數(shù)據(jù)挖掘技術(shù)在電信行業(yè)CRM中應(yīng)用研究

1、湖南商學(xué)院北津?qū)W院學(xué)年論文第17頁(yè) 共17頁(yè)數(shù)據(jù)挖掘技術(shù)在電信行業(yè)CRM中應(yīng)用研究?jī)?nèi)容摘要本文在介紹數(shù)據(jù)挖掘技術(shù)和客戶(hù)關(guān)系管理概念的基礎(chǔ)上，以電信行業(yè)為背景，介紹了將數(shù)據(jù)挖掘技術(shù)應(yīng)用到客戶(hù)關(guān)系管理中的流程和方法。關(guān)鍵詞數(shù)據(jù)據(jù)挖掘、客戶(hù)戶(hù)關(guān)系管理、電電信行業(yè)一、數(shù)據(jù)挖掘方方法和技術(shù)在在客戶(hù)關(guān)系管管理中的應(yīng)用用數(shù)據(jù)挖掘的任務(wù)務(wù)主要是關(guān)聯(lián)聯(lián)分析、聚類(lèi)類(lèi)分析、分類(lèi)類(lèi)、預(yù)測(cè)、時(shí)時(shí)序模式和偏偏差分析等，根根據(jù)數(shù)據(jù)挖掘掘所能夠完成成的任務(wù)，數(shù)數(shù)據(jù)挖掘的技技術(shù)可以應(yīng)用用到以客戶(hù)為為中心的企業(yè)業(yè)決策分析和和管理的各個(gè)個(gè)不同領(lǐng)域和和階段。在客客戶(hù)關(guān)系管理理中，它可以以應(yīng)用到以下下幾個(gè)方面：客戶(hù)群體分分類(lèi)分析、客客

2、戶(hù)盈利能力力分析、客戶(hù)戶(hù)背景分析、客客戶(hù)滿(mǎn)意度分分析、交叉銷(xiāo)銷(xiāo)售、客戶(hù)信信用分析、客客戶(hù)流失分析析、客戶(hù)的獲獲得與保持等等。（一）、客戶(hù)群群體分類(lèi)分析析客戶(hù)細(xì)分是指將將一個(gè)大的消消費(fèi)群體劃分分成一個(gè)個(gè)細(xì)細(xì)分群的動(dòng)作作，同屬一個(gè)個(gè)細(xì)分群的消消費(fèi)者彼此相相似，而隸屬屬于不同細(xì)分分群的消費(fèi)者者是不同的。細(xì)細(xì)分可以讓一一個(gè)用戶(hù)從比比較高的層次次上來(lái)查看整整個(gè)數(shù)據(jù)庫(kù)中中的數(shù)據(jù)，細(xì)細(xì)分也使得人人們可以用不不同的方法對(duì)對(duì)待處于不同同細(xì)分中的客客戶(hù)。有多種種方式可以在在細(xì)分上運(yùn)用用數(shù)據(jù)挖掘，通通常用來(lái)建立立細(xì)分群的數(shù)數(shù)據(jù)挖掘方法法是決策樹(shù)方方法和聚類(lèi)方方法。首先，數(shù)數(shù)據(jù)挖掘可以以用來(lái)根據(jù)客客戶(hù)的預(yù)測(cè)行行為來(lái)定

3、義客客戶(hù)細(xì)分群。如如決策樹(shù)的葉葉節(jié)點(diǎn)可視為為一個(gè)獨(dú)立的的客戶(hù)細(xì)分群群，每個(gè)葉節(jié)節(jié)點(diǎn)由某些特特定的客戶(hù)特特征定義，對(duì)對(duì)所有符合這這些特征的客客戶(hù)存在一些些預(yù)測(cè)行為。數(shù)數(shù)據(jù)挖掘可以以把大量的客客戶(hù)分成不同同的類(lèi)，在每每一個(gè)類(lèi)里的的客戶(hù)具有相相似的屬性，而而不同類(lèi)里的的客戶(hù)的屬性性也不同。大大多數(shù)公司一一般將客戶(hù)分分為VIP客客戶(hù)、主要客客戶(hù)、普通客客戶(hù)和小客戶(hù)戶(hù)4類(lèi)。電信客戶(hù)分類(lèi)一一般是按照業(yè)業(yè)務(wù)類(lèi)型進(jìn)行行分類(lèi)，主要要分為大客戶(hù)戶(hù)和普通客戶(hù)戶(hù)。大客戶(hù)又又主要包括兩兩類(lèi)：其一指指客戶(hù)范圍大大，不僅包括括普通的消費(fèi)費(fèi)者，還包括括企業(yè)的分銷(xiāo)銷(xiāo)商、經(jīng)銷(xiāo)商商、批發(fā)商和和代理商；其其二指客戶(hù)的的價(jià)值大，不不同

4、的客戶(hù)對(duì)對(duì)企業(yè)的利潤(rùn)潤(rùn)貢獻(xiàn)差異很很大，20%的大客戶(hù)貢貢獻(xiàn)了企業(yè)880%的利潤(rùn)潤(rùn)，因此，企企業(yè)必須要高高度重視高價(jià)價(jià)值客戶(hù)以及及具有高價(jià)值值潛力的客戶(hù)戶(hù)。在大客戶(hù)戶(hù)營(yíng)銷(xiāo)戰(zhàn)略中中的大客戶(hù)是是指后者，是是指公司所轄轄地域內(nèi)使用用產(chǎn)品量大或或單位性質(zhì)特特殊的客戶(hù)，主主要包括經(jīng)濟(jì)濟(jì)大客戶(hù)、重重要客戶(hù)、集集團(tuán)客戶(hù)與戰(zhàn)戰(zhàn)略客戶(hù)等。（二）、客戶(hù)盈盈利能力分析析客戶(hù)盈利能力分分析是數(shù)據(jù)挖挖掘的基礎(chǔ)。數(shù)數(shù)據(jù)挖掘技術(shù)術(shù)是通過(guò)幫助助你理解和提提高客戶(hù)盈利利能力來(lái)發(fā)揮揮作用的，它它可以用來(lái)預(yù)預(yù)測(cè)在不同的的市場(chǎng)活動(dòng)情情況下客戶(hù)盈盈利能力的變變化，通過(guò)分分析已經(jīng)發(fā)生生的事實(shí)來(lái)發(fā)發(fā)現(xiàn)信息和預(yù)預(yù)測(cè)未來(lái)。數(shù)數(shù)據(jù)挖掘技術(shù)術(shù)可以從

