| 报告类型 | 纸介版 | PDF Email版 | PDF 光盘版 | 两种版本价格 |
| 价格 | | 10000 | | |
| 优惠价 | | 9600 | | |
| English | | | | |
报告目录
查看简介
第一章 概述
1.1 研究背景
1.2 方法论
1.3 主要结论
第二章 数据挖掘理论及应用
2.1 数据挖掘概念
2.2 数据挖掘的主要任务
2.3 数据挖掘的主要方法
2.4 数据挖掘的基本流程
2.5 数据挖掘在通信市场的应用
2.5.1 数据挖掘在移动通信市场的应用
2.5.2 数据挖掘在增值业务用户分析的应用
第三章 数据挖掘在彩铃业务分析的应用
3.1.业务目标理解与定义业务范围
3.1.1 业务目标理解
3.1.2 业务定义
3.2.数据理解与数据准备
3.2.1 用户理解
3.2.2 数据理解
3.2.3 数据提取
3.2.4 数据准备
3.3.数据探索与分析
3.3.1 用户数据特征描述
3.3.2 模型分析变量筛选
3.4.建模
3.4.1 数据建模准备与分析
3.4.2 模型的构建
3.4.3 模型结果输出
3.4.4 模型的验证与评估
3.5.模型营销验证与实施阶段
3.5.1 模型营销验证
3.5.2 模型实施部署
第四章 结论及未来展望
4.1 主要结论
4.2 未来展望
图表目录
图表1：本公司数据挖掘方法论
图表2：决策树示例图
图3：CRISP-DM数据建模流程图
图表4：统一用户视图
图表5：数据提取宽表示例
图表6：衍生数据变量表
图表7：CLEMENTINE数据探索分析流程示图
图表8：开通彩铃前后用户占比与均值差异表（不显著变量）
图表9：彩铃新增用户与非新增用户均值差异比较
图表10：ARPU对用户使用彩铃影响特征分布
图表11：新增用户与非新增用户业务使用特征分布
图表12：数据建模流程示例图
图表13：数据挖掘建模过程拟合图示
图表14：C&RT决策树模型结果
图表15：C5算法决策树模型结果
图表16：C5决策树转换为规则模型
图表17：神经网络模型分析结果
图表18：模型验证评估表
图表19：模型ROC曲线评估图
报告简介
研究背景
随着信息技术的发展，竞争市场的不断成熟，国内电信市场竞争的日渐激烈，电信运营商的经营模式已逐渐由“技术驱动”向“市场驱动”、“客户驱动”转化，形成以“客户为中心”的策略导向。以用户需求为导向的市场策略，要求运营商必须不断加强对用户的研究水平，更好的满足用户需求，提高自己的核心竞争力。
另一方面，随着3G商用的日益临近，发展增值业务已经成为各运营商的共识，增值业务收入比重的逐渐增加，增值业务已成为运营商市场发展中的新的业务增长点，运营商们纷纷将目光对准了电信增值业务市场。
然而，电信运营商们在发展增值业务过程中却面临着一系列问题：如何合理的分配有限的营销资源？如何针对不同的客户群实施差异化营销和服务？如何对客户进行细分和分类？当前哪些用户是增值业务的潜在用户？应该向用户推介哪一个产品或者服务？现有增值业务使用用户都有哪些特征？潜在用户又有哪些偏好需求？等等；为了更好的发展增值业务，实现对目标用户群的精准营销，解决业务发展难的问题，有必要对用户的增值业务使用行为特征和用户需求偏好进行深入分析。数据挖掘技术方法的引入，将有利于提高电信运营商的用户研究水平。
数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
研究亮点
报告论述了数据挖掘的基本理论；分析比较了当前数据挖掘领域通常采用的主要方法；数据挖掘的处理流程，及讨论了当前数据挖掘技术在电信市场的应用现状及趋势。
报告深入的阐述了数据挖掘技术在增值业务用户研究中的具体应用，并以数据挖掘在某省运营商增值业务用户研究为例，深入分析数据挖掘在彩铃业务潜在用户预测中的实际应用，同时详细的描述了潜在用户模型构建使用数据挖掘的具体步骤。并对彩铃潜在用户模型的效果进行评估与具体应用进行分析，最终将模型固化到IT系统平台中，为营销人员提供依据，实现了数据挖掘在运营商增值业务营销工作的实际应用，实现了运营商的差异化营销的目的，达到提高运营商核心竞争力的目标。
购买方式: