大数据挖掘助力电信运营商终端营销

大数据挖掘助力电信运营商终端营销

一、

引言在移动互联网时代，三大电信运营商均将流量经营作为竞争重点，

力图建立智能管道，以流量与增值服务实现收入的持续增长。同时，电信市场环境呈现“端管云”（即手机终端、通信管道、云计算中心）协同竞争的新模式，终端营销成为运营商必争之地。

虽然三大运营商在策略侧重上有所不同，他们在终端营销上都面临相似的挑战与需求：（1）通信市场趋于饱和：工信部数据显示，2012年全国电话客户总数突破13.9亿户，靠客户高速增长拉动电信收入增长的时代已一去不复返，由于新增客户多来源于竞争对手客户，将终端销售与高价值客户的维系与拓展结合刻不容缓。（2）管道化风险：微信等互联网异质业务的竞争对传统电信业务的分流和替代不断加剧，

运营商需明确“卖手机是为了卖业务与流量”的观念，推进终端、业务、套餐的融合营销。（3）对质量与效益的追求：以补贴驱动的销售模式难以适应市场拓展需要，同时渠道存在的拆包套机、虚假销售等问题，以及运营商对定向捆绑、实时营销等方面的需求，都对终端营销质量与效益的管控提出了更高的要求。

因此，运营商在终端营销中迫切需要强化商业智能应用，而面对海量的客户数据和指数级增长的移动互联网行为数据，大数据挖掘技术的引入和应用则成为将终端营销精细化管理落到实处的重要抓手。

二、运营商终端营销精细化管理的典型需求2.1

需求预测

运营商利用话务、服务等客户接触点收集客户消费与通信特征，并通过群体特征的归纳与分析，了解客户对手机终端的需求与评价标准，

制定营销与客户覆盖策略。在存量客户中识别出潜在换机倾向高、流量价值高的目标客户群优先进行营销推荐，

也有重要的意义。2.2

融合营销

为了促进流量的量收提升，运营商不仅着眼终端销

售，更应着眼与终端配套的业务和套餐关联销售。运营商可以把握客户换机时机，

精确推荐适配的自有业务、第三方合作业务和流量套餐，改善客户手机上网和数据业务使用的体验，提升业务的客户规模和服务感知。

2.3换机监控

为跟踪客户的终端使用行为及换机前后的消费和行为变化，需要建立IMEI 与号码的对应关系以及IMEI 对应终端型号和终端属性的数据库。运营商还需要评估已销售终端的价值及健康度以防范经营风险，并对已换机用户的来源、活跃度和消费异动进行跟踪分析以提高营销效益。

2.4渠道协同

运营商具有成熟的线上电子商务平台和覆盖较广的营业厅渠道，

通过建立与运营“O2O ”模式（Online to Of-fline ，即在线支付，线下服务），可以发挥电子渠道客户接触量大和实体渠道网点分布面广的优势，实现线上线下库存及物流的协同，提高运营效率，这离不开目标客户分群、需求与订单成功率预测、渠道偏好分析等大数据分析方法的使用。

2.4实时营销

基于网络信令与流量话单的实时捕获与动态分析，快速提炼出客户的位置特征或行为偏好，将有助于在第一时间向客户推荐终端、业务、套餐等合适的组合，提升营销成功率。

三、终端营销大数据挖掘及应用手段3.1终端营销大数据处理

按麦肯锡全球数据分析研究所的定义，“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集”

，当前运营商所面对的呈爆炸式增长的海量客户及移动互联网行为数据正是典型的大数据，需要对其进行有效的筛选和提炼，才能利用有限的软硬件资源支撑终端营销等战略业务应用。

终端营销应用涉及的大数据主要包括三类：一是BSS

新观察

ew Observation

N

43

参考文献

[1]Bill Franks.Taming the Big Data Tidal Wave[M].Wiley Publishing ，Inc.，2012

[2]Louis W.Stern ，Adel I.Ansary ，Anne T.Coughlan.Marketing channels[M].Prentice Hall ，1996[3]林有宏，黄宇芳.电信行业精确营销方法与案例[M].北京：人民邮电出版社，2007

域数据，包括计费系统数据（计费清单等）以及业务支撑系统数据（业务办理日志、用户订购关系等）；二是CS 域和PS 域信令，包括网络信令监测系统采集的用户呼叫、

短信、切换、寻呼等业务数据，用户运动轨迹等位置信息，以及用户互联网日志；三是其他平台的终端相关数据，例如DM （设备管理）平台数据。

上述海量数据接入数据分析平台后，可采用云计算技术（例如HADOOP ）实现大数据的高效低成本ETL （数据提取、转换和加载）处理，即对大数据尤其是其中的互联网非结构化数据进行库外汇总计算，再入库建模后支撑终端客户规模分析、终端网络性能分析、终端客户行为分析等上层应用。相比传统方案，云ETL 平台技术成本较低，使运营商在移动互联网时代的大数据存储与处理成为可能，是支撑上层大数据挖掘应用的基础。

3.2终端营销大数据挖掘应用

大数据挖掘技术在终端营销中的分析与使用，契合了电信运营商战略转型的方向，支撑终端营销服务向“大数据分析、客户超细分、

精确微营销”的转型。大数据分析：汇聚话单、信令、业务平台等各类数据，通过大数据解析处理，还原客户使用场景，建立客户终端、业务需求全景视图，

实现深度客户洞察。客户超细分：基于大数据处理，构建起更为多元化和精细化的客户上网行为分类标签及终端库，建立以个体为粒度的超细分客户洞察体系，以辅助精准营销实践的深入开展。

精确微营销：细化营销的颗粒度，基于对客户需求的精准把握，开展个性化的、精准的、场景化的细微营销，包括了基于超级细分的个体营销，基于关键时刻的实时营销、基于客户潜在需求的融合营销等。

基于大数据挖掘的终端营销具体应用手段举例如下：

（1）建立客户上网行为分类标签：

通过从Gn 口采集用户上网行为话单，经过网址解析库解析可得到用户访问的URL 分类；对内容型业务页面利用网络爬虫爬取页面内容，可得到比URL 分类更为详细的数据（例如书籍书名、分类、作者等信息）。基于网址解析信息，可挖掘出归属于该用户的上网行为标签，支持精确营销。

（2）数据挖掘模型：客户潜在换机需求：

建模思路：通过对比分析现用3G 终端用户与非3G 终端用户的特征差异，寻找规则识别潜在3G 终端用户。

模型算法：通过测量对比3G 终端用户与非3G 终端用户的属性特征，最终发现对用户选择3G 终端有影响的变量，包括：客户通信行为、客户消费特征、客户换机行为、客户交往圈特征、客户数据业务特征等。使用决策树