5、客戶(hù)戶(hù)的交易記錄錄中發(fā)現(xiàn)一些些行為模式，并并用這些行為為模式來(lái)預(yù)測(cè)測(cè)客戶(hù)盈利能能力的高低，但但首先必須要要設(shè)定一種計(jì)計(jì)算客戶(hù)盈利利能力的方法法。數(shù)據(jù)挖掘掘技術(shù)還可以以用來(lái)揭示客客戶(hù)的行為習(xí)習(xí)慣和預(yù)測(cè)發(fā)發(fā)現(xiàn)一些在不不同情況下有有相似行為的的新客戶(hù)。通通過(guò)數(shù)據(jù)挖掘掘技術(shù)可以?xún)?yōu)優(yōu)化一個(gè)市場(chǎng)場(chǎng)活動(dòng)以確定定哪些顧客對(duì)對(duì)提供的產(chǎn)品品和服務(wù)感興興趣。（三）、交叉銷(xiāo)銷(xiāo)售現(xiàn)代企業(yè)和客戶(hù)戶(hù)之間的關(guān)系系是經(jīng)常變動(dòng)動(dòng)的，一旦一個(gè)人人或一個(gè)團(tuán)體體成為企業(yè)的的客戶(hù)，就要竭力使使這種客戶(hù)關(guān)關(guān)系趨于完善善，需要對(duì)現(xiàn)有有的客戶(hù)進(jìn)行行交叉銷(xiāo)售。交叉銷(xiāo)售是是建立在雙贏贏原則上的，對(duì)客戶(hù)來(lái)講講，要得到更多多更好滿(mǎn)足需需求的服務(wù)且且從

6、中受益，對(duì)企業(yè)來(lái)講講，也會(huì)因銷(xiāo)售售額的增長(zhǎng)而而獲益。數(shù)據(jù)挖掘可可以幫助企業(yè)業(yè)分析出最優(yōu)優(yōu)的合理的銷(xiāo)銷(xiāo)售匹配。交叉銷(xiāo)售就是指指向現(xiàn)有的客客戶(hù)提供新的的產(chǎn)品和服務(wù)務(wù)的營(yíng)銷(xiāo)過(guò)程程，那些購(gòu)買(mǎi)了了某種產(chǎn)品和和服務(wù)的客戶(hù)戶(hù)很有可能同同時(shí)購(gòu)買(mǎi)你能能提供的某些些他感興趣的的相關(guān)產(chǎn)品和和服務(wù)，數(shù)據(jù)挖掘技技術(shù)可以幫助助企業(yè)發(fā)現(xiàn)這這種行為模式式并從中獲利利。交叉銷(xiāo)售還還有一種形式式就是“升級(jí)銷(xiāo)售”，即向客戶(hù)提提供與他們已已購(gòu)買(mǎi)的服務(wù)務(wù)相關(guān)的增值值服務(wù)。例如，電信公司向向已經(jīng)使用標(biāo)標(biāo)準(zhǔn)長(zhǎng)途電話(huà)話(huà)服務(wù)的客戶(hù)戶(hù)推銷(xiāo)優(yōu)質(zhì)長(zhǎng)長(zhǎng)途電話(huà)服務(wù)務(wù)。使用數(shù)據(jù)挖掘技技術(shù)進(jìn)行交叉叉營(yíng)銷(xiāo)分析一一般是從分析析現(xiàn)有客戶(hù)的的購(gòu)買(mǎi)行為數(shù)數(shù)據(jù)開(kāi)始，將

7、每個(gè)單項(xiàng)項(xiàng)產(chǎn)品銷(xiāo)售分分析進(jìn)行疊加加，形成多項(xiàng)產(chǎn)產(chǎn)品的交叉營(yíng)營(yíng)銷(xiāo)分析。首先收集關(guān)關(guān)于現(xiàn)有客戶(hù)戶(hù)消費(fèi)習(xí)慣的的數(shù)據(jù)，然后對(duì)這些些數(shù)據(jù)進(jìn)行挖挖掘，對(duì)所有的客客戶(hù)提供最合合適的產(chǎn)品和和服務(wù)。對(duì)交叉營(yíng)銷(xiāo)銷(xiāo)做分析時(shí)，具體的數(shù)據(jù)據(jù)挖掘過(guò)程包包括：對(duì)個(gè)體行為為進(jìn)行建模；用預(yù)測(cè)模型型對(duì)數(shù)據(jù)進(jìn)行行評(píng)分； 對(duì)得分矩矩陣進(jìn)行最優(yōu)優(yōu)化處理。建模過(guò)程時(shí)時(shí)用數(shù)據(jù)挖掘掘的一些算法法對(duì)數(shù)據(jù)進(jìn)行行分析，然后產(chǎn)生一一些數(shù)學(xué)模型型，這些模型用用來(lái)對(duì)客戶(hù)將將來(lái)的行為進(jìn)進(jìn)行預(yù)測(cè)分析析。在交叉營(yíng)銷(xiāo)銷(xiāo)分析中，需要對(duì)每一一種交叉營(yíng)銷(xiāo)銷(xiāo)的情況都要要建立一個(gè)模模型。在這些交叉叉營(yíng)銷(xiāo)分析模模型建好以后后，每一個(gè)模型型都可以用來(lái)來(lái)分析新的客客戶(hù)數(shù)據(jù)以預(yù)

8、預(yù)測(cè)這些客戶(hù)戶(hù)將來(lái)的行為為。評(píng)分過(guò)程就就是計(jì)算這些些數(shù)學(xué)模型的的結(jié)果，評(píng)分過(guò)程的的結(jié)果就是產(chǎn)產(chǎn)生一個(gè)得分分矩陣，矩陣的每一一行代表一位位顧客，每一列代表表一種交叉銷(xiāo)銷(xiāo)售的情況。最后一步就就是對(duì)這個(gè)得得分矩陣進(jìn)行行最優(yōu)化處理理，即對(duì)每一位位顧客選出最最適合的幾種種服務(wù)方案。使用數(shù)據(jù)挖挖掘技術(shù)建立立預(yù)測(cè)模型可可以幫助找出出客戶(hù)最適合合的服務(wù)種類(lèi)類(lèi)，來(lái)進(jìn)行針對(duì)對(duì)性的營(yíng)銷(xiāo)活活動(dòng)。在交叉銷(xiāo)售售中通常采用用的數(shù)據(jù)挖掘掘算法是關(guān)聯(lián)聯(lián)規(guī)則。（四）、客戶(hù)的的保持隨著行業(yè)的競(jìng)爭(zhēng)爭(zhēng)越來(lái)越激烈烈和獲得一個(gè)個(gè)新客戶(hù)的開(kāi)開(kāi)支越來(lái)越大大，保持原有客客戶(hù)的工作也也越來(lái)越有價(jià)價(jià)值。保留一個(gè)客客戶(hù)的時(shí)間越越長(zhǎng)，收回你在這這個(gè)客戶(hù)

