流動(dòng)人口識(shí)別監(jiān)控與精準(zhǔn)營銷系統(tǒng)

CMGD-GZ LIUYAQI 中國移動(dòng)科技創(chuàng)新成果推廣材料 完成單位： 廣東公司業(yè)務(wù)支持中心經(jīng)營分析室 成果名稱： 流動(dòng)人口識(shí)別監(jiān)控與精準(zhǔn)營銷系統(tǒng) 成果研究類別： 現(xiàn)有業(yè)務(wù)優(yōu)化 成果專業(yè)類別： 業(yè)務(wù)支撐 2 CMGD-GZ LIUYAQI 目錄 A. 項(xiàng)目背景 B. 實(shí)施方案 C. 應(yīng)用案例 D. 項(xiàng)目的主要?jiǎng)?chuàng)新點(diǎn) E. 社會(huì)和經(jīng)濟(jì)效益 -3- 低成本高效率的運(yùn)營 通信行業(yè)全業(yè)務(wù)競爭加劇 客戶發(fā)展、爭奪和保有 產(chǎn)品和業(yè)務(wù)發(fā)展“長尾化” 業(yè)務(wù)拓展需求 利用這些業(yè)務(wù)知識(shí)實(shí)現(xiàn)精細(xì)化營銷 對(duì)客戶的這些信息進(jìn)行清洗、提煉，挖掘出業(yè)務(wù)知識(shí) 收集客戶的業(yè)務(wù)訂購、產(chǎn)品消費(fèi)、捆綁情況、行為習(xí)慣等等信息 項(xiàng)目背景 市場競爭日益激烈，市場趨于飽和，針對(duì)市場細(xì)分的精細(xì)化營銷顯得日趨重要 通信行業(yè)全業(yè)務(wù)競爭的加劇、市場趨于飽和、產(chǎn)品和業(yè)務(wù)發(fā)展的“長尾化”等等因素要求我們必須利用客戶的各種信息，進(jìn)行市場細(xì)分，開展精細(xì)營銷，實(shí)現(xiàn)低成本高效率的運(yùn)營。 -4- 項(xiàng)目背景 流動(dòng)人口龐大 流動(dòng)人口市場內(nèi)部各群體存在顯著差異，外來工、高校學(xué)生消費(fèi)需求及特征不同 龐大而復(fù)雜的流動(dòng)人口對(duì)公司的統(tǒng)籌規(guī)劃影響較大，如何準(zhǔn)確甄別出流動(dòng)人口，識(shí)別出目標(biāo)客戶的需求，為各級(jí)市場部門提供較好的支撐服務(wù)，為各級(jí)市場部門提供精細(xì)化營銷所必需的支撐服務(wù)。 外來務(wù)工人員 資費(fèi)敏感，易棄卡 有定向交流需求 漫游消費(fèi)有所壓抑 高校學(xué)生 消費(fèi)力較強(qiáng)，潛力高 數(shù)據(jù)業(yè)務(wù)接受度高 群內(nèi)交流需求多 隨著經(jīng)濟(jì)體制改革的推進(jìn)，我國流動(dòng)人口群體迅速擴(kuò)大，廣東流動(dòng)人口逾 2300萬，成為不可忽視的客戶群 大規(guī)模人口流動(dòng)的春節(jié)期間在兩地重復(fù)營銷，大進(jìn)大出，內(nèi)耗嚴(yán)重，造成巨大資源浪費(fèi)。 億萬流動(dòng)人口市場龐大，消費(fèi)旺盛，月通信消費(fèi)在 50元以上的約占 45%，富含商機(jī)，但市場競爭也日漸加劇 客戶流動(dòng)棄卡，離網(wǎng)率高；重復(fù)入網(wǎng)帶來酬金成本增加、號(hào)源浪費(fèi)；高漫游單價(jià)導(dǎo)致話務(wù)量未能充分釋放 外部環(huán)境帶來機(jī)遇 內(nèi)部問題制約發(fā)展 -5- 項(xiàng)目背景 外來工是廣東移動(dòng)重點(diǎn)關(guān)注的細(xì)分市場，在精準(zhǔn)營銷方面亟待深入研究 身份信息缺失 歷史問題： 不需要實(shí)名登記 渠道問題： 社會(huì)渠道的號(hào)卡銷售過程復(fù)雜 競爭問題： 一味吸引客戶， 不強(qiáng)求客戶實(shí)名登記 系統(tǒng)問題： 系統(tǒng)中的數(shù)據(jù)不全、不精 廣東現(xiàn)有的外來工占到常駐人口的比重較大，是非常重要的細(xì)分市場，由于系統(tǒng)數(shù)據(jù)不全不精，難以準(zhǔn)確識(shí)別該群體，因此以往針對(duì)這個(gè)群體的市場營銷不夠精準(zhǔn)。 由于識(shí)別準(zhǔn)確率低，存在以下問題： 營銷效果受到一定的影響 該細(xì)分市場的客戶需求和消費(fèi)習(xí)慣尚未較為全面的掌握 市場潛力有待進(jìn)一步挖掘 -6- 解決思路 提升外來工識(shí)別的準(zhǔn)確性，深入分析客戶需求，從而實(shí)現(xiàn)外來工市場的精耕細(xì)作 基 礎(chǔ) 模 型 應(yīng) 用 模 型 分析 應(yīng)用 外來工客戶識(shí)別模型 高影響力人物識(shí)別 外來工市場細(xì)分 產(chǎn)品交叉銷售 提供群體內(nèi)通話優(yōu)惠 長途通話套餐 12582務(wù)工易 種子營銷、病毒營銷 紅緞子短信營銷 外來工關(guān)鍵人營銷 針對(duì)外來工市場 特點(diǎn)，設(shè)計(jì)個(gè)性化產(chǎn)品和營銷 方案 進(jìn)行外來工關(guān)懷活動(dòng) 外來工產(chǎn)品營銷 提供個(gè)性化服務(wù) 將外來工市場根據(jù)不同特征（如區(qū)域特征）分割成不同群體，進(jìn)行針對(duì)性營銷。 