算法进行建模，对客户进行打分，输出具有潜在换机需求的客户名单。

（3）数据挖掘模型：

客户终端偏好识别：建模思路：根据终端特征与用户特征，进行关联分析，最终输出涵盖品牌、网络、价格、操作系统、屏幕等偏好的客户终端偏好标签。

模型算法：进行终端属性分类，并提炼客户购机重点关注的终端特征，

包括：品牌、价格、操作系统等。运用关联分析算法，结合用户特征进行建模与打分，输出客户终端偏好标签

（例如价格段偏好）。（4）数据挖掘模型：终端与流量套餐组合适配：建模思路：通过分析客户流量套餐订购和使用特征，挖掘影响用户订购流量包的费用、用量、数据业务粘合度等方面的因素，为用户推荐最合适的流量包套餐。

模型算法：资费方面，根据客户最近的流量情况，计算客户如果使用这一套餐所产生的费用，费用越小，客户更倾向于选择该套餐。流量方面，评估客户与套餐之间的匹配度，即评估客户流量与流量套餐之间的“距离”，“距离”小，则客户与套餐匹配度高。

（5）数据挖掘模型：

互联网应用偏好模型：建模思路：跟踪客户互联网访问内容类型及对应的互

联网应用，结合互联网应用的支持度和可信度，给出关联互联网应用的推荐方案。

模型算法：依据手机上网用户使用互联网使用日志、结合DPI 解析互联网应用使用情况，利用URL 内容解析规则，得出用户在各类内容的使用标签，建立内容分类与互联网应用的对应关系，最终形成用户—互联网应用的适配关系，用于定制终端业务预装和在用户换机时点的高效应用推荐。

（6）实时事件营销：

基于客户行为和特征的挖掘，OSS 域与BSS 域联动设

置营销触发规则，实现对目标客户的自动实时捕获，在最佳营销时机接触客户，开展精确的终端、套餐、业务融合营销和服务。

事件营销业务逻辑架构包括数据层、捕获层、过滤层和接触层，在清单和信令等数据中根据事件规则捕获目标号码，对目标客户名单进行频次过滤、红黑名单过滤和容量控制，并将目标号码名单匹配特定的营销内容后，推送到短信等营销渠道。

大数据挖掘在电信运营商终端营销等领域的应用方兴未艾，并正渗透至改善产品用户体验，提升用户满意度以及支撑市场精细化运营和营销决策等多个领域，上述在终端营销领域引入大数据技术构建的云存储及挖掘平台、客户偏好细分与“终端-套餐-业务”关联适配模型、实时事件营销机制等均有着广泛的应用前景。

新观察

ew Observation

N

44

大数据挖掘助力电信运营商终端营销

作者：邓逸斌， 朱克隽

作者单位：邓逸斌(中国移动广东公司)， 朱克隽(广州诚毅科技公司)刊名：

中国新通信

英文刊名：China New Telecommunications

年，卷(期)：2013(23)

参考文献(3条)

1.Bill Franks Taming the Big Data Tidal Wave 2012

2.Louis W.Stern;Adel I.Ansary;Anne T.Coughlan Marketing channels 1996

3.林有宏;黄宇芳电信行业精确营销方法与案例 2007

本文链接：https://www.wendangku.net/doc/4414150205.html,/Periodical_zgsjtx201323033.aspx

【精准营销】数据库营销的核心是数据挖掘

【精准营销】数据库营销的核心是数据挖掘 2014-12-15路德维希上海市直邮行业协会 数据库营销，就是利用企业经营过程中收集、形成的各种顾客资料和积累消费者的大量信息，经分析整理后作为制订营销策略的依据，预测消费者有多大可能去购买某种产品，以及利用这些信息给产品以精确定位，有针对性地制作营销信息，以达到消费者去购买产品的目的,并作为保持现有顾客资源的重要手段和进行顾客深度挖掘与关系的营销方式。路德认为，数据库营销就是以与顾客建立一对一的互动沟通关系为目标，并依赖庞大的顾客信息库进行长期促销活动的一种全新的销售手段。其内容涵盖现有顾客和潜在顾客，可以随时动态更新。 数据库营销的核心是数据挖掘。 数据库营销具有以下几个阶段： 一、数据收集：这是开展数据库营销的基础所在，后期的各项工作必须建立在有大量的，可利用的数据的基础上。数据库营销，名单为王。准确地说，就是针对性强，而准确性高。名单不好，技巧再强也没用。而名单很好，技巧再不专业也能出不错的业绩。关键就是名单是否是通过一些专门的步骤把有意向的目标客户给找了出来。 二、数据整理：通过以上五种途径收集到的大量无序数据，这必将使我们迷失方向，如何将大量无序数据变为有利用价值的信息呢?只有系统化专业化的数据管理、处理以及和相关信息的整合，才能将数据转变成有价值的知识，并最终将知识灵活性，多元化地应用于生产和革新。 三、数据挖掘：数据挖掘是数据库营销的攻坚阶段，通过各种方式将我们清洗出的目标客户通过多种方式进行跟进，第一时间挖掘出意向客户。我们不能片面的去相信前期这些收集来的数据，挖掘数字背后的数字才是我们最终的目的所在。 数据库营销的基本作用 数据库营销在企业营销战略中的基本作用表现在下列方面： 更加充分地了解顾客的需要。 为顾客提供更好的服务。顾客数据库中的资料是个性化营销和顾客关系管理的重要基础。 对顾客的价值进行评估。通过区分高价值顾客和一般顾客，对各类顾客采取相应的营销策略。 了解顾客的价值。利用数据库的资料，可以计算顾客生命周期的价值，以及顾客的价值周期。 分析顾客需求行为。根据顾客的历史资料不仅可以预测需求趋势，还可以评估需求倾向的改变。 市场调查和预测。数据库为市场调查提供了丰富的资料，根据顾客的资料可以分析潜在的目标市场。

电信运营商的渠道一体化运营思路

电信运营商的渠道一体化运营思路 一、电信运营商渠道演进 1.1运营商渠道演进进入以客户为中心的“渠道一体化运营”时代 图1：中国移动渠道演进历程的四个阶段 信息技术的发展冲击了传统以实体渠道和呼叫中心为核心的渠道体系。在全球信息技术、网络技术不断发展和广泛应用的推动下，客户使用信息手段方面越来越娴熟，电子商务渠道已成为电信运营商与客户之间进行各项信息沟通和交易的重要形式，并与客户的生活联系越来越密切。这种大趋势对电信运营商的服务营销经营理念和营销方式构成了强大冲击，以传统互联网、移动互联网、短信、电子自助终端等电子渠道为基础的新兴服务营销渠道，在一定程度上改变和完善了传统的以实体渠道和呼叫中心为核心的渠道体系，逐步成为电信运营商服务营销渠道的发展趋势。 电信运营商进入渠道一体化运营时代，围绕客户为中心的营销体系日渐完善。电信运营商正迎来一体化渠道的创新时代，这种创新以电子

