1、論文（設(shè)計）題目本科畢業(yè)論文（設(shè)計） ：基于關(guān)聯(lián)規(guī)則的客戶滿意度提升分析學(xué) 院： 職業(yè)技術(shù)學(xué)院 專 業(yè)： 市場營銷 班 級： 市場職08（1） 學(xué) 號： 082002110356 學(xué)生姓名： 付瑾 指導(dǎo)教師： 楊 瓊2012年5 月 30日貴州大學(xué)本科畢業(yè)論文（設(shè)計）誠信責(zé)任書本人鄭重聲明：本人所呈交的畢業(yè)論文（設(shè)計），是在導(dǎo)師的指導(dǎo)下獨立進行研究所完成。畢業(yè)論文（設(shè)計）中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點等，均已明確注明出處。特此聲明。論文（設(shè)計）作者簽名：日 期：貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 I 頁目 錄摘 要 . III Abstract . IV1 緒論 . 11.1客戶

2、滿意度含義 . 11.2客戶滿意度的影響因素 . 11.3客戶滿意度分析時的評價指標(biāo) . 22 關(guān)聯(lián)規(guī)則的概述 . 32.1關(guān)聯(lián)規(guī)則基本概念 . 32.1.1關(guān)聯(lián)知識挖掘 . 32.1.2關(guān)聯(lián)規(guī)則的基本概念 . 32.2關(guān)聯(lián)規(guī)則Apriori算法概述 . 52.2.1 Apriori算法理論基礎(chǔ) . 52.2.2 Apriori算法介紹 . 53 基于Apriori算法的客戶滿意度分析 . 83.1通訊業(yè)務(wù)介紹（數(shù)據(jù)來源） . 83.2數(shù)據(jù)挖掘在通訊業(yè)務(wù)中的應(yīng)用背景 . 83.3Apriori算法在通訊行業(yè)的應(yīng)用 . 103.3.1實例描述 . 103.3.2 Apriori算法的應(yīng)用 . 1

3、13.3.3強關(guān)聯(lián)規(guī)則結(jié)果分析 . 154 提高客戶滿意度的策略 . 174.1 基于關(guān)聯(lián)規(guī)則提高客戶滿意度的策略 . 174.1.1 產(chǎn)品策略 . 174.1.2 價格策略 . 174.1.3 促銷策略 . 184.2關(guān)聯(lián)規(guī)則在零售業(yè)中提高客戶滿意度的運用 . 18貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 II 頁結(jié)語 . 20參考文獻 . 21致 謝 . 22貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 III 頁摘 要隨著數(shù)據(jù)庫技術(shù)的迅速發(fā)展以及數(shù)據(jù)庫管理系統(tǒng)的廣泛運用，人們對于挖掘數(shù)據(jù)背后隱藏的知識越來越重視，目前數(shù)據(jù)挖掘使數(shù)據(jù)庫技術(shù)進入了一個更高級的階段，它不僅能對過去的數(shù)據(jù)進行查詢和遍歷，并且能夠找出

4、過去數(shù)據(jù)之間的潛在關(guān)系，從而促進信息的傳遞。關(guān)聯(lián)規(guī)則是數(shù)據(jù)庫技術(shù)中的其中一個分支，對于零售業(yè)的發(fā)展有著至關(guān)重要的作用。關(guān)聯(lián)規(guī)則挖掘在最近幾年被廣泛研究，它發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的關(guān)聯(lián)關(guān)系，在數(shù)據(jù)挖掘中，對于關(guān)聯(lián)規(guī)則的研究是現(xiàn)在數(shù)據(jù)挖掘領(lǐng)域重要的研究方向之一。對于企業(yè)來說，客戶滿意度至關(guān)重要，本課題研究主要研究的是運用關(guān)聯(lián)規(guī)則的挖掘算法，在實際中采集數(shù)據(jù)進行分析計算，清晰的反應(yīng)出關(guān)聯(lián)規(guī)則對于客戶滿意度提升的影響和重要性，從而為企業(yè)決策提供依據(jù)。針對當(dāng)前普遍存在的問題進行改進，增加企業(yè)銷售量，提高市場競爭力。關(guān)鍵詞：數(shù)據(jù)庫技術(shù)，關(guān)聯(lián)規(guī)則，客戶滿意度貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 IV 頁Abst

5、ractWith the rapid development of database technology and the use of database management system ,the hidden knowledge of the data mining become more and more important. The current database data mining technology goes into a more advanced stage,It can not only query and traverse the past database,bu

6、t also find out the potential relationship between the past data,so as to promote the transfer of information. Association rules is one branch of the database technology,which has crucial effect for the retail industry development .Association Rules Mining is being widely used in recent years,we can

7、 use it to found out lots of association between data items. In data mining,the research on association rules in data mining area is now one of the most important research direction.Customer satisfaction is essential to the enterprise,The research is mainly about the application of association rules

8、 mining algorithm, and use it to analysis and calculate by collecting data,clear response the effect and importance of association rules to enhance customer satisfaction, so as to provide a basis for decision-making. Also , the research is to analysis the current common problems and improve them, so

9、 that enterprise can increase salse volume and market power. Key words: Database Technology Association RulesCustomer Satisfaction Data Mining貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 1 頁1 緒論1.1客戶滿意度含義客戶滿意是客戶的一種心理活動，是客戶通過對一個產(chǎn)品或者服務(wù)的可感知效果與其期望值相比較之后形成的感覺狀態(tài)。而客戶滿意度就可以看作是可感知效果與期望值之間的變異函數(shù)，也就是說客戶滿意度的高低取決于客戶對于客戶對產(chǎn)品或者服務(wù)的期望值與其所真正感知的效果

10、，如果客戶對企業(yè)的產(chǎn)品或者服務(wù)實際感知效果低于他們的期望值，客戶就不會感到滿意，甚至?xí)a(chǎn)生抵觸情緒；相反，如果客戶的實際感知效果等于或高于他們的期望值，他們就會感到滿意或者非常滿意。客戶對于企業(yè)的產(chǎn)品或者服務(wù)有了高度的滿意度之后，就會忠實于此產(chǎn)品或服務(wù)，企業(yè)在銷售和競爭過程中就處于優(yōu)勢地位。對于企業(yè)來說，客戶滿意度至關(guān)重要，首先，客戶滿意有助于提高企業(yè)的利潤率；其次，客戶滿意是抵御競爭對手的有效手段；再次，客戶滿意有助于降低企業(yè)成本。有數(shù)據(jù)表明：平均每個不滿意的客戶會將其不滿意的經(jīng)歷告訴20個人以上，而且這些人都表示不愿意接受這種惡劣的服務(wù)態(tài)度；而平均每個滿意的客戶會將其滿意的經(jīng)歷告訴12個人

11、以上，這12個人中間在沒有其他因素干擾的情況下，有超過10個人表示愿意購買。由此可見，客戶滿意度對于企業(yè)的生存與發(fā)展來說起著至關(guān)重要的作用1。1.2客戶滿意度的影響因素大量企業(yè)興衰存亡的事實表明，客戶滿意度對于企業(yè)的影響深遠(yuǎn)，如何提高企業(yè)的產(chǎn)品質(zhì)量和優(yōu)質(zhì)服務(wù)來提高客戶滿意度已經(jīng)成為了企業(yè)在激勵競爭中制勝的關(guān)鍵因素之一。通過對客戶滿意度基本概念的理解，客戶滿意度可以用以下公式來表示：C=b/a2上面公式中：C客戶滿意度貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 2 頁b客戶對產(chǎn)品或服務(wù)所感知的實際體驗a客戶對產(chǎn)品或服務(wù)的期望值在此公式中，如果a<b，客戶對產(chǎn)品或服務(wù)的期望值小于他們所感知的實際體驗，

12、客戶滿意度的值就越大，客戶對產(chǎn)品或服務(wù)就會感到非常滿意。如果a=b，客戶的期望值恰好等于他們的實際體驗，這時候客戶就會感到滿意。如果a>b，客戶的期望值大于實際體驗，客戶滿意度值就越小，客戶對產(chǎn)品或服務(wù)就會感到非常不滿意。由此可見，客戶滿意度的影響因素是由客戶對產(chǎn)品或服務(wù)所感知的實際體驗和期望值共同決定的。它取決于客戶所期望的產(chǎn)品或服務(wù)利益的實現(xiàn)程度以及反應(yīng)預(yù)期與實際結(jié)果的一致性程度，當(dāng)預(yù)期的服務(wù)與感知的服務(wù)不一樣的時候，會產(chǎn)生不同的客戶滿意度。1.3客戶滿意度分析時的評價指標(biāo)客戶對企業(yè)產(chǎn)品或服務(wù)的期望包括很多方面，根據(jù)馬斯洛需求層次理論將企業(yè)給客戶提供的東西分為四個層次3，分別是：1、

13、核心產(chǎn)品或服務(wù)2、延伸服務(wù)3、所承諾服務(wù)的實現(xiàn)4、情感因素在上面的幾個評價指標(biāo)中，延伸服務(wù)和所承諾服務(wù)的實現(xiàn)對于提高客戶滿意度有著重要的作用，隨著科技物流的越來越發(fā)達(dá)，競爭越來越激烈，在核心產(chǎn)品或服務(wù)這一層次各同類企業(yè)都具有同質(zhì)性，客戶對于核心產(chǎn)品或服務(wù)的滿意度都是較為滿意的，所以在這一層上都是不分彼此的；而延伸服務(wù)這一層每個企業(yè)所采取的戰(zhàn)略措施不同，所產(chǎn)生的外圍和支持性的服務(wù)也就 不同，這樣就同別的企業(yè)所區(qū)別開來，從而提高客戶滿意度；所承諾服務(wù)的實現(xiàn)，是指企業(yè)能否將自己所提供核心產(chǎn)品和服務(wù)做好，這一層就需要企業(yè)加強內(nèi)部管理，做的讓客戶滿意的程度；情感因素這一層是服務(wù)的感性方面，在這一層中考慮

14、企業(yè)傳遞給客戶的某些微妙信息，這些信息將使客戶對企業(yè)產(chǎn)生正面或者負(fù)面的情緒。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 3 頁2 關(guān)聯(lián)規(guī)則的概述2.1關(guān)聯(lián)規(guī)則基本概念關(guān)聯(lián)規(guī)則挖掘在最近幾年被廣泛研究，它發(fā)現(xiàn)大量數(shù)據(jù)中項集之間的關(guān)聯(lián)關(guān)系，在數(shù)據(jù)挖掘中，對于關(guān)聯(lián)規(guī)則的研究是現(xiàn)在數(shù)據(jù)挖掘領(lǐng)域重要的研究方向之一。2.1.1關(guān)聯(lián)知識挖掘關(guān)聯(lián)知識挖掘是數(shù)據(jù)挖掘常用的知識表示模式與方法之一。數(shù)據(jù)挖掘常用的知識表示模式與方法包括：廣義知識挖掘、關(guān)聯(lián)知識挖掘、類知識挖掘、預(yù)測型知識挖掘與特異型知識挖掘4。這里我們主要介紹關(guān)聯(lián)知識挖掘，關(guān)聯(lián)知識反映一個事件與其他事件之間的依賴和關(guān)聯(lián)。數(shù)據(jù)庫的組織形式是一種機構(gòu)化的，利用其依

