K-Mean 聚类分析《移动用户细分》

最新推荐文章于 2026-03-26 10:10:14 发布

原创

最新推荐文章于 2026-03-26 10:10:14 发布 · 2.1k 阅读

标签

#聚类 #大数据 #数据分析 #python #人工智能

收录于

本文通过K-Mean聚类分析对移动用户的通话行为进行细分，旨在为用户提供个性化套餐服务。在数据预处理阶段，进行了描述性统计、缺失值和异常值处理，以及相关性和标准化处理。经过模型比较，选择4个聚类最为合适，分别为保号套餐、亲情号套餐、商务套餐和普通套餐。

【案例背景】

随着经济和信息发展，以及通信行业内部竞争加剧，传统的单一品种的套餐和服务已经不能够满足客户日益增长的个性化需求，为了更好地服务和保留客，移动想要根据用户平时通话行为为客户推荐个性化套餐服务，加强用户满意度体验，减少客户流失。

数据资源

在这里插入图片描述
【分析目的】
根据这些客户数据，结合用户通话行为，对客户进行细分，推荐相应套餐，或者结合用户现有套餐优化用户套餐，提供个性化套餐。

数据分析步骤

数据预处理

描述性统计分析
缺失值处理
异常值处理
相关性检验
标准化处理
1、描述性统计
在这里插入图片描述

2、异常值处理
在这里插入图片描述
3、相关性检验
上班时间和通话时长强相关（相关系数=0.94），创建新字段：上班时间/通话时长

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

蒋瑾瑶

关注关注

7
点赞
踩
21

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

面向移动App流量的多特征集合集成聚类方法研究与应用

04-30

针对移动互联网流量识别问题，基于多项性能评估指标，分析K-均值和谱聚类算法在不同特征集合或不同识别目标流量数据集上的聚类性能，并提出基于多特征集合的集成聚类方法。比较分析实验表明，相同聚类方法在不同特征集合或不同识别目标数据集上性能有所不同，集成聚类方法能够有效提高利用单个特征集合聚类方法的性能。进一步将集成聚类方法应用于App关联分析，分析结果可为移动App的划分和用户行为分析提供客观依据。

中国移动客户细分模型

04-28

综合运用聚类模型，CRM，ARPU分析，客户细分，设计不同套餐，达到效益优化。

2 条评论您还未登录，请先登录后发表或查看评论

Spss K-means聚类分析案例——某移动公司客户细分模型

热门推荐

mousever的专栏

12-14

1万+

近期在整理一些分析文档，觉得这个作为入门很是不错，特在此整理下。 聚类分析在各行各业应用十分常见，而顾客细分是其最常见的分析需求，顾客细分总是和聚类分析挂在一起。顾客细分，关键问题是找出顾客的特征，一般可从顾客自然特征和消费行为入手，在大型统计分析工具出现之前，主要是通过两种方式进行“分群别类”，第一种，用单一变量进行划段分组，比如，以消费频率变量细分，即将该变量划分为几个段，高频客

移动通信客户类主题数据挖掘

blog of eulota

10-03

4273

移动通信客户类主题数据挖掘1．业务分类大客户：移动大客户定义根据总部的统一定义，客户积分是评判大客户的依据，每年年末对大客户重新计算，确定下年的大客户积分评判阈值。大客户资格在年内只升不降。年内每月对达到大客户积分的标准赋予其相应的大客户资格。依大客户级别递增，移动大客户拥有4种VIP卡，分别是钻石卡、金卡、银卡、贵宾卡。普通客户：除大客户之外的非神州行个人用户。 2．其他分类其他分类方法可以

基于聚类（Kmeans）算法实现客户价值分析系统(电信运营商)

红叶谷 wsp_1138886114的博客

09-22

1万+

案例：以电信运营商一、客户价值分析从客户需求出发，了解客户需要什么，他们有怎么样的特征，电信运营商为客户设置不同的优惠套餐二、电信运营商进行客户价值分析的目的争取更多的用户：推出不同的优惠套餐降低客户流失率提高收入增加 ARPU 值（average revenue per user 每个用户平均收益）精准的市场营销策略定制三、使用聚类模型由于客户多，消...

K-means聚类算法【机器学习】

m0_51336041的博客

07-07

1186

手写KMeans和KMeans调库

【Python】实训7：航空公司客户价值分析（K-means聚类）

○( ＾皿＾)っHiahiahia…的博客

01-09

1万+

实训1处理信用卡数据异常值 1.训练要点 (1)熟悉信用卡的基本业务知识。 (2)掌握异常值的识别与处理方法。 2.需求说明为了推进信用卡业务良性发展，减少坏账风险，各大银行都进行了信用卡客户风险识别的相关工作，建立了相应的客户风险识别模型。某银行因旧的风险识别模型随时间推移不再适应业务发展需求，雷要重新进行风险识别模型构建。目前，银行给出的信用卡信息数据说明如表7-11所示。 3.实现思路及...

k-means算法原理及基于客户种类分析的应用

qq_55254977的博客

08-08

407

K-means算法是一种常用于聚类分析的无监督学习算法，用于将一组数据点分成多个不同的簇（clusters）。每个簇包含相似的数据点，而不同簇之间的数据点差异较大。K-means算法的目标是将数据点划分到K个簇中，其中K是用户预先指定的参数。

【信息科学与工程学】【运营科学】第二篇 C4信息与通信网络运营 (C4) ——数据中心网络运营06

最新发布

weixin_49199313的博客

03-26

913

13 | 司法诉讼 | 原告律师 | 争取和解优势 | 证据披露的序贯博弈 | 策略性证据释放 | 持有证据集E = {强证据e_s，中证据e_m，弱证据e_w}。设公众原有认知人格向量为 Pold=(p1，p2，...，pk)，其中p_i为负面特质（如“不敬业”）。危机后，通过行为序列 {At}和宣传，将公众认知向新向量 Pnew引导，使得在关键维度上， Pnew与 Pold的余弦相似度降低，并与一个正面的、可接受的“原型”（如“浪子回头”、“慈父”）对齐。

移动公司客户价值分析

m0_56012026的博客

12-22

1351

以移动公司客户价值为研究对象，根据通信企业客户的特征及业务特点，利用python来对客户进行分析，对客户群体进行分类，分析预测客户的潜在消费行为，对客户进行价值评估，以便在在客户群体中挖掘出有价值的潜在客户。

用户细分的精彩商业案例，这才是有效的细分

weixin_42107055的博客

09-12

1166

在这些新贵中，最值得一提的是猿辅导，因为他凭借着对学生学习场景的理解，创造了不同于其他学习平板的新产品系列 —— 采用了墨水屏的学练机，主打学生的做题练习场景，以练促学。回到方法论上，用户细分的调研方法并不复杂。而且，由于“首创”效应，率先满足细分市场的产品，会成为该市场内消费者心目中的首选，例如东方树叶，虽然在刚推出的时候还被评价为十大最难喝的饮料，但在无糖茶饮这个细分市场火热起来后，东方树叶成为用户的首选品牌。因此，企业需要不断的细分市场，然后了解细分市场内的用户需求，最后再用产品精准切中市场需求。

KMeans、dbscan、PCA综合练习（聚类分析）

Braylon的博客

10-01

2136

这是我老师给我的一份数据集，用于练习，我把我的心路历程push出来，也都是一些很基础的聚类方法，非常适合初学者入门。先上数据集： https://pan.baidu.com/s/1i5Y3_anBjsxGVird3oZyTA 提取码：iy5a 里面是一个breast的txt文件，700个样本，10维的数据，前九维是属性，最后一维是类别标签，对了这里声明一下，我后面的操作都是做的无监督的情况，也...

移动通讯客户Kmeans聚类分析练习数据集.xlsx

06-25

移动通讯客户Kmeans聚类分析练习数据集Excel格式，适用于机器学习入手练习，xlsx格式，适合多种数据分析工具

如何使用K-means对MNIST数据集进行聚类分析

Chenshuo_Xu的博客

04-23

3973

之前做过一个使用K-means对MNIST数据集进行聚类分析的简单练习，但最近在CSDN上搜索发现许多相关内容是过于复杂，不便于初学者理解，因此在这里提供一种较为简单的聚类方法。当然MNIST数据集较大，传统聚类不一定能取得较好效果，还是建议使用深度聚类算法对该数据集进行聚类分析。

数据分析与挖掘（十五）------挖掘建模之K-Means聚类算法

sinat_36564972的博客

09-20

2113

K-Means算法是经典的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的类数K，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 1.算法过程（1）从N个样本数据中随机选取K个对象作为初始的聚类中心。（2）分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中。（3）所有对象分配完成后，重新计算K个聚类的中心。（4...

聚类分析实验报告作业

c_lanxiaofang的博客

05-18

4127

课程《生物数据处理》老师：邓阳君老师要求：请采用 k 均值、k 中心点、层次聚类或者模糊聚类等对 iris 数据进行聚类分析，并评价其效果。实验报告应包括算法理论知识、算法代码、仿真实验结果及其分析等内容，请于 5 月 31 日前提交实验报告。一、算法理论知识聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。 k 均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算.

机器学习系列（六） -- K-means算法（食物数据集）

gm0012的博客

12-03

3686

K-means是一种最流行的聚类算法属于无监督学习可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低步骤： # 1 从样本中选择k个点作为初始簇中心 # 2 计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中 # 3 根据每个簇中所有样本，重新计算簇中心，并更新 # 4 重复步骤2 3 直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为数据读取 import numpy as np import pandas as pd data = pd

网络运营商客户价值分析

qq_52090781的博客

09-06

1267

目录 1,背景分析: 2,数据探索: 1,数据合并 2,异常值处理 3,数据展示 3,构建模型 1,查找某一话费的某一月份客户消费 2,计算客户的花费 3,0均值标准化 4,雷达图 2021年夏期期末数据挖掘项目:给定三个数据集(data1.csv/data2.csv/data_info.csv),通过本学期的学习对该数据进行数据挖掘研究.以下是本人的个人见解也是我的期末项目...

【广告技术】如何科学地划分用户群体？在聚类中考虑用户特征和社会关系

腾讯广告算法大赛

05-28

726

划分用户群体是门大学问对互联网广告来说，让不同的用户看到不同的广告是一件特别基本、也特别重要的事。比如，会吸引一位男性游戏爱好者的广告，内容很可能是电竞显示器、专业游戏键盘，而且他也很可能真的去购买广告中推荐的商品；可要是广告推荐的内容是香水、口红，他既不了解、也不感兴趣，这个广告推荐的机会就白白浪费了。广告主和广告平台都希望能够把全体用户准确地划分成许多个带有不同特点的群体，从而能够根据这些群体各自不同的需求和消费能力，推荐最适合的广告。显然，怎么有效地把用户分成不同的类别是一门大学问，按年龄段分可

聚类分析在用户行为中的实例_聚类分析在移动通信用户行为分析中的研究与应用...

weixin_39916511的博客

12-20

683

摘要：随着移动互联网与移动终端的日益发展,终端用户获取信息的方式更加丰富多样,用户越来越依赖于网络,用户个性化需求,用户体验,用户感知度的分析已成为当前的热点.通信行业的客户每天产生大量通信数据,这些业务数据占据大量存储空间,而数据中亦隐藏许多有商业价值的信息,如果能加以发掘利用,将是一笔巨大财富.面对激烈竞争的移动通信市场,客户是运营商赖以生存和业务发展的保障,这要求移动运营商在保证网络服务质量...