modeler視頻教程-spss培訓(xùn)

數(shù)據(jù)挖掘概念數(shù)據(jù)挖掘數(shù)據(jù)挖掘是按既定業(yè)務(wù)目標(biāo)，對大量的企業(yè)數(shù)據(jù)進(jìn)行探索，揭示隱藏其中的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)、有效的方法。業(yè)務(wù)目標(biāo)大量的企業(yè)數(shù)據(jù)規(guī)律性：有意義的業(yè)務(wù)模式或規(guī)則模型化關(guān)聯(lián)性分析—交叉銷售主頁電子商店序列相關(guān)性—Web路徑優(yōu)化等123結(jié)帳聚類技術(shù)—客戶細(xì)分123與分類—客戶獲取/收入等教育程度非大學(xué)畢業(yè)大學(xué)畢業(yè)收入高收入低收入異常監(jiān)測異常點(diǎn)Data

Mining

vs.

BI

&

OLAPDM

vs.BIDM:學(xué)習(xí)歷史,理解現(xiàn)在,

未來BI :過去和現(xiàn)在發(fā)生了什么DM

vs.OLAPDM數(shù)據(jù)驅(qū)動歸納正確的問題OLAP用戶驅(qū)動演繹推理問題的答案數(shù)據(jù)挖掘與傳統(tǒng)商務(wù)智能的區(qū)別傳統(tǒng)商務(wù)智能數(shù)據(jù)挖掘產(chǎn)品銷售中通過郵件訂購方式所占比率是多少？未來使用郵件方式訂購產(chǎn)品的客戶屬性可能是什么？有多少新產(chǎn)品銷售給了已有客戶？哪些已有的客戶可能 未來的新產(chǎn)品？去年10佳客戶是什么？哪10個客戶可能給帶來最大利潤？上月保持客戶數(shù)是多少？未來6個月哪些客戶可能流失？哪些客戶拖欠了

？這些客戶信用風(fēng)險(xiǎn)怎么樣？上季度各地區(qū)的銷售量是多少？明年各地區(qū)的預(yù)計(jì)銷售量是多少？互相補(bǔ)充，相輔相成數(shù)據(jù)挖掘方法數(shù)據(jù)挖掘方法論CRoss

IndustryStandard

Process

-for

Data

Mining跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)過程循環(huán)遞進(jìn)的數(shù)據(jù)挖掘過程商業(yè)知識的緊密結(jié)合數(shù)據(jù)挖掘結(jié)果的部署B(yǎng)usiness

Understanding1商業(yè)目標(biāo)的確認(rèn)數(shù)據(jù)挖掘目標(biāo)的確定數(shù)據(jù)挖掘成功的標(biāo)準(zhǔn)商業(yè)理解過程理解商業(yè)目標(biāo)熟悉業(yè)務(wù)流程業(yè)務(wù)術(shù)語成本/收益分析當(dāng)前系統(tǒng)評估主要用戶使用者結(jié)果的輸出形式挖掘任務(wù)的結(jié)果和現(xiàn)有系統(tǒng)的集成任務(wù)分解挖掘目標(biāo)分解為子任務(wù)將商業(yè)目標(biāo)轉(zhuǎn)化為數(shù)據(jù)挖掘任務(wù)約束條件確認(rèn)資源數(shù)據(jù)保護(hù)制度等制定項(xiàng)目計(jì)劃Data

Understanding2進(jìn)行數(shù)據(jù)探索數(shù)據(jù)質(zhì)量檢查發(fā)現(xiàn)數(shù)據(jù)模式數(shù)據(jù)理解過程數(shù)據(jù)源情況數(shù)據(jù)處理范圍數(shù)據(jù)源 情況數(shù)據(jù)描述數(shù)據(jù)質(zhì)量描述基本統(tǒng)計(jì)值/匯總值計(jì)算方法數(shù)據(jù)探索數(shù)據(jù)取值數(shù)據(jù)分布屬性相關(guān)性分析空值/缺失值處理異常值處理Data

Preparation3數(shù)據(jù)評估

數(shù)據(jù)合并和數(shù)據(jù)選擇數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)準(zhǔn)備過程數(shù)據(jù)整合多個數(shù)據(jù)表的數(shù)據(jù)聯(lián)合數(shù)據(jù)的匯總和聚合數(shù)據(jù)選擇屬性的選擇和排除數(shù)據(jù)集合構(gòu)成：訓(xùn)練集，測試集，檢驗(yàn)集數(shù)據(jù)轉(zhuǎn)換函數(shù)轉(zhuǎn)換因子分析主成分分析標(biāo)準(zhǔn)化處理離散化處理數(shù)據(jù)清理缺失值處理噪聲處理數(shù)據(jù)派生新屬性的生成Modeling4依據(jù)目標(biāo)選擇模型調(diào)整模型參數(shù)構(gòu)建模型訓(xùn)練環(huán)境數(shù)據(jù)建模過程選擇合適的建模技術(shù)數(shù)據(jù)預(yù)處理的情況依賴與數(shù)據(jù)挖掘問題類型和輸出形式模型建立選擇初始化參數(shù)設(shè)置模型估計(jì)考慮過訓(xùn)練的情況誤差分布的模型參數(shù)修正及其原因Evaluation5依據(jù)測試集模型評估不同模型的檢驗(yàn)標(biāo)準(zhǔn)技術(shù)標(biāo)準(zhǔn)和商業(yè)準(zhǔn)則模型評估過程模型評估根據(jù) 的知識和經(jīng)驗(yàn)進(jìn)行人工評估從商業(yè)角度來評價結(jié)果的有效性定義參照對象計(jì)算升益曲線（Lift

