基于增值业务的客户消费行为数据挖掘模式分析

西南交通大学硕士学位论文基于增值业务的客户消费行为数据挖掘模式分析姓名：宁一鉴申请学位级别：硕士专业：工商管理指导教师：蒋建平20070501基于增值业务的客户消费行为数据挖掘模式分析作者：宁一鉴学位授予单位：西南交通大学相似文献(10条)1.学位论文张婧基于数据挖掘的汽车售后服务业客户消费行为分析研究2009在如此快速发展的社会中，企业如何快速、有效地提出各种高质量的服务是企业面临的一项挑战。由于计算机技术的发展，在信息方面能够给企业以很好的支撑，但是随着数据量的不断扩大，如何从成千上万的数据中发现有价值的知识从而支持企业的业务发展将变得越来越困难。很多数据更多的只是例行公事而被记录下来，企业很难意识到在这些数据中隐藏着大量的信息和知识，更加不提有目的地在这些数据中找寻信息来帮助自己更加了解客户，从而以有限的成本获得更大的利润。同时，服务提供方也并不能有针对性的为不同类型客户提供不同的服务，更多的是同等对待，简单区分，结果是要么错过了能够带来巨大利润的潜在客户，要么眼睁睁的看着重要客户带来利润的下滑。本文研究的目的就是为了引入高度智能化的数据挖掘方法，建立一个方便可行的客户分析系统，以达到主动分析挖掘客户特点，正确制定有针对性的客户管理政策的目的。本文探讨了数据挖掘这一高智能化的工具在客户关系管理中的应用。依据客户消费行为对客户群进行细分，可以使企业根据客户价值级别的不同决定如何在客户中分配企业有限资源，然后根据客户的不同需求，设计和实施不同的客户保持策略。其目的在于牢牢保持那部分对企业最有价值的客户，并把有潜力的当前低价值客户在未来转化为高价值客户，鼓励那些不论是现在还是将来都对公司无价值的客户转向其竞争对手，从而最终达企业的总体利润最大化。数据挖掘方法能够帮助企业更加科学有效的实现这一目标。而界面友好、操作方便的客户分类和特征分析系统的实现能使这一高智能的工具更广泛的被应用。本文运用市场营销理论，提出了汽车售后服务企业客户消费的RFM模型，通过AHP法得到了汽车售后服务业RFM指标的权重，获得用于聚类分析的基础数据即加权的RFM指标，并应用改进的蚁群聚类法对客户RFM指标数据进行分类。然后使用改进的分类算法CAMM算法分析各类客户的本体特征，实现根据客户本体特征预测客户类型的目的。最后利用开发工具完成了客户分类和特征分析原型系统的设计和实现。实证研究表明本文所提出的模型和方法可以有效地对汽车售后服务企业客户进行分类和特征分析。2.期刊论文蒋孝明.戴虹.胡锟数据挖掘的关联分析在研究信用卡客户消费行为中的应用-计算机与现代化2003(11)介绍了数据挖掘技术的关联规则,并在信用卡客户消费行为的实际研究中加以运用.发现了基于日期的特约商户之间的和基于信用卡帐号的特约商户之间的关联规则,并提出了相应的营销战略,为国内商业银行开展有针对性的信用卡个性化营销提供了有益的启示.3.学位论文黎健聪固定电话客户呼叫详细记录数据挖掘系统的设计与实现2006随着电信市场竞争的不断加剧，为了从消费能力、消费习惯、消费周期等方面对客户进行分离，预测其消费行为，电信营销越来越需要准确、指导性强的客户消费行为数据来支持精细化的营销策略，以便为企业推行相关的营销措施提供依据和帮助。本论文首先讨论了利用现有固网客户计费的帐务数据对市场和用户进行分析所存在的局限性问题，指出进行CDR(呼叫详细记录)数据采集和分析的优势，结合目前电信运营商中普遍使用的No.7信令检测分析系统的应用情况，提出了利用现有№．7信令检测分析系统采集固定电话网客户的CDR数据，然后对数据进行集中存储和挖掘分析的切实可行的解决方案。文章还对所涉及的№．7信令系统、№．7信令检测系统以及广州本地电话网络的现状进行了分析。如何基于现有的资源条件，利用N0．7信令数据进行固定电话客户CDR数据的挖掘是本论文重点研究的内容。本论文从CDR数据的采集、处理、存储以及根据分析需求对数据挖掘模型的建立等方面，详细论述了番禺电信电话客户“呼叫详细记录”(CDR)数据挖掘系统的设计和实现方法。