随着3G业务的拓展,使得电信市场的竞争越来越激烈。如何最大程度地挽留在网用户、吸取新客户是电信企业最关注的问题之一。竞争对手的促销、公司资费软着陆措施的出台和政策、法规等不断变化,影响了客户消费心理和消费行为,导致客户的流失特征不断变化。对于上海移动而言,中高端客户是上海移动收益的重要组成,流失会给公司带来市场占有率下降、营销成本增加、利润下降等一系列问题。同时,上海移动的中高端客户是高质量客户,流失用户群比较小,特征较难捕捉。目前,中高端客户的平均流失率仅为1.17%。中高端客户保有率对上海移动而言,是一项非常重要的工作。根据“柏拉图2.8律”,20%的中高端客户为移动创造了80%的利润,而如何挽留和争取更多的大客户,在当前竞争激烈的移动通信行业,唯有体现以人为本,客户至上的原则方能取胜。目前,上海移动主要用经验判断用户的ARPU值下降,每月用户呼转次数达到一定阀值就进行外呼挽留。这种方式虽然能抓住某些用户,但从总体来看,真正找对的用户比例较少。采用预警模型能大幅度提高捕捉流失客户的准确率,从而在有限的资源投入的情况下,最大限度地做好客户的挽留工作。本文结合实际项目,将数据挖掘技术应用于电信的客户细分。论文采用基于客户行为的客户细分方法,引入信息熵增益的决策树算法,来实现电信客户的细分。首先进行数据准备和数据预处理等工作,进而按客户行为,对目标数据分成几种组间差异较大、而组内差异较小的群,同时对客户细分的结果进行分析,并对未来市场给予评价,从而为企业提供准确、可靠的决策指导。最后设计了一个客户细分分析系统,实现了总体描述、聚类分析和用户管理等功能,便于用户进行客户细分,减少中高端用户流失,确保公司收益的可持续发展。将算法应用在在实际项目中后,2010年中高端用户保有率从平均92.3%上升到了96.9%,上升了4.6%。按照中高端200万用户来估算,客户挽回达到9.2万人,挽回率到达42%。在实际营销活动中,采用算法的用户营销成功率是不采用该算法的用户的9倍,证明算法的有效性。