目前移动公司营销策略分析系统存在的主要问题是:一方面,系统设计只注重简单的统计报表等传统营销策略分析功能的实现,而不重视利用数据挖掘等新营销手段对相关的知识发现与利用;另一方面,在移动公司会员存量保有营销分析系统中,最常见的是k-means聚类算法,但是该算法容易受到初始聚类数目、建模人员水平、分析者的主观因素的影响。因此,论文将数据挖掘中的相关理论和算法引入营销策略分析系统,丰富了营销策略分析系统的功能,为移动公司市场营销工作者提供了更为有效的营销策略分析工具。论文以A移动公司营销策略分析系统中涉及会员存量保有营销的移动会员保有、资费满意度管理、高价值会员维系等三个主要营销业务,根据实际工作中的需要改进了现有数据挖掘算法,提高了系统数据挖掘的质量。论文采用KBPC均值聚类算法对营销事件的相关记录进行量化分析并进行套餐推荐。现有的算法多数只重视会员对营销产品的兴趣度,也就是说会员兴趣度高的营销产品,现有算法往往优先推荐。但是这种推荐算法很容易忽略了移动公司对营销产品的发展战略选择。论文认为,会员之于某一营销产品的兴趣度对于会员保有存量营销策略的短期重要性不言而喻,同时某一营销产品之于移动公司的长远价值对于会员保有存量营销策略也不可或缺,现实中,此二者却未必刚好吻合。因此,论文提出了一种基于排列组合的K均值聚类算法(KBPC,K-means base on Permutation and combination)。最后,论文分别在会员存量保有营销的移动会员保有、资费满意度管理、高价值会员维系三个方面进行了模块设计需求分析、模块设计和效果展示。深层次挖掘营销策略的内在规则,对于更好地指导A移动公司存量保有营销策略的制定与推广有着十分重要的意义。测试结果表明,论文中所提出的算法和方案是可行的,达到了预期的效果。