數(shù)據(jù)挖掘在電信的應(yīng)用

1、電信行業(yè)數(shù)據(jù)挖掘方案,1、數(shù)據(jù)挖掘簡介2、數(shù)據(jù)挖掘在典型行業(yè)應(yīng)用,內(nèi)容提要,數(shù)據(jù)挖掘簡介,數(shù)據(jù)挖掘-從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，是統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)和人工智能技術(shù)的綜合,數(shù)據(jù)挖掘定義,功能 描述分析（Descriptive Analysis） 預(yù)測分析（Predication Analysis,數(shù)據(jù)挖掘分類,挖掘算法 關(guān)聯(lián)分析（Shopping Basket/Affinity Matrix Association) 回歸分析（Linear/Nonlinear/Logistic Regression） 聚集 （Clustering） 判別 （Discriminant Analysis) 因子分

2、析法 (Factor Analysis) 神經(jīng)元算法 (Neuro Analysis) 異常檢測 (Abnormality Detection) 序列分析 (Sequential Analysis,數(shù)據(jù)挖掘分類,1. 更好地識別客戶和產(chǎn)品，制定有效的CRM戰(zhàn)略和產(chǎn)品研發(fā)戰(zhàn)略,誰是我們的客戶？ 誰是讓我們保持盈利的客戶？ 誰是我們的損失客戶？ 我們有哪些產(chǎn)品和服務(wù)？ 什么產(chǎn)品讓我們保持盈利？ 什么產(chǎn)品或服務(wù)一直在讓我們虧損,數(shù)據(jù)挖掘的價值,CRM戰(zhàn)略,產(chǎn)品研發(fā)戰(zhàn)略,數(shù)據(jù)挖掘的價值,2. 細(xì)分市場和客戶，運用有效營銷組合,建立在數(shù)據(jù)統(tǒng)計上的市場細(xì)分和顧客分類 通過消費行為和人口統(tǒng)計特征建立可靠的模

3、型 模型預(yù)測功能擬合出最有效的產(chǎn)品組合和營銷手段 科學(xué)的營銷測試工具,數(shù)據(jù)挖掘的價值,3. 提高營銷精度，降低營銷成本,我們應(yīng)該向所有客戶傳遞促銷信息還是專注于某些細(xì)分客戶群？（假設(shè)盈虧平衡點為3,數(shù)據(jù)挖掘的價值,4. 改善和客戶的溝通，提高客戶滿意度,定制的溝通渠道 定制的溝通信息 可衡量的溝通效果（例如，根據(jù)客戶在簽約商家的消費情況衡量促銷廣告的有效性） 服務(wù)經(jīng)費的最佳分配方案（最好的服務(wù)組合對應(yīng)獲利最豐的客戶群體,數(shù)據(jù)挖掘的價值,1.了解業(yè)務(wù),確定業(yè)務(wù)目標(biāo) 情景評估 確定數(shù)據(jù)庫營銷目標(biāo) 制定項目計劃,收集原始數(shù)據(jù) 描述數(shù)據(jù) 數(shù)據(jù)探索和檢驗,自變量選擇 自變量數(shù)驗證 數(shù)據(jù)處理和維護(hù),典型的

4、數(shù)據(jù)挖掘?qū)嵤┝鞒?2.收集數(shù)據(jù),3.篩選數(shù)據(jù),4.建模,5.模型評估,6.模型推廣,確定建模算法 測試方法設(shè)計 建模 模型評估（算法層,模型評估（業(yè)務(wù)層） 模型推廣計劃,實施過程監(jiān)督 最終報告,建 模,數(shù)據(jù)庫得分,數(shù)據(jù)探索和轉(zhuǎn)換,模型評估,注：某些典型的環(huán)節(jié)被省略或合并,數(shù)據(jù)挖掘流程舉例,數(shù)據(jù)挖掘在電信行業(yè)應(yīng)用,人口統(tǒng)計特征 性別 年齡 職業(yè) 教育程度 平均年收入 工作單位所在行業(yè) 建檔時間 戶口所在地,電信行業(yè)客戶數(shù)據(jù),消費行為特征 月均基本通話時間/費用 月均國內(nèi)通話時間/費用 月均國際通話時間/費用 月均國內(nèi)長途時間/費用 月均市內(nèi)通話時間/費用 呼入/呼出比例 工作日呼叫次數(shù)/時間 周

