Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/98224
Title: Household Identification Using Call Records
Other Titles: Identificação de Agregados Familiares utilizando Registos de Chamadas
Authors: Paiva, Ricardo José Monteiro
Orientador: Machado, Fernando Jorge Penousal Martins
Lourenço, Nuno António Marques
Keywords: Registos Detalhados de Chamadas; Análise de Redes Sociais; Detecção de Influenciadores; Detecção de Comunidades; Exploração de Dados; Call Detail Records; Social Network Analysis; Influencer Detection; Community Detection; Data Mining
Issue Date: 10-Nov-2021
Serial title, monograph or event: Household Identification Using Call Records
Place of publication or event: DEI- FCTUC
Abstract: Uma boa relação com os seus clientes é fulcral para o sucesso de qualquer empresa. Nos dias de hoje, as empresas, principalmente aquelas que operam na área das telecomunicações, têm investido cada vez mais na relação que mantêm com os seus clientes de forma a garantir a sua satisfação e, como consequência, a sua retenção. Uma das técnicas que têm sido utilizadas nos últimos anos tem sido a criação de perfis de clientes através de técnicas de segmentação, de forma a perceber os seus interesses. Através da criação destes perfis, as empresas de telecomunicações podem fornecer aos seus clientes serviços especializados adaptados às suas necessidades e gostos. O principal objectivo deste trabalho é avaliar as possibilidades do estudo de registos telefónicos no que diz respeito à segmentação de clientes por empresas de telecomunicações. Em concreto, propomos dois modelos para analisar as redes sociais de clientes construídas com base no seus registos de comunicação, com o objetivo de determinar quem são os clientes mais influentes, bem como os seus grupos sociais. Além disso, apresentamos uma forma de classificar os clientes de acordo com o seu operador móvel.Estes modelos permitiram-nos classificar os clientes mais influentes e os resultados do estudo dos seus grupos sociais permitiram confirmar que é possível detectar agregados familiares através do estudo destas fontes de dados. As empresas podem utilizar estes resultados para adaptar as suas estratégias e campanhas de marketing de acordo com o perfil dos seus clientes de forma a obter vantagens comerciais num mercado tão competitivo.
A good relationship with its customers is crucial to the success of any company. Nowadays, companies, especially those operating in the telecommunications industry, have increasingly invested in the relationship they have with their customers to ensure their satisfaction and, consequently, their retention. One of the techniques that have been used by companies in this area has been the creation of customer profiles through segmentation techniques, in order to understand their interests. Through the creation of these profiles, telecommunications companies are able to provide their customers with specialised services tailored to their needs and taste.The main objective of this work is to evaluate the possibilities of the study of Call Detail Records with regard to customer segmentation by telecommunications companies. In concrete, we propose two models to analyse customers' social networks built on their communication records, with the aim of determining who are the most influential customers, as well as their social groups. In addition we present a way to classify customers according to their mobile operator. These models allowed us to classify the most influential customers and the results of the study of their social groups confirmed the viability of detecting households by studying this type of data. Companies can use these results to adapt their strategies and marketing campaigns according to their customers' profiles to obtain a business advantage in such a competitive market.
Description: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: https://hdl.handle.net/10316/98224
Rights: embargoedAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
Dissertation-RP.pdf4.05 MBAdobe PDFView/Open
Show full item record

Page view(s)

44
checked on Apr 30, 2024

Download(s)

16
checked on Apr 30, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons