随着电子信息技术和互联网的高速发展,传统通信产业正面临着巨大的挑战。一方面,移动互联网的发展带来了流量爆炸式的增长,电信运营商不断增加网络建设方面的投入,但流量的激增并没有为其带来相应营业收入的快速增长,反而面临“被管道化”的危险;另一方面,电信运营商的传统业务(通话、短信)市场遭到了互联网企业相关产品的侵蚀,运营商的利润受到了吞噬,亟需寻找新的利润增长点、提高流量经营的质量。移动终端、数据流量和用户规模的急速发展对传统电信业务模式产生了巨大影响,在移动互联网时代,数据业务是用户的核心需求,数据价值是移动运营商的核心价值。中国移动在各省份建设大数据平台,希望借助企业数据管理平台,有效的发掘和利用用户信息资产价值,优化服务管理功能,实现精准高效的分析和决策,降低项目风险。目前中国移动在业务运营推广过程中,存在主观筛选字段、指定条件圈定目标客户、营销精准度不高的问题,运营成功率普遍在1.+%。对移动用户手机上网行为偏好的研究,能够帮助移动公司精准定位目标客户群,提高营销转化率,使得流量订购率上升,具有非常重要的现实意义。目前咪咕的相关业务以集团发展为主,省份发展为辅。本文的研究响应集团发展,对用户手机上网行为偏好进行分析,主要推荐咪咕旗下的五大产品(咪咕阅读、咪咕视频、咪咕音乐、咪咕游戏、咪咕动漫),在提高自身流量订购率的同时,也为集团发展做贡献。本文在阅读了大量前人文献的基础上,基于数据挖掘理论和情景化推荐理论,构建了移动用户手机上网行为偏好模型,并将该模型应用到市场营销当中,在实际市场环境中对其进行了效果验证。研究根据数据挖掘技术的不同,构建了 2个模型:基于用户历史上网行为的用户习惯性内容偏好模型(描述型挖掘模型)和用户潜在性内容偏好模型(预测型挖掘模型)。利用中国移动B/O/M三域融合技术,采集用户的社会属性数据、通信属性数据和手机行为特征数据,利用IBM SPSS Modeler 14.1数据挖掘工具,采用主成分算法对数据进行降维处理、采用回归分析法确定用户在阅读、音乐、视频、游戏、动漫五大业务的偏好得分规则、采用关联规则预测用户可能感兴趣的APP,并利用手机信令技术,研究用户时间和地点偏好,在此基础之上,在特定情景中对相关用户进行APP推荐。文章在结尾部分介绍了四个基于本次模型的营销推广案例以及取得的成果,实践证明,本模型具有一定作用,能够帮助企业精确目标用户,提高用户点击率和点击转化率。本文的贡献之处在于:对目前国内学者研究较少的移动用户手机上网行为偏好进行了探索;对中国移动B/O/M三域和采集用户数据的相关技术进行了介绍;构建了用户内容偏好挖掘模型,研究了对不同类型用户进行APP推荐的方法;将用户的偏好时间和偏好地点融合进用户营销推荐过程当中,实现了情景化的推荐营销。