數(shù)據(jù)挖掘在移動(dòng)通信市場(chǎng)的應(yīng)用

1、 數(shù)據(jù)挖掘在移動(dòng)通信市場(chǎng)的應(yīng)用 張美圖 中國(guó)電信吉林省分公司工程師姜艷暉 中國(guó)電信吉林省分公司助理工程師摘要：數(shù)據(jù)挖掘在企業(yè)市場(chǎng)營(yíng)銷中得到廣泛應(yīng)用。在移動(dòng)通信領(lǐng)域，數(shù)據(jù)挖掘技術(shù)和方法被用于進(jìn)行客戶行為分析、建立交叉銷售模型、客戶忠誠(chéng)度分析、反欺詐分析、流失預(yù)警等等。關(guān)鍵詞：數(shù)據(jù)挖掘，移動(dòng)通信，客戶行為分析，客戶忠誠(chéng)度，交叉銷售，客戶流失1研究背景隨著信息通信技術(shù)的發(fā)展，通信服務(wù)市場(chǎng)的不斷成熟，國(guó)內(nèi)電信市場(chǎng)競(jìng)爭(zhēng)的日漸激烈，移動(dòng)通信更是競(jìng)爭(zhēng)的焦點(diǎn)。運(yùn)營(yíng)商為了爭(zhēng)奪客戶，不斷推出各種各樣的資費(fèi)政策，價(jià)格更是一低再低，而單向收費(fèi)的出臺(tái)，使得競(jìng)爭(zhēng)更趨于白熱化。以客戶為中心已經(jīng)成為這個(gè)時(shí)代電信運(yùn)營(yíng)商成功經(jīng)營(yíng)

2、的不二法門，運(yùn)營(yíng)商要想在激烈的市場(chǎng)競(jìng)爭(zhēng)中勝出，就必須通過(guò)優(yōu)良的產(chǎn)品和服務(wù)吸引新客戶、留住老客戶，并通過(guò)持續(xù)提升客戶價(jià)值來(lái)實(shí)現(xiàn)增強(qiáng)企業(yè)贏利能力和市場(chǎng)競(jìng)爭(zhēng)力的經(jīng)營(yíng)目的。而要實(shí)現(xiàn)上述目標(biāo)，電信運(yùn)營(yíng)商不得不認(rèn)真思索以下的一系列問(wèn)題：如何更好地認(rèn)識(shí)我們的用戶？如何更好地發(fā)掘出用戶的需求？如何根據(jù)用戶需求，為用戶提供量身定制的產(chǎn)品和服務(wù)？應(yīng)怎樣采取用戶喜聞樂見的促銷方式，使我們的產(chǎn)品和服務(wù)能迅速地被用戶認(rèn)知和接受？等等。然而，電信運(yùn)營(yíng)商卻面臨著一系列問(wèn)題：面對(duì)海量的、有噪聲的、不完全的、模糊的、龐大的數(shù)據(jù)系統(tǒng)，如何進(jìn)行數(shù)據(jù)分析？如何從海量數(shù)據(jù)中提取有價(jià)值用戶信息？如何合理的分配有限的營(yíng)銷資源？如何針對(duì)不同

3、的客戶群實(shí)施差異化營(yíng)銷和服務(wù)？如何對(duì)客戶進(jìn)行細(xì)分和分類？現(xiàn)有的哪些用戶是增值業(yè)務(wù)的潛在用戶？應(yīng)該向用戶推介哪一個(gè)產(chǎn)品或者服務(wù)？現(xiàn)有增值業(yè)務(wù)使用用戶都有哪些特征？潛在用戶又有哪些偏好需求？等等；數(shù)據(jù)挖掘技術(shù)方法的引入，能夠更好地解決運(yùn)營(yíng)商在增值業(yè)務(wù)用戶研究過(guò)程中存在的問(wèn)題，有利于提高電信運(yùn)營(yíng)商的用戶研究水平。2數(shù)據(jù)挖掘的概念所謂數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又是潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘是一種從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取隱藏的預(yù)測(cè)性信息的新技術(shù)。它能開采出潛在的模式，找出最有價(jià)值的信息，指導(dǎo)商業(yè)行為或輔助科學(xué)研究。