5、末呼叫次數(shù)/時間 繁忙時段呼叫次數(shù)/時間 非繁忙時段呼叫次數(shù)/時間 語音呼叫次數(shù)/時間 非語音呼叫次數(shù)/時間/費用 呼叫轉(zhuǎn)移次數(shù) 月均IP呼叫次數(shù) 掉話次數(shù),電信行業(yè)客戶數(shù)據(jù),心理傾向特征 月均主動聯(lián)系Call Center次數(shù) 月均投訴次數(shù) 套餐類型 繳費方式 半年內(nèi)繳費延遲次數(shù) 最近Call Center主動聯(lián)系內(nèi)容和響應(yīng)情況 非通話相關(guān)的消費嗜好（如旅游等）,電信行業(yè)客戶數(shù)據(jù),基于電信行業(yè)，我們可以提供如下建模方案： 客戶細(xì)分模型 客戶離網(wǎng)預(yù)警模型 客戶綜合價值評估模型 交叉銷售模型 欺詐預(yù)警模型 促銷效果模擬綜合平臺,建模方案,方法： 集群分析法（Clustering） 判別分析法（D

6、iscriminant Analysis) 參數(shù)分析法（Factor Analysis） 決策樹分析（Decision Tree） 描述性分析（Description Statitics） 目的： 客戶群像的定量描述 了解客戶自然分組，并賦予具有實際意義的組名（例如，挑剔型客戶-高比例投訴，等待接聽組-低比例呼出/呼入等） 通過分組，多維度了解客戶（宏觀和微觀層面） 識別全新營銷機會 為交叉銷售研究提供信息基礎(chǔ) 抽象切實可行的營銷建議 是開發(fā)其它模型的基礎(chǔ),客戶細(xì)分模型,方法： 判別分析法（Discriminant Analysis) 決策樹分析（Decision Tree） 對數(shù)回歸模型（L

7、ogistic Regression） 客戶存活模型（Life Table 和 Cox Regression） 目的： 研究離網(wǎng)客戶和在網(wǎng)客戶特征矩陣的差異性 在一定的時間框架內(nèi)，準(zhǔn)確識別即將離網(wǎng)的客戶群和客戶 為制定具有針對性的客戶挽留計劃提供定量信息 為合理分配挽留計劃預(yù)算提供定量信息,客戶離網(wǎng)預(yù)警模型,方法： 構(gòu)建客戶價值描述參數(shù)矩陣 客戶生命周期分析法（Life Time Value） 集群分析法（Clustering） 決策樹分析（Decision Tree） 目的： 細(xì)分客戶價值群（例如，根據(jù)ARPU等），并從定量角度，抽象和考察不同客戶價值群體的共性特征 識別衡量客戶綜合價值的優(yōu)

8、化矩陣參數(shù) 為制定有針對性的市場營銷計劃提供依據(jù)（例如，白金客戶，優(yōu)質(zhì)客戶，一般客戶，損失型客戶等等），從而可以制定優(yōu)化的市場策略（例如，降低對損失型客戶的服務(wù)級別，迫使其離開；對一般客戶增加營銷和交叉銷售力度，將其升級為優(yōu)質(zhì)客戶等等） 和Call Center的服務(wù)級別緊密連接,客戶綜合價值評測模型,方法： 消費者集群分析（Clustering） 套餐關(guān)聯(lián)性分析 （Market Basket Analysis） 消費者集群關(guān)聯(lián)性分析（Market Basket Analysis） 目的： 了解套餐產(chǎn)品關(guān)聯(lián)性，識別可能的套餐機會 了解消費者集群特征，特別是該集群中最受消費者青睞的產(chǎn)品，然后向沒有該產(chǎn)品的消費者推薦該產(chǎn)品 了解套餐集群中具有明顯特征的消費者群體，然后向該消費者推薦該產(chǎn)品 提高交叉銷售機會,交叉銷售模型,方法： 判別分析法（Discriminant Analysis） 多因變量對數(shù)回歸（Multinomial Logistic Analysis) 目的： 了解欺詐行為消費群體的群像特征 發(fā)現(xiàn)具有潛在欺詐行為的客戶 減少可能面臨的企業(yè)損失,欺詐預(yù)警模型,T