9、身上上所花的初期期投資和獲取取費(fèi)用的時(shí)間間越長(zhǎng)，你從客戶(hù)身身上獲得的利利潤(rùn)就越多。隨著獲得新新客戶(hù)的費(fèi)用用與保留客戶(hù)戶(hù)的費(fèi)用比在在逐年升高，這樣的效果果也逐年明顯顯，尤其電信業(yè)業(yè)在獲取新客客戶(hù)的時(shí)候的的費(fèi)用是非常常高的。但是由于各各種因素的不不確定性和市市場(chǎng)的不斷增增長(zhǎng)以及一些些競(jìng)爭(zhēng)對(duì)手為為新客戶(hù)提供供比你更多的的額外優(yōu)惠條條件，很多客客戶(hù)為了求得得更低的費(fèi)用用，不斷的從從你這里轉(zhuǎn)向向另一個(gè)服務(wù)務(wù)商?？蛻?hù)從從一個(gè)服務(wù)商商轉(zhuǎn)向到另一一個(gè)服務(wù)商的的行為稱(chēng)為客客戶(hù)轉(zhuǎn)移。為為了分析出是是哪些主要因因素導(dǎo)致客戶(hù)戶(hù)轉(zhuǎn)移并可以以有針對(duì)性的的挽留那些有有離開(kāi)傾向的的客戶(hù)，企業(yè)業(yè)可以通過(guò)使使用數(shù)據(jù)挖掘掘技術(shù)，建

10、立立客戶(hù)轉(zhuǎn)移傾傾向的預(yù)測(cè)模模型，挖掘出出具有高風(fēng)險(xiǎn)險(xiǎn)轉(zhuǎn)移可能性性并具有較高高商業(yè)價(jià)值的的客戶(hù)，在這這些客戶(hù)轉(zhuǎn)移移到同行業(yè)其其它服務(wù)商那那里之前，采采取相應(yīng)的商商業(yè)活動(dòng)措施施來(lái)保持住這這些有價(jià)值的的客戶(hù)，這個(gè)個(gè)過(guò)程就叫做做客戶(hù)的保持持。由于客戶(hù)保持預(yù)預(yù)測(cè)模型是全全局市場(chǎng)策略略的一部分，如如何使用預(yù)測(cè)測(cè)工具將對(duì)實(shí)實(shí)施預(yù)測(cè)模型型帶來(lái)的效益益產(chǎn)生重要的的影響。因此此選擇的數(shù)據(jù)據(jù)挖掘技術(shù)要要使企業(yè)能夠夠?qū)蛻?hù)進(jìn)行行細(xì)分并且能能夠?qū)蛻?hù)流流失的原因有有比較清晰的的了解。在這這樣的要求下下，分類(lèi)回歸決決策樹(shù)CARRT和數(shù)據(jù)挖挖掘技術(shù)中的的一些其它決決策樹(shù)如CHHAID和CC4.5都可可以很好的運(yùn)運(yùn)用在這類(lèi)現(xiàn)

11、現(xiàn)實(shí)環(huán)境中。從兩個(gè)方面分析析電信企業(yè)客客戶(hù)保持的重重要性，從電信企業(yè)業(yè)所處的外部部環(huán)境來(lái)看，客戶(hù)保持是是進(jìn)行市場(chǎng)競(jìng)競(jìng)爭(zhēng)的需要。在社會(huì)經(jīng)濟(jì)濟(jì)發(fā)展，科技進(jìn)步的的影響之下，我國(guó)的電信信市場(chǎng)逐漸擴(kuò)擴(kuò)大，電信業(yè)務(wù)的的需求量不斷斷增長(zhǎng)。大量新運(yùn)營(yíng)營(yíng)商不斷進(jìn)入入電信市場(chǎng)，更激發(fā)了市市場(chǎng)競(jìng)爭(zhēng)的激激烈程度。隨著電信市市場(chǎng)壟斷局面面的打破，市場(chǎng)上的廠(chǎng)廠(chǎng)商獲利由壟壟斷時(shí)期的高高額利潤(rùn)降至至市場(chǎng)平均利利潤(rùn)水平。在這種情況況下，客戶(hù)保持的的重要性就在在競(jìng)爭(zhēng)中凸現(xiàn)現(xiàn)出來(lái)。從電信運(yùn)營(yíng)營(yíng)商的角度來(lái)來(lái)看，客戶(hù)保持是是企業(yè)生存發(fā)發(fā)展的需要。通過(guò)一組數(shù)數(shù)據(jù)表明：發(fā)展一位新新客戶(hù)的成本本是挽留一個(gè)個(gè)老客戶(hù)的44倍；客戶(hù)忠誠(chéng)度度下降5

12、%，則企業(yè)業(yè)利潤(rùn)下降225%；向新新客戶(hù)推銷(xiāo)產(chǎn)產(chǎn)品的成功率率是15%，而向向現(xiàn)有客戶(hù)推推銷(xiāo)產(chǎn)品的成成功率是500%；如果將將每年的客戶(hù)戶(hù)關(guān)系保持率率增加5個(gè)百百分點(diǎn)，可能使利潤(rùn)潤(rùn)增長(zhǎng)85%；向新客戶(hù)進(jìn)進(jìn)行推銷(xiāo)的花花費(fèi)是向現(xiàn)有有客戶(hù)推銷(xiāo)花花費(fèi)的6倍；如果公司對(duì)對(duì)服務(wù)過(guò)失給給予快速關(guān)注注，70%對(duì)服服務(wù)不滿(mǎn)的客客戶(hù)還會(huì)繼續(xù)續(xù)與其進(jìn)行商商業(yè)合作； 60%的的新客戶(hù)來(lái)自自現(xiàn)有客戶(hù)的的推薦；一個(gè)對(duì)服務(wù)務(wù)不滿(mǎn)的客戶(hù)戶(hù)會(huì)將他的不不滿(mǎn)經(jīng)歷告訴訴其他810 個(gè)個(gè)人，而一位滿(mǎn)意意的客戶(hù)則會(huì)會(huì)將他的滿(mǎn)意意經(jīng)歷告訴223人。以上數(shù)據(jù)充充分說(shuō)明，客戶(hù)是目前前商業(yè)活動(dòng)的的中心，衡量一個(gè)企企業(yè)是否成功功的標(biāo)準(zhǔn)將不不再僅僅是

