固網(wǎng)漏話用戶數(shù)據(jù)分析論文

導(dǎo)語：固網(wǎng)漏話用戶數(shù)據(jù)分析論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1數(shù)據(jù)挖掘和知識獲取

數(shù)據(jù)挖掘是在數(shù)據(jù)庫中進(jìn)行知識發(fā)現(xiàn)的重要方法，是從大量的表面數(shù)據(jù)中提取隱藏在其中的知識的過程。近年來，該技術(shù)發(fā)展迅速，已應(yīng)用到各個領(lǐng)域。本文主要介紹固話漏話用戶數(shù)據(jù)挖掘和分析。

2數(shù)據(jù)挖掘技術(shù)應(yīng)用于電信用戶數(shù)據(jù)研究

2.1固網(wǎng)用戶數(shù)據(jù)的組成和結(jié)構(gòu)

對于企業(yè)來說，大量的用戶數(shù)據(jù)不僅有利于客戶關(guān)系管理（CRM），同時也是獲得用戶知識的源泉。從用戶知識發(fā)現(xiàn)的過程中可以看到，用戶數(shù)據(jù)的質(zhì)量會對知識發(fā)現(xiàn)的結(jié)果產(chǎn)生直接的影響，所以用戶數(shù)據(jù)準(zhǔn)備也是一項很重要的步驟。從商業(yè)系統(tǒng)中提取出高質(zhì)量的用戶數(shù)據(jù)就成為一項最主要的工作。固網(wǎng)企業(yè)的用戶數(shù)據(jù)包括用戶基本信息、用戶賬單信息以及客服信息。數(shù)據(jù)倉庫就是根據(jù)這種方式來組織的。

2.2知識發(fā)現(xiàn)的方法和過程

用戶知識發(fā)現(xiàn)概括如下：根據(jù)提出的商業(yè)目標(biāo)，分析大量的用戶數(shù)據(jù)，找出隱藏的和未知的規(guī)律或者豐富已知的規(guī)律，進(jìn)而提出模型；最后要將數(shù)據(jù)挖掘和分析的結(jié)果轉(zhuǎn)化成有商業(yè)意義的方法，然后采取進(jìn)一步的行動。用戶知識發(fā)現(xiàn)必須遵循以下幾個步驟：商業(yè)理解，數(shù)據(jù)理解，數(shù)據(jù)準(zhǔn)備，分類模型，評估應(yīng)用。

2.3數(shù)據(jù)挖掘建立用戶分類模型

近年來，“以客戶為中心”的電信市場開始強(qiáng)調(diào)為不同用戶提供個性化服務(wù)，其前提條件就是用戶分類。這也說明了過去的消費(fèi)行為也預(yù)示了未來的消費(fèi)傾向。

（1）商業(yè)理解

對用戶的理解不僅是理解電信市場的開始，也是理解客戶關(guān)系管理的開始。在電信企業(yè)中對用戶的理解包括：用戶種類，不同類中用戶的本質(zhì)屬性區(qū)別，用戶偏好，不同類別之間的用戶如何通信等。

（2）用戶數(shù)據(jù)準(zhǔn)備

對用戶分類的研究主要是從用戶屬性中得到用戶特征和行為習(xí)慣。主要數(shù)據(jù)來源于用戶賬單信息，同時也需要從商業(yè)系統(tǒng)中得到一些用戶的基本屬性信息。

（3）用戶分類模型

本文使用聚類分析對用戶進(jìn)行細(xì)分以建立分類模型。聚類分析是把大量數(shù)據(jù)點(diǎn)的集合根據(jù)最大化類內(nèi)相似性、最小化類間相似性的原則進(jìn)行聚類或分組，使得每個類中的數(shù)據(jù)之間最大限度地相似、而不同類中的數(shù)據(jù)之間最大限度地不同。

3固網(wǎng)漏話用戶數(shù)據(jù)分析

3.1關(guān)于固網(wǎng)漏話用戶數(shù)據(jù)分析的商業(yè)理解

通過各種渠道調(diào)查，對固網(wǎng)漏話用戶數(shù)據(jù)分析的目標(biāo)可以概括為以下幾點(diǎn)：

（1）對用戶通話次數(shù)、時間段等分析，找出特征，以此來尋找目標(biāo)用戶；

（2）對用戶開通漏話保護(hù)業(yè)務(wù)前后的ARPU值分析比較，分析收益的對比；

（3）對目標(biāo)用戶數(shù)據(jù)分析，從用戶分類的角度來管理，設(shè)計針對性的服務(wù)，提升用戶滿意度。

3.2系統(tǒng)用戶數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備的過程：明確目標(biāo)；制定計劃；分析變量的獲取；數(shù)據(jù)收集和獲取；數(shù)據(jù)集成。根據(jù)當(dāng)前客戶關(guān)系管理基本狀況和數(shù)據(jù)挖掘的目的，涉及到的人口屬性變量有：性別、年齡、住址、用戶職業(yè)、婚否、學(xué)歷、薪資等。用戶分類結(jié)束之后，再使用描述變量來進(jìn)行分析說明。本文選用某市電信公司運(yùn)營支持系統(tǒng)和經(jīng)營分析系統(tǒng)的數(shù)據(jù)，從中選取了基本客戶基本信息表、客戶詳細(xì)話表、賬單及繳費(fèi)信息表、產(chǎn)品信息表、業(yè)務(wù)使用清單等原始數(shù)據(jù)。數(shù)據(jù)挖掘工具選擇SPSSClementine。在使用該工具進(jìn)行挖掘之前，需要對數(shù)據(jù)進(jìn)行清洗：

（1）刪掉不滿足要求的數(shù)據(jù)：選擇普通的用戶；選擇狀態(tài)正常的用戶；選擇入網(wǎng)時間較長的用戶，使數(shù)據(jù)有完整的用戶周期；

（2）去掉異常數(shù)據(jù)：比如用于測試的號碼；

（3）去掉極端值：不具備普遍性的極值容易產(chǎn)生噪聲。

3.3固網(wǎng)漏話用戶數(shù)據(jù)分析結(jié)果

考慮到不同分類建立的有效性和簡便性，以及固話用戶和數(shù)據(jù)源的特點(diǎn)，本文采用常見的K-means算法，其高可靠性、高精準(zhǔn)性以及低復(fù)雜度使其成為主流的聚類算法。本文選用SPSSClementine作為數(shù)據(jù)挖掘工具進(jìn)行K-means聚類分析。獲取原始數(shù)據(jù)并進(jìn)行預(yù)處理之后，選擇參與聚類的細(xì)分變量，輸入簇的個數(shù)k，選擇k=7，然后點(diǎn)擊“聚類”按鈕，使用K-means算法對固網(wǎng)漏話用戶數(shù)據(jù)進(jìn)行聚類。經(jīng)過正常值選擇、極值處理等一系列的數(shù)據(jù)清洗工作，最后用于研究的記錄有251284條。

3.4分析結(jié)果和解釋

93%的遇忙話務(wù)都出現(xiàn)在8∶00~18∶00的工作時段，這說明該時段遇忙話務(wù)較多，話務(wù)量流失嚴(yán)重，特別需要遇忙話務(wù)的解決方法。而這一時間段遇忙話務(wù)量最多的就是政企用戶，這些話務(wù)量流失對政企用戶將造成巨大的損失：30000政企用戶一個月遇忙話務(wù)損失達(dá)到260萬次，本網(wǎng)超過120萬次，每個月預(yù)計損失20萬；以電信中等發(fā)達(dá)省份為例：符合條件的政企高端用戶約為60萬；每年度損失的潛在業(yè)務(wù)收入為50000萬。經(jīng)過分析，得到該市各地區(qū)已開通和未開通漏話保護(hù)業(yè)務(wù)的用戶分布，如圖4所示。C區(qū)屬于政務(wù)新區(qū)，未開通漏話業(yè)務(wù)的用戶較多，而F區(qū)屬于工業(yè)園區(qū)，企業(yè)較多，很多用戶已開通漏話保護(hù)業(yè)務(wù)，但是還有大量用戶未開通該業(yè)務(wù)，所以C區(qū)和F區(qū)應(yīng)該作為該業(yè)務(wù)的重點(diǎn)推廣地區(qū)。綜上分析，固網(wǎng)漏話業(yè)務(wù)是一個非常有潛力的業(yè)務(wù)，解決漏話問題是提高用戶滿意度和忠誠度的重要途徑。根據(jù)上文的分析，在8∶00~18∶00時間段，用戶遇忙話務(wù)量非常多，在這段時間內(nèi)，企業(yè)需要更多的漏話接入服務(wù)器，而在其他時間段可以減少接入服務(wù)器以節(jié)約成本。而在不同的地區(qū)，用戶數(shù)量和精準(zhǔn)用戶的數(shù)量也不同，應(yīng)該選擇精準(zhǔn)用戶較為集中的地區(qū)優(yōu)先推廣漏話保護(hù)業(yè)務(wù)。由于精準(zhǔn)高端用戶帶來的收益遠(yuǎn)遠(yuǎn)超過普通用戶，所以要對經(jīng)過篩選的精準(zhǔn)用戶采取針對性措施，比如在C區(qū)和F區(qū)大力宣傳，以各種形式讓精準(zhǔn)客戶看到該業(yè)務(wù)帶來的收益，還可以電話推廣為精準(zhǔn)用戶提供信息。

4結(jié)論

本文將聚類挖掘方法應(yīng)用到固網(wǎng)漏話用戶數(shù)據(jù)分析中，采用SPSSClementine工具進(jìn)行數(shù)據(jù)挖掘。漏話保護(hù)系統(tǒng)主要針對政企高端用戶提出，主要目的是為了提高通話接通率，以提高政企用戶的效益，達(dá)到用戶和運(yùn)營商的共贏。而對用戶數(shù)據(jù)的分析，是為了運(yùn)營商可以更好地服務(wù)于政企客戶，為企業(yè)帶來更多的利益，從根本上改善固網(wǎng)漏話問題。

作者:孫駿單位:南京郵電大學(xué)