渠道的创新表象体现，各种低成本电子渠道创新形态的出现，是低成本，却不意味着低价值，相反会带来运营商更高的客户价值占有。新兴电子渠道作为一股用户可以在任何时间、任何地点用合适的方式都能够触及到的、无处不在的行销力量，正在潜移默化中促成电信运营商围绕客户为中心的营销体系的日臻完善。 对今天的电信运营商来说，渠道服务已经不再是一项运营成本，而成为了最为重要的竞争优势所在。要充分利用好这项战略资产，移动通信运营商就必须重新思考渠道界面、渠道界面里隐含无缝运转和由此而激发出运营商所能掌控的一股全新整合的行销力量。 因此，移动通信运营商在今后很长的一段时期内的服务营销工作中“一体化渠道创新”会是重要的主题，而从一体化渠道发展的里程来看，目前展现出来的电子渠道应用的“繁荣胜景”也只是“渠道一体化”之路的起点。 1.2运营商渠道运作现状 目前电信运营商的混合渠道体系根据渠道归属权、渠道形式等特点可分为自营实体渠道、社会实体渠道、电子渠道以及客户经理直销渠道四大类，他们在业务承载能力、服务能力和服务对象上都有自己的特点，同时渠道之间存在互补、增强、替代的逻辑关系，组成了一个复杂的混合渠道系统。当前电信运营商在渠道一体化运营上面临很多问题，诸如渠道冲突严重、渠道效率低下、客户在不同渠道体会到的服务差异大等，追究问题背后的原因，可以归纳为两个方面，一是渠道专业化不足的问题，二是渠道间协同匮乏的问题。 （1）渠道专业化不足的问题 随着运营商渠道建设的深入，运营商的渠道体系变得越来越复杂，造成不同渠道的渠道行为与渠道特征不相符，渠道之间恶性竞争，各渠道应有的比较优势得不到有效发挥。 （2）渠道间协同匮乏的问题 运营商渠道体系的复杂化同时也带来渠道间协同的问题，渠道之间协同才能够使渠道系统的整体效率得到提升，但目前在电信运营商中普遍纯在渠道缺少统一规划的问题，渠道仍然是分散建设、独立运营；渠

桂电《商务智能与数据挖掘》简答题答案

《商务智能与数据挖掘》简答题部分答案 --《商务智能与方法应用》（刘红岩编著) P9 ●1、什么是商务智能？ 答： 商务智能指用现代数据仓库技术、联机分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。 ●4、商务智能系统的主要组成要素有哪些？ 答： 一个商务智能系统通常包含6个主要组成部分：数据源、数据仓库、在线分析处理、数据探查、数据挖掘以及业务绩效管理。 P15 ●2、商务智能系统成功的关键因素有哪些？ 答： 商务智能系统成功的关键因素主要有5个：业务驱动、高层支持、业务人员和IT人员的合作、循序渐进、培训。 ●4、OLTP和OLAP分别代表什么?比较二者之间的不同之处。 答： 在线事务处理(OLTP),是数据库管理系统的主要功能，用于完成企业内部各个部门的日常业务操作。 在线分析处理（OLAP）是数据库系统的主要应用，提供数据的多维分析以支持决策过程。 OLTP和OLAP二者的不同之处有：面向的用户；功能的作用；数据库中存储的数据；数据库设计（包括数据库的数据处理方式、使用方式、执行单元、性能指标、事务特性）。 P103 ●3、构建数据仓库系统的主要阶段？ 答：

数据库项目的开发可以分为6个阶段：项目规划、需求分析、概念设计、ETL 设计、逻辑和物理设计、实现与培训。 1.项目规划阶段主要目的是了解总体需求，界定项目实施的范围，评估项目的必要行和可行性，撰写数据仓库项目的规划文档。 2.需求分析阶段，可进一步详细了解需求，确定分析主题以及相关的维度和度量，了解已有信息系统的功能、结构和模型，确定数据仓库中应该包含的数据，以及相关的数据来源，撰写需求分析说明书。 3.概念设计阶段，可利用概念模型描述数据仓库包含的主要及其关系。 4.ETL设计阶段，包括数据抽取、转换和加载设计三部分。 5.逻辑和物理设计阶段，用于设计数据仓库的逻辑模型和物理模型。 6.实现与培训阶段，包括数据仓库系统的实现和用户使用的培训。 ●4、简要说明数据仓库和数据集市的区别和联系。 答： （1)区别： 1.应用范围上，数据仓库一般为企业级；数据集市一般为部门级。 2.存储内容上，数据仓库包含企业经营过程中所有详细数据；数据集市一般 只包含特定范围的详细数据和适度聚合的数据。 3.优化上，数据仓库侧重于处理和探索海量数据，数据集市则侧重于快速的 访问和分析。 (2)联系：数据集市是数据仓库的一种特殊形式，一般情况下数据集市从属于某个数据仓库，但二者又均以资料导向型设计、不属于任何一个OLTP系统 P110 ●1、OLAP有哪些特点？

数据挖掘在销售预测中的应用(初稿)

数据挖掘在销售预测中的应用 易飞 南京信息工程大学职业技术学院，南京 210044 摘要：销售量的预测对于生产和销售部门是极其重要的，面对销售部门日益增长的海量数据，给出一个完整的数据挖掘过程，包括数据选择，数据准备、数据调整、挖掘算法的实现等，通过销售预测，企业可以制定科学合理的原材料一采购计划、生产计划、人员配备计划、库存计划以及营销计划。因此，销售预测决策支持系统对企业的经营决策具有重要的研究意义。 关键字：数据挖掘,销售预测,神经网络 Application of Data Mining in Sales Management Abstract：Face to big number data which increase day after day of sales department, this paper presents an integrated data mining precession. It includes selection of data, preparation of data regulation of data, implementation of mining algorithms and so on. To the result of sale forecasting, enterprises can rational materials procurement plan, production schedule, staffing plan. Just make Stock planand marketing plan. So sale forecasting DSS used for supporting sale decision and other decisi are important for the development of enterprises. Key words:Data Mining; Sales Forecasting; Neural Network - 0 -

