客户需求信息管理和用户偏好研究

《客户需求信息管理和用户偏好研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、客户需求信息管理和用户偏好研究　　【摘要】随着通信市场竞争日益激烈，价格空间进一步压缩，市场也逐步从价格竞争过渡到价值链竞争；客户需求呈现出多样化、差异化，客户对运营商有更高预期，注意力亦将更趋分散，选择空间更多，客户忠诚度维系难度将越来越大；同时全业务竞争环境下，市场竞争格局更加复杂，对社会渠道资源的争夺也将会不断加剧，企业的渠道成本与经营风险将大幅提升；而营销活动的频繁推出，对渠道的执行力与运营商的掌控力提出了更高的要求。本文提出了客户需求信息管理平台的设计方案。【关键词】客户需求管理平台；用

2、户偏好分析；文本挖掘算法1.客户需求管理平台建设及应用该平台利用门户网站、手机门户、语音服务平台和营业厅等资源，以问卷调查、暗访、外呼等方式搜集客户需求。通过电子化管理对信息采集的反馈数据进行快速汇总统计，提炼出既能体现客户需求又能提高产品和服务品质的可行性需求，进行分析、研究、实践和推广。7主要创新点：（1）实现各类需求信息采集的电子化操作；有效跟踪监控需求处理情况，提升处理效率；快速统计需求采集及反馈数据，缩短管理决策的响应周期。（2）需求网具有“多渠道，分类别，细挖掘”的特点，系统性进行客户

3、需求收集、分析、处理的成功案例。2.文本挖掘算法与需求系统的整合2.1基于自动类别关键词发现与匹配的分类方法自动从类别中提取关键词，文本分词、关键词提取。基于关键词匹配进行分析，多个关键词的加权匹配机制。2.2基于支持向量机的文本分类方法采用研究院用户行为实验室算法，将文本表示为单词向量的形式；利用数据挖掘中的支持向量机技术进行分类。2.3两种解决方案的比较基于关键字匹配方法：易于理解，采用少数关键词进行分类。准确率较低，依赖于文本中具有较明显的关键字。速度很快。基于支持向量机方法：较难理解，使用

4、文本词表示的向量进行分类。准确率较高，不需要较明显的关键字，使用整个文本的词进行分类。速度较快。基于关键字匹配需求分类：取每个类别的特征最明显的关键字进行分类，准确率53%。基于支持向量机需求分类：将每个需求文本表示为向量，采用支持向量机技术进行分类，准确率76%。基于支持向量机的垃圾信息分类准确率92%。7从客户特征信息从易到难的获取程度来说，可以分为5个层次，分别为用户的自然属性，客户的消费行为，消费行为所衍生出来的信息，客户的知识信息，以及营销推荐的直接结论。从结果上来说，前3种客户特征信息

5、是显形的知识，而后2种是客户的隐形知识。从了解客户行为，到了解客户习惯特征的过程中，也是从简到繁，从容易到复杂的。3.用户特征研究结果3.1用户渠道偏好研究成果渠道形式多样化。随着电信业务的发展，用户对渠道形式的偏好呈现多样化趋势。过去用户习惯于去传统的营业厅、代办点办理业务。但是随着互联网和电子商务的逐渐普及。网上营业厅，短信营业厅，自助式服务终端的形式越来越被人们所应用。热线也成为用户办理业务的另外一个重要渠道。可以更多地通过热线为客户提供有关业务受理、营销、咨询、申诉以及其他社会化的综合性服

6、务。本次研究主要从用户接触公司各个渠道为切入点，从用户与各渠道间交互的历史信息，用户联络时间的分布，接受服务的内容，咨询以及投诉的信息等方面进行研究，并结合时间的维度进行挖掘分析，建立起用户渠道偏好模型。渠道偏好评分。7渠道偏好评分的原理是借用数据挖掘的决策树分类原理，计算出趋向某一接触渠道可能性，将客户以往相互关联又繁杂凌乱的各种涉及渠道接触表现的资料量化，以概率形式表述用户对各个渠道的依赖程度。一份个人渠道偏好程度报告不仅打出个人的渠道偏好评分，还标示等级并给出比例。比如，按计算出的不同的概率

7、值进行分档，将用户依赖某渠道的程度共分为分成5个等级：0-20%为基本不接触；20-40%为偶尔接触；40-60%为普通依赖；60-80%为较依赖；80%-100%为依赖。同时，渠道偏好报告还给出每一等级用户的比例。3.2用户信息内容偏好研究成果本次研究根据用户使用公司的各类新业务产品以及服务功能入手，从用户选择的产品类型，使用产品的内容及频率，享受的客户服务，用户的影响力等方面进行研究，建立相关业务模型。主要分析客户对“新闻类”、“商务类”、“财经类”、“体育类”、“娱乐类”、“生活类”、“文化

8、类”、“游戏类”这八类内容信息的偏好程度。首先，从分析客户显性特征上，我们制定了详细的业务经验模型。主要通过一些有明显内容信息承载的新业务来进行，这样的新业务包括：手机报、彩铃音乐、wap网页访问等方面。然后，还包括从客户的语音通话、短信收发情况、GPRS网站访问情况作为补充。通过分析用户对一些特定号码，比如娱乐短信的定购，每日笑话短信的定购等方面。将这些信息融合起来形成客户的内容偏好业务经验模型，用来分析客户的显性特征。7其次，通过决策树挖掘模型，结合从显性用户的样本数据信息，来