试析数据挖掘在移动通信CRM中的应用

张骅

摘 要：随着4G技术的快速发展，运营商为了提高自己的竞争力开始对客户管理进行研究，本文通过分析数据挖掘技术和移动通信CRM的现状，对数据挖掘在移动通信CRM中的应用进行了研究。

关键词：数据挖掘；移动通信；CRM

一、数据挖掘技术概述

国外对数据挖掘的技术的研究是从1995年在加拿大召开的国际学术会议上开始的，自1995年以来，国外关于数据库挖掘技术的研究已经非常多。从理论上来看，数据挖掘技术涉及了很多学科。

数据挖掘技术根据任务的不同主要分为描述性数据挖掘技术和预言性数据挖掘技术，其中描述性数据挖掘技术主要包括统计、聚类、分群和关联规则等。而预言性数据挖掘技术主要包括分类、回归和时间序列。其中分类主要就是预先设定一种分类方法，然后用设置好的分类方法来对以后的数据进行分类，回归主要就是运用线性回归或者非线性回归的方法用一直的变量对未知的变量进行预测。数据挖掘技术有很多算法，比较常见的有决策树算法、神经网络算法、关联规则算法、粗糙集以及遗传算法等。而数据挖掘技术作为一门综合型学科，其主要包含的知识有统计学、人工智能等多方面的理论。数据挖掘的主要作用是知识的发现，它的主要贡献是从一些繁琐的、没有规律的以及一些相对模糊的数据中提炼出对人们有用的信息，即一些人们事先未知的但是有规律性的，并把这些信息整合成人们可以直接应用的模型。

二、移动通信业CRM概述

随着近年来世界信息科技的高度发展，电子商务已经成为当今世界经济的主流趋势，在这之前世界经济市场多以生产为中心，以增加销量为目的，但是这种市场战略逐渐被取代，越来越多的人重视以客户为中心、以服务为目的。为了在与竞争对手博弈的过程中取得胜利，就必须要重视与客户之间的联系，准确把握客户的需求，这也就促生出了客户关系管理（Cus

tomer Relation Management）的概念，即CRM。随着通信行业的竞争越来越激烈，为了提高自己产品的核心竞争力，国内的运营商一直在致力于寻找一种有效的方法，CRM的出现有效的解决了运营商的难题。从实际应用上来看CRM在移动行业中的应用是最为广泛的。国外的很多运营商都在这方面进行了大量的投入，并且CRM对提高他们产品的核心竞争力起到了很有效的作用。CRM所涵盖的方面非常广，其实施起来的难度也比较大，仅从移动通信中的CRM来看，还没有一个运营商能够真正运用到CRM的全部功能。因此对于国内的运营商来看，这将使一个任重而道远的任务。

三、数据挖掘技术在移动通信CRM中的应用现状

国外的研究学者对数据挖掘技术在移动通信业CRM中的应用进行了比较早的研究，并且作出了很多比较成功的成果。比较典型的例子有：英国的电信公司为了获得更大的营销利益，利用SPSS软件对客户的购买意向以及他们的价值这些数据进行了处理，从而对这些客户的特征有了充分的了解。比利时国家电信公司的工作人员使用数据库技术建立了以顾客数据为基础的系统，并利用此系统做出了一个欺骗检测模型，利用此模型能够对客户的价值进行评估，减少欺骗与欠费行为的发生。国外的其他公司也想数据挖掘技术应用到客户的数据分析中，用来提高CRM水平。

相比于国外，国内的数据挖掘技术还处在初步阶段，还没有形成成熟的市场，特别是在移动通信业CRM中很少应用到数据挖掘技术，现阶段，相对比较成功的是中国移动所做的研究，其对客户进行分类，对客户的消费数据进行分析，并使用聚类算法的手段对每个客户的市场进行细分，根据所分析的结果来设置不同的套餐以满足不同人群的消费需求，比如说其设置的全球通套餐主要面向高端的消费者，而对于低端消费这，设置了相应的神州行套餐。综上所述，国内对于数据挖掘技术在