15、附的數(shù)據(jù)模型可能刻畫了數(shù)據(jù)間的關(guān)聯(lián)，但是，除了數(shù)據(jù)間的這種關(guān)聯(lián)之外，數(shù)據(jù)間的關(guān)聯(lián)是十分復(fù)雜的，且大部分都是蘊藏的，關(guān)聯(lián)知識挖掘就是找出數(shù)據(jù)間蘊藏的關(guān)聯(lián)知識部分。通過數(shù)據(jù)關(guān)聯(lián)分析所獲得的關(guān)聯(lián)關(guān)系，對于企業(yè)來說是十分具有商業(yè)價值的。關(guān)聯(lián)規(guī)則挖掘時關(guān)聯(lián)知識發(fā)現(xiàn)的最常用的方法，最著名的是1994年，Agrawal等人在之前的工作基礎(chǔ)上，提出一個稱為Apriori的關(guān)聯(lián)規(guī)則挖掘算法。為了發(fā)現(xiàn)有意義的關(guān)聯(lián)規(guī)則，需要給定兩個閾值，也就是最小支持度和最小置信度。挖掘出的關(guān)聯(lián)規(guī)則必須滿足用戶給定的最小支持度，它表示一組關(guān)聯(lián)在一起需要滿足的最低聯(lián)系程度，也就是說，數(shù)據(jù)挖掘系統(tǒng)的目的就是從源數(shù)據(jù)庫中挖掘出滿足最小支

16、持度和最小置信度的關(guān)聯(lián)規(guī)則。Apriori算法一直作為經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法被引用。但它只是關(guān)聯(lián)規(guī)則挖掘算法之中的一種算法，其他的算法還包括了AprioriTid算法、FP-Tree算法等等5。2.1.2關(guān)聯(lián)規(guī)則的基本概念關(guān)聯(lián)規(guī)則表示數(shù)據(jù)庫中一組對象之間某種關(guān)聯(lián)關(guān)系的規(guī)則。假設(shè)I=i1，i2,、in為n個不同項目組成的集合，另設(shè)一個給定事務(wù)數(shù)據(jù)庫D，其中每個事務(wù)T是一些項目的集合，即TI，T有一個標(biāo)示符TID。若項集AI且AT，則事務(wù)集T包含項集貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 4 頁A6。關(guān)聯(lián)規(guī)則就形如AB的蘊涵式,其中AI,BI，并且A B=。當(dāng)然，并不是所有的關(guān)聯(lián)規(guī)則都是有用的，它有著一

17、定的成立條件，如下所示：1.它具有支持度S，其中是指設(shè)有S%的事務(wù)在D中支持項目集A和B，即D中至少有S%的事務(wù)包含A B。2.它具有置信度C，C表示在D中有C%的事務(wù)支持A的同時也支持B，即D中包含A的事務(wù)知識有C%同時也包含B。關(guān)聯(lián)規(guī)則的評價標(biāo)準(zhǔn)主要是支持度和置信度，支持度對關(guān)聯(lián)規(guī)則的重要性（適用范圍）的衡量，表示這條規(guī)則的頻度。支持度說明這條規(guī)則在所有事務(wù)中有多大的代表性和適用性，支持度越大，則關(guān)聯(lián)規(guī)則越重要，說明這條規(guī)則應(yīng)用越廣泛。置信度是對關(guān)聯(lián)規(guī)則準(zhǔn)確度的衡量，表示關(guān)聯(lián)規(guī)則的強度。支持度和置信度兩個閾值是描述關(guān)聯(lián)規(guī)則的兩個重要概念，關(guān)聯(lián)規(guī)則的挖掘問題就是在事務(wù)數(shù)據(jù)庫D中找出具有用戶給

18、定的最小支持度min-sup和最小置信度min-conf的關(guān)聯(lián)規(guī)則。其中：最小支持度min-sup表示項目集在統(tǒng)計意義上的最低重要性。最小置信度min-conf表示規(guī)則的最低可靠性。那些超過最低支持度閾值和最低置信度閾值的規(guī)則，稱為強關(guān)聯(lián)規(guī)則。如果用P(A)事務(wù)中出現(xiàn)物品集A的概率P（B/A）物品集A的事務(wù)中，出現(xiàn)物品集B的概率，它們的表達(dá)式分別為 支持度：support(AB)=P(AB)置信度：confidence（A）=P(B/A)7一個項目集的出現(xiàn)頻度是指該項目集的支持度，也就是整個交易數(shù)據(jù)集D中包含該項目集的交易記錄數(shù)。如果項目集的出現(xiàn)頻度大于或等于最小支持度與D中事務(wù)總數(shù)的乘積，則

19、該項目集滿足最小支持度。如果項目集A大于或者等于最小支持度（滿足最小支持度），則稱為頻繁項目集頻繁k-項目集的集合記為Lk。相反地，如果A小于最小支持度，則稱為非頻繁項目集。候選項目集市潛在的頻繁項目集的集合，是頻繁（k-1）-項目集的超集。含有k項的候選項目集記為Ck，由它構(gòu)成頻繁k-項目集Lk。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 5 頁2.2關(guān)聯(lián)規(guī)則Apriori算法概述2.2.1 Apriori算法理論基礎(chǔ)Apriori算法是通過項目集元素數(shù)目不斷增長來逐步完成項目集發(fā)現(xiàn)的。Apriori算法一般可分為兩個階段：第一步是迭代識別所有的頻繁項目集，要求頻繁項目集的支持度不低于用戶設(shè)定的最小支