13、企企業(yè)的投資收收益率和市場(chǎng)場(chǎng)份額， 而是該企企業(yè)的客戶(hù)保保持率，客戶(hù)份額及及客戶(hù)資產(chǎn)收收益率等指標(biāo)標(biāo)?？梢?jiàn)，客戶(hù)保持的的價(jià)值體現(xiàn)在在增加企業(yè)的的盈利、降低企業(yè)的的成本以及提提高企業(yè)的信信譽(yù)度、美譽(yù)度等方方面。近年來(lái)電信體制制的激烈變革革和競(jìng)爭(zhēng)的加加劇使電信企企業(yè)忙于開(kāi)拓拓市場(chǎng)、發(fā)展客戶(hù)，對(duì)客戶(hù)保持持重視不夠。從而導(dǎo)致企企業(yè)一方面投投入大量時(shí)間間、人力、財(cái)力去發(fā)展展新客戶(hù)，另一方面因因客戶(hù)保持工工作的不完善善導(dǎo)致現(xiàn)有客客戶(hù)不滿(mǎn)意而而發(fā)生流失，這種情況對(duì)對(duì)企業(yè)危害極極大。面對(duì)當(dāng)前的的市場(chǎng)狀況。電信企業(yè)必必須摒棄那種種“狗熊掰棒子子”式的市場(chǎng)開(kāi)開(kāi)拓方式，在發(fā)展新客客戶(hù)的同時(shí)，著手進(jìn)行客客戶(hù)保持的研研

14、究，以有效的客戶(hù)戶(hù)關(guān)系管理來(lái)來(lái)提高客戶(hù)的的保持力，支支持企業(yè)經(jīng)濟(jì)濟(jì)效益的不斷斷增長(zhǎng)。（五）、客戶(hù)的的獲取數(shù)據(jù)挖掘技術(shù)可可以幫助企業(yè)業(yè)完成對(duì)潛在在客戶(hù)的篩選選工作，市場(chǎng)人員把把由數(shù)據(jù)挖掘掘技術(shù)得出的的潛在客戶(hù)名名單和這些客客戶(hù)感興趣的的優(yōu)惠措施系系統(tǒng)地結(jié)合起起來(lái)。數(shù)據(jù)挖掘技技術(shù)在發(fā)展新新客戶(hù)策略中中的應(yīng)用是圍圍繞數(shù)據(jù)開(kāi)展展的，用獲得的客客戶(hù)數(shù)據(jù)建立立一個(gè)預(yù)測(cè)模模型，然后根據(jù)模模型預(yù)測(cè)獲得得最優(yōu)價(jià)值的的潛在客戶(hù)信信息。客戶(hù)的獲取取包括發(fā)現(xiàn)那那些對(duì)你的產(chǎn)產(chǎn)品不了解的的顧客，它們可能是是你的產(chǎn)品的的潛在消費(fèi)者者，也可能是以以前接受你的的競(jìng)爭(zhēng)對(duì)手服服務(wù)的顧客，其中有些客客戶(hù)可能以前前是你的客戶(hù)戶(hù)。通過(guò)數(shù)

15、據(jù)挖掘技技術(shù)來(lái)獲取新新客戶(hù)首先必必須收集一份份潛在客戶(hù)名名單。在潛在在客戶(hù)名單上上列出哪些可可能對(duì)你的產(chǎn)產(chǎn)品或服務(wù)感感興趣的消費(fèi)費(fèi)者的信息。這這些信息應(yīng)不不僅包括客戶(hù)戶(hù)的基本信息息還應(yīng)包括消消費(fèi)者消費(fèi)行行為的大量信信息如個(gè)體的的興趣、消費(fèi)費(fèi)習(xí)慣、消費(fèi)費(fèi)傾向和消費(fèi)費(fèi)需求等。通通過(guò)各種數(shù)據(jù)據(jù)源來(lái)收集這這些信息，如如果沒(méi)能收集集到足夠的數(shù)數(shù)據(jù)，那么就就需要通過(guò)一一次小規(guī)模的的實(shí)驗(yàn)活動(dòng)來(lái)來(lái)收集分析用用的數(shù)據(jù)。在在挑選實(shí)驗(yàn)活活動(dòng)的對(duì)象時(shí)時(shí)，不僅要從從潛在客戶(hù)名名單中選取一一些客戶(hù)，還還要隨機(jī)選取取一些與潛在在客戶(hù)名單上上顧客屬性特特征不同的客客戶(hù)作為實(shí)驗(yàn)驗(yàn)對(duì)象。這樣樣可以為將來(lái)來(lái)的數(shù)據(jù)挖掘掘提供足夠有有

16、價(jià)值的信息息。二、客戶(hù)數(shù)據(jù)挖挖掘主題對(duì)照數(shù)據(jù)挖掘研研究的4類(lèi)問(wèn)問(wèn)題：關(guān)聯(lián)、分分類(lèi)、預(yù)測(cè)、聚聚類(lèi)，客戶(hù)數(shù)數(shù)據(jù)挖掘主題題也可按此44類(lèi)來(lái)劃分。（一）、關(guān)聯(lián)問(wèn)問(wèn)題橫向關(guān)聯(lián)：是挖挖掘表面看似似獨(dú)立的事件件間的相互關(guān)關(guān)系，例如“90%的顧顧客在一次購(gòu)購(gòu)買(mǎi)活動(dòng)中購(gòu)購(gòu)買(mǎi)商品A的的同時(shí)購(gòu)買(mǎi)商商品B”之類(lèi)的知識(shí)識(shí)。比如經(jīng)典典的“尿布和啤酒酒”的故事，就就是利用這種種方法，發(fā)現(xiàn)現(xiàn)二者之間有有很高的相關(guān)關(guān)系數(shù)，引起起重視，然后后深入分析后后才找出內(nèi)在在原因的。次序關(guān)聯(lián)：這種種分析的側(cè)重重點(diǎn)在于分析析事件的前后后序列關(guān)系，發(fā)發(fā)現(xiàn)諸如“在購(gòu)買(mǎi)A商商品后，一段段時(shí)間里顧客客會(huì)接著購(gòu)買(mǎi)買(mǎi)商品B，而而后購(gòu)買(mǎi)商品品C”的知識(shí)，