Curve）期望的投資回報(bào)率（ROI）對整個數(shù)據(jù)挖掘過程進(jìn)行回顧決定下一步驟模型部署的時機(jī)部署框架結(jié)構(gòu)進(jìn)一步改進(jìn)模型Deployment6結(jié)果的使用方式數(shù)據(jù)挖掘結(jié)果的運(yùn)用數(shù)字到業(yè)務(wù)知識轉(zhuǎn)化部署過程部署方式模型的結(jié)果輸出到數(shù)據(jù)庫結(jié)果轉(zhuǎn)化為可解釋的業(yè)務(wù)規(guī)則實(shí)時地模型打分過程與現(xiàn)有業(yè)務(wù)系統(tǒng)的集成模型運(yùn)用的模式實(shí)時處理批處理自動化問題Clementine功能與特點(diǎn)Clementine企業(yè)級數(shù)據(jù)挖掘平臺快速開發(fā)多種模型緊密結(jié)合業(yè)務(wù)知識，行業(yè)經(jīng)驗(yàn)可視化數(shù)據(jù)挖掘工作流方便快捷的部署方式增強(qiáng)決策能力,更高的ROI全面支持?jǐn)?shù)據(jù)挖掘方法論CRISP-DM開放的體系架構(gòu)–充分利用已有的設(shè)備投資Clementine的數(shù)據(jù)流簡單方便的Clementine操作可視化數(shù)據(jù)挖掘工作流簡單的拖、拉、拽的操作模式工作流可執(zhí)行無代碼編寫的“可視化編程”“節(jié)點(diǎn)”:數(shù)據(jù)及相應(yīng)的操作節(jié)點(diǎn)之間的連接代表了數(shù)據(jù)的流向數(shù)據(jù)

，處理和可視化數(shù)據(jù)數(shù)據(jù)庫（ODBC），文件，Excel，SPSS，SAS……數(shù)據(jù)處理數(shù)據(jù)選擇預(yù)處理，查詢和數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)可視化豐富的圖表元素：分布圖，直方圖，立方圖…….數(shù)據(jù)探索提高對數(shù)據(jù)的理解指導(dǎo)數(shù)據(jù)預(yù)處理建模結(jié)果的展示豐富的數(shù)據(jù)挖掘模型決策樹模型聚類算法模型關(guān)聯(lián)分析模型回歸模型其它模型Oracle

DMIBM

DB2

Inligent

MinerSQL

SERVER

2005ysisServices在Clementine中通過CEMI加入新的算法NodeNodeMeta

DataInputDataOutputDataExternal

Module開放的建模功能Clementine

開放的體系架構(gòu)DB2OracleSQL

ServerInformixSybaseTeradata+ODBC

orOLE

DBdriversIn-Database

Mining企業(yè)已經(jīng)投資搭建數(shù)據(jù)庫基礎(chǔ)平臺數(shù)據(jù)庫廠商提供了成

可擴(kuò)展的體系架構(gòu)（如平行處理機(jī)制）一些數(shù)據(jù)庫甚至提供了自身的數(shù)據(jù)挖掘算法數(shù)據(jù)挖掘工具應(yīng)盡可能的利用數(shù)據(jù)庫的自身性能Clementine

三層體系結(jié)構(gòu)Client,

Server,

DatabaseSQL

Pushback將數(shù)據(jù)操作和模型評分轉(zhuǎn)化為SQL語句在數(shù)據(jù)庫

進(jìn)行執(zhí)行In-database

建模和評分，充分利用數(shù)據(jù)庫產(chǎn)品提供的算法SQL

Server

OLAP

ServicesIBM

DB2

In

ligent

MinerOracle

Data

MiningClementine部署方式部署方式批處理/實(shí)時部署對象范圍Clementine

Client實(shí)時處理模型建立，打分等Clementine

SolutionPublisher主要面向?qū)崟r處理數(shù)據(jù)流Cleo實(shí)時處理數(shù)據(jù)流Clementine

Batch批處理模型建立，打分等PMML

Models根據(jù)實(shí)際使用方式模型Clementine

Solution

PublisherSolution

Publisher使用Publisher節(jié)點(diǎn)可以將任何一個Clementine評分?jǐn)?shù)據(jù)流（可以包括數(shù)據(jù)預(yù)處理/數(shù)據(jù)后處理操作）創(chuàng)建為一個獨(dú)立的運(yùn)行模塊部署的運(yùn)行模塊可以在

