1、1数据挖掘技术在电信 CRM 中的应用摘 要：随着移动网络的普及和迅猛发展，对拥有大量的客户数据的电信企业，迫切需要将数据优势转换成企业竞争优势，基于数据挖掘的电信客户关系管理（CRM）系统应运而生。本文就客户关系管理和数据挖掘的概念，以及在电信企业中的综合应用进行了研究。 关键词：数据挖掘；CRM；电信企业 Abstract： with the popularity and rapid development of mobile network， the telecom enterprises with a large number of customer data， an urgent n
2、eed to convert data advantage into enterprise competitive advantage， based on data mining of telecom customer relationship management （CRM） system arises at the historic moment. In this paper， the concept of customer relationship management （CRM） and data mining， and comprehensive application in tel
3、ecom enterprises are studied. Key words： data mining； CRM； Telecom enterprise 1 引言 随着经济的发展，营销方式从“以产品为中心”转变为“以客户为中心” ，逐步建立以客户和市场为导向的经营战略，主动营销对企业的发展变得异常重要，因此，越来越多的企业都开展了客户关系管理（CRM） 。CRM 能为企业获得市场竞争优势，树立良好的企业形象。通过客户关系管2理系统可建立统一的客户联系渠道和全面的客户服务能力，可为客户提供更好的服务，促使客户购买更多的产品或服务，并建立起对客户的忠诚度，从而增加收人和提高销售利润。因此，企业需
4、要对客户形成更加深刻的理解和认识，而数据挖掘技术可以通过对 CRM 系统的海量客户数据的深人分析，发现大量潜在的、真正有价值的信息和知识，满足企业对客户关系管理的需求，是当前电信企业提升 CRM 水平的重要手段。 2 数据挖掘技术 数据挖掘是一门综合性学科，其涉及统计学、人工智能、机器学习、数据库等多方面知识。数据挖掘就是从海量数据中提取或“挖掘”知识，它要从不完全的、大量的、随机的、模糊的历史数据中发掘出人们事先未知的，但是潜在有用的信息和知识。 数据挖掘根据任务的不同主要分为 （1）描述性数据挖掘：包括统计、聚类和关联规则等； （2）预言性数据挖掘：包括分类、回归和时间序列； 数据挖掘算法
5、有决策树算法、神经网络算法、关联规则算法、粗糙集以及遗传算法等。 数据挖掘的实现过程是一个循环往复的过程，主要分为以下几个步骤： （1）数据准备 选择计算所需要的合适数据，掌握了解数据分布情况和异常数据，补充和修正缺失的数据，为计算的方便转换数据类型，为提高计算对数据进行合理的分组。 3（2）建立模型 选取合适的数据挖掘算法，对预处理过的数据进行计算和挖掘，调试该算法的运行参数，生成该业务的模型。 （3）评估和解释模型 比较和评估上述建立的各个模型，从中选取一个最优模型，并用业务语言解释该模型。 （4）运用和优化模型 在实际操作中，监控该模型的表现和运行情况，若表现不好，则修正和考察该模型，使
6、模型能够真实的放映实际业务的运作规律。 3 数据挖掘技术在电信 CRM 中的应用 数据挖掘技术使用关联分析、偏差分析、聚类分析和预测等方法完成对复杂客户的数据的处理，从数据中将所需的分析结果提取出来。本文对 CRM 系统中客户群体、客户满意程度、交叉销售、客户盈利能力、客户流失情况应用数据挖掘技术进行分析。 （1）客户群体分类 采用决策树和聚类方法把海量客户分成不同的类型，每类客户拥有相似的属性，不同类的客户具有不同的属性。企业可以针对不同类型的客户，提供完全不同的个性化的服务，以此来提高客户的满意度。 （2） 客户流失的控制与预测 随着行业之间的竞争愈演愈烈，企业获得新客户的难度越来越大，这
7、使得保持原有客户就显得尤为重要。要想从客户身上获得的价值更多，那么必然要做好维护工作。数据挖掘技术可以从客户数据中发现易流失4的客户，从而企业可针对客户的需求，采取相应措施保持原有客户。 （3）客户利润回报预测 通过已有的客户数据预测未知的消费趋势和消费领域，使用决策树算法和神经网络算法对数据进行分析，考察哪些客户对产品感兴趣，哪些人是企业的潜在客户，然后根据分析结果采取有针对性的营销，达到企业和客户双赢的目的。 （4）交叉销售 交叉销售是企业向原有客户销售新的产品或服务的过程。在企业所掌握的客户数据信息中，包含着客户下一次购买行为的关键信息，数据挖掘技术可以从这些数据中挖掘出影响客户购买行为
8、的主要因素，这样客户因获得其满意的服务而获益，企业因销售增长而获益。 （5） 产品和服务的关联分析 关联分析是数据挖掘技术的重要算法，是挖掘不同数据之间关系的重要手段。对电信产品或服务作有效的关联分析，可以发掘出电信服务或产品之间的关系，由此可以定制合理的组合套餐，为用户提供贴心服务，从而开发出最受客户欢迎的产品服务组合。 （6） 客户欺诈行为分析 客户欺诈行为是指以不付费的方式拨打移动通信服务。采用决策树算法对客户数据信息进行分析，对客户行为进行研究，根据分析结果判断哪些客户存在欺诈行为。 4 结束语 良好的客户关系管理是电信企业增加利润，提高客户满意度和忠诚5度的有效工具，引入数据挖掘技术
9、可以更好地实现客户关系管理的目标，加深企业对客户的理解，建立更准确的客户模型，改进营销策略，提供更好的客户服务，寻找更好的目标市场，使企业获得和保持市场竞争力。而随着数据挖掘技术的不断完善和成熟，基于数据挖拥技术的客户关系管理必将获得越来越广泛的应用。 参考文献 1 王辉，基于数据挖掘技术的客户关系管理在电信企业中的应用J，中国科技信息，2005（18）：25-16. 2 张骅，试析数据挖掘在移动通信 CRM 中的应用J，企业导报，2014（16）：134-135. 3 冉宏坤，赵京辉，李媛，数据仓库和数据挖掘技术在电信 CRM中的应用J，信息通信，2014（1）：234-234. 4 吴建华，数据挖掘技术在电信行业 CRM 中应用研究J，电脑知识与技术，2013（35）：7908-7910. 5 闫娜娜，刘锋，李锡娟，耿波. 支持 CRM 分析的数据仓库多维启动模型J. 计算机技术与发展. 2008（05） 6 陈建辉. 一种基于数据挖掘的 CRM 系统框架的实现J. 华北水利水电学院学报. 2007（05） 7 陈加顺. 基于数据挖掘技术的房地产 CRM 的研究与应用J. 中国水运（学术版）. 2007（09） 作者简介 段萍萍（1992-） ，女，汉，吉林省四平市，本科，现就读于东北石6油大学数学与统计学院，主要从事于应用数学方面的研究。