4、數(shù)據(jù)挖掘的對(duì)象可以是數(shù)據(jù)庫(kù)中的數(shù)據(jù)，也可以是文本、圖形和圖像數(shù)據(jù)；數(shù)據(jù)挖掘是一門廣義的交叉學(xué)科，包括了數(shù)據(jù)庫(kù)、人工智能、數(shù)據(jù)統(tǒng)計(jì)、并行計(jì)算等方面的技術(shù)。通常，數(shù)據(jù)挖掘分為兩種類型：“驗(yàn)證驅(qū)動(dòng)型”（verification-driven）和“發(fā)現(xiàn)驅(qū)動(dòng)型”(discov-ery-driven)?！膀?yàn)證驅(qū)動(dòng)型”是指用戶首先提出自己的假設(shè)，然后利用各種工具通過(guò)反復(fù)的，遞歸的檢索查詢以驗(yàn)證或否定自己的假設(shè)，一般在檢驗(yàn)假設(shè)過(guò)程種使用結(jié)構(gòu)化查詢語(yǔ)言(sql)或結(jié)構(gòu)化查詢生產(chǎn)來(lái)自www.lw5u.com器。“發(fā)現(xiàn)驅(qū)動(dòng)型”是指通過(guò)使用機(jī)器學(xué)習(xí)( ma-chine-leaming)統(tǒng)計(jì)和數(shù)據(jù)可視化等技術(shù)來(lái)發(fā)現(xiàn)新的

5、假設(shè)，這些技術(shù)對(duì)發(fā)現(xiàn)新的知識(shí)起到相當(dāng)重要的和積極的作用。但是這個(gè)流程不完全是自動(dòng)的，仍然要分析人員在知識(shí)發(fā)現(xiàn)流程中的參與?！鞍l(fā)現(xiàn)驅(qū)動(dòng)型”數(shù)據(jù)挖掘技術(shù)包括描述型和預(yù)測(cè)型兩類。描述型數(shù)據(jù)挖掘技術(shù)主要有可視化、聚類、關(guān)聯(lián)、統(tǒng)計(jì)等技術(shù)；預(yù)測(cè)型主要有決策樹、規(guī)則歸納、神經(jīng)元網(wǎng)絡(luò)、logistic回歸等技術(shù)。通常我們說(shuō)的數(shù)據(jù)挖掘主要指描述型和預(yù)測(cè)型這類發(fā)現(xiàn)驅(qū)動(dòng)型的數(shù)據(jù)挖掘技術(shù)。3數(shù)據(jù)挖掘的主要任務(wù)數(shù)據(jù)開采技術(shù)的目標(biāo)是從大量數(shù)據(jù)中，發(fā)現(xiàn)隱藏于其后的規(guī)律或數(shù)據(jù)間的關(guān)系，從而服務(wù)于決策。數(shù)據(jù)挖掘一般有以下四類主要任務(wù)。3.1數(shù)據(jù)總結(jié)數(shù)據(jù)總結(jié)目的，是對(duì)數(shù)據(jù)進(jìn)行濃縮，給出它的總體綜合描述。通過(guò)對(duì)數(shù)據(jù)的總結(jié)，將數(shù)據(jù)庫(kù)

6、中的有關(guān)數(shù)據(jù)從較低的個(gè)體層次抽象總結(jié)到較高的總體層次上，從而能夠?qū)崿F(xiàn)對(duì)原始基本數(shù)據(jù)的總體把握。數(shù)據(jù)總結(jié)需要利用統(tǒng)計(jì)學(xué)方法。傳統(tǒng)的也是最簡(jiǎn)單的數(shù)據(jù)總結(jié)方法，是計(jì)算數(shù)據(jù)項(xiàng)的總和、平均、方差、最大值、最小值等基本描述統(tǒng)計(jì)量，或者通過(guò)利用統(tǒng)計(jì)圖形工具，對(duì)數(shù)據(jù)制作直方圖、餅狀圖等。3.2分類分類的主要功能是建立一個(gè)分類函數(shù)或分類模型（也常常稱作分類器），利用該模型，可根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中。即：分析數(shù)據(jù)的各種屬性，找出數(shù)據(jù)的屬性模型，確定哪些數(shù)據(jù)屬于哪些組。通常分類學(xué)習(xí)所獲得的模型可以表示為分類規(guī)則形式、決策樹形式，或數(shù)學(xué)公式形式。例如，可以將商業(yè)網(wǎng)點(diǎn)分為好、一般和較差三種類型，并以此分析