17、形形成一個(gè)客戶(hù)戶(hù)行為的 “ABC”模式。比如如一個(gè)顧客在在買(mǎi)了電腦之之后，就很有有可能購(gòu)買(mǎi)打打印機(jī)、掃描描儀等配件。關(guān)聯(lián)問(wèn)題研究客客戶(hù)各項(xiàng)屬性性特征的相互互關(guān)系以及交交叉銷(xiāo)售等問(wèn)問(wèn)題，同時(shí)也研究究客戶(hù)實(shí)體和和其它實(shí)體的的關(guān)系。電信業(yè)比較較典型的關(guān)聯(lián)聯(lián)問(wèn)題有交叉叉銷(xiāo)售、套餐選擇問(wèn)問(wèn)題、業(yè)務(wù)相互影影響等問(wèn)題。（二）、預(yù)測(cè)問(wèn)問(wèn)題客戶(hù)預(yù)測(cè)問(wèn)題是是預(yù)測(cè)客戶(hù)的的行為變化或或消費(fèi)等屬性性變化?？蛻?hù)典型的的行為變化有有流失、 增增加、通話(huà)行行為變化、消消費(fèi)行為變化化、客戶(hù)信息息變化、和其其它行為變化化。比較典型型的預(yù)測(cè)問(wèn)題題有客戶(hù)流失失/大客戶(hù)離離網(wǎng)、潛在大大客戶(hù)預(yù)測(cè)、客客戶(hù)級(jí)別變動(dòng)動(dòng)、客戶(hù)發(fā)展展、市場(chǎng)效果果

18、預(yù)測(cè)等。（三）、分類(lèi)問(wèn)問(wèn)題分類(lèi)分析就是通通過(guò)分析樣本本客戶(hù)數(shù)據(jù)庫(kù)庫(kù)中的數(shù)據(jù)，為為每個(gè)類(lèi)別做做出準(zhǔn)確的描描述或建立分分析模型或挖挖掘出分類(lèi)規(guī)規(guī)則，然后用用這個(gè)分類(lèi)規(guī)規(guī)則對(duì)其它客客戶(hù)的記錄進(jìn)進(jìn)行分類(lèi)。比比如電信公司司根據(jù)客戶(hù)的的消費(fèi)記錄，把把客戶(hù)分成大大客戶(hù)和普通通客戶(hù)，并標(biāo)標(biāo)記數(shù)據(jù)庫(kù)中中的每個(gè)記錄錄。有了這樣樣的挖掘結(jié)果果，客戶(hù)服務(wù)務(wù)部門(mén)就知道道一個(gè)新的客客戶(hù)的潛在價(jià)價(jià)值，在客戶(hù)戶(hù)服務(wù)投入上上就心中有底底。（四）、聚類(lèi)問(wèn)問(wèn)題聚類(lèi)是分類(lèi)的逆逆向方法。聚聚類(lèi)把沒(méi)有分分類(lèi)的記錄，在在不知道應(yīng)分分成幾類(lèi)的情情況下，按照照數(shù)據(jù)內(nèi)在的的差異性大小小，合理地劃劃分成幾類(lèi)，并并確定每個(gè)記記錄所屬類(lèi)別別。它采用的

19、的分類(lèi)規(guī)則是是按統(tǒng)計(jì)學(xué)的的聚類(lèi)分析方方法決定的?？涂蛻?hù)聚類(lèi)問(wèn)題題是對(duì)客戶(hù)特特征的研究，典典型的聚類(lèi)問(wèn)問(wèn)題有客戶(hù)特特征分析、消消費(fèi)模型和異異常客戶(hù)分析析等。三、數(shù)據(jù)挖掘技技術(shù)對(duì)客戶(hù)管管理管理的影影響和作用在CRM中應(yīng)用用數(shù)據(jù)挖掘，第第一步是要理理解數(shù)據(jù)挖掘掘所要解決的的具體業(yè)務(wù)問(wèn)問(wèn)題；第二步步根據(jù)問(wèn)題準(zhǔn)準(zhǔn)備相應(yīng)的數(shù)數(shù)據(jù)，并對(duì)數(shù)數(shù)據(jù)進(jìn)行預(yù)處處理；第三步步是選擇挖掘掘的模型，比比如是用關(guān)聯(lián)聯(lián)規(guī)則還是聚聚類(lèi)等等；第第四步是用訓(xùn)訓(xùn)練集數(shù)據(jù)訓(xùn)訓(xùn)練和評(píng)估挖挖掘模型的效效果。一旦評(píng)評(píng)估可以達(dá)到到一定滿(mǎn)意程程度，該模型型就得到確定定，演變?yōu)橐灰粋€(gè)固定的業(yè)業(yè)務(wù)應(yīng)用模型型。這個(gè)業(yè)務(wù)務(wù)應(yīng)用模型就就可以套用于于實(shí)際的業(yè)

20、務(wù)務(wù)處理，從而而完成一個(gè)閉閉環(huán)的挖掘過(guò)過(guò)程。當(dāng)業(yè)務(wù)務(wù)發(fā)生了變化化或者有新的的需求產(chǎn)生時(shí)時(shí)，數(shù)據(jù)挖掘掘就在另外一一個(gè)層次上重重復(fù)這個(gè)循環(huán)環(huán)過(guò)程。循環(huán)環(huán)過(guò)程如圖44.1所示。圖4.1 數(shù)據(jù)據(jù)挖掘應(yīng)用循循環(huán)過(guò)程在CRM中應(yīng)用用數(shù)據(jù)挖掘，可可以在以下方方面對(duì)CRMM提供支持：（一）、為決策策提供依據(jù)企業(yè)運(yùn)營(yíng)過(guò)程中中的各種信息息都是通過(guò)數(shù)數(shù)據(jù)反映出來(lái)來(lái)的，通過(guò)對(duì)對(duì)這些數(shù)據(jù)的的分析，可以以發(fā)現(xiàn)企業(yè)運(yùn)運(yùn)營(yíng)過(guò)程中的的規(guī)律，從而而對(duì)企業(yè)的生生產(chǎn)活動(dòng)、市市場(chǎng)活動(dòng)等提提供科學(xué)指導(dǎo)導(dǎo)意義。CRRM目前解決決了企業(yè)與外外部市場(chǎng)進(jìn)行行信息接入的的問(wèn)題，產(chǎn)生生大量數(shù)據(jù)通通過(guò)報(bào)表等統(tǒng)統(tǒng)計(jì)方法，只只能得到一般般意義上的信信息反

