数据挖掘技术在
电信用户分析与保持中的应用
北大2013公安班数据挖掘第13小组
2013年11月
北大2013公安班数据挖掘第13小组
成员名单
黄锡锋:1301220570
张佶:1301220690
赵征:1301220706
徐良:1301220670
周健:1301220713
张峰:1301220686
■序言
□用户流失挖掘的主要方法
□用户流失挖掘中应注意的问题
□用户流失挖掘过程
□建议与结论
用户流失的数据挖掘
电信运营商之间竞争激烈
两有:市场占有率,用户保有量
ARPU:每用户月平均收入
提升
电信运营商之间竞争激烈
运营商的年ARPU值
ARPU值逐年下降,应努力调整业务结构以适应形势变化。
电信运营商之间竞争激烈
运营商年ARPU值
市场占有率
用户保有量
留住一个用户所需要的成本是争取一个新用户成本的1/5
□序言
■用户流失挖掘的主要方法
□用户流失挖掘中应注意的问题
□用户流失挖掘过程
□建议与结论
用户流失数据挖掘
相关分析主要分析变量之间联系的密切程度;回归分析主要基于观测数据与建立变量之间适当的依赖关系。相关分析与回归分析均反映的是数据变量之间的有价值的关联或相关联系,因此两者又可统称为关联分析。
(一)相关分析和回归分析
时间序列分析与关联分析相似,其目的也是为了挖掘数据之间的内在联系,但不同之处在于时间序列分析侧重于数据在时间先后上的因果关系,这点与关联分析中的平行关系分析有所不同。
(二)时间序列分析
分类与预测用于提取描述重要数据类的模型,并运用该模型判断新的观测值分类或者预测未来的数据趋势。
(三)分类与预测分析
数据挖掘在电信业的应用 来自淘豆网m.daumloan.com转载请标明出处.