20、持度。識別或發(fā)現(xiàn)所有項目集是關(guān)聯(lián)規(guī)則最核心的部分，同時也是計算量最大的部分。第二步是從頻繁項目集中構(gòu)造置信度不低于用戶設(shè)定的最小置信度的規(guī)則。即首先產(chǎn)生1-頻繁項目及L1,然后產(chǎn)生2-頻繁項目集L2，知道不能再擴展頻繁項目集的元素數(shù)目而算法停止。在第k次循環(huán)中，先產(chǎn)生k-候選項目集的集合Ck，然后通過掃描數(shù)據(jù)庫生成支持度并測試產(chǎn)生k-頻繁項目集Lk，為了使算法效率得到提高，一般采用更為簡潔的推論對候選項集進行修剪8。推論：若x是一個k一項目集，如果x是頻繁項目集，則x中所有包含項目數(shù)為K一1的子集都是頻繁項目集。根據(jù)推論，Apriori算法由頻繁(k一1)一項目集的集合Lk1產(chǎn)生候選k項集的集

21、合Ck，Ck中任何一個候選k一項集中包含項目數(shù)為k一1的子集必須包含在Lk-1中。這樣產(chǎn)生的候選k-項目集的集合Ck與所有k-頻繁項目集的集合LK滿足Ck LK，即不可能有頻繁k-項目集被漏掉9。2.2.2 Apriori算法介紹1.生成頻繁項目集第一，事務(wù)數(shù)據(jù)庫的事務(wù)都以<標(biāo)識號，項>的形式存儲，并且每一個事務(wù)中包括的項都按詞典順序進行排列，即按A、B、C的字母順序排列。第二，通過第一遍掃描數(shù)據(jù)庫，生成頻繁1一項集。生成的步驟是:(l)掃描每一條事務(wù)，確定每一個項的支持度:(2)把事務(wù)數(shù)據(jù)庫中每一個項的計數(shù)與事先指定的最小支持度(min-sup)進行比較，保留計數(shù)大于最小支持度的

22、項。第三，通過頻繁(k一1)-項集生成頻繁k-項集。生成的步驟是:(l)連接步。假定貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 6 頁生成了頻繁(k一l)-項集，則通過頻繁(k一1)-項集的自連接生成侯選的頻繁k-項集。(2)剪枝步。對候選集進行修剪，候選k-項集的子集必須包含在頻繁(k一1)-項集中；(3)確定候選k-項集的支持度。將所有支持度大于用戶給定的最小支持度的k-項集加入頻繁k-項集的集合中。2.生成關(guān)聯(lián)規(guī)則如果給定了一個頻繁集Y=i1,i2,.,ik,k2,iJi只需產(chǎn)生包含集合i1,i2,.,ik中的項的所有規(guī)則:XY。X和Y都是I中項的一個子集。 通過上面的步驟，可能生成大量的關(guān)聯(lián)規(guī)則

23、，所以當(dāng)規(guī)則生成后，需對生成的規(guī)則進行篩選。(l)校驗關(guān)聯(lián)規(guī)則的置信度，confidence=support(XY)/sup(X)只有那些大于用戶給定的最小置信度(min-conf)的規(guī)則才被保留下來。即:confidence>min-conf(2)輸出關(guān)聯(lián)規(guī)則XY(支持度，置信度)10。3.Apriori算法的表述算法3-1：利用根據(jù)候選項目集生成的逐層迭代來找出頻繁項目集。算法:Apriori輸入:事務(wù)數(shù)據(jù)庫D和最小支持度閾值min-sup。輸出:D中頻繁項目集L。方法：（1）L1=find_frequent_1-itemsets(D)；（2）For(k=2;LK-1;k+)；（3）

24、Ck=Apriori_gen(Lk-1,min_sup)；（4）For all transaction tD；（5）Ck=subset(Ck;t)；（6）For each candidate cCk；（7）c.count+；（8）Lk=cCk|c.count>=min_sup；（9）Return L=UkLk；11 一旦從數(shù)據(jù)庫D中的事務(wù)中找出頻繁項目集，就可以由它們產(chǎn)生關(guān)聯(lián)規(guī)則。算法如下所示：算法3-1：產(chǎn)生關(guān)聯(lián)規(guī)則。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 7 頁輸入：頻繁項目集L和最小置信度閾值（min_conf）。輸出：關(guān)聯(lián)規(guī)則1）對于L中的每一個頻繁項目集l，產(chǎn)生l的所有非空子集。2）

25、對于l的每一個非空子集s，如果，則輸出“S=>(l-S)”。由于規(guī)則由頻繁集產(chǎn)生，每個規(guī)則都自動滿足最小支持度。因此，經(jīng)過以上算法所產(chǎn)生的關(guān)聯(lián)規(guī)則，就是所希望得到的關(guān)聯(lián)規(guī)則。所有滿足最小置信度的頻繁集稱為強關(guān)聯(lián)規(guī)則。我們所要研究的部分就是強關(guān)聯(lián)規(guī)則部分。sup_count(l)12 min_conf sup_count(s)貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 8 頁3 基于Apriori算法的客戶滿意度分析3.1通訊業(yè)務(wù)介紹（數(shù)據(jù)來源）隨著科技的不斷發(fā)展，通訊領(lǐng)域技術(shù)越來越成熟，加上全球化進程的加快，人們對于未來經(jīng)濟的發(fā)展前景普遍看好。基于世界經(jīng)濟發(fā)展的良好勢頭，全球電信運營的市場規(guī)模在2

26、010年已經(jīng)超過1.65萬億美元，在2006-2010年均增長率約6%13。從全球通訊業(yè)務(wù)來看，移動通信作為全球通訊市場發(fā)展的主要推動力之一，業(yè)務(wù)收入占全球電信收入比例繼續(xù)上升；固定通訊雖然在市場上仍有發(fā)展?jié)摿Γ湍壳暗陌l(fā)展?fàn)顩r來看已經(jīng)將處于停滯狀態(tài)；互聯(lián)網(wǎng)業(yè)務(wù)將繼續(xù)飛速發(fā)展，到2010年已經(jīng)到達(dá)20億以上的用戶。就目前中國的情況而言，從20世紀(jì)90年代以來，特別是進入21世紀(jì)開始，通訊市場迅猛發(fā)展。隨著中國加入WTO，通過國際市場的開拓，引入了經(jīng)濟一體化和競爭機制，中國通訊運營日益成熟，產(chǎn)業(yè)間的優(yōu)化重整升級擴張也為中國通訊業(yè)的飛速發(fā)展注入了活力，其業(yè)務(wù)發(fā)展情況主要表現(xiàn)在以下幾個方面：（1）