7、這三種類型商業(yè)網(wǎng)點(diǎn)的各種屬性，例如位置、盈利情況等，并決定其中的關(guān)鍵屬性及相互間關(guān)系。此后就可以根據(jù)這些關(guān)鍵屬性對(duì)每一個(gè)預(yù)期的網(wǎng)點(diǎn)進(jìn)行分析，以便決定預(yù)期網(wǎng)點(diǎn)屬于哪一種類型。分類方法目前已廣泛應(yīng)用于信用評(píng)估、醫(yī)療診斷、性能預(yù)測(cè)和市場(chǎng)營(yíng)銷等領(lǐng)域。3.3關(guān)聯(lián)分析數(shù)據(jù)庫(kù)中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說(shuō)，兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性；關(guān)聯(lián)分析是尋找數(shù)據(jù)庫(kù)中值的關(guān)聯(lián)性。兩種常用的技術(shù)有關(guān)聯(lián)規(guī)則和時(shí)序關(guān)聯(lián)，關(guān)聯(lián)規(guī)則是尋找在同一個(gè)事件中出現(xiàn)不同項(xiàng)的相關(guān)性，例如：購(gòu)買面包的顧客中有90%的人同時(shí)購(gòu)買牛奶。時(shí)序關(guān)聯(lián)尋找的是事件之間在時(shí)間上的相關(guān)性，例如：若a股票連續(xù)上漲兩天且b股票不下跌，則第三天

8、c股票上漲的可能性為75%。它在關(guān)聯(lián)規(guī)則中增加了時(shí)間屬性。關(guān)聯(lián)分析的目的，是要找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，描述一組數(shù)據(jù)項(xiàng)目的密切度或關(guān)系。有些情況下，數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)是否存在精確的關(guān)聯(lián)函數(shù)并不知道，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則是帶有置信度的，關(guān)聯(lián)規(guī)則的強(qiáng)度用置信度級(jí)別來(lái)衡量。3.4聚類聚類( clustering)是指把數(shù)據(jù)庫(kù)中的一組個(gè)體按照相似性歸成若干類別，即“物以類聚”，其目的是使得屬于同一類別的個(gè)體之間的相似度盡可能大，而不同類別的個(gè)體之間的相似度盡可能小。相似度是根據(jù)描述對(duì)象的屬性來(lái)測(cè)算的，距離是經(jīng)常采用的度量方式。聚類和分類有著很大的區(qū)別：分類時(shí)，我們總是事先知道分

9、成幾類結(jié)果，知道將重要的、有影響力的屬性作為分類的依據(jù)；而聚類時(shí)，我們事先根本不知道要把個(gè)體分成幾組，也不知道哪些屬性起作用，因此，在聚類之后需要有業(yè)務(wù)專家來(lái)解釋分群的意義。并經(jīng)過(guò)幾次反復(fù)之后才能最終得到一個(gè)理想的結(jié)果。數(shù)據(jù)挖掘中常用的聚類算法有：兩步聚類和k-均值聚類法。3.5預(yù)測(cè)預(yù)測(cè)是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對(duì)未來(lái)數(shù)據(jù)的種類及特征進(jìn)行預(yù)測(cè)。在用戶研究過(guò)程中，通過(guò)分析已知的用戶歷史數(shù)據(jù)信息，總結(jié)出一個(gè)預(yù)測(cè)模型，并通過(guò)這個(gè)模型預(yù)測(cè)用戶的未來(lái)行為。通過(guò)數(shù)據(jù)挖掘，可使用過(guò)去有關(guān)促銷的數(shù)據(jù)來(lái)尋找未來(lái)投資中回報(bào)最大的用戶，還可以預(yù)測(cè)用戶購(gòu)買傾向、用戶流失、以及企業(yè)預(yù)報(bào)破產(chǎn)等。4數(shù)

