客户识别是电信客户关系管理领域中一项重要的研究课题,主要研究任务是从大量的客户群体中识别出不同的客户类别。电信客户之间通过通信行为相互建立联系,形成了电信客户的通信网络,从网络结构特征的角度进行研究能够更加全面的了解客户通信习惯。本文从电信客户交往圈的角度,对客户识别进行研究。本文主要内容如下:(1)研究了社会网络分析方法和社团划分算法,首先利用电信客户通话数据来构建电信客户通话网络,并从社会网络分析的角度分析了该网络的结构特性,然后借助快速Newman算法对该网络进行划分,将客户划分为不同的客户群体得到有效的客户交往圈,最后,分析了各客户群体的通话特征。(2)针对目前单属性识别算法的局限性以及现有多属性识别算法中属性选取的主观性和识别结果不够准确的问题,给出了一种基于多目标优化算法的识别算法。该算法首先使用多目标优化算法NSGA-Ⅱ结合Borgatti提出的KPP-Neg和KPP-Pos问题作为目标函数,识别网络中的核心节点,然后对得到的核心节点集再次进行评价选取得分较高的节点集,并和其它识别指标得到的节点集进行比较分析。(3)通过市场收集客户反映数据,得到客户特征属性集。对该属性集进行约简,选取有效特征属性,并借助C4.5算法在潜在客户名单中构造决策树分类预测模型,提取潜在客户的特征属性,从而筛选出有效的异网潜在客户。以某市联通公司提供的通话详单作为实验数据构造电信客户通话网络,对本文客户识别算法进行验证。实验结果表明本文算法能够有效的识别出电信通话网络上的核心客户和异网潜在客户,为运营商实施客户关系管理提供了可靠的信息支持。