基于客户群的移动增值业务精细化营销策略研究

庞大的客户体系为增值业务市场带来极大的利润区,但是传统粗犷的营销策略无法获知客户偏好,实施精准营销,基于客户群的惊喜营销策略能够将客户群分,针对客户的偏好,对增值业务分类精细营销,具有非常重要的意义,本文分析了客户群分依据,基于数据挖掘模型实现客户群分,设计关联营销策略规模拓展增值业务。     

K-means聚类算法在民航客户细分中的应用

针对客户关系管理中客户价值这一问题,通过对航空公司现有数据仓库中客户信息的分析,采用数据挖掘技术中的K-means聚类算法建立民航客户细分模型,并通过实验将民航客户细分为3类,提出了对这3类航空客户的相关营销策略。实验结果表明该方法能突出客户之间的行为特征差异,更加准确地划分客户类型,进而使得客户价值约提高30%。     

基于移动通信客户行为分析的精确营销策略研究

随着全业务和3G运营的发展,粗放式的营销方式已明显滞后于电信市场的发展。将精细化营销、数据挖掘等营销管理理念和智能计算方法运用到电信产品营销中,提出了基于移动通信客户行为分析的精确营销策略模型。本模型依据客户行为分别建立客户价值模型、客户粘性模型、客户异动模型和客户需求鉴别模型,利用4个模型构建营销矩阵,实现客户群细分,针对不同客户实施不同保有和营销策略并对模型实施应用评估。精确营销策略能够为营销队伍提供常规化营销支持服务,提升企业市场竞争力。     

贝叶斯构造网络算法在电信CRM中的应用

客户流失是各大运营商面临的一个挑战，随着市场的逐渐饱和，减少客户流失成为企业战略发展的一个重要组成部分。数据挖掘技术的核心功能在于通过历史数据预测未来的发展趋势，数据挖掘技术的使用可以在客户流失前及时给营销人员预警，使营销人员可以及时的挽留客户，从而降低客户流失率。本文通过对客户流失的业务需求和数据挖掘技术的介绍，提出了一种客户流失预测分析的解决方案。     

浅析数据挖掘与企业市场营销战略

数据挖掘是客户关系管理的重要组成部分,而客户关系管理的核心是营销管理。在高度信息化的社会的今天,数据挖掘在市场营销决策中起到越来越重要的作用,通过它可以实现对客户深度的把握,研究老客户,发现新客户,让企业实时把握住市场动态,及时地调整企业的营销策略,以在激烈的市场竞争中立于不败之地。     

基于电信企业客户行为的固网存量保有策略研究

本文基于电信客户消费行为的数据挖掘,探讨了客户细分模型在存量用户保有营销活动中的应用,总结了政企客户固网月租风险释放存量保有策略,并通过一个实际案例阐述了从客户理解到营销策划,再到执行和评估的整个营销活动流程.     

基于数据挖掘的服装业客户流失分析研究

服装业的发展推动了中国国民经济的发展,在企业间的竞争日趋激烈,实施客户关系管理(CRM)策略将成为企业竞争的核心,维护老客户,减少客户流失则是重中之重.通过数据挖掘对服装企业客户进行流失分析,得到客户流失特征,通过这些特征来对现存客户进行流失预测,以帮助企业管理者对流失客户进行营销策略,减少客户流失或者将要流失的客户.     

96688目标客户定位帮助企业寻找最有价值客户

目标客户定位是利用数据挖掘技术研究客户消费行为的新兴方法，对企业营销推广、快速定位有重要作用。通过一个实战案例，讲述如何利用目标定位技术实现企业价值客户寻找并开展针对性营销。     

数据挖掘在通信行业精确营销中的应用

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。     

移动互联网业务Portal门户精准营销系统解决方案

简单介绍了移动互联网业务精准化营销的基本流程、PORTAL门户精分系统结构等相关概念，并对客户精分视图库建立、客户数据挖掘及营销效果检验进行了详细阐述。     

基于划分的聚类算法研究综述

在数据挖掘的所有算法中,聚类分析尤为重要.基于划分的聚类算法就是用统计分析的方法研究分类问题.本文介绍了聚类的定义及聚类算法的种类,详细阐述了K均值聚类算法和K中心点聚类算法的基本原理并对它们的性能进行分析,对近年来各学者对基于划分的聚类算法的研究现状进行了梳理,对其具体应用实例做了简要介绍。     

基于DBSACN聚类算法的XML文档聚类

为了满足对XML文档集合进行数据挖掘需求,本文提出了根据XML文档树的语义信息和结构信息来计算其结构相似度,通过结构相似度构造其结构相似度矩阵,在此基础上应用DBSCAN算法来对XML文档集合进行聚类.与其他聚类算法相比,其聚类的速度得到了很大的提高.     