【销售话术】电信运营商营销话术

优质话述 《终端营销》项目 ：吸引客户的开场 关注到您是我们在网*年的老客户，为回馈您多年的支持，我们邀请您参加中国移动手机节活动，买手机返话费，12款低价手机更可以0元获得，活动期间在线订购还可免费包邮，这么优惠的活动给您介绍了解一下吧。 话述点评：话述以老客户作为开端，简单介绍了优惠力度及购货方式，简单清晰较具吸引力。 ：觉得合约机麻烦，怕手机有质量问题。 移动的合约机都是享受国家三包政策的正品手机，质量有保障，而且现在有返费优惠，像您每月大概都要消费40、50话费，即便您不参与本次活动，您平时可能也会按月来交费用，莫不如参与这次活动，即可以给您按月返费又相当于您免费获得一部手机，而且这个签约方式很灵活，像您也可以选择签约6个月，签约时间也不是很长。 话述点评：异议处理有针对性，从优惠方面吸引客户办理。 ：针对年轻人的卖点 听您的声音比较年轻，您平时肯定也经常使用手机上网，那您对手机的上网速度、手机配置方面肯定也有一定的要求，如果拥有一部支持移动3G/4G高速上网的手机，肯定会为您的生活带来更多的便利，那我们本次给您推荐的*款手机，它是大屏手机无论是观看视频、玩游戏都会为您带来更舒服、更轻松的视觉体验，同时它支持主流安卓4.2系统，上网速度更快，性能更卓越，我们帮您在线预定一下好吗？ 话述点评：切入点较好，贴近年轻人对手机的关注点，更易于引起年轻人群的兴趣。 家里有好几个手机呢

您看您家里有好几部手机，这说明您也是一位生活质量极高的人，追求的是精益求精，那么您就更需要一部当前领先潮流的4G手机了，因为现在已是4G时代，如果说2G上网相当于您步行，那么3G上网就好比您骑自行车，4G上网就如同您乘飞机的速度了，所以您现在完全可以先他人一步去体验4G手机带给您的速度了。 话述点评：抓住客户情景为切入点，适当赞美客户；将客户感受过的网络速度做形象比较，凸显4G网络的优势，同时迎合消费者追逐时尚的心理。 《GPRS流量套餐营销》项目 之前产生流量都是孩子弄的 其实咱们自己平时也可以用手机来上网呀，用手机上网挺方便的，因为咱在家里虽然有电脑，但不可能24小时坐在电脑跟前，对您的健康也不好，您要是有时候出去、上班、闲下来的时候用手机上上网，或者晚上睡觉前躺在床上用手机上上网，那样的感觉比您在电脑跟前坐着要舒服多了对吧，缓解您的疲劳，而且也能给您带来一份快乐，对吧，咱这5元钱按日计，一天才合1毛6分钱，收费也不多的。 话述点评：将手机与电脑上网进行对比，提出手机上网的优势，并且话术运用较好，既能够突出手机上网的益处，同时也能让客户感受到服务的贴心和温暖，有利于营造温馨的沟通氛围。 10M） 因为流量它不像打电话，有分钟有秒或者象发短信有条数，比较好算。上网时刷新比较频繁一些，或者图片比较大，网页内容比较多，流量费相对就高了，这个不是很好掌握的。所以说，您看咱们现在不太上网就已经产生20多M的流量了，您还不如升级为10元包月，还能多使用一些流量。 话述点评：将手机上网产生的流量与打电话的分钟数及短信条数进行对比，说明了上网操作时流量“不好掌握”，说服力较强。 二、优质案例

数据挖掘及商务智能总结

第一章绪论 什么是数据挖掘，什么是商业智能 从大型数据库中提取有趣的（非平凡的、蕴涵的、先前未知的且是潜在有用的）信息或模式。 商业智能是要在必须的时间段内，把正确有用的信息传递给适当的决策者，以便为有效决策提供信息支持。 分类算法的评价标准 召回率recall =系统检索到的相关文件数/相关文件总数 准确率precision（查准率）= 系统检索到的相关文件数/系统返回的文件总数第二章数据仓库 什么是数据仓库 是运用新信息科技所提供的大量数据存储、分析能力，将以往无法深入整理分析的客户数据建立成为一个强大的顾客关系管理系统，以协助企业制定精准的运营决策。 数据仓库的基本特征 1面向主题2整合性 3长期性 4稳定性 第三章数据挖掘简介 数据挖掘的一般功能 1分类2估计3 预测4关联分类5聚类 数据挖掘的完整步骤 1理解数据与数据所代表的含义 2获取相关知识与技术 3整合与检查数据 4取出错误或不一致的数据 5建模与假设 6数据挖掘运行 7测试与验证所挖掘的数据 8解释与使用数据 数据挖掘建模的标准 CRISP-CM 跨行业数据挖掘的标准化过程 第四章数据挖掘中的主要方法 基于SQL Server 2005 SSAS的十种数据挖掘算法是什么 1.决策树 2.聚类 3.Bayes分类 4.有序规则 5. 关联规则 6.神经网络 7.线性回归 8. Logistic回归 9. 时间序列10. 文本挖掘 第五章数据挖掘与相关领域的关系 数据挖掘与机器学习、统计分析之间的区别与联系（再看看书整理下） 32页 处理大量实际数据更具优势，并且使用数据挖掘工具无需具备专业的统计学背景。 数据分析的需求和趋势已经被许多大型数据库所实现，并且可以进行企业级别的数据挖掘应用。 相对于重视理论和方法的统计学而言，数据挖掘更强调应用，毕竟数据挖掘目的

2019年中国电信市场营销策略分析

2019年中国电信市场营销策略分析 1引言 随着中国加入WTO，电信市场逐步开放，电信企业已经告别了垄 断经营、高额利润的时代，中国电信企业不仅要和国际电信企业竞争而且要和中国的电信企业进行竞争。目前，移动、电信、网通、联通、铁通等5家电信运营商展开了激烈的市场竞争。电信市场的开放程度越高，电信企业的竞争越激烈，而此时市场细分就显得尤为重要，这也是现代企业在激烈的竞争中立足的主要方式，在市场细分的基础上进一步进行客户细分，针对不同的客户实行不同的营销策略。在激烈的竞争中，根据电信企业市场的特征，提出了全员营销、组合营销、体验式营销、拓宽范围及实行差别化经营的策略。 2电信市场营销的市场细分和客户细分 作为一个电信企业首先要确定电信企业产品的目标市场，而在激 烈的竞争中就必须进行市场细分和客户细分，并进行必要的市场调查。 2.1进行市场细分和目标定位 电信服务发热对象是有信息需求的广大用户。随着电信服务渗透 率的不断提高电信运营商服务的对象不断扩大，争夺电信用户的竞争

也越来越激烈。但是，不是所有的用户对电信的需求是相同的，因此一个电信运营商不可能为所有的用户提供相同的服务。为了有效地进行竞争，电信运营商需要确定最能为之服务并能取得可观利润的四场细分，开展卓有成效的营销活动，在竞争中立于不败之地。 根据中国电信市场的情况，电信市场细分可以从不同的角度划分。可以根据实施的难易程度，按地域、用户属性、用户使用电信的消费额、用户身份、用户使用的电信业务种类、用户的电信消费行为等，进行从易到难的市场细分工作。也可以按照地域，把电信用户细分为大中城市用户、中小城镇用户和镇乡用户；可以按照电信消费额度把电信用户细分为高端用户、中等用户和低端用户；也可以根据用户特征把电信市场细分为集团用户、商业用户、公众用户3个细分市场。 市场细分的关键目标是确定并描述具有相同性质的用户群体和他们的电信消费需求特征。市场细分可以揭示在一个大的、随即需求变动的市场中包含许多小的、可预见的和可对付的市场机会。只有在对市场竞争情况及用户需求进行调查分析，对电信市场进行细分的基础上，才能针对不同的电信业务定位相应的目标市场。在此基础上，电信运营商应针对不同的细分市场，投入与之相对应的资源，才能最大程度上实现企业的目标。 2.2进行客户细分

