数据挖掘技术在电信行业的应用

刘红

（中国电信股份有限公司张掖分公司 甘肃省张掖市 734000）

随着通讯市场的改革和激烈竞争，国内新的电信企业重组，市场开始进入业务经营实体阶段。在这样的市场局面下，以客户为中心的竞争成为了市场新的竞争点，只有以更好的服务来提高自己的用户体验，才能够不断地获得用户的青睐，在市场中脱颖而出。因此，数据挖掘技术就起到了非常重要的作用。数据挖掘技术能够通过大数据分析客户的潜在需求和消费趋向，还能够为维持良好的客户关系发挥重要作用。

1 如何在客户关系管理中正确运用数据挖掘方法

数据挖掘的主要功能是进行大数据的分析、分类和预测，以及能够对数据中的行为模式以及产生的偏差进行分析和结果获得。基于数据挖掘这样的技术特性，企业可以将数据挖掘这项技术应用到企业的高层决策以及中层的管理运营等各个领域，以此来进行客户关系的合理维护。在这样的背景下，数据挖掘技术可以在进行客户种类细分、客户背景分析、客户潜在需求分析以及如何挖掘新的客源等方面发挥重大作用。

1.1 进行客户细分

客户细分是指根据相同或相似的消费行为模式和习惯来将大的消费者群体进行划分，这样每个细小的消费者群体就代表着不同的消费行为习惯和模式。因此，这样企业的管理者可以从整体的层面上来看待企业的用户数据，同时客户细分也能够让服务人员在服务时可以采取不同的服务方式来对待具有不同消费行为习惯的客户。而数据挖掘技术能够灵活地运用在客户细分上，通常可以利用数据挖掘技术的决策树方法和聚类方法来进行客户的细分。例如数据挖掘技术能够将决策树的一个数据点作为一个拥有相同消费行为模式的客户细分群体，这样就可以对这个细小数据点上的相同客户特征进行分析和分类，进而对符合具有相似消费行为特征的客户进行业务预测和消费行为预测。同时还可以对具有相同消费行为特征的用户再次进行分析和分类，以便进行更加细致的用户服务。

如果按照电信行业的业务办理类型来进行分类，那么电信客户主要可以分为两类：

（1）大客户；

（2）普通客户。

大客户不仅是指客户的范围较广，能够包括经销商、批发商等特殊客户以及普通的消费者。大客户还指那些能够为企业创造巨额利润的客户。大客户能够带来企业的主要利润，因此企业应该制定特殊的战略来进行大客户的笼络和留存，要对具有高价值的客户进行高度重视和开发。

1.2 利用数据挖掘技术分析客户盈利能力

客户盈利能力分析是数据挖掘技术的直观体现，该技术能够通过进行客户盈利的预测、分析以及在不同市场形势下客户盈利能力的变化来起到作用。首先，数据挖掘技术能够以不同的市场竞争活动以及销售活动为背景，来进行客户盈利能力变化的分析。同时数据挖掘技术还能够通过以前已有的事实数据来进行信息的挖掘，并以发掘的信息来进行未来消费模式的预测。另外，数据挖掘技术还能够通过客户往日的消费行为模式和消费数据来进行客户盈利能力的建模，并以此来预测该客户的盈利能力高低。但是如果想要运营这种技术，需要提前设置客户盈利能力计算的数据算法[1]。

1.3 优化交叉销售路径

交叉销售是基于现阶段企业与客户之间的用户关系经常受到各种原因的影响发生变动，但是当个人或群体成为企业的客户时，企业就应该促使这样的客户关系趋于稳定和完善时应该采用的手段。交叉销售是对双方都有利的活动，对于企业来讲，交叉销售能够拓展企业的销售额，获得更多的利益。对于客户来讲，企业能够通过交叉销售来提供更满足客户需求的服务。而数据挖掘技术能够优化交叉销售的路径，通过技术分析来提出销售路径的最优解。

交叉销售实际上是一种营销过程，它是指企业向已经进行消费的顾客进行营销，在顾客购买的过程中提供新的客户可能然后会购买的产品和服务，以此来达到产品营销的目的。交叉销售还能够进行产品的增值服务来达到产品的升级销售，即在顾客购物的过程中向顾客提供他感兴趣的产品相关的增值服务，来增加利润。而数据挖掘技术能够帮助企业来进行合理的交叉销售路径，为企业提供更高的利润。