CRM中的应用的研究还不是很成熟。

四、数据挖掘技术在移动CRM中的应用

（一）数据挖掘任务。数据挖掘技术在移动CRM中应用的主要过程主要是通过数据分析、搜索数据模式、对模式进行评价、对模式进行解释等步骤，对于不同的客户一般采用不同的挖掘模式，然后根据这个模式来采取相应的措施，这样有益于提高客户的价值，使移动运营商在行业内保持一定的竞争优势。在对客户关系管理进行分析的过程中，主要有以下六个方面的数据挖掘任务：（1）分类技术。分类技术是数据挖掘中最为常见的，其主要目的是在一些繁琐的样本数据中找到一定的规则，并根据这些规则进行分类。分类技术所应用的主要算法有贝叶斯算法、决策树算法和神经网络算法。（2）估值。估值和分类是有一定的相似性的，其主要差别在于分类是为了描述离散型变量的输出。估值的工作一般是在分类之前进行。通过预先给出的一些数据，通过估值的方法，进而得到未知的连续变量的值。通过分类能够得到确定数目的类别，而估值所得到的量是不确定的。（3）预测。预测在整个数据挖掘的过程中是比较重要的，而且分类和估值过程都可以看做是预测的一部分。例如哪些用户会使用全球通业务？那些用户会使用手机进行娱乐？通过预测就能解决相关的问题，预测主要是为了处理一些数据使其呈现出一定的趋势，另外通过预测还可以进行一些周期性分析和噪声过滤。（4）关联分组。作为一个数据挖掘中比较常见的任务，关联分组有时也被称为购物篮分析，其主要意义就是对顾客的购物篮中的商品进行分析，进而找出它们的关联关系，然后可以将那些关联性比较强的商品放在一块以方便购物，比如移动公司可以在研究手机软件的过程中，分析哪几种软件是相互关联的，从而根据关联结果对一些软件进行打包处理，然后销售。（5）聚类 。聚类分析是在数据库中发现未知的数据，例如：移动根据客户的打字习惯进行分类，从而分出不同客户对输入界面的要求。（6）描述与可视化分析。描述与可视化分析的主要功能就是来描述数据挖掘的内容，它是为了对数据挖掘得出的结果进行形象性的描述。

（二）应用实例。数据挖掘技术在CRM中的应用实例主要从以下方面介绍：（1）客户市场划分。所谓市场细分，就是将大的用户群体分成多个小的群体，并且所分类的每一个小群体它们的特征是基本相同的，相反不同的小群体之间的特征要有明显的差别，这种方法能够让企业对每一类的客户都有充分的认识，将客户市场划分的越细，就越能体现出数据挖掘的作用。（2） 客户利润回报预测。主要目的是分析出客户的回报大小的趋势，预测出客户回报的改变，主要使用到决策树算法和神经网络算法。通过数据分析出那些人对产品感兴趣，即那些人事公司的潜在客户，这样可以根据分析结果进行有针对性的营销。（3）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，主要包括无意欠费和恶意欠费两种。恶意欠费是客户在欠费一段时间内，仍然不进行缴费手续；一定运营商需要对这些对象进行研究，主要用到决策树算法，根据客户的行为来决策此客户是否存在欺诈行为

总结：本文主要从数据挖掘技术和移动通信CRM的基本定义进行介绍为出发点，介绍了数据挖掘技术在移动通信

CRM中的应用现状，从具体的数据挖掘任务以及数据挖掘在移动通信CRM中的应用实例分别进行了介绍，利用数据挖掘技术对客户的信息进行挖掘。以理论联系实际的方法对数据挖掘在移动通信CRM中的应用进行了简单分析，可以作为一些研究人员的参考。

参考文献：

[1] 吕巍.移动通讯行业客户流失预警及挽留模型构建与应用[J].移动通信，2009，33（18）：56-58

[2] 胡勇.数据挖掘技术在移动CRM中的应用[J].信息通信，2011，2（1）：46-52.