分析外來工對(duì)新增值業(yè)務(wù)產(chǎn)品的傾向程度。 根據(jù)其交往圈大小、短彩性發(fā)送等特性，分析影響力，判斷其在外來工群體中的重要性。 基于基站、消費(fèi)特征、交往圈等行為軌跡建立客戶識(shí)別模型 外呼模型修正 特定資費(fèi)等針對(duì)模型預(yù)測的結(jié)果進(jìn)行修正與補(bǔ)充。 全網(wǎng)各運(yùn)算結(jié)果的整合 -7- 家庭 商務(wù) 初中 (54%) 小學(xué) (21%) 單身 (半 )文盲 (3%) 客戶特征 (客戶識(shí)別 ) 20-29歲 (70%) 客戶需求 (需求細(xì)分 ) 20歲以下 (10%) 30歲以上 (20%) 高中及以上 (22%) 問候 購票 教育 娛樂 找工作 解決思路 客戶類型多樣，需求差異大，需要開展客戶行為研究，提升市場工作的針對(duì)性（以外來工客戶為例） -8- 目錄 A. 項(xiàng)目背景 B. 實(shí)施方案 C. 應(yīng)用案例 D. 項(xiàng)目的主要?jiǎng)?chuàng)新點(diǎn) E. 社會(huì)和經(jīng)濟(jì)效益 -9- 總體分析思路 （以外來工客戶為例） 神州行、動(dòng)感地帶用戶 根據(jù)篩選條件，取出流動(dòng)人口樣本 根據(jù)篩選條件，取非流動(dòng)人口樣本 對(duì)提取的樣本進(jìn)行建模 步驟四：按規(guī)則打分 步驟五 找出流動(dòng)人口 以下以外來工客戶為例，介紹特定流動(dòng)人口精確識(shí)別的模型構(gòu)建。 -10- 口徑 目標(biāo)變量 是否流動(dòng)人口：指的是來自外省的藍(lán)領(lǐng)階層的工人主要從事體力勞動(dòng)的人群，收入相對(duì)較低；外地學(xué)生。 以用戶最近四個(gè)月的行為預(yù)測下個(gè)月是否為流動(dòng)人口 分析用戶群 時(shí)間窗口定義 神州行、動(dòng)感地帶用戶。其中包括兩城一家、定向長途以及移動(dòng)提供的曾呼叫 12582客戶； 分析窗口 預(yù)測窗口 預(yù)測點(diǎn) M M - 1 M - 2 M+ 1 M=2011年 4月 -11- 具體做法 目標(biāo)客戶定位精準(zhǔn)化 Text Text Text 根據(jù)數(shù)據(jù)挖掘模型生成外來人口客戶三類知識(shí)標(biāo)簽 流動(dòng)高端人士標(biāo)簽、外來務(wù)工人員標(biāo)簽和高校學(xué)生標(biāo)簽，客戶知識(shí)標(biāo)簽匯入客戶特征知識(shí)庫。 外來務(wù)工人員（高校學(xué)生） 長途通話集中度 60% 工業(yè)區(qū) （校園） 通話時(shí)長占比 32% 春節(jié)期間定向漫游、長途通信 入網(wǎng)時(shí)長 33% 數(shù)據(jù)業(yè)務(wù)數(shù)量 4 經(jīng)常漫游通話 長途通話占比較大 白天工業(yè)區(qū)通話 學(xué)校附近通話集中 寒假暑假定向漫游某省 經(jīng)常使用飛信 1、收集客戶行為特征 2、構(gòu)建客戶識(shí)別模型 3、建立客戶特征知識(shí)庫 -12- 對(duì)客戶需求進(jìn)行研究和細(xì)分 內(nèi)容偏好 業(yè)務(wù)使用偏好 增值業(yè)務(wù)影響力 構(gòu)建客戶需求模型 學(xué)生群體及外來工群體識(shí)別 (1)基于基站和交往圈等行為軌跡建立客戶識(shí)別模型 (2)外呼模型修正 (3) 特定資費(fèi)等針對(duì)模型預(yù)測的結(jié)果進(jìn)行修正與補(bǔ)充 識(shí)別客戶 1 （ 1）日常外呼及營銷活動(dòng)進(jìn)行客戶社會(huì)屬性完善 （ 2）基于關(guān)聯(lián)分析算法的編碼技術(shù)完善客戶社會(huì)屬性 社會(huì)屬性完善 2 3 客戶需求細(xì)分 學(xué)生及外來工社會(huì)屬性收集 (1) 助力關(guān)愛外來工服務(wù)營銷活動(dòng)的開展與跟蹤 (2) 日常外來工群體穩(wěn)定性及規(guī)模發(fā)展 (占有率 )跟蹤分析 外來工客戶服務(wù)營銷應(yīng)用 4 (1) 助力高校營銷活動(dòng)的開展與跟蹤 (2) 日常學(xué)生規(guī)模發(fā)展的跟蹤分析 (3) 增值業(yè)務(wù)影響力應(yīng)用到高校增值業(yè)務(wù)發(fā)展 