27、需求增長、規(guī)模擴大。隨著通訊用戶的增多，整個通訊業(yè)務(wù)的需求量持續(xù)增長。據(jù)調(diào)查顯示，到2011年7月底，全國通訊業(yè)務(wù)收入為5103.9億元，比2010年同期增長10.1%。其中以移動通訊業(yè)務(wù)發(fā)展最為明顯，占據(jù)通信業(yè)務(wù)的半壁江山。通信需求的持續(xù)旺盛推動了我國電信網(wǎng)絡(luò)規(guī)模的不斷擴大。（2）業(yè)務(wù)趨向個性化、多元化。隨著通訊科技的快速發(fā)展，我國通訊業(yè)務(wù)市場結(jié)構(gòu)發(fā)生了巨大的變化，新的業(yè)務(wù)增長點逐漸形成，并取得了突破性的進展，主要表現(xiàn)有：新業(yè)務(wù)的增長如3G業(yè)務(wù)的發(fā)展逐漸普及，3G網(wǎng)絡(luò)建設(shè)成為通訊投資市場發(fā)展的主要推動力。互聯(lián)網(wǎng)及寬帶業(yè)務(wù)，如移動互聯(lián)網(wǎng)的接入、互聯(lián)網(wǎng)內(nèi)容和應(yīng)用服務(wù)、有線/無線寬帶互聯(lián)網(wǎng)接入等發(fā)

28、展迅速，將成為驅(qū)動互聯(lián)網(wǎng)市場發(fā)展的主要推動力。移動通訊成為通訊業(yè)務(wù)發(fā)展的亮點，傳統(tǒng)業(yè)務(wù)如固定通信等市場份額將呈下滑趨勢。（3）全方位競爭格局正在形成。自從加入WTO之后，我國市場對外開放，外資企業(yè)不斷涌入我國，按照加入世貿(mào)組織是的承諾，從2003年1月11日起，北京、上海、貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 9 頁廣州三地首先對外資進入基礎(chǔ)電信業(yè)務(wù)打開閘門；截止2007年年底，外資股比可達(dá)49%，并將取消地域限制，這對本土企業(yè)是一個嚴(yán)峻的挑戰(zhàn)。（4）運營商將先后實施戰(zhàn)略轉(zhuǎn)型。隨著科技的發(fā)展和技術(shù)的更新，競爭越來越激烈全球一流通訊運營商已紛紛推出轉(zhuǎn)型戰(zhàn)略。例如德國提出要成為歐洲成長最快的綜合電信運

29、營商及領(lǐng)先的服務(wù)公司；應(yīng)該提出要成為最優(yōu)秀的綜合信息通信服務(wù)商；中國也于2005年提出了由傳統(tǒng)網(wǎng)絡(luò)運營商向綜合信息服務(wù)提供商轉(zhuǎn)變。運營商的轉(zhuǎn)型將是未來通訊運營市場的重要特征，戰(zhàn)略轉(zhuǎn)型也是為了適應(yīng)市場變化的需要也是運營商自身發(fā)展的需要，更重要的是，通過轉(zhuǎn)型嘗試，運營商業(yè)體會到了轉(zhuǎn)型帶來的好處，促進了業(yè)務(wù)的增長14。3.2數(shù)據(jù)挖掘在通訊業(yè)務(wù)中的應(yīng)用背景通訊業(yè)務(wù)的主要特點是數(shù)據(jù)信息量大，業(yè)務(wù)系統(tǒng)眾多，數(shù)據(jù)繁雜，傳統(tǒng)的信息處理方式已經(jīng)不能滿足通訊發(fā)展的需要，必須要引入新的技術(shù)來支持企業(yè)業(yè)務(wù)的需要，因此，數(shù)據(jù)挖掘在通訊行業(yè)的成功應(yīng)用已成為必然15。通訊行業(yè)積累了大量的數(shù)據(jù)資源可供挖掘。經(jīng)過多年的發(fā)展，通

30、訊行業(yè)的信息進程取得了巨大的成功。各大運營商通過已建立或者正在建立的多種數(shù)據(jù)平臺累積了大量的數(shù)據(jù)信息資源，這些數(shù)據(jù)都是以電子化的方式存儲，通過數(shù)據(jù)倉庫，我們可以從這些數(shù)據(jù)中得到很多有價值的信息。然而，這些數(shù)據(jù)信息在運營商手里只是被簡單的運用在各種業(yè)務(wù)系統(tǒng)中，并沒有得到有效的開發(fā)利用，如何利用這些信息來建立決策支持服務(wù)，更進一步了解客戶的需求，針對客戶的需要提供有效業(yè)務(wù)，從而擴寬通訊業(yè)務(wù)，促進通訊業(yè)務(wù)的進一步發(fā)展，成為當(dāng)前信息數(shù)據(jù)挖掘的當(dāng)務(wù)之急。數(shù)據(jù)挖掘有利于提高各通訊行業(yè)的市場競爭力。隨著全球化進程的加速，通訊行業(yè)的競爭格局發(fā)生了重大的變化，從以前的只有少數(shù)幾個企業(yè)之間的競爭，變?yōu)楝F(xiàn)在眾多的通

