数据挖掘在电信客户关系管理中的应用研究

摘 要：本文主要研究了数据挖掘在电信顾客关系管理中的应用，构建了基于数据挖掘的电信CRM框架体系，将数据挖掘技术应用到客户细分、流失预测以及交叉营销等方面，实现客户全生命周期的科学化管理。最后，以XX电信公司的彩铃业务为例，采用Apriori算法来挖掘与分析其交叉销售的策略。

关键词：客户关系管理；数据挖掘；Apriori算法

中图分类号：TP311.13

信息化时代的发展已经到了大数据的时代，对于拥有3G、4G业务的电信公司而言，通过有效的利用用户数据来扩大用户群体是一个切实可行的途径。顾客关系管理系统（Customer Relationship Management，CRM）正是这样的一套管理系统，其建立在庞大的用户数据的基础之上，拥有大规模的用户数据。与此同时，随着数字化信息的增长，数据挖掘（Data Mining）技术被广泛应用于商业、金融业、电子商务、企业生产等方面，它已逐渐发展成为一种智能过程，可以和信息技术、统计技术等一起支持运营决策，在电信企业客户关系管理中具有非常大的应用价值。

1 研究现状

随着数据挖掘技术的进一步发展和完善，数据挖掘技术的应用越来越广泛，在具体应用方面除了最初的价值评价，目前更多的用于顾客细分、识别潜在顾客、预测未来顾客流失以及交叉销售等。Berry&Linoff等人通过一系列的算法如K-means聚类、C4.5决策树以及相应模型的建立，具体分析了数据挖掘在CRM和顾客生命周期管理中的实践意义[1]。盛昭瀚和徐远纯等人在ID3决策树的基础上加以改进，也对应的建立了预测顾客流失的模型，并对模型效果进行了验证[2]。幸莉仙等人将数据挖掘技术进一步应用于零售业，具体分析了零售业中可能的交叉销售机会[3]。段云峰等人以移动通讯业为分析对象，具体分析了各通信业务间的关联性的强弱以及合理的销售搭配[4]。

2 基于数据挖掘的电信CRM体系框架

电信企业对于顾客关系的管理不应该是静态，而立足于顾客生命周期的不同阶段，根据各个阶段的特性实施不同的管理和营销策略。

2.1 电信顾客生命周期理论

其中，TV（t）表示顾客价值，P（t）表示企业利润，而曲线表示顾客生命周期的各个阶段随时间变化而变化的规律。（1）识别阶段。电信企业主要是设计科学的规则对潜在顾客进行识别和细分，将其分为服务需求和消费习惯不同的群体。根据其具体特征，设计合理的产品及服务，并采取有针对性的营销策略，将潜在顾客转变成现实顾客。（2）发展阶段。电信企业对实施针对性的发展策略之后潜在顾客逐渐发展为现实顾客，接下来的目标是引导顾客使用其产品和服务，提升顾客的价值。为此，电信企业需要设计顾客价值评价体系，对顾客进行价值评价，并在此基础上对不同价值的顾客实施针对性的管理和营销策略，逐步将其发展为稳定的顾客。

2.2 基于数据挖掘与生命周期的电信客户关系管理模型

（1）基于数据挖掘的识别期管理。电信行业经过多年的快速发展，电信行业顾客饱和度逐渐提升，行业增速明显降低。在识别期，通过数据挖掘，能够设计科学的规则对潜在顾客进行识别和细分，不同类别其行为特征和消费习惯存在一定的差异，对于不同的产品、服务及其推广渠道具有不同的响应。（2）基于数据挖掘的发展期管理。在顾客发展阶段，对顾客价值进行评价是核心问题。在基于数据挖掘的顾客关系管理中，顾客细分、顾客流失预测等都是以顾客价值为基础。顾客细分则是基于数据挖掘中的聚类分析，从顾客的基本信息和消费行为数据出发，依据顾客的行为特征、消费习惯等将其划分若干子群体，然后对不同群体实施精准化营销策略，提高营销效率。产品交叉销售是电信企业推广新的产品和服务的有效途径，分析历史数据中顾客在使用某些业务的同时还使用哪些业务，发现不同业务之间的潜在关系，向现有顾客提供新的产品或服务。

3 案例分析

本节将以XX电信公司截至2013年12月仍然在网的客户信息作为研究对象，提取其相关数据来进行电信产品交叉销售分析的实证研究。

Apriori算法。Apriori算法的主要思想是：在第一次扫描数据库时计算出所有的1-项集的出现次数获得频繁1-项集L1，再由L1候选2-项集生成C2，重新扫描数据库，得到2-项集L2，经过K次扫描数据库以后，先由频繁项集LK-1生成候选集CK；再计算CK中各项支持度得到频繁项集LK，依次类推直到不能再产生新的频繁项集，最后频繁项集的集合记为 。

算法主要分为两步：

（1）找出所有的满足最小支持度的项目集，即频繁项集。

（2）从找到的频繁项目集中生成不低于用户设置的最小置信度的关联规则。要生成频繁项目集有两个条件：频繁项目集的子集必须是频繁项目集，若{AB}是一个频繁项目集，那么{A}和{B}都要是频繁项目集；只有满足最小支持度的项目集才是频繁项目集。在对数据库的第一次扫描可以得到候选1-项集C1，而候选K项集则是由频繁项目K-1项集产生。

4 结束语

本研究综合运用了计算机信息技术、数据挖掘技术、管理学和市场营销学等多个领域的知识，并结合电信行业的具体行业特征，构建了基于数据挖掘的电信CRM体系框架，将数据挖掘技术应用到客户生命周期的各个阶段中，提高客户关系管理的水平。最后，以XX电信公司彩铃业务作为研究对象，构建其关联规则挖掘模型，分析其交叉销售的可能性，并针对性地提出了若干营销策略与建议。

参考文献：

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

[2]徐远纯，盛昭瀚，柳炳祥.一种基于决策树的顾客流失危机分析方法[J].计算机与现代化，2004（08）：1-4.

[3]幸莉仙，宋建民，李群.数据挖掘技术在交叉营销中的应用[J].商业时代，2005（29）：38.

[4]段云峰，杨凤年，李剑威.移动通信业务中的业务关联分析[J].电信科学，2001（11）：17-19.

作者简介：卢雪兵，男，江苏启东人，科员，助理工程师，本科，研究方向：计算机软件；相明琼（1987.08-），男，山东聊城人，科员，中级职称，学士学位，研究方向：信息化管理。

作者单位：上海出入境检验检疫局，上海 200135