21、映。而而通過(guò)數(shù)據(jù)挖挖掘技術(shù)，可可以發(fā)現(xiàn)許多多深層的、手手工無(wú)法發(fā)現(xiàn)現(xiàn)的規(guī)律，幫幫助企業(yè)在激激烈的競(jìng)爭(zhēng)環(huán)環(huán)境中獲勝。（二）、為用戶(hù)戶(hù)提供針對(duì)性性服務(wù)通過(guò)數(shù)據(jù)挖掘技技術(shù)，可以根根據(jù)客戶(hù)的消消費(fèi)行為進(jìn)行行分類(lèi)，找出出該類(lèi)客戶(hù)的的消費(fèi)特征，然然后提供更具具個(gè)性化的服服務(wù)，從而改改進(jìn)企業(yè)的服服務(wù)水平，提提高企業(yè)的社社會(huì)效益和經(jīng)經(jīng)濟(jì)效益。（三）、提高企企業(yè)決策的科科學(xué)性目前，企業(yè)的決決策具有很大大的盲目性，如如果采用數(shù)據(jù)據(jù)挖掘技術(shù)，就就可以在自己己的生產(chǎn)過(guò)程程中產(chǎn)生的數(shù)數(shù)據(jù)基礎(chǔ)上，進(jìn)進(jìn)行科學(xué)分析析，得出比較較科學(xué)的預(yù)測(cè)測(cè)結(jié)果，減少少?zèng)Q策失誤。通通過(guò)數(shù)據(jù)挖掘掘技術(shù)，可以以讓企業(yè)的決決策回歸到自自己的業(yè)務(wù)中中

22、，得到更實(shí)實(shí)際的判斷。（四）、增值作作用數(shù)據(jù)挖掘在CRRM中會(huì)有很很多種應(yīng)用，而而且有些應(yīng)用用可以幫助簡(jiǎn)簡(jiǎn)化管理運(yùn)營(yíng)營(yíng)，有的則可可以提供一些些業(yè)務(wù)關(guān)聯(lián)性性的數(shù)據(jù)，幫幫助企業(yè)更好好地開(kāi)展業(yè)務(wù)務(wù)，實(shí)現(xiàn)增值值。（五）、簡(jiǎn)化管管理企業(yè)運(yùn)營(yíng)管理被被人們提到前前所未有的高高度，一個(gè)企業(yè)即即使建的很好好，技術(shù)也很先先進(jìn)，但是如果管管理不好，優(yōu)勢(shì)仍然發(fā)發(fā)揮不出來(lái)。數(shù)據(jù)挖掘能能幫助簡(jiǎn)化管管理：1、預(yù)測(cè)業(yè)務(wù)量量，安排人工在企業(yè)中，業(yè)務(wù)務(wù)量是個(gè)重要要的指標(biāo)，企業(yè)要根據(jù)據(jù)業(yè)務(wù)量的大大小，安排人員的的數(shù)量，但是業(yè)務(wù)量量是個(gè)變化的的指標(biāo)，以往比較難難以預(yù)測(cè)。通過(guò)數(shù)據(jù)挖挖掘中的時(shí)間間序列分析，可以對(duì)業(yè)務(wù)務(wù)量的情況進(jìn)進(jìn)行一定

23、程度度的預(yù)測(cè)，就可以更合合理的安排人人員的數(shù)量，在不降低效效率的基礎(chǔ)上上，降低企業(yè)的的運(yùn)營(yíng)成本。2、進(jìn)行關(guān)聯(lián)分分析，降低運(yùn)營(yíng)成成本通過(guò)數(shù)據(jù)挖掘中中關(guān)聯(lián)分析，可以進(jìn)行業(yè)業(yè)務(wù)的相關(guān)性性分析，分析出哪幾幾種業(yè)務(wù)具有有比較強(qiáng)的關(guān)關(guān)聯(lián)性。這樣，在安排人員員時(shí)，就可以將兩兩種或更多的的業(yè)務(wù)人員進(jìn)進(jìn)行一定程度度的合并，減少人員數(shù)數(shù)量，降低經(jīng)營(yíng)成成本。四、數(shù)據(jù)挖掘技技術(shù)在電信客客戶(hù)關(guān)系管理理中的應(yīng)用（一）、數(shù)據(jù)挖挖掘技術(shù)在電電信CRM中中主要應(yīng)用領(lǐng)領(lǐng)域電信運(yùn)營(yíng)商擁有有許多成熟的的數(shù)據(jù)庫(kù)應(yīng)用用系統(tǒng)，產(chǎn)生生了大量的業(yè)業(yè)務(wù)處理數(shù)據(jù)據(jù)。如果針對(duì)對(duì)客戶(hù)關(guān)系管管理相關(guān)決策策分析的需求求，對(duì)這些數(shù)數(shù)據(jù)進(jìn)行重組組整合，就能能

24、充分利用這這些寶貴的數(shù)數(shù)據(jù)，體現(xiàn)信信息的真正價(jià)價(jià)值。目前電電信CRM的的數(shù)據(jù)挖掘應(yīng)應(yīng)用主要涉及及以下幾個(gè)方方面：1、客戶(hù)消費(fèi)模模式分析客戶(hù)消費(fèi)模式分分析是對(duì)客戶(hù)戶(hù)歷年來(lái)長(zhǎng)話(huà)話(huà)、市話(huà)、信信息臺(tái)的大量量詳單、數(shù)據(jù)據(jù)以及客戶(hù)檔檔案資料等相相關(guān)數(shù)據(jù)進(jìn)行行關(guān)聯(lián)分析，結(jié)結(jié)合客戶(hù)的分分類(lèi)，可以從從消費(fèi)能力、消消費(fèi)習(xí)慣、消消費(fèi)周期等諸諸方面對(duì)客戶(hù)戶(hù)的話(huà)費(fèi)行為為進(jìn)行分析和和預(yù)測(cè)，從而而為運(yùn)營(yíng)商的的相關(guān)經(jīng)營(yíng)決決策提供依據(jù)據(jù)。2、業(yè)務(wù)預(yù)測(cè)分分析通過(guò)對(duì)歷史數(shù)據(jù)據(jù)的分析，找找出影響業(yè)務(wù)務(wù)發(fā)展的因素素，然后對(duì)這這些因素的未未來(lái)發(fā)展作出出預(yù)計(jì)，從而而大致地確定定未來(lái)業(yè)務(wù)量量，作為制訂訂發(fā)展計(jì)劃的的重要依據(jù)。3、客戶(hù)欠費(fèi)分分

