺失值的处理-10

4基于网络数据的移动通信客户特性模型的建立-11

4.1移动通信客户数据的收集-11

4.2移动通信客户数据的处理-11

4.3聚类模型的建立-11

4.3.1模型假设-11

4.3.2模型建立-11

4.4模型的分析-15

5总结与展望-17

5.1总结 -17

5.2展望-17

6参考文献-18

7附录-19

致谢-30