10、據(jù)挖掘在移動(dòng)通信市場(chǎng)的應(yīng)用數(shù)據(jù)挖掘匯集了統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)庫(kù)等學(xué)科的內(nèi)容，是一門新興的交叉學(xué)科。旨在幫助人們從海量數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息，在企業(yè)市場(chǎng)營(yíng)銷中得到了比較普遍的應(yīng)用。市場(chǎng)營(yíng)銷中的數(shù)據(jù)挖掘以市場(chǎng)細(xì)分原理為基礎(chǔ)，基于“消費(fèi)者過(guò)去的行為是其今后消費(fèi)傾向的來(lái)自www.l最好說(shuō)明”的基本假定，收集、加工和處理涉及消費(fèi)者消費(fèi)行為的大量信息，確定特定消費(fèi)群體或個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體下一步的消費(fèi)行為，然后在此基礎(chǔ)上，對(duì)所識(shí)別出來(lái)的消費(fèi)群體或個(gè)體進(jìn)行特定內(nèi)容的定向營(yíng)銷。這與傳統(tǒng)的不區(qū)分消費(fèi)者對(duì)象特征的大規(guī)模營(yíng)銷手段相比，大大節(jié)省了營(yíng)銷成本，提高了營(yíng)銷

11、效果，從而有助于企業(yè)更好地提升經(jīng)濟(jì)效益。在通信、銀行、保險(xiǎn)、交通、零售等很多重要的領(lǐng)域，數(shù)據(jù)挖掘都發(fā)揮了積極的促進(jìn)作用。因此，這一技術(shù)越來(lái)越受到企業(yè)的青睞。4.1移動(dòng)通信企業(yè)中數(shù)據(jù)挖掘的主要應(yīng)用目前移動(dòng)通信運(yùn)營(yíng)商都具有業(yè)務(wù)營(yíng)運(yùn)支撐系統(tǒng)、客戶服務(wù)呼叫中心、業(yè)務(wù)網(wǎng)關(guān)、misc等客戶信息系統(tǒng)，這些系統(tǒng)中有著客戶的基本信息、消費(fèi)數(shù)據(jù)、市場(chǎng)營(yíng)銷數(shù)據(jù)、帳務(wù)數(shù)據(jù)，同時(shí)每天還在不斷地產(chǎn)生幾百gb的數(shù)據(jù)、甚至以tb為數(shù)量級(jí)的數(shù)據(jù)量。成批的海量數(shù)據(jù)為數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信市場(chǎng)的應(yīng)用提供數(shù)據(jù)源，而近年來(lái)數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展、數(shù)據(jù)挖掘人才的不斷涌現(xiàn)，以及移動(dòng)通信運(yùn)營(yíng)商在數(shù)據(jù)庫(kù)系統(tǒng)的構(gòu)建、bi系統(tǒng)、crm客戶關(guān)系管理

12、方面的大量投入，使得數(shù)據(jù)挖掘在移動(dòng)通信市場(chǎng)取得了較好發(fā)展，應(yīng)用范圍越來(lái)越廣泛。目前國(guó)內(nèi)也有不少的數(shù)據(jù)挖掘研究機(jī)構(gòu)正逐步開展數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信市場(chǎng)的實(shí)際應(yīng)用的研究，也取得了一定的成績(jī)。在移動(dòng)通信運(yùn)營(yíng)商和數(shù)據(jù)挖掘研究機(jī)構(gòu)的努力下，針對(duì)移動(dòng)通信運(yùn)營(yíng)商市場(chǎng)運(yùn)營(yíng)的特點(diǎn)，開展不少數(shù)據(jù)挖掘應(yīng)用研究的項(xiàng)目。(1)客戶行為分析客戶行為分析是利用分類分析法和聚類分析法對(duì)客戶通話行為進(jìn)行分析，從而得出客戶在消費(fèi)習(xí)慣、生活方式、社會(huì)聯(lián)系等方面的特征。對(duì)客戶行為分析的根本目的是為了按不同特征劃分客戶群，針對(duì)不同客戶群的特征，運(yùn)營(yíng)商可以進(jìn)行不同的市場(chǎng)營(yíng)銷活動(dòng)和客戶服務(wù)，實(shí)現(xiàn)精細(xì)化營(yíng)銷。在客戶群劃分中典型的應(yīng)用就是針對(duì)