個(gè)人與群體的相互影響 短信、彩信的病毒營銷 體驗(yàn)營銷 刺激、激勵(lì)營銷 學(xué)生客戶服務(wù)營銷應(yīng)用 4 應(yīng)用思路 -13- 基于基站和交往圈等行為軌跡建立學(xué)生、外來工客戶甄別模型 學(xué)生 標(biāo)識(shí) 群體識(shí)別模型 變量因素探索 模型初步 建立 交往圈數(shù)據(jù) 修正模型 通過用戶業(yè)務(wù) 使用情況 修正模型 模型修正 結(jié)果 最終模型修正結(jié)果 外呼結(jié)果用于修正模型 步驟一 步驟二 步驟三 外來工 標(biāo)識(shí) 根據(jù)特定群體活動(dòng)特征初步尋找目標(biāo)用戶 結(jié)合以往活動(dòng)市場營銷活動(dòng)，獲取目標(biāo)用戶清單 通過目標(biāo)用戶的分析構(gòu)建特定群體的初步模型 對(duì)于模型結(jié)果進(jìn)行外呼調(diào)研 利用外呼的結(jié)果同時(shí)結(jié)合特定用戶群體交往圈的分析方法進(jìn)行模型的修正 結(jié)合群體的用戶特征，對(duì)模型進(jìn)行再次修正，最終得到模型結(jié)果 行為軌跡 交往圈規(guī)則 決策樹、邏輯回歸 先應(yīng)用建模方法對(duì)學(xué)生和外來工客戶進(jìn)行識(shí)別建模 模型結(jié)果標(biāo)識(shí) 模型初步構(gòu)建與修正 群體標(biāo)識(shí)與指標(biāo)探索 -14- 外來群體的識(shí)別模型的變量設(shè)計(jì) 消費(fèi)能力 : 外來群體的消費(fèi)特點(diǎn) 資費(fèi)特點(diǎn) : 選擇與自身相關(guān)的一些特定套餐 特殊節(jié)假日特征 :外來群體節(jié)假日消費(fèi)特點(diǎn) 通話特征 : 外來的通話行為特點(diǎn) 外來群體 特點(diǎn) 地域特點(diǎn) : 圍繞工業(yè)區(qū)、城中村、學(xué)校 外來群體識(shí)別特征變量考慮 套餐信息 神州行套餐 家園卡 消費(fèi)價(jià)值 ARPU 語音行為 本地通話時(shí)長及占比 長途通話時(shí)長及占比 閑時(shí)通話時(shí)長及占比 特殊節(jié)假日消費(fèi)特征 相關(guān)通話時(shí)長與平時(shí)的變化情況對(duì)比 基站信息 基站集中在企業(yè)附近 用戶活動(dòng)范圍寬度基站 -15- 中山全量通信 活躍客戶 （ 3754964） 項(xiàng)目模型 流動(dòng)人口樣本選取 定向地話務(wù)與短信次數(shù)占比大于等于 0.15（即篩選出前 35%的用戶） , 同時(shí) ARPU小于等于200（ 62800人） 篩選出 2月（春節(jié)期間）有漫游通話 MOU，但全年其他時(shí)期（ 3、 4、 6、 7月）皆無漫游的用戶 （ 190744人） 10月老鄉(xiāng)網(wǎng)活躍用戶數(shù) （ 1179558人 ） 篩選條件一 篩選條件二 篩選條件三 無法取到二月老鄉(xiāng)網(wǎng)指定的定向地漫游，故只能判斷 2月有無漫游通話； 由于 5月五一長假，漫游人較多，不具有代表性，故此處剔除，且 8、 9、 10月份作為建模月份，故也不加入。 經(jīng)探索，經(jīng)條件二 篩選后的客戶 80%以上 ARPU小于 100，為避免 ARPU100成為流動(dòng)人口的硬性條件，此處選用 200切除部分極值點(diǎn)便可 -16- 項(xiàng)目模型 非流動(dòng)人口樣本選取 中山全量通信 活躍客戶 （ 3754964） 剔除非神州行用戶 （ 139611人） 春節(jié)期間無漫游，平時(shí)段（ 3、4、 6、 7月）有適當(dāng)漫游話務(wù) （ 158724） 篩除活躍老鄉(xiāng)網(wǎng) （ 2575406人 ） 篩選條件一 篩選條件二 篩選條件三 此處沒有將長途話務(wù)定向集中度、本地話務(wù)集中度作為篩選規(guī)則，是基于建模需要用到這兩個(gè)關(guān)鍵變量，以免模型具有明顯的傾向性 由于老鄉(xiāng)網(wǎng)客戶都是神州行品牌，故此處建模時(shí)流動(dòng)人口樣本和非流動(dòng)人口樣本都僅限于神州行客戶； 在評(píng)分中如有需要，可加入動(dòng)感地帶用戶 -17- 17 樣本選取效果評(píng)估 根據(jù) 8、 9、 10月份客戶定向長途話務(wù)的定向地，統(tǒng)計(jì)客戶三個(gè)月中定向地相同的月份數(shù)： 指長途話務(wù)通話次數(shù) 占比最大的地方 從表中可以看出，流動(dòng)人口長途話務(wù)的定向地比較集中， 70%以上的用戶三個(gè)月向同一個(gè)地方定向長途通話； 非流動(dòng)人口長途話務(wù)較為零散，三個(gè)月不同長途話務(wù)定向地的客戶占接近 45%； 樣本效果較好。 定向地相同的月份數(shù) 流動(dòng)人口 非流動(dòng)人口 0 175 21222 1 6552 44281 2 11375 38880 3 40257 35228 -18- 數(shù)據(jù)探索方法與過程 比較各種變量在外省求職者的均值與其它用戶的差異。初步了解外來求職者的特征。 用圖線全面展示變量在不同取值下，用戶群中外省求職者的比例，發(fā)現(xiàn)變量值與外省求職者的更深層的相關(guān)聯(lián)性。 1. 均值比較 2. 圖形分析 -19- 均值比較 變量 A(外來工求職者的平均值 ) B(非外來工求職者的平均值 ) A-B 全體平均 值 A與 B差異率 (A-B)/全體均值 ) 頭 10次通話中外省通話次數(shù) 2.65 0.52 2.14 0.63 338.12% 上行省外短信費(fèi)用 6.92 2.25 4.67 2.51 186.22% 定向短信量 56.09 18.30 37.79 20.37 185.49% 上行省外短信次數(shù) 80.88 26.64 54.25 29.61 183.21% 國內(nèi)定向費(fèi)用 19.75 8.12 11.63 8.76 132.76% 國內(nèi)定向費(fèi)用對(duì) ARPU占比 0.21 0.09 0.12 0.10 125.60% 上行國內(nèi)彩信費(fèi)用 0.14 0.06 0.08 0.07 123.08% 定向短信與本地短信占比 0.24 0.10 0.14 0.11 122.16% 定向交往圈人數(shù) 4.36 1.96 2.40 2.09 114.75% 上行國內(nèi)彩信次數(shù) 1.31 0.61 0.69 0.65 106.09% 國際漫游出訪次數(shù) 0.00 0.06 -0.06 0.05 -105.80% 國際漫游出訪 MOU 0.00 0.03 -0.03 0.03 -105.80% 親情匯款用戶 0.00 0.00 0.00 0.00 -105.80% 國際漫游出訪時(shí)長 0.00 1.70 -1.70 1.60 -105.80% 國際漫游出訪費(fèi)用 0.00 0.30 -0.30 0.28 -105.80% 定向通話次數(shù) 13.17 6.45 6.72 6.82 98.63% 主叫港澳臺(tái)長途 MOU 0.03 0.38 -0.35 0.36 -97.64% 國際長途被叫 MOU 0.01 0.16 -0.15 0.15 -96.50% 港澳臺(tái)長途被叫 MOU 0.03 0.28 -0.25 0.27 -93.79% 主叫國內(nèi)長途 MOU 71.73 36.67 35.06 38.59 90.84% . . . . . . -20- 在網(wǎng)時(shí)長： 新入網(wǎng) 1 3個(gè)月用戶是外省求職者的可能性較高。 1年以上的老客戶是外省求職者的可能性較小 。 品牌： 動(dòng)感地帶中外來求職者的占比是各品牌中最高的 。 大眾卡則非常低 。 5 . 5 1 % 5 . 6 4 %6 . 3 8 %1 . 5 4 %0%1%2%3%4%5%6%7%全球通 神州行 動(dòng)感地帶 神州大眾卡外省求職者占比 12.75%9.69%5.51%4.36%12.05%4.33%2.05%1.28%0.81% 0.58%0%2%4%6%8%10%12%14%027 2828 2930 3131 329697262263548 549936 93716851686外省求職者占比客戶屬性 在網(wǎng)時(shí)長（天） -21- 客戶地區(qū) 珠三角地區(qū)的用戶中外省求職者的比例較大。 一類城市中，深圳、東莞的外省求職者占比高，而廣州、佛山較低。 9 . 6 %7 . 5 %6 . 4 %5 . 7 %5 . 0 %4 . 7 %4 . 1 %3 . 9 %3 . 3 % 3 . 2 %3 . 1 %2 . 9 % 2 . 8 %2 . 7 %1 . 9 % 1 . 9 %1 . 6 % 1 . 5 %1 . 1 % 1 . 0 %0 . 6 %0 . 0 0 %1 . 0 0 %2 . 0 0 %3 . 0 0 %4 . 0 0 %5 . 0 0 %6 . 0 0 %7 . 0 0 %8 . 0 0 %9 . 0 0 %1 0 . 0 0 %深圳 東莞 珠海 中山 惠州 廣州 汕尾 佛山 汕頭 云浮 韶關(guān) 揭陽 江門 肇慶 梅州 清遠(yuǎn) 潮州 陽江 湛江 茂名 河源珠三角城市其它城市6.72%2.28%0%2%4%6%8%珠三角用戶 不是外省求職者占比-22- 客戶價(jià)值 ARPU ARPU在 23到 54之間的用戶是外省求職者的機(jī)會(huì)就較大了 。 而 ARPU高于 120的用戶是外省求職者的可能較小 。 5.03%6.07%6.50% 6.31%5.76% 5.69% 5.61% 5.61%4.48%3.75%0%1%2%3%4%5%6%7%023.623.634.3 34.344.1 44.154.2 54.266.4 66.481.781.7101.4 101.4126.9127181.7181.8外省求職者占比6.18%6.58%7.05%6.52%5.75%5.07%5.65% 5.50%3.83%2.67%0%1%2%3%4%5%6%7%8%099100176 177264 265359 360480 481632 633846 8471175117618031804外省求職者占比 MOU在 360分鐘以內(nèi)的用戶是外省求職者的可能性較高。 MOU很高的用戶是外省求職者的可能性較低。 ARPU MOU -23- 0.85%2.38%5.76%7.65%8.07%9.82% 9.96%10.49%0%2%4%6%8%10%12%00 11 27817 1831 325556106107外省求職者占比7.39%6.16%6.40%4.93%5.76%6.41%4.73%3.01%1.53%0%1%2%3%4%5%6%7%8%00 11 23 47814 1525 2646 479798外省求職者占比通話行為 長途 省內(nèi)長途多的用戶是外省求職者的可能性較 低 。 主叫省內(nèi)長途 MOU 主叫省際長途 MOU 省際長途多的用戶外省求職者的可能性都較 高 。 -24- 5.78%4.20%3.78%0%1%2%3%4%5%6%7%0012122外省求職者占比6.66%4.43%4.73%3.34%1.94%0%1%2%3%4%5%6%7%00 1562728114115外省求職者占比通話行為漫游 漫游較多的用戶是外省求職者的可能性較 低 。 省內(nèi)漫游 MOU 省際漫游 MOU -25- 8.97% 8.93%7.05%6.15%5.39% 5.28% 5.20%3.70%2.10%1.32%0%1%2%3%4%5%6%7%8%9%10%06710 1113 1417 1821 2226 2733 3442 436364外省求職者占比本地交往圈號(hào)碼 少 ，省內(nèi)交往圈號(hào)碼數(shù) 少 、省際交往圈號(hào)碼數(shù) 多 的用戶，是外省求職者的可能性較 高 。 省內(nèi)交往圈號(hào)碼數(shù) 國內(nèi)交往圈號(hào)碼數(shù) 0.84%3.98%6.87%7.64%9.75%10.04%11.08%8.80%0%2%4%6%8%10%12%00 11 22 33 44 5671011外省求職者占比7.54%6.86%5.91%6.32%5.24%3.55%2.64%1.14%0%1%2%3%4%5%6%7%8%00 11 22 33 45 6891516外省求職者占比本地交往圈號(hào)碼數(shù) 通話行為 交往圈 -26- 通話行為 定向通話 定向通話次數(shù) 多 、定向交往圈 大 、定向短信條數(shù) 多 的用戶是外省求職者的可能性 高 。 而且這類變量的區(qū)分能力相對(duì)其它變量更顯著。 定向通話次數(shù) 說明： “ 定向長途地 ” 是指一個(gè)用戶打電話最多的一個(gè)城市（排除發(fā)達(dá)地區(qū)） “ 定向通話次數(shù) ” 是與指定向長途地的號(hào)碼通話的次數(shù)。如類推理。 1.79%7.88%9.14%10.31% 10.47%11.10%0%2%4%6%8%10%12%00 12 34 59101920外省求職者占比1.23%5.06%7.01%8.79%11.31%13.96%0%2%4%6%8%10%12%14%16%00 11 22 33 467外省求職者占比定向交往圈大小 2.26%3.66%5.27%8.02%12.55%16.07%0%2%4%6%8%10%12%14%16%18%00 11 25616 175152外省求職者占比定向短信條數(shù) -27- 1.40%2.96%4.24%6.22%7.10%13.09%16.37%0%2%4%6%8%10%12%14%16%18%00 12 35613 1431 327980外省求職者占比通話行為 SMS 發(fā)送外省的 SMS條數(shù)在 14條以上的的用戶是外省求職者的可能性較 高 。條數(shù)多于 32條的，則這個(gè)可能性 很高 。 短信變量比長途變量的區(qū)分力更強(qiáng) 因?yàn)殚L途費(fèi)率較高，用戶與省外聯(lián)系時(shí)用戶打移動(dòng)長途的需求受抑制，數(shù)據(jù)不能很好反映用戶實(shí)際與外省聯(lián)系程度。 短信費(fèi)率固定，發(fā)短信更隨意。因此外省的短信發(fā)送條數(shù)更能反映用戶與省外通話的需求。 往外省 SMS條數(shù) 0.85%2.38%5.76%7.65%8.07%9.82% 9.96%10.49%0%2%4%6%8%10%12%00 11 27817 1831 325556106107外省求職者占比主叫省際長途 MOU VS. -28- 通話行為 首 10次通話 首 10次通話中外省通話次數(shù) 多 的用戶，是外省求職者的可能性 很高 。 