摘 要：电信用户的消费行为与消费特征不尽相同，如何对电信用户群体进行有效划分，是值得关注的问题。文章研究了利用电信用户的自身属性与业务属性，构建潜在类别模型，通过10 个外显变量对其进行分类，并根据划分结果分析每一类用户的消费特征。研究结果表明，电信用户可分为临时型、低值型、传统型、公务型、佛系型和稳定型6 种类型，其中公务型用户群体消费水平最高且相对稳定，具有较高的用户维护价值，运营商应给予最多的关注。
关键词：电信用户；RFM 分析；潜在类别模型；用户分类
中图分类号：TP311.13 文献标识码：A 文章编号：2096-4706（2021）02-0006-06
Research on Telecom User Classification Based on Latent Class Model
PENG Yidan，LIU Hongwei，GAO Hongming
（School of Management，Guangdong University of Technology，Guangzhou 510520，China）
Abstract：The consumption behavior and consumption characteristics of telecom users are different. How to divide telecom user groups effectively is a problem worthy of attention. Based on the self attributes of telecom users and service attribute，this paper constructs latent class model，classifies them by 10 explicit variables，and analyzes the consumption characteristics of each category of users according to the classification results. The results show that telecom users can be divided into six types：temporary，low value，traditional，official，buddhist and stable. Among them，the consumption level of official users is the highest and relatively stable，which has higher user maintenance value，and operators should pay more attention to it.
Keywords：telecom user；RFM analysis；latent class model；user classification
参考文献：
[1] 陈治平，胡宇舟，顾学道. 聚类算法在电信客户细分中的应用研究 [J]. 计算机应用，2007（10）：2566-2569.
[2] AHN H，AHN J J，OH K J，et al. Facilitating cross-selling ina mobile telecom market to develop customer classification model basedon hybrid data mining techniques [J].Expert Systems with Applications，2011，38（5）：5005-5012.
[3] MIGLAUTSCH J R. Thoughts on RFM scoring [J].Journal ofDatabase Marketing & Customer Strategy Management，2000，8（1）：67-72.
[4] 张虎，王国华，郑文芳. 基于MaxDiff 和潜在类别分析的移动支付客户细分研究 [J]. 数理统计与管理，2017，36（3）：506-517.
[5] 马宝龙，李飞，王高，等. 随机RFM 模型及其在零售顾客价值识别中的应用 [J]. 管理工程学报，2011，25（1）：102-108.
[6] KHAJVAND M，ZOLFAGHAR K，ASHOORI S，et al.Estimating customer lifetime value based on RFM analysis of customerpurchase behavior：Case study [J].Procedia Computer Science，2011，3：57-63.
[7] 刘朝华，梅强，蔡淑琴. 基于RFM 的客户分类及价值评价模型 [J]. 技术经济与管理研究，2012（5）：33-36.
[8] 林盛，肖旭. 基于RFM 的电信客户市场细分方法 [J]. 哈尔滨工业大学学报，2006（5）：758-760.
[9] 刘建荣，刘志伟. 基于出行者潜在类别的公交出行行为研究 [J]. 华南理工大学学报（自然科学版），2019，47（6）：119-126.
[10] 乔珂，赵鹏，文佳星. 基于潜在类别模型的高铁旅客市场细分 [J]. 交通运输系统工程与信息，2017，17（2）：28-34.
[11] 刘志伟，刘建荣，邓卫. 基于潜在类别的无人驾驶汽车选择行为 [J/OL]. 吉林大学学报（工学版）：1-6[2020-11-04].https://doi.org/10.13229/j.cnki.jdxbgxb20200390.
[12] 曾宪华，肖琳，张岩波. 潜在类别分析原理及实例分析 [J].中国卫生统计，2013，30（6）：815-817.
[13] 邱皓政. 潜在类别模型的原理与技术 [M]. 北京：教育科学出版社，2008.
作者简介：
彭宜丹（1995—），女，汉族，湖北宜昌人，硕士研究生在读，研究方向：工商管理；
刘洪伟（1962—），男，汉族，广东广州人，教授，博士生导师，博士，研究方向：信息系统，商务智能，移动商务；
高鸿铭（1993—），男，汉族，广东广州人，博士研究生在读，研究方向：管理科学与工程。