Page 190 - 数码世界6月整本

技术交流

数据挖掘在通信行业精确营销中的应用

师江波

摘要：针对传统通信行业数据业务营销模式中存在的普遍撒网的缺点，提出利用数据挖掘中的决策树算法对数据业务的潜在客户进行分类，
预测什么类型的人可能开通数据业务、什么类型的人开通数据业务的可能性低，并且在实际的环境中进行追踪检验。实际的实验以数据
业务中的彩铃业务为例，结果表明，数据挖掘中的决策树算法能将预测准确率保持在较高的自然准确率，反映出其在真实的环境中运行
是可行的、有效的，提高了通信行业数据业务精确营销的客户响应率，在实际的营销环境中具有积极的意义。

随着 4G 时代的来临，通信行业即将获得更广阔的 息熵 H(U)：信息量的数学期望，是信源发出信息前的平
发展空间和潜力，在实际的生产运营过程中，数据业务 均不确定性，也称先验熵。
收入已经逐渐跃居收入第二，仅次于语音收入，因此数
2 彩铃客户预测
据业务得到了运营商越来越多的关注，而数据业务的营
销依然停留在传统的营销方式，如通过调查资料、客服 利用决策树算法，将彩铃客户消费属性和客户背景
外呼营销等方式，属于一种普遍撒网式的营销，这种营 属性一起作为决策树的输入属性，将彩铃用户和非彩铃
销方式成本高，周期长，客户真正的响应率低。 用户按照某种比例组合作为预测的训练数据。决策树算
用户对数据业务的使用都或多或少的与用户消费行 法是一种“有指导”的归纳学习，通过大量数据的学习
为以及用户背景信息有关联，而数据挖掘技术就可以找 归纳出预测规则集，即我们要研究的问题是：什么样的
到这种联系，发现其中的规律。由此本文以彩铃为例， 人可能是潜在的彩铃客户，而什么样的人可能不是潜在
利用决策树算法对该数据业务的精确营销进行指导，通 的彩铃客户。
过挖掘当前彩铃用户特征，即具有什么行为特点的人可 2.1 输入属性
能会开通彩铃，进而锁定彩铃营销的潜在客户群，再对 决策树的输入属性由两部分组成，一部分是对彩铃
预测名单内的用户进行主动营销，降低了营销成本，提 消费产生较大影响的客户消费行为属性，如：区内时长、
高了营销的响应率。 区间时长、国内普通长途时长、国内 IP 长途时长等；
1 相关知识 另一部分是客户基本信息，包括年龄、性别、套餐、是
否市区等。将两部分信息整合在一起作为彩铃预测的输
决策树很擅长处理非数值型数据，免去了很多数据
入属性，属性列表如表 1( 表中简列出部分属性 ) 所示，
预处理工作。常用的算法有 CHAID、CA Ｒ T、Quest 和
其中“是否彩铃用户”，是输出属性，即预测的目标属
C5.0，本文采用目前较成熟的 C5.0 算法。C5.0 是经典
性值。
的决策树算法，相比 CA Ｒ T 树只能生成二叉树来说，
2.2 训练集
C5.0 算法可生成多分支的决策树，目标变量即为分类
变量，最后可以生成树状图或者规则集。C5.0 根据能够 从彩铃目标客户中随机抽取其中 3545 名客户进行
带来最大信息增益的字段拆分样本，第一次拆分确定的 分析，再在非彩铃用户中随机抽取 9 倍的数据共同组成
样本子集随后再次拆分，通常是根据另一个字段进行拆 数据训练集，总共有 35450 个用户。
分，其中数值型字段被划分成区间，字符型字段被组织 数据预处理是指数据训练集通过汇总变换等方法处
成集合，这一过程重复进行直到样本子集不能再被拆分 理成满足属性列表的所需信息；预处理后，计算所有属
为止。最后，重新检验最低层次的拆分，支持的事例数 性的条件熵、信息熵、信息增益，根据这些数值进一步
过少或者支持的概率较低的样本子集 ( 即决策树叶子 ) 计算出属性的信息增益率以便完成决策树的构造。决策
将被剔除或者修剪。决策树用样本的属性作为节点，用 树的各部分是：
属性的取值作为分支的树结构，是利用信息论原理对大 根：数据训练集；
量样本的属性进行分析和归纳而产生的。信息论中的信 枝：分类的判定条件；

PB... ...97