2.96%14.85%17.84% 17.90%25.23%21.94%23.94%34.33%30.88%29.21%0%5%10%15%20%25%30%35%40%0 2 3 4 5 6 7 8 9 10頭1 0 次通話中外省通話次數(shù)可能原因：用戶在開號(hào)后，都會(huì)先和家人聯(lián)系，告知新號(hào)碼。因此外來工的首 10次通話中會(huì)有與老家的通話。 這個(gè)變量的區(qū)分力非常顯著。 注：首 10次通話中有外省通話的樣本數(shù)占 14.4% -29- 相關(guān)業(yè)務(wù) “ 我愛我家”業(yè)務(wù)用戶是外 省求職者的可能性較 大 。 但“我愛我家”的現(xiàn)在用戶數(shù)很少，樣本中只占 0.2% 10.00%5.47%0%2%4%6%8%10%12%我愛我家用戶 不是外省求職者占比3.10%6.47%0%1%2%3%4%5%6%7%集團(tuán)客戶成員 不是外省求職者占比 集團(tuán)客戶成員是外省求職者的可能性較 小 。 -30- 數(shù)據(jù)探索總結(jié) 調(diào)研樣本中外省求職者的統(tǒng)計(jì)特征較明顯。 通過用戶的 ARPU、長途通話、定向長途、首 10次通話等變量可以識(shí)別出可能是外來求職的用戶。 從相關(guān)業(yè)務(wù)也可以識(shí)別外省求職者，但是這些業(yè)務(wù)現(xiàn)有用戶數(shù)量很少，不能滿足本模型的需求。 從數(shù)據(jù)探索的圖線中總結(jié)出特征變量的參考取值范圍。 樣本特征 通信特征 數(shù)據(jù)業(yè)務(wù)特征 數(shù)據(jù)探索特征 -31- 模型構(gòu)建 建模方法選擇： 根據(jù)數(shù)據(jù)探索結(jié)果顯示，變量與外省求職者的概率大體是單調(diào)關(guān)系。因此用 Logistics回歸這類線性方法也能勝任。 Logistics回歸簡介： Logistic回歸模型是一種概率分類模型 , 它以用戶是外省求職者的概率為因變量 , 客戶屬性、通信行為等因素為自變量建立回歸模型。 以 p 表示用戶是外省求職工的概率，函數(shù) p 對(duì) Xi 的變化在 p=0 或 p=1 的附近是不敏感的、緩慢的，且非線性的程度較高。按照 Logistic 變換（或稱為 p 的 Logit 變換），即 ( p) 對(duì) Xi 就可以是線性的關(guān)系了，即可以表示為： -32- 模型構(gòu)建 流動(dòng)人口識(shí)別是判別是否流動(dòng)人口的分類問題，用決策樹和邏輯回歸均能較好解決問題。選用 TERADATA專用挖掘工具 TWM中的邏輯回歸和決策樹算法進(jìn)行建模 。 流動(dòng)人口樣本 （ 62800 ） 非流動(dòng)人口樣本 （ 139611 ） 0.31： 0.69的比例組合 模型總樣本 （ 202411） 訓(xùn)練集 （ 138579 ） 測試集 （ 59391） 樣本切分：按外省求職者標(biāo)志隨機(jī)分層抽樣： 80%作為訓(xùn)練集， 20%作為測試集。 模型訓(xùn)練：用訓(xùn)練集以分步 Logistics回歸訓(xùn)練，自動(dòng)選擇最有用的變 量，擬合出變量的參數(shù)。 模型評(píng)估和優(yōu)化：用測試集評(píng)估模型的準(zhǔn)確率，不斷優(yōu)化模型。 模型構(gòu)建后得到外省求職者概率的計(jì)算公式，用于識(shí)別外省求職者。 -33- 建模結(jié)果（邏輯回歸） 變量 參數(shù)值 Wald Statistic 標(biāo)準(zhǔn)化參 數(shù) (常數(shù)項(xiàng) ) -4.538305 950.7058 首十次通話省外次數(shù) 0.164047 224.9809 0.1585 定向交往圈人數(shù) 0.08442 127.8529 0.1754 在網(wǎng)時(shí)長（天） -0.000869 80.3789 -0.3861 上行省外短信次數(shù) 0.005299 73.7941 0.2632 主叫交往圈號(hào)碼數(shù) -0.029367 70.075 -0.3572 珠三角用戶 0.625817 40.6551 0.1546 省際主叫次數(shù)占比 3.605697 40.0386 0.9211 非漫游費(fèi)用 0.006456 30.7848 0.1926 定向短信量 -0.004215 29.0053 -0.2046 ARPU -0.005115 24.6581 -0.2483 國內(nèi)漫游 MOU占比 0.747288 10.7334 0.0607 定向漫游時(shí)長 3.00E-05 7.933 0.0541 省際主叫占比 -1.436906 6.6362 -0.37 省際定向 mou占比 -0.359402 6.5786 -0.0826 上行省內(nèi)短信次數(shù) 0.001993 5.8292 0.0664 Wald Statistic 反映變量區(qū)分外省求職者的能力 ， 越大則區(qū)分力越顯著 。 外省求職者識(shí)別變量及參數(shù)： 標(biāo)準(zhǔn)化參數(shù) 反映變量在以標(biāo)準(zhǔn)差為單位變化時(shí) ， 外省求職者概率變化的程度 。 絕對(duì)值越大則表示影響越大 。 -34- 模型評(píng)分公式（邏輯回歸） 根據(jù)建模結(jié)果，用戶是外省求職者的概率 p的公式為： 1XXepe其中 X -4.538305+ 0.164047 * 首十次通話省外次數(shù) + 0.08442 * 定向交往圈人數(shù) - 0.000869 * 在網(wǎng)時(shí)長（天） + 0.005299 * 上行省外短信次數(shù) - 0.029367 * 主叫交往圈號(hào)碼數(shù) + 0.625817 * 珠三角用戶 + 3.605697 * 省際主叫次數(shù)占比 + 0.006456 * 非漫游費(fèi)用 - 0.004215 * 定向短信量 - 0.005115 * ARPU+ 0.747288 * 國內(nèi)漫游 MOU占比 + 3.00E-05 * 定向漫游時(shí)長 - 1.436906 * 省際主叫占比 - 0.359402 * 省際定向 mou占比 + 0.001993 * 上行省內(nèi)短信次數(shù) -35- 模型驗(yàn)證結(jié)果（邏輯回歸） 在測試集上評(píng)估模型準(zhǔn)確率： 0123456789101% 6%10% 14% 28% 32% 37% 42% 46% 51% 55% 66% 73% 78% 82% 87% 91% 94% 96% 98%0%10%20%30%40%50%60%70%80%90%100%LIFT值 查全率分?jǐn)?shù)在前 5%的用戶，命中了全部外省求職者的 28.5%， LIFT值為 5.2； 分?jǐn)?shù)在前 10%的用戶，命中了全部外省求職者的 42.7%， LIFT值為 4.2。 LIFT 查全率 -36- 外來工群體建模并設(shè)計(jì)系統(tǒng)開發(fā) 經(jīng)分應(yīng)用專題 現(xiàn)狀 模型構(gòu)建 系統(tǒng)中針對(duì)特定用戶群體的分析處于相對(duì)粗放的分析方法 針對(duì)外來工群體進(jìn)行模型設(shè)計(jì)，構(gòu)建特定用戶群體的識(shí)別模型、客戶影響力模型，用戶特定的市場營銷與分析需要 變量探索 模型 建立 交往圈數(shù)據(jù)修正模型 通過用戶業(yè)務(wù)使用情況修正模型 外呼調(diào)研修正 最終模型修正結(jié)果 用戶發(fā)展情況 語音業(yè)務(wù)發(fā)展情況 增值業(yè)務(wù)發(fā)展情況 品牌分析 優(yōu)惠使用情況分析 欠費(fèi)分析專題 外來工群體 -37- 目錄 A. 項(xiàng)目背景 B. 實(shí)施方案 C. 應(yīng)用案例 D. 項(xiàng)目的主要?jiǎng)?chuàng)新點(diǎn) E. 社會(huì)和經(jīng)濟(jì)效益 -38- 應(yīng)用一：外來工群體關(guān)懷 此項(xiàng)成果可支撐兩方面的應(yīng)用 ： 一方面為外來工的通信行為、業(yè)務(wù)或服務(wù)需求及滿足度等方面提供寶貴的分析數(shù)據(jù)，為制定針對(duì)性的營銷服務(wù)策略提供有得的參考依據(jù) 。 另一方面為今后外來工客戶關(guān)懷活動(dòng)提供系統(tǒng)營銷方案配臵及目標(biāo)客戶清單和方案開展后的跟蹤統(tǒng)計(jì)。 應(yīng)用流程圖 通過模型識(shí)別可以給出一個(gè)客戶標(biāo)識(shí)，判斷該客戶屬于外來工，從而為后續(xù)的經(jīng)營分析，針對(duì)不同客戶群體進(jìn)行精確化營銷奠定基礎(chǔ)。 -39- 應(yīng)用二：及時(shí)跟蹤外來工客戶規(guī)模異動(dòng)情況 區(qū)域 時(shí)間 總客戶 外來工規(guī)模 該項(xiàng)目完成后，可以從區(qū)域（縣市、各個(gè)工業(yè)園區(qū)）、時(shí)間和總客戶（考核外來工在總?cè)丝诤涂偪蛻糁姓急鹊鹊龋┤齻€(gè)維度進(jìn)行實(shí)時(shí)跟蹤和考察，便于及時(shí)把控各個(gè)區(qū)域外來工規(guī)模的變動(dòng)。 -40- 應(yīng)用三：開展外來工客戶招聘信息主動(dòng)關(guān)懷 通過該項(xiàng)目建立的外來工識(shí)別模型，提取其中有短信收發(fā)且片區(qū)位臵有企業(yè)發(fā)布招聘信息的外來工，發(fā)送短信推薦移動(dòng)開發(fā)的“外來工短信招聘求職平臺(tái) ” ，搭建便捷的信息化招聘通道。 