IVR 客户的行为太难猜？你可以看看这篇研究，研究者用数据挖掘给呼叫中心做了个“客户画像”。CRISP-DW 流程打底，Clementine 工具数据，先清洗，再聚类，建了个C5.0 决策树模型，整个链条走得挺完整。比如你能发现，ARPU 值在 100~150 之间的客户，更容易走进 IVR 系统，像福田、宝安这些地区也集中不少这样的用户。

模型跑出来的结果蛮有意思，客户入 IVR 的原因还真不少，像需求复杂、接入时长、地区差异等等。用C5.0来预测这些特征，不光快，精度也还不错。

而且聚类的逻辑挺实用，按ARPU 值和入网时长划成四类客户，你就能更清楚：哪些人更愿意用自动语音，哪些人宁可人工排队。对电信客服优化 IVR 路径设计，这直接能拿来参考。

数据预也不含糊，像离散化、去重这些步骤都做了，挺贴合做前端时要先搞干净数据的思路。嗯，如果你也在做和用户行为、呼叫中心优化相关的东西，这篇研究资料值得收藏一下。

顺便推荐几个延伸阅读，像决策树、课程设计中的算法应用这些文章，搭配着看更有感觉。