13、某一客戶群的消費(fèi)特征進(jìn)行某種移動(dòng)業(yè)務(wù)的營(yíng)銷?？蛻粜袨榉治鲋谐Ｓ玫臄?shù)據(jù)挖掘分析技術(shù)有：神經(jīng)網(wǎng)絡(luò)、決策樹、聚類分析、關(guān)聯(lián)規(guī)則等。在客戶行為分析中，使用神經(jīng)網(wǎng)絡(luò)分析方法，發(fā)現(xiàn)客戶群之間行為差異最顯著的因素，為市場(chǎng)決策提供依據(jù)；通過(guò)決策樹方法，根據(jù)特定的行為變量對(duì)用戶群進(jìn)行劃分，為進(jìn)一步的研究客戶群作準(zhǔn)備；也可以使用聚類分析的方法，對(duì)客戶進(jìn)行用戶行為細(xì)分，實(shí)現(xiàn)精細(xì)化營(yíng)銷的目的。此外，關(guān)聯(lián)規(guī)則分析方法可以用來(lái)分析客戶行為、消費(fèi)數(shù)據(jù)，發(fā)現(xiàn)各變量之間的關(guān)聯(lián)關(guān)系。在電信運(yùn)營(yíng)商客戶行為分析中，常見的行為分析有：入網(wǎng)、離網(wǎng)分析，客戶話費(fèi)異動(dòng)分析，欠費(fèi)分析，套餐品牌轉(zhuǎn)換分析、營(yíng)銷活動(dòng)參與分析等。(2)建立交叉銷售模

14、型通過(guò)分析客戶的產(chǎn)品使用情況、通話行為、消費(fèi)情況，研究用戶的消費(fèi)特征，使用關(guān)聯(lián)分析方法，發(fā)現(xiàn)業(yè)務(wù)產(chǎn)品之間的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)老用戶的潛在需求，尋找現(xiàn)實(shí)產(chǎn)品的捆綁銷售機(jī)會(huì)。交叉銷售有企業(yè)內(nèi)部的交叉銷售，如新業(yè)務(wù)間的組合銷售，話音業(yè)務(wù)與數(shù)據(jù)業(yè)務(wù)經(jīng)的組合銷售；有行業(yè)內(nèi)的交叉銷售，如選擇合適的合作伙伴，sp、cp的選擇等；還有跨行業(yè)間的交叉銷售，如通過(guò)適當(dāng)?shù)臓I(yíng)銷活動(dòng)，關(guān)注客戶全方位的需求，跨行業(yè)交叉銷售的合作對(duì)象包括航空公司、影院、音樂會(huì)等。交叉銷售模型已為越來(lái)越多的企業(yè)所應(yīng)用。(3)客戶忠誠(chéng)度分析客戶忠誠(chéng)度分析主要通過(guò)對(duì)客戶通話行為、入網(wǎng)時(shí)長(zhǎng)、營(yíng)銷活動(dòng)情況、品牌、消費(fèi)金額和帳務(wù)支付的分析建立客戶指數(shù)評(píng)估

15、體系模型，分析用戶的信用度、用戶價(jià)值和用戶的忠誠(chéng)度，從而獲得客戶價(jià)值和離網(wǎng)傾向?？蛻羰沁\(yùn)營(yíng)商價(jià)值之所在，通過(guò)對(duì)客戶忠誠(chéng)度分析，有針對(duì)性的對(duì)高價(jià)值客戶進(jìn)行優(yōu)質(zhì)服務(wù)，對(duì)有離網(wǎng)傾向的客戶及時(shí)進(jìn)行挽留活動(dòng)對(duì)提高運(yùn)營(yíng)商市場(chǎng)占有率，降低營(yíng)銷成本是十分有用的，在客戶指數(shù)評(píng)估體系模型分析過(guò)程中，常用的數(shù)據(jù)挖掘技術(shù)有決策樹、神經(jīng)網(wǎng)絡(luò)、回歸等分析方法。(4)反欺詐分析目前，移動(dòng)運(yùn)營(yíng)商面臨的一個(gè)比較嚴(yán)重的問(wèn)題是欠費(fèi)問(wèn)題，其中很大一部分是欺詐消費(fèi)，因此反欺詐消費(fèi)已經(jīng)成為移動(dòng)通信發(fā)展的關(guān)鍵。通過(guò)對(duì)客戶數(shù)據(jù)的多維分析、聚類分析和孤立點(diǎn)分析可以建立客戶欺詐消費(fèi)模型，從而可以有效的對(duì)客戶消費(fèi)行為進(jìn)行監(jiān)控，對(duì)滿足欺詐消費(fèi)模型的