数据挖掘在市场营销中大展身手

数据挖掘在市场营销中大展身手 随着数据量的急剧增长，现在的用户很难再像从前那样，自己根据数据的分布找出规律，并根据此规律进行分析决策。因此必须借助于相应的数据挖掘工具，自动发现数据中隐藏的规律或模式，为决策提供支持。数据挖掘技术主要用于从大量的数据中发现隐藏于其后的规律或数据间的关系。 作为一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的市场细分原理为基础，其基本假定是"消费者过去的行为是其今后消费倾向的最好说明"。 通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更多的利润。 挖掘何种信息 商业消费信息来自市场中的各种渠道。例如，每当我们用信用卡消费时，商业企业就可以在信用卡结算过程收集商业消费信息，记录下我们进行消费的时间、地点、感兴趣的商品或服务、愿意接收的价格水平和支付能力等数据；当我们在申办信用卡、办理汽车驾驶执照、填写商品保修单等其他需要填写表格的场合时，我们的个人信息就存入了相应的业务数据库；企业除了自行收集相关业务信息之外，甚至可以从其他公司或机构购买此类信息为自己所用。 这些来自各种渠道的数据信息被组合，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，从中得到商家用于向特定消费群体或个体进行定向营销的决策信息。这种数据信息是如何应用的呢？举一个简单的例子，当银行通过对业务数据进行挖掘后，发现一个银行账户持有者突然要求申请双人联合账户时，并且确认该消费者是第一次申请联合账户，银行会推断该用户可能要结婚了，它就会向该用户定向推销用于购买房屋、支付子女学费等长期投资业务，银行甚至可能将该信息卖给专营婚庆商品和服务的公司。数据挖掘构筑竞争优势。 在市场经济比较发达的国家和地区，许多公司都开始在原有信息系统的基础上通过数据挖掘对业务信息进行深加工，以构筑自己的竞争优势，扩大自己的营业额。美国运通公司(American Express)有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了"关联结算(Relationship Billing)优惠"的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。再如，居住在伦敦的持卡消费者如果最近刚刚乘英国航空公司的航班去过巴黎，那么他可能会得到一个周末前往纽约的机票打折优惠卡。

营销管理六大电信运营商发展思路

六大电信运营商2003年发展思路 编者按：在3月21日信息产业部主办的“2003年中国电信业发展与政策通报会”上，国内六大基础电信运营商中国电信、中国网通、中国移动、中国联通、中国卫通、铁通公司的领导分别回顾了去年的发展业绩，并重点介绍了2003年的发展思路、发展目标和发展举措，现摘要刊发，以飨读者。 中国电信集团公司：与时俱进开拓创新 2002年，中国电信保持了持续、稳定、健康的发展。实现通信主营业务收入1303亿元，较上年增长％；税前利润达到亿元，增长80％。新增固定电话用户2211万户，增长20％，累计达到亿户；新增宽带用户185万户，增长264％，达到254万户；宽带和窄带用户累计达到2874万户。全年固定资产投资完成613亿元。新增局用交换机及接入网设备容量1821万门，总容量达到亿门。新增长途交换机容量41万路端，达到445万路端。新增光缆万皮长公里，增长10％，累计光缆总长万皮长公里。新增宽带业务端口万个，累计达到万个。2002年11月，成功实现海外上市。用户满意度指数提高了个百分点。五项机制创新整体推进，五项集中管理成效显着，积极探索“以市场为导向、以客户为中心、以效益为目标”的新型企业运营模式和流程重组。 2003年工作思路：以邓小平理论和“三个代表”重要思想为指导，全面贯彻落实党的十六大和中央经济工作会议精神，坚持以发展为主线，以深化改革为动力，以强化管理为基础，以改善服务为保障，以队伍建设为支撑，认真实践以市场为导向、以客户为中心、以效益为目标的企业运作模式，深入推进管理创新、机制创新和技术业务创新，确保业务收入持续稳定增长，管理层次逐步提升，服务面貌持续改善，队伍素质不断提高，核心竞争能力稳步增强，把企业做大、做优、做强。

电信运营商的渠道一体化运营思路

电信运营商得渠道一体化运营思路 一、电信运营商渠道演进 1、1运营商渠道演进进入以客户为中心得“渠道一体化运营”时代 图1:中 国移动渠道演进历程得四个阶段 信息技术得发展冲击了传统以实体渠道与呼叫中心为核心得渠道体系。在全球信息技术、网络技术不断发展与广泛应用得推动下,客户使用信息手段方面越来越娴熟,电子商务渠道已成为电信运营商与客户之间进行各项信息沟通与交易得重要形式,并与客户得生活联系越来越密切。这种大趋势对电信运营商得服务营销经营理念与营销方式构成了强大冲击,以传统互联网、移动互联网、短信、电子自助终端等电子渠道为基础得新兴服务营销渠道,在一定程度上改变与完善了传统得以实体渠道与呼叫中心为核心得渠道体系,逐步成为电信运营商服务营销渠道得发展趋势。 电信运营商进入渠道一体化运营时代,围绕客户为中心得营销体系日渐完善。电信运营商正迎来一体化渠道得创新时代,这种创新以电子渠道得创新表象体现,各种低成本电子渠 道创新形态得出现,就是低成本,却不意味着低价值,相反会带来运营商更高得客户价值占有。新兴电子渠道作为一股用户可以在任何时间、任何地点用合适得方式都能够触及到得、无处不在得行销力量,正在潜移默化中促成电信运营商围绕客户为中心得营销体系得日臻完善。 对今天得电信运营商来说,渠道服务已经不再就是一项运营成本,而成为了最为重要得 竞争优势所在。要充分利用好这项战略资产,移动通信运营商就必须重新思考渠道界面、渠道界面里隐含无缝运转与由此而激发出运营商所能掌控得一股全新整合得行销力量。