25、析和動(dòng)態(tài)防防欺詐通過(guò)數(shù)據(jù)挖掘，總總結(jié)各種騙費(fèi)費(fèi)、欠費(fèi)行為為的內(nèi)在規(guī)律律，并建立一一套欺詐和欠欠費(fèi)行為的規(guī)規(guī)則庫(kù)。當(dāng)客客戶(hù)的話(huà)費(fèi)行行為與該庫(kù)中中規(guī)則吻合時(shí)時(shí)，系統(tǒng)可以以提示運(yùn)營(yíng)商商相關(guān)部門(mén)采采取措施，從從而降低運(yùn)營(yíng)營(yíng)商的損失風(fēng)風(fēng)險(xiǎn)。4、客戶(hù)流失分分析根據(jù)已有的客戶(hù)戶(hù)流失數(shù)據(jù)，建建立客戶(hù)屬性性、服務(wù)屬性性、客戶(hù)消費(fèi)費(fèi)情況等數(shù)據(jù)據(jù)與客戶(hù)流失失概率相關(guān)聯(lián)聯(lián)的數(shù)學(xué)模型型，找出這些些數(shù)據(jù)之間的的關(guān)系，并給給出明確的數(shù)數(shù)學(xué)模型。然然后根據(jù)此模模型來(lái)監(jiān)控客客戶(hù)流失的可可能性，如果果客戶(hù)流失的的可能性過(guò)高高，則通過(guò)促促銷(xiāo)等手段來(lái)來(lái)提高客戶(hù)忠忠誠(chéng)度，防止止客戶(hù)流失的的發(fā)生。這就就徹底改變了了以往電信運(yùn)運(yùn)營(yíng)商在成功

26、功獲得客戶(hù)以以后無(wú)法監(jiān)控控客戶(hù)流失的的狀況。5、大客戶(hù)特征征識(shí)別大客戶(hù)群體是電電信企業(yè)利潤(rùn)潤(rùn)的主要來(lái)源源，也是電信信企業(yè)之間相相互爭(zhēng)奪的焦焦點(diǎn)。識(shí)別出出大客戶(hù)，制制訂針對(duì)性的的措施，提高高大客戶(hù)的忠忠誠(chéng)度，是電電信企業(yè)保持持競(jìng)爭(zhēng)優(yōu)勢(shì)的的關(guān)鍵所在。不不僅能夠根據(jù)據(jù)現(xiàn)有消費(fèi)量量的多少來(lái)判判斷用戶(hù)是否否為大客戶(hù)，還還應(yīng)該根據(jù)現(xiàn)現(xiàn)有大客戶(hù)的的資料提取出出大客戶(hù)的特特征，并發(fā)現(xiàn)現(xiàn)潛在的大客客戶(hù)。6、網(wǎng)絡(luò)資源的的管理通信網(wǎng)在運(yùn)行過(guò)過(guò)程中產(chǎn)生了了大量的運(yùn)行行數(shù)據(jù)。對(duì)這這些數(shù)據(jù)進(jìn)行行挖掘，有利利于盡早發(fā)現(xiàn)現(xiàn)潛在的網(wǎng)絡(luò)絡(luò)故障，提高高網(wǎng)絡(luò)的利用用率。（二）、數(shù)據(jù)挖挖掘的應(yīng)用實(shí)實(shí)例客戶(hù)流失失分析一個(gè)完整的數(shù)據(jù)據(jù)挖掘

27、過(guò)程可可進(jìn)一步細(xì)分分為業(yè)務(wù)問(wèn)題題定義、數(shù)據(jù)據(jù)選擇、數(shù)據(jù)據(jù)清洗和預(yù)處處理、模型選擇與與預(yù)建立、模型建立與與調(diào)整、模型的評(píng)估估與檢驗(yàn)、模型解釋與與應(yīng)用。1、業(yè)務(wù)問(wèn)題定定義針對(duì)客戶(hù)流失的的不同種類(lèi)分分別定義業(yè)務(wù)務(wù)問(wèn)題，進(jìn)而而區(qū)別處理。在在客戶(hù)流失分分析中有兩個(gè)個(gè)核心變量：財(cái)務(wù)原因/非財(cái)務(wù)原因因、主動(dòng)流失失/被動(dòng)流失失?？蛻?hù)流失失可以相應(yīng)分分為四種類(lèi)型型，其中非財(cái)財(cái)務(wù)原因主動(dòng)動(dòng)流失的客戶(hù)戶(hù)往往是高價(jià)價(jià)值的客戶(hù)，他他們會(huì)正常支支付服務(wù)費(fèi)用用，并容易對(duì)對(duì)市場(chǎng)活動(dòng)有有所響應(yīng)，這這種客戶(hù)是企企業(yè)真正需要要保住的客戶(hù)戶(hù)。此外在分分析客戶(hù)流失失時(shí)必須區(qū)分分集團(tuán)/個(gè)人人客戶(hù)，以及及不同消費(fèi)水水平的客戶(hù)，并并有針對(duì)性

28、地地制定不同的的流失標(biāo)準(zhǔn)。例例如，平均月月消費(fèi)額15500元的客客戶(hù)連續(xù)幾個(gè)個(gè)月消費(fèi)額降降低到3000元以下，就就可以認(rèn)為客客戶(hù)流失發(fā)生生了，而這個(gè)個(gè)流失標(biāo)準(zhǔn)不不適用于原來(lái)來(lái)平均月消費(fèi)費(fèi)額400元元的客戶(hù)。國(guó)國(guó)外成熟的應(yīng)應(yīng)用中通常根根據(jù)相對(duì)指標(biāo)標(biāo)來(lái)判別客戶(hù)戶(hù)流失，例如如大眾的個(gè)人人通信費(fèi)用約約占總收入的的1%3%，當(dāng)客戶(hù)的的個(gè)人通信費(fèi)費(fèi)用遠(yuǎn)低于此此比例時(shí)，就就認(rèn)為發(fā)生了了客戶(hù)流失。2、數(shù)據(jù)選擇數(shù)據(jù)選擇包括目目標(biāo)變量的選選擇、輸入變變量的選擇和和建模數(shù)據(jù)的的選擇。a)目標(biāo)變量的的選擇客戶(hù)流失分析的的目標(biāo)變量通通常為客戶(hù)流流失狀態(tài)。根根據(jù)業(yè)務(wù)問(wèn)題題的定義，可可以選擇一個(gè)個(gè)已知量或多多個(gè)已知量的的組