本文构建的客户消费行为的分析模型，注重营销对象的挖掘，通过用户话务消费详细数据的挖掘和整理，找出各类业务的潜在客户群，使营销部门在实施营销策略时更具有针对性，使企业可以掌握客户流失的原因、方向和应该采取的手段。通过分析客户消费习惯，来保持和赢得更多的有价值的客户，进而提高客户的忠诚度、满意度以及降低企业经营成本。该模型还可运用在固网智能化改造后的软交换环境。论文还对整个系统的实现和运行情况进行了分析总结，包括系统测试情况，实施质量评估等。4.学位论文钱阳峰基于支持向量机的零售企业客户消费行为分析与研究2007近年来，随着经济快速发展，客户的消费水平有了明显地提高和突破，这给企业客户关系管理系统存储带来了巨大的压力，尤其是大型零售企业，面对日益膨胀的各种数据资源，面对海量的静态客户信息和动态交易数据，传统的数据库技术已经无法满足现代需求的分析能力，如何发现隐藏在大量数据背后的规则、关系和有价值的知识已成为企业今后研究的重点和难点。随着数据挖掘方法的不断改进和创新，目前也有很多方法在实际应用中已经取得了一定程度的效果，比如决策树方法，神经网络还有贝叶斯方法等等。本文则引入支持向量机的方法应用在大型零售企业客户消费行为分析中，它是在统计学习理论基础上发展起来的一种新的模式识别方法，在解决有限样本，非线性及高维模式识别问题中表现出许多特有的优势。基于以上问题，本文主要研究了以下三方面的内容：第一，阐述了零售业客户消费行为的相关概念、研究现状以及客户分类的研究方法；对消费者的在线消费行为分析后指出网上消费行为将成为今后企业重点关注的内容。第二，对客户消费行为分析中所采用的数据挖掘技术作了重点剖析，尤其详细介绍了支持向量机(SVM)理论，从统计学理论出发，结合最优化和对偶理论对SVM原理、内容和算法作了深入研究；同时也对支持向量、核函数的相关特征以及SVM的优劣势作了对比分析。第三，提出和构建了基于SVM的客户消费行为分析模型-DCSS模型，该模型能较好地处理高维线性不可分问题，采用云状处理过程的映射机制和非确定性推理，将影响分类结果的多属性间的相互关联性较好地体现，结合SVMDT中的概率分布函数，对客户消费数据应用改进的SMO算法产生分类结果。这是本文的核心和重点。文章最后给出了一个具体应用实例，通过对实例的分析和研究，将基于DCSS模型的SMO算法与其它算法进行了比较，结果表明本算法的效率和精度是比较高的，也非常适合于应用在线性不可分的大型零售业客户分类情形中。本文把支持向量机引入零售业客户分类，为企业寻找最优客户提供了一种非常有效的工具。5.学位论文梁莹面向连锁零售业客户消费行为的分布式挖掘模型研究2008随着信息技术的发展、经济全球化进程的加快,人们消费观念、消费模式、消费环境和购买行为发生重大转变；连锁零售业各个分布节点积集了大量关于客户的静态信息和动态交易数据信息,并与总店间通过网络互连形成了分布型的商业共享数据环境,形成了规模庞大的分布商业数据金矿。连锁零售业不能只依据某一结点的数据库进行经营决策,否则不能发现全面的商业信息,而需综合所有分布数据库,从中发现隐藏在大量客户消费数据背后的规则,获取分析决策模式和知识,让海量数据发挥出驱动营销业务的能量与价值,从而将零售业的“商晶经营”演绎成“信息经营”,已成为企业研究的重点和难点。本文建立面向连锁零售业客户消费行为的分布式数据挖掘模型,有效利用分布式数据挖掘技术深度挖掘每个分结点中的数据库中客户消费行为信息、客户消费能力和客户消费趋势,支持连锁零售业在细分客户的消费行为中把握商机,提高企业的经营分析决策水平、最终提高企业的核心竞争力。主要研究内容包括：第一,针对目前数据分布环境下客户消费行为分析理论和研究存在的不足,提出了面向连锁零售业客户消费行为的分布式数据挖掘模型(DDMMRCB,DistributedDataMiningModelBasedonConsumerbehaviorAnalysis)：以连锁零售业分布的各结点的客户消费行为数据为数据源,以移动Agent运行平台为框架基础,以基于XML的异构数据处理、基于FP-树的分布式关联规则DARMAIF算法(DistributedAssociationRulesMiningAlgorithmsbasedonImprovedFPtree)和分布式神经网络IDNNA算法(ImprovedDistributedNeuralNetworkAlgorithm)为三大技术关键。第二,本文提出基于知识的元素映射集转换规则及动态匹配机制,并利用XML的可扩展性、结构化、自描述以及跨平台的特点,来解决分布式数据挖掘环境下异构数据源的挖掘问题。第三,本文提出基于FP-树的分布式关联规则DARMAIF算法,将局部站点的原始数据库进行分解并逐步组合成频繁1-项集的项总数个数据库子集,然后再将局部的子数据库的有关项集存储到改进的FP-树结构中,再通过基于被约束子树的数据挖掘算法,挖掘出约束项频繁项目集,并逐渐生成全局的基于约束的关联规则。第四,本文提出了改进型分布式神经网络IDNNA算法,在保留信息的前提下对数据进行有效降维,并通过分布式神经网络IDNNA算法的分布自学习功能得出客户评价的定量评价。第五,最后本文对DMMRCB模型在连锁零售业客户消费行为中的应用做了有益的探索,通过从客户个人特征、客户消费行为、客户态度等角度挖掘连锁零售企业的客户的消费行为,得出相关性分析、客户消费模式分析和客户分类等主题指标,从而为提高连锁零售业的经营分析、决策支持和商品管理等水平都提供了有力支持。6.期刊论文林坤江.佘名高.贾秀峰数据挖掘技术及其在客户消费行为分析中的应用-福建电脑2007(2)数据挖掘技术是一种从海量的数据中挖掘出有用的知识的方法.本文首先介绍了数据挖掘的定义、任务、过程和方法,然后结合实例对电信业中客户消费行为的分析,提出一些有用的知识帮助电信企业进行决策.7.学位论文王耀民陕西电信客户消费行为分析系统的实现2009由于国家市场经济体制的确立，中国电信行业也必须作为一种产业，参与到市场竞争中来。中国电信业通过多年的体制改革，已经形成了多运营商竞争的市场格局。电信企业若想获得生存，就必须提高对市场变化的敏感度，能够根据客户的消费行为特征做出相应的调整，保持市场的领先地位。因此建设一个基于综合业务支撑系统之上的“电信客户消费行为分析系统”对全省电信用户的消费行为进行监测和分析尤为重要。br　　本人在实习期间，参与了陕西电信客户消费行为分析系统的研发工作，对系统运用到的相关理论技术及其在实际工作中的应用有了较为深刻的认识。本文首先对项目的研究背景、国内外发展现状以及论文的组织结构进行了介绍，接着对建设客户消费行为分析系统用到数据仓库、联机分析处理(OLAP)、ETL(Extraction-Transformation-Loading)等相关理论与关键技术进行了探讨，然后对客户消费行为分析系统进行了总体分析，详细阐述了利用数据仓库领域相关知识从系统的总体设计到详细设计过程一步步展开的具体过程。通过论文的研究工作，得出了一种较实用的数据仓库系统的建设方法，为在客户消费行为分析系统基础上的进一步应用如：OLAP(联机分析处理)、报表、即席查询、数据挖掘等提供了数据支撑，并对其他行业的数据仓库系统的建设也有一定的借鉴作用。8.学位论文乔爱芹数据挖掘在电信营维系统中的应用研究2008随着电信改革的不断深入，电信市场的竞争日益加剧，电信企业纷纷建立起以客户为中心的经营模式和营销服务体系。但是，如何整合分布在九七、计费、客服、智能网等多个系统中大量数据，利用数据仓库、数据挖掘等技术，深层次、多角度地挖掘潜在客户需求，分析客户消费行为，并为其提供差异化的电信服务成了营销服务中的焦点，构筑社区营维支撑系统显得尤为重要。本文首先介绍了数据库和数据挖掘技术的发展动态，重点讨论了数据挖掘技术的研究现状和发展方向，对挖掘关联规则的算法进行了