因此,移动通信运营商在今后很长得一段时期内得服务营销工作中“一体化渠道创新”会就是重要得主题,而从一体化渠道发展得里程来瞧,目前展现出来得电子渠道应用得“繁荣胜景”也只就是“渠道一体化”之路得起点。 1、2运营商渠道运作现状 目前电信运营商得混合渠道体系根据渠道归属权、渠道形式等特点可分为自营实体渠道、社会实体渠道、电子渠道以及客户经理直销渠道四大类,她们在业务承载能力、服务能力与服务对象上都有自己得特点,同时渠道之间存在互补、增强、替代得逻辑关系,组成了一个复杂得混合渠道系统。当前电信运营商在渠道一体化运营上面临很多问题,诸如渠道冲突严重、渠道效率低下、客户在不同渠道体会到得服务差异大等,追究问题背后得原因,可以归纳为两个方面,一就是渠道专业化不足得问题,二就是渠道间协同匮乏得问题。 (1)渠道专业化不足得问题 随着运营商渠道建设得深入,运营商得渠道体系变得越来越复杂,造成不同渠道得渠道行为与渠道特征不相符,渠道之间恶性竞争,各渠道应有得比较优势得不到有效发挥。 (2)渠道间协同匮乏得问题 运营商渠道体系得复杂化同时也带来渠道间协同得问题,渠道之间协同才能够使渠道系统得整体效率得到提升,但目前在电信运营商中普遍纯在渠道缺少统一规划得问题,渠道仍然就是分散建设、独立运营;渠道间缺少信息共享,客户得接触历史、渠道偏好信息没有得到有效应用,客户在不同渠道之间体验到得服务千差万别;渠道间缺少联系,各自为战,没有充分发挥渠道协同效力,导致渠道得效能降低。渠道间业务量不均衡,渠道服务成本与客户价值不匹配,没有根据渠道得特点进行充分得引导分流。解决这些问题需要进行渠道匹配设计,建立渠道信息共享机制,在渠道间进行合理得分流、配合。 二、电信运营商“渠道一体化运营”思路 渠道管理就是通过渠道控制与关系管理共同作用得,渠道一体化运营通过渠道专业化与渠道协同两个方面解决混合渠道体系得渠道管理问题(如图2),渠道控制主要体现在对单个渠道得专业化管理上,混合渠道体系得协同机制也需要通过渠道关系管理来实现。

大数据时代营销中的数据挖掘技术

龙源期刊网 https://www.wendangku.net/doc/4414150205.html, 大数据时代营销中的数据挖掘技术 作者：宋志秋 来源：《数字技术与应用》2015年第03期 摘要：大数据与每个人的生活息息相关，实实在在且触手可及，大数据催生出无数新的服务和商业模式。数据挖掘是一个萃取和展现新知识的流程，在市场营销中采用数据挖掘是营销发展到现阶段的必然要求。本文介绍大数据的含义及数据挖掘的知识，将二者相关联，讨论了大数据时代数据挖掘技术在营销中的应用，引导我们从大数据时代的思维变革到商业变革的思路。 关键词：大数据数据挖掘营销 中图分类号：F49 文献标识码：A 文章编号：1007-9416（2015）030-0209-01 近几年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时 代产生的海量数据，并命名与之相关的技术发展与创新。2012 年3 月，奥巴马公布了美国 《大数据研究和发展计划》，标志着大数据已经成为国家战略，上升为国家意志。从硅谷到北京，大数据的话题传播迅速。 1 大数据时代 随着计算机技术全面融入社会生活，经过半个多世纪的发展，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。最先经历信息爆炸的学科，如天文学和基因学，创造出了“大数据”这个概念。 1.1 大数据时代产生的背景 最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”大规模生产、分享和应用海量数据的时代之所以能够开启，源于信息科技的进步、互联网与云计算技术和物联网的发展。 （1）信息科技的进步。信息处理、信息存储和信息传递是信息科技的三个主要支撑，存储设备性价比不断提升、网络带宽的持续增加，为大数据的存储和传播提供了物质基础。 （2）互联网与云计算技术。互联网时代，电子商务、社交网络和移动通信产生了大量结构化和非结构化的数据，以云计算为基础的信息存储、分享和挖掘手段，可以便宜、有效地将这些大量、高速、多变化的终端数据存储下来，并随时进行分析与计算。互联网领域的公司最早重视数据资产的价值，他们从大数据中淘金，并且引领着大数据的发展趋势。

“摆地摊”：电信运营商的营销方式之一

“摆地摊”： 电信运营商的营销方式之一 摘自《资治通信》—运营市场观察 xxxx霞光资讯工作室 一、话题的引出................................................................................................................ 二、产品不同，营销方式差别很大................................................................................... 三、市场效果是检验营销手段的主要标准........................................................................ 四、解决现场活动的员工的考核办法............................................................................... 五、课堂理论思维与电信营销实战................................................................................... 六、结语........................................................................................................................... 1话题的引出 有人觉得，运营商在大街上，菜市场，车站，超市门口等人流量大的地方摆地摊卖手机卡和终端是一种落后的市场营销，说的话是： “纠结，运营企业的竞争咋就沦为小摊小贩的叫卖吆喝了，信息化超强的运营商也就只能如此回归原始状态摆摊，贴狗皮膏药来生存了！” 笔者今天想对此谈谈看法——市场营销就是摆地摊！ 首先提个问题：

人工智能与数据挖掘

机器学习与数据挖掘姓名：xxx班级：计xxx学号：xxxxx

机器学习与数据挖掘 随着互联网突飞猛进的发展，数据总量呈爆炸式增长，数据量从TB级别升到ZB级别别IDC报告称，未来10年数据总量将会增加50倍，应对如此的数据总量，相应管理数据仓库的服务器将增加10倍。目前主流的软件已经无法在合理的时间内针对如此数量级别的数据进行撷取、管理、处理并整理成能为决策提供帮助的信息。美国政府率先提出并启动了“大数据研究和发展计划”，标志着大数据已上升到国家意志，大数据时代到来。 数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 机器学习”是人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。事实上，由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要设法对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。 “数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。对数据挖掘有多种文字不同但含义接近的定义，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”。其实顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。大体上看，数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。数据挖掘与机器学习的关系如图一所示： 数据挖掘 数据分析技术数据管理技术 机器学习数据库 图一数据挖掘与机器学习的关系 实际上，机器学习和数据挖掘技术已经开始在多媒体、计算机图形学、计算机网络乃至