31、訊企業(yè)對全球市場的爭奪，競爭的越發(fā)激烈。為了在激烈的競爭中保持優(yōu)勢，必修對通訊市場的業(yè)務(wù)運轉(zhuǎn)情況保持高度的警惕，并且隨時準(zhǔn)備調(diào)整競爭策略。通過數(shù)據(jù)挖掘技術(shù)的幫助，運營商可以充分利用擁有的寶貴的數(shù)據(jù)資源，建立專門面向客戶、分析全面業(yè)務(wù)指標(biāo)、實施垂直一體化管理的數(shù)據(jù)挖掘體系，并通過先進的網(wǎng)絡(luò)技術(shù)，向面向經(jīng)營管理、市場部、大客戶發(fā)展等部門提供業(yè)務(wù)咨詢、業(yè)務(wù)分析、營銷策略的制定等全業(yè)務(wù)、個體化綜合咨詢服務(wù)。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 10 頁數(shù)據(jù)挖掘是爭奪客戶資源的重要手段。通訊行業(yè)間的競爭越來越激烈，客戶的選擇余地就越來越大，對于客戶資源的管理也越來越重要。調(diào)查表明：每年有1/3的左右的客戶流

32、失到競爭對手那里，而爭取、吸引一個新的客戶的費用是保住現(xiàn)有客戶的515倍。除此之外，在技術(shù)不斷的更新發(fā)展的影響之下，通訊業(yè)務(wù)的市場不斷擴大，業(yè)務(wù)的需求量也不斷增長，大大的吸引了新的運營商的加入，激發(fā)了競爭的積極性。面對這么激烈的競爭，企業(yè)必須借助數(shù)據(jù)挖掘的手段，隨時了解掌握客戶的動態(tài)，提高客戶滿意度，在發(fā)展新客戶的同時也能留住老客戶，實現(xiàn)企業(yè)經(jīng)濟效益的不斷增長。3.3Apriori算法在通訊行業(yè)的應(yīng)用3.3.1實例描述前面提到，滿足最小支持度的同時也滿足最小置信度的關(guān)聯(lián)規(guī)則稱為強關(guān)聯(lián)規(guī)則，強關(guān)聯(lián)規(guī)則是我們所希望發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則。表1-1是某通訊公司隨機抽取的500條中低端用戶（年齡：20-45歲

33、；收入：800-2000元；申請?zhí)撞颓傲私馇溃夯ヂ?lián)網(wǎng)）數(shù)據(jù)作為此次模擬實驗數(shù)據(jù)源。數(shù)據(jù)源來自通信中的話費計費數(shù)據(jù)庫，以月話費大于50元，小于等于100元的中低端為例進行挖掘。提取內(nèi)容如下：表1-1 用戶呼叫模式表數(shù)據(jù)工作準(zhǔn)備完成后，就形成了關(guān)聯(lián)分析中的交易集T，T=t1，t2，t3，.，tn，其中每個t代表了一個用戶呼叫模式。表1-2是模擬實驗樣本數(shù)據(jù)集的一個片段，數(shù)據(jù)集有兩列，第一列是主叫號碼，第二列是用戶的呼叫模式。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 11 頁表1-2 模擬實驗樣本數(shù)據(jù)表1-2中的第二列“呼叫模式”字段內(nèi)容，形成交易集T，其中的每個“呼叫模式”記錄組成了交易集T中的一個記錄

34、。然后將交易集T作為數(shù)據(jù)源，運用到Apriori算法中生成頻繁項集。 3.3.2 Apriori算法的應(yīng)用根據(jù)上面的銷售數(shù)據(jù)，我們要運用Apriori算法挖掘出其中的關(guān)聯(lián)規(guī)則。我們假定最小支持度為：min_sup=20%，最小置信度min_conf=65%。具體步驟如下：（1）使用候選項集生成頻繁集利用Apriori算法挖掘關(guān)聯(lián)規(guī)則的過程如下：在算法的第一次迭代，每個項都是候選1-項集的集合C1的選項。簡單掃描整貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 12 頁個數(shù)據(jù)庫，對每個項的出現(xiàn)次數(shù)計數(shù)。在假定min_sup=20%的前提下，掃描整個數(shù)據(jù)庫，可以確定頻繁1-項集的集合L1。它是由最小支持度的候選

35、1-項集組成。為發(fā)現(xiàn)頻繁2-項集的集合L2，算法使用L1 L1產(chǎn)生候選2-項集合C2。 掃描T中事務(wù)數(shù)據(jù)庫，計算C2中每個候選項集的支持計數(shù)。確定頻繁2-項集的集合L2，它具有最小支持度C2中的選項2-項集組成。 候選項集C3的產(chǎn)生詳細(xì)過程如下：A、連接:C3=L2 L2= A,B,A,C,A,E,A,F,B,C,B,D,B,E,B,F, B,G,C,D,C,E A,B,A,C,A,E,A,F,B,C,B,D,B,E,B,F, B,G,C,D,C,E = A,B,C,A,B,E,A,B,F,A,B,D,A,B,G,A,C,E,A,C,F,A,C,D,A,E,F,B,C,D,B,C,E,B,C,

36、F,B,C,G,B,D,E,B,D,F,B,D,G,B,F,G,C,D,E B、使用Apriori性質(zhì)剪枝：頻繁項集的所有子集必須是頻繁的。A,B,C所有的2-項集子集A,B,A,C,B,C都是L2的元素。因此保留在C3中。 A,B,E所有的2-項集子集A,B,A,E,B,E都是L2的元素。因此保留在C3中。 A,B,F所有的2-項集子集A,B,A,F,B,F都是L2的元素。因此保留在C3中。 A,B,D所有的2-項集子集A,B,A,D,B,D不是L2的元素。因此在C3中刪除。 A,B,G所有的2-項集子集A,B,A,G,B,G不是L2的元素。因此在C3中刪除。 A,C,E所有的2-項集子集A

37、,C,A,E,C, E都是L2的元素。因此保留在C3中。 A,C,F所有的2-項集子集A,C,A,F,C,F 不是L2的元素。因此在C3中刪除。 A,C,D所有的2-項集子集A,C,A,D,C,D不是L2的元素。因此在C3中刪除。 A,E,F所有的2-項集子集A,E,A,F,E,F不是L2的元素。因此在C3中刪除。 B,C,D所有的2-項集子集B,C,B,D,C,D都是L2的元素。因此保留在C3中。 B,C,E所有的2-項集子集B,C,B,E,C,E都是L2的元素。因此保留在C3中。 B,C,F所有的2-項集子集B,C,B,F,C,F不是L2的元素。因此在C3中刪除。 B,C,G所有的2-項集

38、子集B,C,B,G,C,G不是L2的元素。因此在C3中刪除。 B,D,E所有的2-項集子集B,E,B,D,D,E不是L2的元素。因此在C3中刪除。 B,D,F所有的2-項集子集B,D,D,F,B,F不是L2的元素。因此在C3中刪除。 B,D,G所有的2-項集子集B,D,D,G,B,G不是L2的元素。因此在C3中刪除。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 13 頁B,F,G所有的2-項集子集B,F,B,G,F,G不是L2的元素。因此在C3中刪除。 C,D,E所有的2-項集子集C,D,C,E,D,E不是L2的元素。因此在C3中刪除。C、剪枝后C3= A,B,C,A,B,E,A,B,F,A,C,E,B,

39、C,D,B,C,E 掃描T中事務(wù)，確定L3，它具有最小支持度C3中的候選3-項集組成。繼續(xù)使用算法L3 L3產(chǎn)生候選4-項集的集合C4。在C4中，共有A,B,C,E,A,B,C,F,A,B,E,F,B,C,D,E 幾個項集，其中A,B,C,F,A,B,E,F ,B,C,D,E這幾個集合的子集不是頻繁的，故被剪去，這樣C4=A,B,C,E，因只剩唯一一個集，但是A,B,C,E的支持度小于最小支持度，也被剪去，但所以算法終止，找出了所有頻繁項集。搜索頻繁項集的過程如圖1-3所示掃描T，對每個用min_sup=20% 候選計數(shù)作為C1 掃描C1 得到L1 由L1產(chǎn)生候選用計數(shù)為 C2 掃描 C2得到

40、L2 貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 14 頁由L2產(chǎn)生候選用min_sup=20% 計數(shù)為 C3 掃描 C3得到L3 圖1-3 （2）由頻繁集產(chǎn)生強規(guī)則最終產(chǎn)生的最大頻繁集為A,B,C,A,B,F和B,C,E。由事務(wù)庫T中的事務(wù)找出頻繁集，可以找出強關(guān)聯(lián)規(guī)則（由min_sup= 20%形成以上頻繁項集之后，同時滿足min_conf=65%產(chǎn)生的規(guī)則集） 根據(jù)公式confidence(AB)=support_count(AB)計算關(guān)聯(lián)規(guī)則置信度如下：support_count(A)confidence(ABC)=support_count(ABC)=36%support_count(A)su

41、pport_count(ABC)=57%support_count(BC)confidence(BCA)=同理，以此類推，可得到所有頻繁項集所產(chǎn)生的關(guān)聯(lián)規(guī)則如下表1-4所示： 表1-4 關(guān)聯(lián)規(guī)則貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 15 頁在此基礎(chǔ)上，由于最小置信度的閾值為60%，則最終輸出的強關(guān)聯(lián)規(guī)則為表1-5所示：表1-5 強關(guān)聯(lián)規(guī)則3.3.3強關(guān)聯(lián)規(guī)則結(jié)果分析從上述關(guān)聯(lián)規(guī)則可以初步得出以下結(jié)論：（1）首先從規(guī)則1、3、4、5可以看出：使用月租30元套餐或者長途50元套餐或者短信10元套餐或者流量10元套餐的用戶，大部分斗會使用市話50的套餐。說明了月租和市話、長途和市話、短信和市話、流量和市

42、話這幾種套餐具有強相關(guān)性。（2）從規(guī)則2可以看出使用流量10元套餐的用戶相當(dāng)一部分都會使用月租30元的套餐。（3）從規(guī)則6可以看出同時在使用月租30元套餐和長途50元套餐的用戶，絕大多數(shù)都會使用市話50元的套餐。（4）從規(guī)則7、8可以看出在月租30元、市話50元、流量10元這幾種套餐貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 16 頁之間有較強的相關(guān)性。同時使用市話50元和流量10元套餐的客戶，使用月租30元套餐的可能性是67%，也就是說可能性比較大。而同時使用月租30元和流量10元套餐的客戶，使用市話50元套餐的可能性也比較大。（5）從規(guī)則9、10可以看出市話50元、長途50元、短信10元這幾種套餐之

43、間具有較強的相關(guān)聯(lián)性。同時使用長途50元和短信10元套餐的客戶，絕大多數(shù)都會使用市話50元，而同時使用市話50元和短信10元套餐的客戶，也有相當(dāng)一部分會使用長途10元的套餐。貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 17 頁4 提高客戶滿意度的策略4.1 基于關(guān)聯(lián)規(guī)則提高客戶滿意度的策略 關(guān)聯(lián)規(guī)則的挖掘發(fā)現(xiàn)產(chǎn)品之間的關(guān)聯(lián)性，利用這種關(guān)聯(lián)性我們可以進一步開拓市場，發(fā)展更多的服務(wù)，讓顧客對我們的產(chǎn)品或服務(wù)更加滿意。在關(guān)聯(lián)規(guī)則發(fā)掘的基礎(chǔ)上，我們可以運用4P營銷理論16在各方面提出提高客戶滿意度的策略。4.1.1 產(chǎn)品策略 通過關(guān)聯(lián)規(guī)則研究，我們發(fā)現(xiàn)產(chǎn)品之間具有關(guān)聯(lián)性，比如上一章規(guī)則6所提出的像同時在使用月租