16、消費(fèi)行為進(jìn)行告警。此外，電信運(yùn)營(yíng)企業(yè)通過(guò)數(shù)據(jù)挖掘技術(shù)構(gòu)建的模型還有：客戶關(guān)系管理系統(tǒng)(crm)、客戶流失預(yù)警分析、優(yōu)惠策略仿真預(yù)測(cè)模型、價(jià)格敏感度模型、競(jìng)爭(zhēng)分析、服務(wù)分析等等方面也取得較好的成績(jī)。數(shù)據(jù)挖掘技術(shù)的應(yīng)用，大大提升了電信運(yùn)營(yíng)商的用戶研究水平，促進(jìn)了移動(dòng)通信市場(chǎng)的發(fā)展。4.2數(shù)據(jù)挖掘應(yīng)用于增值業(yè)務(wù)用戶分析增值業(yè)務(wù)收入比重逐漸增加，增值業(yè)務(wù)已成為運(yùn)營(yíng)商市場(chǎng)發(fā)展中的新的業(yè)務(wù)增長(zhǎng)點(diǎn)，運(yùn)營(yíng)商們紛紛將目光對(duì)準(zhǔn)了電信增值業(yè)務(wù)市場(chǎng)。加強(qiáng)對(duì)增值業(yè)務(wù)用戶行為分析，促進(jìn)增值業(yè)務(wù)發(fā)展也成為電信運(yùn)營(yíng)商市場(chǎng)發(fā)展的工作重點(diǎn)。隨著用戶研究的深入，數(shù)據(jù)挖掘技術(shù)已在增值業(yè)務(wù)用戶行為分析中逐漸得到發(fā)展，越來(lái)越多的電信運(yùn)營(yíng)

17、企業(yè)將針對(duì)用戶語(yǔ)音通話行為的模型引用到增值業(yè)務(wù)產(chǎn)品的分析中。目前，在增值業(yè)務(wù)市場(chǎng)用戶研究中，常見的數(shù)據(jù)挖掘模型主要以交義銷售模型、購(gòu)買預(yù)測(cè)模型、流失預(yù)警模型為主。增值業(yè)務(wù)市場(chǎng)空間大，業(yè)務(wù)種類多，市場(chǎng)營(yíng)銷人員在業(yè)務(wù)發(fā)展推薦過(guò)程中，往往面臨著“推薦業(yè)務(wù)難、找到合適的業(yè)務(wù)給合適的用戶更難”。因此，營(yíng)銷人員希望通過(guò)數(shù)據(jù)挖掘分析方法，為他們解決存在的問(wèn)題。在增值業(yè)務(wù)發(fā)展中，營(yíng)銷人員面臨的關(guān)鍵問(wèn)題主要有：“這么多產(chǎn)品與服務(wù)，應(yīng)該向客戶推薦哪些產(chǎn)品與服務(wù)？”，“購(gòu)買多項(xiàng)產(chǎn)品或服務(wù)的客戶有何特征”，“應(yīng)該向哪些用戶推薦彩鈴（或wap等）業(yè)務(wù)或其他產(chǎn)品呢？”，“哪些用戶最有可能取消該項(xiàng)增值業(yè)務(wù)呢？”，“哪些增值產(chǎn)品能夠組合銷售”等等?？蛻舻臍v史消費(fèi)行為通常與未來(lái)潛在的消費(fèi)行為有著內(nèi)在的緊密關(guān)聯(lián)。因此，針對(duì)現(xiàn)有客戶的消費(fèi)行為分析，可以擴(kuò)大客戶集，增加現(xiàn)有客戶購(gòu)買價(jià)值，保留盈利客戶，提高銷售額。因此，為了促進(jìn)增值業(yè)務(wù)的發(fā)展，解決市場(chǎng)營(yíng)銷人員面臨的營(yíng)銷問(wèn)題，在增值業(yè)務(wù)中應(yīng)用數(shù)據(jù)挖掘模型，通過(guò)對(duì)用戶的歷史消費(fèi)數(shù)據(jù)、增值業(yè)務(wù)使用情況的分析，構(gòu)建增值業(yè)務(wù)交叉銷售模型、彩鈴（wap或其他業(yè)務(wù)）潛在新增