商务智能与数据挖掘-大纲

《商务智能与数据挖掘》教学大纲 课程编号：070663B 课程类型：□通识教育必修课□通识教育选修课 专业必修课□专业选修课 □学科基础课 总学时：48 讲课学时：32 实验（上机）学时： 16 学分：3 适用对象：信息管理与信息系统专业（卓越班） 先修课程：程序设计基础与应用、计算机网络技术与应用 一、教学目标 本课程主要学习商务智能与数据挖掘的方法和技术。商务智能是近几年的研究热点，数据挖掘是实现商务智能的重要手段。教学的主要目标是使学生掌握当前商务智能中使用的核心技术，培养学生运用数据挖掘算法进行数据处理和分析的能力，让学习理解不同算法的应用场景，从而使学生学会利用数据挖掘算法完成数据分析。因此该课程是先修课程“程序设计基础与应用”、“计算机网络技术与应用”的延续，并可为后续的专业课程打下良好的基础。 二、教学内容及其与毕业要求的对应关系 （一）教学内容 本课程主要教学内容是在学生掌握程序设计基础与应用、计算机网络技术与应用等基本原理后，学习如何分析数据、如何利用数据挖掘算法解决问题。具体包括：商务智能概论、商务智能中的核心技术、商务智能与知识管理、数据挖掘基础、数据挖掘的目的任务、数据挖掘的技术方法等。 （二）教学方法和手段

根据教学目标，拟采用的教学方法有：课堂讲解基本概念和核心知识，讲授和讨论相结合领会知识要点，案例教学训练解决问题的能力，借助数据挖掘软件让学生进行上机操作和具体实践。 （三）实践教学环节要求 根据教学进度和要求布置相应的小作业，通过上机实践。每一章都有对应的上机内容。建议安装和配置软件进行自学，完成案例的内容。通过上机学习本课程的理论，掌握常用数据挖掘算法，能够基于数据挖掘算法进行数据分析工作。 （四）学习要求 为有效学习本课程，要求学生首先学习程序设计基础与应用、计算机网络技术与应用等基本原理。按照大纲熟读教材，并通过课后思考和上机实践进行多角度和多层次的反复学习。 （五）与毕业要求的关系 商务智能和数据挖掘是信息管理与信息系统专业的学生必须掌握的一门基础课程，是信息时代发展的必要产物。在学生的毕业设计中，学生可以使用商务智能和数据挖掘中的算法、技术完成毕业设计中核心智能模块的设计和实现。 （六）教学中应注意的问题 由于程序设计基础与应用、计算机网络技术与应用等是该课程的先修基础，如果学生先修基础课没有学好，本课程的实验环节将无法正常进行。因此，教学中需要根据学生掌握先修课程基础情况，由易到难循序渐进学习编程及数据分析相关工具和技术。 三、各教学环节学时分配 教学课时分配

电子商务-商务智能与数据挖掘-理论大纲

《商务智能与数据挖掘》课程教学大纲 课程代码：040942702 课程英文名称： Business Intelligence and Data Mining 课程总学时：32 讲课：32 实验：0 上机：0 适用专业：电子商务 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 当前，新型电子商务模式的发展使得信息量不断增长、信息复杂程度不断提高，在电子商务产业链中的各个参与者都提出了大量的商务智能要求，商务智能已经成为电子商务应用的重要组成部分，基于商务智能的关键技术来挖掘企业重要的信息价值已成为电子商务领域研究和应用的热点。 《商务智能与数据挖掘》是为培养适应新型网络经济和新型电子商务模式发展需要的、应用型的、高层次的专业人才服务的一门专业课。通过本课程的学习，将使学生熟悉商务智能领域的主流产品及工具；掌握数据挖掘常用的算法及应用场景；能够应用数据挖掘原理和算法，通过对数据的分析和处理，解决商务智能中的实际问题。 （二）知识、能力及技能方面的基本要求 通过本课程的教学，使学生达到下列基本要求： 1.了解商务智能与数据挖掘研究前沿的最新成果。 2.掌握商务智能与数据挖掘的基本概念和理论。 3.理解商务智能与数据挖掘的相关技术及原理。 4.培养学生解决构造智能商务应用系统、解决商务智能中关键难点问题的能力。 （三）实施说明 1.本课程是一个不断发展、更新和完善的理论体系，按学时情况可适当调节授课内容并进行充实和完善。 2.本课程内容采用理论教学与案例教学相结合的方式，使学生不仅能够掌握商务智能与数据挖掘的基本概念、基础理论和经典算法，而且通过案例应用的讲解帮助学生更好地掌握数据挖掘在商务智能数据分析中的实际应用。 （四）对先修课的要求 电子商务概论、数据库、数据结构 （五）对习题课、实践环节的要求 习题部分是对理论知识的理解和消化，同时也是实践环节的理论指导，因此应注意将二者紧密联系，既提高学生的理论水平，又提高其动手实践能力。 1.对重点、难点章节（如：数据分类及预测、数据聚类等）应布置课后实践作业，以解决实际问题为目的。 2.课后作业要少而精，内容要多样化，作业题内容必须包括基本概念、基本理论及能力提升方面的内容。学生必须独立、按时完成课外习题和作业，作业的完成情况应作为评定课程成绩的一部分。 （六）课程考核方式 1.考核方式：考查 2.考核目标：考核学生对商务智能与数据挖掘基础知识的掌握情况、数据挖掘实际操作能力

电信运营商营销话术

.《终端营销》项目 手机节活动，买手机返话费，12款低价手机更可以0元获得，活动期间在线订购还可免费 包邮，这么优惠的活动给您介绍了解一下吧。 话述点评：话述以老客户作为开端，简单介绍了优惠力度及购货方式，简单清晰较具 吸引力。 话辽2 :觉得合约机麻烦，怕手机有质量问题。 移动的合约机都是享受国家三包政策的正品手机，质量有保障 ，而且现在有返费优惠， 像您每月大概都要消费 40、50话费，即便您不参与本次活动，您平时可能也会按月来交费 用，莫不如参与这次活动，即可以给您按月返费又相当于您免费获得一部手机， 而且这个 签约方式很灵活， 像您也可以选择签约 6个月，签约时间也不是很长。 话述点评:异议处理有针对性，从优惠方面吸引客户办理。 听您的声音比较年轻，您平时肯定也经常使用手机上网，那 机配置方面肯定也有一定的要求，如果拥有一部支持移动 3G/4G 高速上网的手机，肯定会 为您的生活带来更多的便利，那我们本次给您推荐的*款手机，它是大屏手机无论是观看视 频、玩游戏都会为您带来更舒服、更轻松的视觉体验，同时它支持主流安卓 4.2系统，上 网速度更快，性能更卓越， 我们帮您在线预定一下好吗？ 话述点评：切入点较好，贴近年轻人对手机的关注点，更易于引起年轻人群的兴趣。 家里有好几个手机呢 优质话述 话述 1 吸引客户的开场 关注到您是我们在网*年的老客户 ，为回馈您多年的支持，我们邀请您参加中国移动 您对手机的上网速度、手 :针对年轻人的卖点