求職者或招聘單位，只需編輯求職或招聘所要求的崗位情況，發(fā)送短信至特定端口，系統(tǒng)根據(jù)請(qǐng)求將自行發(fā)送最新匹配的崗位信息，今后打算將此平臺(tái)改造 12582統(tǒng)一平臺(tái)。 -41- 應(yīng)用四 :基于影響力模型針對(duì)產(chǎn)品生命周期不同階段開展?fàn)I銷 成長期 成熟期 衰退期 病毒營銷 激勵(lì)營銷 投入期 激勵(lì)營銷 根據(jù)影響力模型確定高影響力用戶，針對(duì)產(chǎn)品不同生命周期階段采取不同的營銷策略。 體驗(yàn)營銷 病毒營銷 影響力模型應(yīng)用在產(chǎn)品生命周期的不同階段 -42- 應(yīng)用五：開展外來工客戶精確營銷活動(dòng) 信息關(guān)懷 天氣預(yù)報(bào) 技能培訓(xùn)信息關(guān)懷 車次、航班信息服務(wù) 氣象、新聞等手機(jī)報(bào)推薦 招工信息關(guān)懷 資費(fèi)營銷 長途話務(wù)折扣促銷 兩城一家推薦 保底消費(fèi) 品牌遷移 交叉銷售 天氣預(yù)報(bào) 手機(jī)上網(wǎng) 全曲下載 手機(jī) QQ 飛信 外來工客戶精確營銷活動(dòng) 針對(duì)某一種產(chǎn)品，利用關(guān)聯(lián)分析，找出曾經(jīng)購買該產(chǎn)品的外來工客戶更容易購買其他相關(guān)產(chǎn)品的規(guī)則，基于這些規(guī)則挖掘不同產(chǎn)品之間的潛在關(guān)系，并組成外來工產(chǎn)品關(guān)聯(lián)規(guī)則矩陣，進(jìn)行產(chǎn)品組合分析，向客戶提供捆綁組合產(chǎn)品，實(shí)現(xiàn)交叉銷售，在為客戶提供更多產(chǎn)品和服務(wù)的同時(shí)實(shí)現(xiàn)企業(yè)收益的增長 根據(jù)外來工客戶在親情溝通、信息服務(wù)及生活?yuàn)蕵返确矫娴男枨?，進(jìn)行客戶細(xì)分，開展外來工客戶精確營銷活動(dòng) ，提升外來工客戶價(jià)值。 -43- 案例：流動(dòng)人口識(shí)別助力外來流動(dòng)人口細(xì)分市場營銷 以中山分公司為例，使用流動(dòng)人口識(shí)別模型，發(fā)掘定位為工業(yè)園區(qū)的外來工群體，聯(lián)合相關(guān)政府部門，大力推廣“ 12580找工我?guī)湍恪被顒?dòng)，效果顯著。 根據(jù)流動(dòng)人口識(shí)別模型，精準(zhǔn)定位客戶群體。 主動(dòng)關(guān)懷 根據(jù)目標(biāo)名單對(duì)外來工群體發(fā)送“關(guān)懷”宣傳短信，讓客戶及時(shí)了解就業(yè)信息。 匹配推薦 利用 12580強(qiáng)大招聘信息庫進(jìn)行匹配，將合適的就業(yè)信息推薦給客戶。 找工，我?guī)湍?實(shí)現(xiàn)雙贏 70%客戶在找工后通話量明顯增加， 10% 20客戶靠 12580成功求職 根據(jù)客戶通話發(fā)生地信息，經(jīng)常到訪的營業(yè)廳位臵等信息，實(shí)現(xiàn)區(qū)域客戶群體的進(jìn)一步確定 結(jié)合起來監(jiān)控各個(gè)外來工微區(qū)域，制定本地個(gè)性化的外來工服務(wù)策略 -44- 目錄 A. 項(xiàng)目背景 B. 實(shí)施方案 C. 應(yīng)用案例 D. 項(xiàng)目的主要?jiǎng)?chuàng)新點(diǎn) E. 社會(huì)和經(jīng)濟(jì)效益 -45- 主要系統(tǒng)創(chuàng)新點(diǎn) 通過客戶通信基站信息可以獲取客戶的位臵信息，而位臵信息背后蘊(yùn)藏豐富的客戶特征數(shù)據(jù)。 流動(dòng)人口因地緣等關(guān)系自然而然成組成群，外來務(wù)工人員、高校學(xué)生圈子內(nèi)部的通信交流較多，通過客戶交往圈信息可以作為流動(dòng)人口的輔助判定依據(jù)。 經(jīng)營分析系統(tǒng)建立外來務(wù)工人員、高校學(xué)生和流動(dòng)高端人士等三類客戶數(shù)據(jù)挖掘模型，并為客戶打上知識(shí)標(biāo)簽 . 技術(shù) 創(chuàng)新 技術(shù)要點(diǎn) 1：客戶位臵信息 技術(shù)要點(diǎn) 2：客戶交往圈信息 技術(shù)要點(diǎn) 3：數(shù)據(jù)挖掘技術(shù)和客戶特征知識(shí)標(biāo)簽庫 -46- 主要管理創(chuàng)新點(diǎn) 系統(tǒng)建立監(jiān)控預(yù)警機(jī)制，監(jiān)控全省外來人口的返鄉(xiāng)與回流趨勢，并能根