(华东交通大学 基础科学学院，南昌 330013)

近几年来,随着中国电信业的不断变革, 中国电信市场发生了根本性变化，逐步形成了从个别运营商垄断市场到数家大运营商竞争的新格局。当前电信运营商正面临一个全新的、更加激烈的市场竞争环境。竞争加剧导致利润下降，运营商意识到客户才是企业生存和发展的根基，而维护客户、吸引客户和充分发掘客户的盈收潜力是提高企业核心竞争力的关键。运营商普遍开始向“客户驱动”管理模式转变。如何提高客户的满意度、忠诚度，提升客户价值，成为各电信运营商关注的焦点问题。客户的不稳定性、随机性迫使各电信运营商不得不寻求新的盈利模式，以提升自身的核心竞争力。因此，必须构建一种客观、科学的客户价值评价体系,制定客户价值提升策略，以减少客户流失，提高市场竞争力。然而，传统的客户行为分析是以统计学特征或购买行为特征为依据的，不能揭示客户内在价值,无法满足电信企业对客户行为和差异化营销的需求。客户致电内容查询常被看成客户关系管理的一项重要内容。然而面对话务量大、业务面广、需求不明的情况，很多客服中心都根据自己的实际情况经过长期的探索和创新，摸索出适合自己的致电内容查询方法。所采取的方法一般为[1]：①要求员工逐一实时记载服务的电话内容并分析客户需求。这种方法最为真实准确，但耗费人力并挤占资源；②拓展IVR(Interactive Voice Response)功能，细分IVR进线渠道，根据用户的不同需求设置不同功能键进入人工服务。此方法看似无需人工参与，但IVR过于复杂，从而增加了客户进线时长，降低客户体验效果；③系统自动记载服务专员的操作轨迹。这种方法能有效规避前两种方法的不足，但会夹杂服务专员的一些个人习惯和流程干扰。该方法很容易建立关系型数据模型，在很多情况下被采用，从而对数据进行分析；④购买或开发功能前沿的录音分析软件，进行语音语义分析。此方法看似较合理，但是技术的实现难度较高，成本较大。文献[1]针对客户的一些行为原因进行了探索，并且将其作为问卷调查的主要内容,取得不错的效果。本文以方法③作为统计客户致电需求的手段，运用数据挖掘技术的关联模式进行分析，研究客户查询内容的侧重以及内容之间的相关性，对于企业更全面准确地把握客户致电需求、优化服务流程、完善业务产品、提升服务品质起到了一定的决策支持作用。

1 数据挖掘中的关联规则

数据挖掘是近年来伴随着人工智能和数据库技术发展而出现的一门新兴技术[2-5]。它的核心功能是从巨大的数据集或数据库中获取有用的信息，以供企业分析和处理各种复杂的数据关系。最近几年，随着电信市场竞争的日益加剧，数据挖掘技术以其强大的数据分析功能被普遍应用到电信运营商客户关系管理、营销等活动中。关联规则研究已经成为数据挖掘领域中重要的研究方向，它属于描述型模式。最初关联规则是用来发现交易数据库中不同商品之间联系的，它可以发现顾客购买行为，如购买某一个商品对购买其他商品的影响。如今关联规则的应用领域得到极大扩展，无论是算法还是效果都得到较大改善[5-8]。关联模型挖掘主要分为两部分：首先数据库中哪些项目出现的频率(频率能反映人们对项目的关注度)高；其次是哪些项之间具有关联。比如在保险公司，年龄在40岁以上，工作在A区的投保人中，有45%的人曾经向保险公司索赔过，如果能发现这种关联，企业就可以有针对地制定和推销更加合理的保险产品。关联规则的基本形式为A→B。

其中，|AB|表示A、B两个项集同时发生的事务个数；|D|表示事务数据库D的个数。支持度越高，关注度也就越高,因此支持度反映了所考虑项集的整体作用。

“信任度”表示该规则所代表事例占满足前提条件事例的百分比，用数学式表示为：

其中|A|指的是集合A的基数。该式反映了项集之间的关联程度。基于关联规则模式的特点以及当前电信客户致电查询的一些模式结构，用关联规则来分析电信客户的致电需求，对于了解客户行为，提高对客户行为的理解，制定更为科学的服务理念具有重要意义[9-10]。