您看您家里有好几部手机，这说明您也是一位生活质量极高的人，追求的是精益求精, 那么您就更需要一部当前领先潮流的4G手机了，因为现在已是4G时代，如果说2G上网相 当于您步行，那么3G上网就好比您骑自行车，4G上网就如同您乘飞机的速度了，所以您现在完全可以先他人一步去体验4G手机带给您的速度了。 话述点评：抓住客户情景为切入点，适当赞美客户；将客户感受过的网络速度做形象比 较，凸显4G网络的优势，同时迎合消费者追逐时尚的心理。 ,《GPR流量套餐营销》项目 话术5之前产生流量都是孩子弄的 其实咱们自己平时也可以用手机来上网呀, 用手机上网挺方便的，因为咱在家里虽然 有电脑，但不可能24小时坐在电脑跟前，对您的健康也不好，您要是有时候出去、上班、闲下来的时候用手机上上网，或者晚上睡觉前躺在床上用手机上上网，那样的感觉比您在电脑跟前坐着要舒服多了对吧，缓解您的疲劳，而且也能给您带来一份快乐，对吧，咱这 5元钱按日计，一天才合1毛6分钱，收费也不多的。 话述点评：将手机与电脑上网进行对比，提出手机上网的优势，并且话术运用较好，既 能够突出手机上网的益处，同时也能让客户感受到服务的贴心和温暖，有利于营造温馨的沟通氛围。话术6表示本月剩余流量够用（通过界面查询剩余不足10M) 因为流量它不像打电话，有分钟有秒或者象发短信有条数，比较好算。上网时刷新比较频繁一些，或者图片比较大，网页内容比较多，流量费相对就高了，这个不是很好掌握 的。所以说，您看咱们现在不太上网就已经产生20多M的流量了，您还不如升级为10元 包月，还能多使用一些流量。 话述点评：将手机上网产生的流量与打电话的分钟数及短信条数进行对比，说明了上网操作时流量“不好掌握”，说服力较强。 、优质案例

基于数据挖掘技术的企业智能竞争情报系统研究

收稿日期:2007 07 12 基金项目:本文是河南省教育厅自然科学基金项目(编号:200787003)的研究成果之一。 作者简介:闫晓妍(1985 ),女,郑州大学信息管理系06级硕士研究生,研究方向:网络信息资源管理,已发表论文1篇。 基于数据挖掘技术的企业智能竞争情报系统研究 闫晓妍 (郑州大学,郑州450001) 摘 要! 现代意义的企业竞争是经济发展的动力所在,许多大中型企业都非常重视竞争情报策略的制定,纷纷建立企业竞争情报系统,以提高企业竞争力。随着网络技术、数据库技术的不断发展,将数据挖掘技术引入企业竞争情报系统是一个崭新的、有重要意义的课题。本文从数据挖掘的含义和一般过程入手,分析了数据挖掘的相关技术及数据挖掘在企业竞争情报系统中的应用,重点探讨如何构建基于数据挖掘技术的企业竞争情报系统。 关键词! 数据挖掘;竞争情报;企业竞争情报系统 Abstract ! Modern competition between en terprises is the dynamic force of economy.Many large enterpri ses pay more attention to information strategy,and they build enterp r i se competi tion intelli gence systems in order to enhance their competitive abili ty.Along with the development of network technology and data base technology ,enterprise com petition intelligence systems based on data mining is a new and i mportant topic.T his paper introduces the concep t of da ta mining and the general process,analyzes relevant technologies and its applications in the enterprise competition intel li gence system,then discusses how to build enterprise competiti on system based on data mining to strengthen the com petitive of enterprise. Key words ! data mining;competi tive intelli gence;enterprise competitive in telligence system 中图分类号!F270 05 文献标识码!A 文章编号!1008-0821(2007)11-0187-03 现代意义的企业竞争是经济发展的动力所在,?适者生存,优胜劣汰#这一市场竞争法则的客观存在迫使企业必须不断提高自身的竞争力。企业想要顺应环境变化,做出最优决策,赢得竞争优势,就必须在充分了解和分析竞争环境及竞争对手的基础上,制定科学的竞争战略。竞争情报可以说是企业赖以生存的继人才、资金、技术之后的第四种要素,是现代企业竞争战略的关键部分。 1 企业竞争情报与竞争情报系统 ?竞争情报#是从英文Competiti ve Intelligence 翻译过来的,简称CI 。关于竞争情报,国际上有来自不同领域、不同研究方向的学者的多种解释,如Cottrill 和Kotler 、斯丹文?德迪约的过程说,认为竞争情报是一种过程,即情报的采集、加工和分析过程;也有不少学者认为竞争情报是一种产品,是上述过程的产物,德迪约?伯恩哈特、戈登都持有此观点。我国学者包昌火认为:?竞争情报是关于竞争环境、竞争对手和竞争策略的信息和研究。它既是一种过程,又是一种产品。过程是对竞争情报的搜集和分析;产品是指由此形成的情报或策略。#竞争情报的目的是为企业经营决策提供情报保障,提高企业的核心竞争力。 企业竞争情报系统是企业为了增强竞争力而建立起来的,以人工智能为主导、信息网络为手段,人机结合的战略决策系统和咨询系统。竞争情报系统通过对竞争对手的追踪分析及企业自身和外部竞争环境的相关竞争性情报的收集、存储、处理、分析,并以适当方式为企业决策者提供信息支持。数据挖掘过程主要通过聚类分析(clustering/segmentation )、可视化(visualization)、预测模型(predictive modeling)、分析关联(link analysis)、偏差检测(deviation detection)、建立依赖模型(dependency modeling)和概括总结(summarization)。在国外,数据挖掘主要应用在金融业、零售业等行业,涉及市场营销、风险管理、欺诈侦测(Fraud detection)、客户关系的建立和维护等过程。 2 数据挖掘 数据挖掘(Data Mining)是指从大型数据库或数据仓库中的大量数据中提取辅助决策的关键性知识,这些知识是隐含的、未知的、非平凡的及潜在有用的信息或模式,其 目的是为了提高市场决策能力、环境监视、风险预警、在 经验模型基础上预测未来趋势等,把握行业结构的进化,跟踪正在出现的连续性和非连续性变化,以及分析现有和潜在竞争对手的能力和方向,从而帮助企业赢得竞争优势。这些知识的表现形式可以是概念(Concepts )、规则(Rules)、规律(Regulari ties)、模式(Partems)、约束(Con straints)、可视化(Visualizations)等。 2 1 数据挖掘的一般过程 数据挖掘是一种新的信息处理技术,其主要特点是对数据库中的大量数据进行抽取、转换、分析和其他模型化处理,并从中提取辅助决策的关键性数据。数据挖掘过程包括数据准备、挖掘过程和模式的解释和评价等几个阶段。数据挖掘的一般过程如图1所示。 2 1 1 数据准备阶段 数据准备对于数据挖掘的成功应用至关重要,数据准备阶段需要进行数据集成、数据选择、数据缩减和转化。数据集成从多个文件、异构数据库中提取并集成数据,需 187 2007年11月第11期November 2007No.11 现代情报 % 企业情报 工作