44、30元套餐和長途50元套餐的用戶，絕大多數(shù)都會使用市話50元的套餐；通過這樣一個規(guī)則，我們可以制定一系列的產(chǎn)品策略。1、捆綁銷售策略。捆綁銷售策略是指將相關(guān)聯(lián)的產(chǎn)品或者服務(wù)進行組合銷售的一種產(chǎn)品銷售策略，通過捆綁一些相關(guān)聯(lián)的產(chǎn)品進行銷售，滿足顧客對不同產(chǎn)品的需要，比如我們可以在銷售月租30元的和長途50元套餐的時候，同時將市話50元套餐業(yè)務(wù)捆綁在一起銷售，這種銷售針對那些既要使用月租和長途也要使用市話的顧客群體。這種策略有利于顧客配套購買，方便使用，也有利于企業(yè)擴大銷售，增加銷售利潤。2、附贈品包裝銷售策略。這一種策略是指在兩個相關(guān)聯(lián)的產(chǎn)品中，選擇其中之一作為另外一個產(chǎn)品的附送贈品進行組合包裝

45、銷售。比如我們可以將為定制市話50元套餐的客戶贈送月租的這種銷售模式，這樣銷售滿足了顧客獲取額外利益的心理，使用產(chǎn)品也覺得方便實惠，進而吸引他們進行購買或重復(fù)購買，擴大企業(yè)銷量，增加利潤。4.1.2 價格策略關(guān)聯(lián)規(guī)則的運用在價格策略這一塊主要涉及的是產(chǎn)品或服務(wù)的組合定價策略。如在上章規(guī)則7、8計算中得出在月租30元、市話50元、流量10元這幾種套餐之間有較強的相關(guān)性：同時使用市話50元和流量10元套餐的客戶，使用月租30元套貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 18 頁餐的可能性是67%，也就是說可能性比較大。而同時使用月租30元和流量10元套餐的客戶，使用市話50元套餐的可能性也比較大。有了這一

46、規(guī)則，對于產(chǎn)品的組合定價就有了更準(zhǔn)確的方向。 產(chǎn)品或服務(wù)的組合定價策略在關(guān)聯(lián)規(guī)則運用中主要是將相關(guān)聯(lián)的產(chǎn)品組合銷售，在價格上實現(xiàn)一定的優(yōu)惠的形式。在對多項產(chǎn)品定價時，需重視產(chǎn)品組合整體的利潤最大化，而不是孤立的考慮單個產(chǎn)品利潤的高低，只要從總體上獲利，有些產(chǎn)品價格甚至可以低于其成本。如上述關(guān)聯(lián)規(guī)則中，可以將流量超過10元套餐作為組合定價策略時候優(yōu)惠套餐，可以制定出同時購買月租30元和市話50元的客戶，免費贈送流量10元套餐等等。4.1.3 促銷策略 促銷策略主要包括了人員推銷策略，廣告促銷策略，在關(guān)聯(lián)規(guī)則基礎(chǔ)上的促銷策略主要是在人員推銷策略和廣告促銷策略中的應(yīng)用較多。在人員推銷策略中，公司可以

47、根據(jù)事先得出的關(guān)聯(lián)規(guī)則結(jié)論確定產(chǎn)品關(guān)聯(lián)性，在推銷過程中，向顧客推薦相關(guān)聯(lián)的產(chǎn)品，這樣不僅使顧客的購買計劃完整進行，而且擴大銷量，增加利潤，對于顧客和企業(yè)來說，都是一種雙贏的選擇。比如在規(guī)則2中向使用流量10元套餐的用戶推薦月租30元的套餐。在廣告促銷策略中，運用產(chǎn)品之間的關(guān)聯(lián)性，設(shè)計廣告標(biāo)語，推出關(guān)聯(lián)產(chǎn)品之間的優(yōu)惠信息，借此吸引目標(biāo)客戶的購買。4.2關(guān)聯(lián)規(guī)則在零售業(yè)中提高客戶滿意度的運用關(guān)聯(lián)規(guī)則在整個零售業(yè)中的運用也是相當(dāng)廣泛的。通過關(guān)聯(lián)規(guī)提高客戶滿意度的策略的提出，在零售業(yè)特別是超市銷售過程中，我們可以根據(jù)產(chǎn)品策略、價格策略以及促銷策略來促進產(chǎn)品銷售，提高銷售量，增加利潤。在超市的銷售過程中，我們可以將有關(guān)聯(lián)的產(chǎn)品進行捆綁銷售、交叉銷售、附贈品銷售等；在制定銷售價格的時候，對相關(guān)聯(lián)的產(chǎn)品或服務(wù)進行組合定價策略等；在促銷活動中，向顧客推薦相關(guān)聯(lián)的產(chǎn)品；對現(xiàn)有的商品，在設(shè)計貨物擺放的時候，將相關(guān)聯(lián)的產(chǎn)品擺放在一起，這樣顧客挑選的時候就會十分方便，更容易的找到所需要的商品；貴州大學(xué)本科畢業(yè)論文（設(shè)計） 第 19 頁在進貨的時候，可以把相關(guān)聯(lián)的產(chǎn)品一致進購，增加貨物種類，也刺激銷量等等。通過這些策略的運用，顧客購買商品的過程不僅變得十分的方便快捷，而且對于所買的產(chǎn)品會十分的滿意，對于某些組合銷售的產(chǎn)