2 客户查询数据结构

数据挖掘所面对的数据必须具有一定的格式，比如结构化或半结构化等。根据当前电信客服中心人员对客户查询内容的归纳与分析，将所有客户查询、交易等操作过程用一张二维表来表示，见表1。

表1中每一行表示一个客户在一个致电查询中的内容，第一列为客户标识码，其他列为不同客户查询的内容。这张表中的数据结构对数据挖掘中的关联模型具有很好的支持作用。由于不同用户查询内容不同，因此在使用前需对上述数据进行预处理。

表1 客户查询数据结构

3 实证分析

3.1 数据准备

本文数据来源于中国年鉴网，共有1 000条致电查询记录。查询内容经过整理归纳主要分为：已生成的对账单查询、未生成的对账单查询、账户层的欠款查询、客户层的信用额度查询、客户账户查询、账务查询、销户、账单分期等8个项目，数据结构为关系型Excel格式。所使用的分析软件为数据挖掘软件αminer2.5，考虑到该软件对关系型Excel格式中内容填写的要求，在分析前对所采集的数据进行处理，把表整理成可直接使用的格式，并对上述8类项目依据文献[1]分别赋予名字为：

①inquired_billed：已生成的对账单查询

②inquired_bill_plan：未生成的对账单查询

③inquired_acct_balance：账户层的欠款查询

④inquired_cust_credit：客户层信用额度查询

⑤inquired_cust_acct：客户账户查询

⑥inquired_acct：账务查询

⑦cancle：销户

⑧bill_staging：账单分期

软件参数设置界面如图1所示。

图1 软件参数设置界面

3.2 数据分析

本文主要对上述8类项目进行关联性分析。为了能使结果更有实际意义，随着项的增加对阈值进行调整，支持度由大变小，而信任度则逐渐增大。分析结果如表2～表5所示。

表2 2-项关联结果

表3 3-项关联结果

表4 4-项关联结果

表5 5-项关联结果

由表2～表5可知，顾客查询与关注比较多的是已生成的对账单查询、账户层的欠款查询、客户账户查询3项，并且两两之间具有一定关联性。因此可以从这三方面改善服务质量，从电信设置语音查询的角度出发，应把这3项内容进行优化配置。

4 结 语

随着网络技术的发展，越来越多的企业对客户行为分析由简单统计逐渐转变为依赖对大数据的分析，知识已成为社会生活和生产的第一推动力。关联分析在市场定位、决策分析和商业管理等领域是极为有用的。本研究对电信客户致电需求进行了实证分析，从中发现客户的行为以及要求，这对企业制定客户管理策略有着一定的指导意义。

参考文献：

[1] 万平.数据挖掘技术挖掘出客户的真实致电需求[J/OL].(2012-12-30)[2013-10-10].http://www.ccmw.net/article/91563.

[2] 郑涛.金属期货与现货市场价格互动关联规则挖掘研究[J].企业经济，2011(1)：166-169.

[3] 方匡南，谢邦昌.基于聚类关联规则的缺失数据处理研究[J].统计研究，2011,28(2)：87-92.

[4] 王虎，毛文婷.基于云模型的电信客户行为关联规则研究[J].武汉理工大学学报(信息与管理工程版)，2009,31(5)： 769-772.

[5] 顾小林，张大为，张可，等.基于关联规则挖掘的食品安全信息预警模型[J].软科学，2011(11)：136-141.

[6] 漆晨曦.电信客户社交网络分析方法与营销应用探讨[J].电信科学，2012，28(7)：5-9.

[7] 贾丹华，王润润，王鹏.电信套餐资费预演中客户量的预测方法研究[J].电信科学，2011,27(8)：25-32.

[8] 吴斌，郑毅，傅伟鹏，等.一种基于群体智能的客户行为分析算法[J].计算机学报，2003(8)： 913-918.

[9] 肖丽妍，齐佳音，屈启兴.基于客户行为的交易关系与客户风险研究[J].北京邮电大学学报(社会科学版)，2013，15 (2)：86-94.

[10] 蔡瑞，齐佳音，屈启兴.刻画客户行为特征的概率分布选择研究[J].北京邮电大学学报(社会科学版)，2013，15 (2)：79-85.