利用数据挖掘技术来进行交叉销售路径优化，一般是通过收集现有顾客的购买行为以及购买习惯等数据，并对这些数据进行叠加分析，形成顾客对多项产品兴趣取向模型，以此来进行交叉销售路径的优化。利用数据挖掘技术来进行交叉销售路径的优化和分析时，首先需要对已有的客户的消费习惯和兴趣取向进行数据收集和分析。对于客户喜欢的最感兴趣的产品和服务进行数据收集之后再做分析时，需要对于消费者的消费行为进行建模，同时在建模过程中进行用户消费数据的输入，以此来进行数据的评分，同时还需要利用得分矩阵来进行数据的最优化处理，以得到交叉销售的最优路径。而在通过数据挖掘技术对交叉销售的路径进行优化时，会产生一些数学模型，通常数据挖掘技术是通过这些数学模型来对客户可能会产生的消费行为和消费取向进行行为预测和分析。而在交叉销售的优化路径中，需要对每一种新顾客的销售的情况都进行建模和分析，以此来推测新顾客可能会有的消费行为。对于这些新的顾客的行为方式和消费习惯的评分，就是在数据挖掘技术过程中产生的数学模型的结果，每一个评分的结果都能够产生得分矩阵，矩阵的行代表顾客，列代表交叉销售的路径情况，所以在数据挖掘的最后一步就是对得分矩阵进行路径的最优化选择，以此我们能够对顾客的需求产生更深入地了解，以此来进行具有针对性的营销和销售活动[2]。

1.4 维持客户关系

在现阶段电信行业的竞争越来越激烈，电信企业需要不断的保持原有客户的留存来进行前期投资的回收。因为企业在获得新顾客时所进行的营销花费会随着行业里竞争越来越激烈而越来越大，那么如果能够保留已有客户，延长已有客户的留存时间，就能够更多地从已有的客户身上获得前期投资的回报，留存时间越长，获得的利润就越多。而且随着现阶段获取新客户的营销费用以及进行客户留存的费用不断升高，如何进行客户的保持就越来越重要。尤其是在电信行业，在获取新客户时，营销费用的支出十分巨额，而且因为各个电信服务商之间激烈的市场竞争以及出于各种不确定因素，很多电信客户为了能够获得更贴心的服务和更低的费用，不断地在各个电信服务商之间转移。这种客户转移的行为造成电信企业利润的减少，给企业运营带来不好的影响，那么为了能够及时得出影响客户转移的因素以及客户转移的可能性倾向，企业就应该积极通过数据挖掘技术来进行客户数据的分析。通过对客户数据的分析来建立客户转移倾向的模型，通过模型来预测可能具有转移倾向的客户名录，并对这些可能进行转移的名录客户进行针对性的服务和优惠活动来进行客户的留存，这就是企业间的客户的保持。

因为客户留存对于企业盈利以及前期投资回收的重要性，通过数据挖掘技术建立的客户预测模型就成为了企业市场策略极其重要的一部分。如何通过数据挖掘技术进行的建模，来对市场运行中的客户行为来进行预测以及效益提升，是企业运营的十分重要的一步。因此企业应该选取先进的、现代化的数据挖掘技术来进行客户群体的细分以及客户流失原因的调查，以此为基础再进行更高层次的建模以及预测分析[3]。

从现阶段的市场竞争环境来说，随着社会经济的发展，以及改革开放之后外来技术的引进和我国内部电信技术的进步，用户的增加，我国的电信市场逐渐扩大，国民对于电信产品和服务的需求不断增长，同时对于服务质量的要求也不断增加。大量新兴的电信运营商为了取得利润而进入市场，促使市场竞争越来越激烈。而传统的电信运营商在不能够垄断电信市场后，获得的利润也逐渐下降。在这样百花齐放，市场竞争激烈的情况下，如何进行客户的留存和保持，就成为了电信企业能否在市场竞争中凸显以及长久运营的基础。而从电信运营商内部的角度来看，如何进行已有客户的留存和保持是一个企业进行运营以及充分发展的基础要求。基于现阶段的市场数据表明，发展新客户的成本要远远高于进行已有客户留存的成本，而且客户忠诚度的高低也直接关系到了企业利润的高低。同时，当企业开始推出新的业务时，向已有客户推销成功的概率远远高于向新客户推销成功的概率。同时还有数据表明，如果能够将企业的客户关系保持率稳定或者增加，就能够使企业获得的利润保持或者增加。同时企业的形象也会随着客户的口碑进行传播，企业大部分的新生客户都来自于现有客户的推荐，而对于企业产生厌恶及不满的客户则能够对企业的口碑产生巨大的影响。因此，通过这些数据，我们可以明确地了解到如何进行客户运营和留存，是当前电信企业进行产业发展以及适应市场竞争的重要条件。

1.5 挖掘新的用户市场

现阶段电信企业为了适应越来越激烈的市场竞争，还应该积极扩大自己的用户市场，不断的制定挖掘可能潜在的客户，并针对潜在客户进行特定的能够将潜在客户转化为新客户的优惠商业活动。这时数据挖掘技术就能够通过用户的使用数据以及数据倾向来建立预测模型，通过这个预测模型来进行潜在客户的挖掘以及筛选，筛选出最符合企业要求，能够获取最佳价值的潜在客户名录，然后通过商业活动来将潜在客户转化为新的客户。

但是在通过数据挖掘技术来进行建模以及预测时，其技术运行的基础是对于潜在客户消费习惯以及消费倾向的具体数据收集。所以在前期企业必须对潜在客户进行具体数据的全面收集，对于可能对本企业的产品服务产生兴趣和购物欲望的消费者信息进行收集。这些前期的数据应该包括潜在客户的基本信息，还应该包括潜在客户的兴趣取向、消费行为习惯以及他的消费需求等等。通过各种数据来进行信息收集，才能够保证数据挖掘技术在运行过程中的准确性。如果企业不能够通过具体的线上活动来进行数据收集，那么就需要通过线下的实验以及优惠活动来收集分析所用的数据。

2 如何运用数据挖掘技术维持良好的电信客户关系管理

电信运营商因为其企业特性，在运营过程中拥有了很多充实的数据库以及相对应的应用系统，同时还拥有大量的业务处理数据。因此如果在进行客户关系管理分析时，就需要用数据挖掘技术来对这些已有的数据进行优化组合才能够体现出这些数据的真正价值。

2.1 解析的客户的消费习惯

企业应该利用数据挖掘技术来对客户所有的通话、信息等数据和详单，以及与客户有关联地在企业内留存的档案进行数据收集。并且还需要结合客户细分所在的消费者种类，从客户本身的消费行为倾向以及消费能力等入手进行建模，然后进行消费行为以及习惯的分析预测，并得出结论。以这些结论为依据来进行企业内高层战略的制定。

2.2 推测客户的可能性需求

利用数据挖掘技术对客户以往的数据进行分析，并做出预测，来确定未来的发展计划。

2.3 建立风险管控机制

企业可以通过数据挖掘技术来对企业内造成风险的消费者行为进行规律总结，并建立风险管控机制来降低运营商的损失风险。

2.4 分析流失客户的内在规律

对于客户的流失和转移，企业应该根据客户流失的数据来建立客户流失的模型，通过与客户流失相关联的数学模型来找到客户流失和转移的内在规律，并且通过客户流失模型来进行客户流失的预测。如果其可能性过高，企业就应该通过优惠促销等商业手段来提高用户的忠诚度和用户黏度，及时阻止客户转移行为的发生。

2.5 建立大客户的识别系统

根据前文所述，大客户是电信企业利润的大头，在市场竞争激烈的情况下，大客户群体就成为了电信企业之间相互竞争的重要客户群体。因此如何利用数据挖掘技术进行大客户的识别，并且通过针对性的商业措施来提高大客户的用户黏性，就成为了现阶段企业的竞争关键。

2.6 优化网络资源管理

电信企业在网络运行过程中也产生了许多数据，对于网络运行数据进行数据挖掘有利于提高网络资源的利用率。

3 结论

在现阶段，中国经济不断发展，市场竞争更加激烈，客户对于电信服务的要求变高，并且复杂多变。许多电信企业更加需要通过先进技术来进行客户关系的运营，来保证企业的发展。现在中国的电信市场已经进入了相对过剩的阶段，企业的成功更多的是依靠企业与用户关系的运营和保持。因此企业更需要从高层战略方面出发，积极利用数据挖掘技术来进行客户关系管理，构建良好的客户管理体系，从而赢得市场竞争和长期的发展。