29、合作為目目標(biāo)變量。實(shí)實(shí)際的客戶(hù)流流失形式有因因賬戶(hù)取消發(fā)發(fā)生的流失和和因賬戶(hù)休眠眠發(fā)生的流失失兩種。對(duì)于于因賬戶(hù)取消消發(fā)生的流失失，目標(biāo)變量量可以直接選選取客戶(hù)的賬賬戶(hù)狀態(tài)（取取消或正常）；對(duì)于因賬戶(hù)戶(hù)休眠發(fā)生的的流失，可以以認(rèn)為持續(xù)休休眠超過(guò)一定定時(shí)間長(zhǎng)度的的客戶(hù)發(fā)生了了流失。這時(shí)時(shí)需要對(duì)相關(guān)關(guān)的具體問(wèn)題題加以考慮：持續(xù)休眠的的時(shí)間長(zhǎng)度定定義為多少？每月通話(huà)金金額低于多少少即認(rèn)為處于于休眠狀態(tài)，或或者是綜合考考慮通話(huà)金額額、通話(huà)時(shí)長(zhǎng)長(zhǎng)和通話(huà)次數(shù)數(shù)來(lái)劃定休眠眠標(biāo)準(zhǔn)？選擇擇目標(biāo)變量時(shí)時(shí)面臨的這些些問(wèn)題需要業(yè)業(yè)務(wù)人員給予予明確的回答答。b)輸入變量的的選擇輸入變量是模型型中的自變量量，在建模過(guò)過(guò)程

30、中需要尋尋找自變量與與目標(biāo)變量的的關(guān)聯(lián)。輸入入變量分為靜靜態(tài)數(shù)據(jù)和動(dòng)動(dòng)態(tài)數(shù)據(jù)。靜靜態(tài)數(shù)據(jù)指不不常變化的數(shù)數(shù)據(jù)，包括服服務(wù)合同屬性性（如服務(wù)類(lèi)類(lèi)型、 服務(wù)務(wù)時(shí)間、交費(fèi)費(fèi)類(lèi)型）和客客戶(hù)的基本資資料；動(dòng)態(tài)數(shù)數(shù)據(jù)指頻繁或或定期改變的的數(shù)據(jù)，如月月消費(fèi)金額、交交費(fèi)記錄、消消費(fèi)特征。業(yè)業(yè)務(wù)人員在實(shí)實(shí)際業(yè)務(wù)活動(dòng)動(dòng)中可能會(huì)感感覺(jué)到輸入變變量與目標(biāo)變變量的內(nèi)在聯(lián)聯(lián)系，只是無(wú)無(wú)法量化表示示出來(lái)，這就就給數(shù)據(jù)挖掘掘留下了發(fā)揮揮的空間。如如果一時(shí)無(wú)法法確定某種數(shù)數(shù)據(jù)是否與客客戶(hù)流失概率率有關(guān)聯(lián)，應(yīng)應(yīng)該暫時(shí)將其其選入模型，并并在后續(xù)步驟驟考察各變量量分布情況和和相關(guān)性時(shí)再再行取舍。c)建模數(shù)據(jù)的的選擇客戶(hù)流失的方式式有

31、兩種。第第一種是客戶(hù)戶(hù)的自然消亡亡，例如身故、破產(chǎn)、遷徙、移民而導(dǎo)致致客戶(hù)不再存存在，或者由于客客戶(hù)服務(wù)的升升級(jí)造成特定定服務(wù)的目標(biāo)標(biāo)客戶(hù)消失。第二種是客客戶(hù)的轉(zhuǎn)移流流失，通常指客戶(hù)戶(hù)轉(zhuǎn)移到競(jìng)爭(zhēng)爭(zhēng)對(duì)手，并使用其服服務(wù)。第二種流失失的客戶(hù)才是是運(yùn)營(yíng)商真正正關(guān)心的、具有挽留價(jià)價(jià)值的客戶(hù)。因此在選擇擇建模數(shù)據(jù)時(shí)時(shí)必須選擇第第二種流失客客戶(hù)數(shù)據(jù)參與與建模，才能建立有有效的模型。3、數(shù)據(jù)清洗和和預(yù)處理數(shù)據(jù)清洗和預(yù)處處理是建模前前的數(shù)據(jù)準(zhǔn)備備工作，一方面保證證建模數(shù)據(jù)的的正確性和有有效性， 另一方面面通過(guò)對(duì)數(shù)據(jù)據(jù)格式和內(nèi)容容的調(diào)整，使數(shù)據(jù)更符符合建模的需需要。數(shù)據(jù)整理的的主要工作包包括對(duì)數(shù)據(jù)的的轉(zhuǎn)換和整合

32、合、抽樣、隨機(jī)化、缺失值處理理等。例如按比例例抽取未流失失客戶(hù)和已流流失客戶(hù)，將這兩類(lèi)數(shù)數(shù)據(jù)合并，構(gòu)成建模的的數(shù)據(jù)源。此外，模型在建立立之后需要大大量的數(shù)據(jù)來(lái)來(lái)進(jìn)行檢驗(yàn)，因此通常把把樣本數(shù)據(jù)分分為兩部分，2/3的數(shù)數(shù)據(jù)用于建模模，1/3的數(shù)數(shù)據(jù)用于模型型的檢驗(yàn)和修修正。4、模型選擇與與預(yù)建立在模型建立之前前，可以利用數(shù)數(shù)據(jù)挖掘工具具的相關(guān)性比比較功能，找出每一個(gè)個(gè)輸入變量和和客戶(hù)流失概概率的相關(guān)性性，刪除相關(guān)性性較小的變量量，從而可以縮縮短建模時(shí)間間，降低模型復(fù)復(fù)雜度，有時(shí)還能使使模型更精確確?，F(xiàn)有的數(shù)據(jù)據(jù)挖掘工具提提供了決策樹(shù)樹(shù)、神經(jīng)網(wǎng)絡(luò)、近鄰學(xué)習(xí)、回歸、關(guān)聯(lián)、聚類(lèi)、貝葉斯判別別等多種建模模方法。可以分別使使用其中的多多種方法預(yù)先先建立多個(gè)模模型， 然后對(duì)這這些模型進(jìn)行行優(yōu)劣比較，從而挑選出出最適合客戶(hù)戶(hù)流失分析的的建模方