聚类算法及聚类融合算法研究

基于常用聚类算法及聚类融合算法进行了研究。首先阐述了数据挖掘领域的常用聚类算法及特点,接下来对近年来聚类融合的方法和研究现状进行了综述,并对如何产生高效的聚类成员和共识函数如何构建才能产生高效的聚类融合算法进行了说明。运用改进的随机投影算法来生成聚类成员,实验表明随机投影是一个生成聚类成员的很有效的方法。最后得出运用聚...     

Secure grid-based density peaks clustering on hybrid cloud for industrial IoT

Cloud computing gives clients the convenience of outsourcing data calculations. However, it also brings the risk of privacy leakage, and datasets that process industrial IoT information have a high computational cost for clients. To address these problems, this paper proposes a secure grid-based density peaks clustering algorithm for a hybrid cloud environment. First, the client utilizes the homomorphic encryption algorithm to construct encrypted objects with client dataset. Second, the client uploads the encrypted data to the cloud servers to implement our security protocol. Finally, the cloud servers return the clustering results with the disturbance to the client. The experimental results on the UCI datasets and the smart power grid dataset reveal that the secure algorithm presented in this paper can improve upon the precision and efficiency of other clustering algorithms while also preserving user privacy. Moreover, it only performs encryption and removes the disturbance operation on the client, so that the client has lower computational complexity. Therefore, the secure clustering scheme proposed in this paper is applicable to industrial IoT big data and has high security and scalability.     

基于同态加密的DBSCAN聚类隐私保护方案

为了降低数据外包聚类运算过程中存在的隐私泄露风险,提出了一个基于同态加密的DBSCAN聚类隐私保护方案。为了加密实际场景中的浮点型数据,给出了针对不同数据精度的3种数据预处理方式,并提出了一种基于数据特点且综合考虑数据精度和计算开销等方面的数据预处理方式的选择策略。由于同态加密不支持密文比较运算,设计了一个用户端与云服务器之间的协议实现密文比较功能。理论分析和实验结果表明,所提方案能够保证数据隐私安全,并且具有较高的聚类准确率和较低的时间开销。     

An efficient clustering and load balancing of distributed cloud data centers using graph theory

The prime focus of the Cloud Service Providers is enhancing the service delivery performance of the distributed cloud data centers. The clustering and load balancing of distributed cloud data centers have significant impact on its service delivery performance. Hence, this paper models distributed cloud data center environment as a network graph and proposes a two‐phase cluster‐based load balancing (CLB) algorithm based on a graph model. The first phase proposes a Cloud Data Center Clustering algorithm to cluster the distributed cloud data centers based on their proximity. The second phase proposes a Client‐Cluster Assignment algorithm to perform uniform distribution of the client requests across the clusters to enable load balancing. To assess the performance, the proposed algorithms are compared with other K‐constrained graph‐based clustering algorithms namely, graph‐based K‐means and K‐spanning tree algorithms on a simulated distributed cloud data center environment. The experimental results reveal that the proposed CLB algorithm outperforms the compared algorithms in terms of the average clustering time, load distribution, and fairness index and hence improves the service delivery performance of the distributed cloud data centers.     

一种混合聚类算法在用户聚类中的应用研究

利用一种混合聚类算法对用户聚类方法进行分析.给出了此混合聚类算法的应用公式以及在用户聚类算法中应用的思路,最后给出了该算法的具体实现过程.     

A sparse projection clustering algorithm

A clustering algorithm based on Sparse Projection (SP), called Sparse Projection Clus- tering (SPC), is proposed in this letter. The basic idea is applying SP to project the observed data onto a high-dimensional sparse space, which is a nonlinear mapping with an explicit form and the K-means clustering algorithm can be therefore used to explore the inherent data patterns in the new space. The proposed algorithm is applied to cluster a complete artificial dataset and an incomplete real dataset. In comparison...     

基于属性关系矩阵的AP子空间聚类算法

Affinity Propagation（AP）聚类算法将所有数据点作为潜在的聚类中心，在相似度矩阵的基础上通过消息传递进行聚类, 但却不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法（AP clustering algorithm based on attributes relation matrix, ARMAP）是一种异步软子空间聚类算法，首先通过计算属性a的 邻域得到属性的关系矩阵，然后通过查找极大全1子矩阵得到数据集的兴趣度子空间，最后在各兴趣度子空间使用AP算法聚类，完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵，在正确查找子空间的同时，降低了时间复杂度。算法既保留了AP聚类算法的优点，又克服了AP算法不能进行子空间聚类的不足。     

个性化服务中用户兴趣聚类算法研究

讨论了个性化服务中用户兴趣建模对聚类算法的要求,指出经典聚类算法应用于用户兴趣聚类时的不足。在基于图论的K近邻聚类算法的基础上进行改进,提出一种基于相似度的聚类算法。实验证明,与K近邻算法相比,该算法能够显著提高聚类质量,有效区分孤立点,适用于用户兴趣聚类。