需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：8994 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:根據(jù)移動(dòng)用戶(hù)行為數(shù)據(jù)，建立客戶(hù)分群模型。根據(jù)模型分析每類(lèi)移動(dòng)用戶(hù)共有的特征，針對(duì)每類(lèi)移動(dòng)用戶(hù)提出相關(guān)的個(gè)性化客戶(hù)策略，并挖掘潛在的客戶(hù)價(jià)值。 客戶(hù)數(shù)據(jù)采集即是當(dāng)?shù)匾苿?dòng)通信運(yùn)營(yíng)商的客戶(hù)行為數(shù)據(jù)，客戶(hù)行為數(shù)據(jù)包括月消費(fèi)總支出，非語(yǔ)音通話(huà)費(fèi)用，語(yǔ)音通話(huà)費(fèi)，短信費(fèi)，上網(wǎng)流量費(fèi)，使用新業(yè)務(wù)的數(shù)量和增值業(yè)務(wù)費(fèi)等七個(gè)維度。然后對(duì)數(shù)據(jù)預(yù)處理即對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理，將缺失值進(jìn)行恰當(dāng)?shù)臄?shù)據(jù)清洗。通過(guò)使用數(shù)據(jù)挖掘中的聚類(lèi)算法，利用已經(jīng)清洗好的客戶(hù)行為數(shù)據(jù)，把所有客戶(hù)按照消費(fèi)特征分成群，建立客戶(hù)分群模型。基于客戶(hù)分群模型，把客戶(hù)分為三個(gè)群:“老年”基礎(chǔ)型，潛在上網(wǎng)型和貢獻(xiàn)利潤(rùn)型，并且對(duì)每個(gè)群體制定針對(duì)性客戶(hù)策略。
關(guān)鍵詞:數(shù)據(jù)挖掘；K-Means聚類(lèi)算法；客戶(hù)分群模型
目錄 摘要 Abstract 1 緒論-5 1.1研究背景-5 1.2研究目標(biāo)及意義-5 1.2.1研究目標(biāo)-5 1.2.2研究意義-5 2預(yù)備知識(shí)-7 2.1預(yù)備定義-7 2.1.1數(shù)據(jù)挖掘-7 2.1.1.1數(shù)據(jù)挖掘的定義-7 2.1.1.2數(shù)據(jù)挖掘的過(guò)程-7 2.1.2聚類(lèi)分析-8 2.2算法描述-8 2.2.1K-Means算法-8 3數(shù)據(jù)處理-10 3.1數(shù)據(jù)準(zhǔn)備-10 3.2數(shù)據(jù)預(yù)處理-10 3.3缺失值的處理-10 4基于網(wǎng)絡(luò)數(shù)據(jù)的移動(dòng)通信客戶(hù)特性模型的建立-11 4.1移動(dòng)通信客戶(hù)數(shù)據(jù)的收集-11 4.2移動(dòng)通信客戶(hù)數(shù)據(jù)的處理-11 4.3聚類(lèi)模型的建立-11 4.3.1模型假設(shè)-11 4.3.2模型建立-11 4.4模型的分析-15 5總結(jié)與展望-17 5.1總結(jié) -17 5.2展望-17 6參考文獻(xiàn)-18 7附錄-19 致謝-30 |
