客户识别对于电信企业的发展具有重要意义。电信行业发展方式主要以“客户”为中心,进而开展各项业务,并借助数据挖掘技术对目标客户的行为进行研究,由此进一步更为精准地挑选客户,最终结合不同客户的特点来制定与之相对应的营销计划。本文以中国移动A省分公司移动用户海量历史数据为基础,主要工作如下:首先,针对多分类问题中样本分类不平衡问题进行研究,基于综合权重的数据平衡方法,改善少数类样本的分布,从而提高分类器模型性能。然后,结合用户交往圈数据,分别采用随机森林算法和改进的随机森林算法对友商客户的流量价值进行识别。实验结果表明,改进后的随机森林模型预测效果更好,可以为运营商制定营销产品提供理论依据。该模型应用于市场营销活动,外呼验证准确率达到了54.7%以上,具有非常大的实用价值。最后,通过现有的营销样本对友商客户的策反特征进行分析,利用决策树算法中的CART算法和C5.0算法分别构建模型,模型预测结果表明,基于C5.0算法的友商客户策反模型预测更加准确和全面。本文对友商客户的流量价值识别模型和策反模型的研究表明数据挖掘技术对于电信行业的发展具有极为重要的作用,其结果可以帮助运营商了解客户特征,由此进一步提升服务质量,这对于增加营收和提高企业市场份额都具有重要意义。