Clementine

Runtime環(huán)境下運(yùn)行調(diào)用方式命令行（clemrun.exe）：適用于簡單的應(yīng)用API調(diào)用（ClemRTL）：適合于實(shí)時應(yīng)用Clementine

Solution

Publisher

體系架構(gòu)Data

mining數(shù)據(jù)流

于.pim

文件(生成)Publisher

圖象文件(.pim)參數(shù)文件

(.par)(

)應(yīng)用系統(tǒng)

(Web,CallCentre)ClementineRuntime(調(diào)用)Data(讀)(寫結(jié)果)Web實(shí)時部署CLEO:

Riond局填入細(xì)節(jié)發(fā)展成的可能性Clementine

PMML單獨(dú)的模型部署模型導(dǎo)出格式：PMML（XML在數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用格式）凡是支持PMML格式的第三方應(yīng)用都可以進(jìn)行二次開發(fā)CATs——成

數(shù)據(jù)挖掘解決方案按照CRISP-DM標(biāo)準(zhǔn)結(jié)構(gòu)建立；分析數(shù)據(jù)數(shù)據(jù)流商業(yè)分析……對商業(yè)問題分析的細(xì)節(jié)指導(dǎo)；數(shù)據(jù)挖掘項(xiàng)目快速啟動的引導(dǎo)分析型商業(yè)內(nèi)涵范圍廣泛電信、

、分析、序列矩陣分析……CATs

DiagramData

miningpro

ess

diagramExplorationPre-processingModellingDeployment環(huán)境Clementine

ServerWindows

Server?

2003

or

2000,

or

Windows

2000ProfessionalRed

Hat?

EnterpriseLinux?Sun

Solaris?

9

or

10（C++

runtime

libraries

）HP-UX

11i（C++

runtime

libraries

）IBM

AIX?

5L,

version

5.2

or

higher（Visual

AgeC++

runtime

）Clementine

ClientWindowsClementine效率性能測試環(huán)境2

x

In硬件環(huán)境?

Xeon?

3.6GHz

(hyperthreaded)8GB

RAM36GB

RAID

1

System

disk,

440GB

RAID

0Data

disk,環(huán)境

?

Windows?

Server?

2003Enterprise

x64

SP1SQL

Server?

2000

SP4Clementine

10.0Clementine

性能-模型建立5分鐘內(nèi)對一千六百萬條數(shù)據(jù)建立Logistic回歸模型對于一般的合理數(shù)據(jù)集合50萬條數(shù)據(jù)，能在2分鐘內(nèi)執(zhí)行完畢Clementine

性能-模型評分8分鐘給三千兩百萬條數(shù)據(jù)進(jìn)行評分評分結(jié)果寫入數(shù)據(jù)庫穩(wěn)定的處理速度:65,000條/秒Clementine服務(wù)器配置建議-CPU&Disk用戶個數(shù)CPU數(shù)量1-213-425-10411-20821+16用戶數(shù)量vs.CPUClementine能夠很好的發(fā)揮SMP和多核CPU的并行處理機(jī)制單位：G列數(shù)行數(shù)（百萬）102050100500100010.512.552550212510501004241020100200848204020040016816408040080032163280160800160064326416032016003200在Clementine磁盤消耗最大模式下的容量建議大部分?jǐn)?shù)據(jù)挖掘過程對磁盤的需求不高5個用戶的使用量建議列數(shù)行數(shù)（百萬）10205010050010000.10.50.50.50.5240.50.50.50.514810.50.51281620.50.524163240.514832—812816——16241632——324832———64816————Clementine服務(wù)器配置建議-RAM用戶個數(shù)內(nèi)存需求1-21GB3-42GB5-104GB11-208GB21+16GB用戶數(shù)量vs.CPUSortingJoin模型建立對內(nèi)存需求較大數(shù)據(jù)挖掘中模型建立過程并不是數(shù)據(jù)量越大越好，對于各種模型來說，數(shù)據(jù)集應(yīng)當(dāng)適量參考數(shù)據(jù)是對神經(jīng)網(wǎng)絡(luò)，K-均值聚類和Kohonen建模算法為依據(jù)Clementine特點(diǎn)采用行業(yè)標(biāo)準(zhǔn)的數(shù)據(jù)挖掘方法學(xué)CRISP-DM強(qiáng)大的功能豐富、優(yōu)秀的算法模型快速、高效的大數(shù)據(jù)量處理能力易于使用可視化操作界面、拖拽是操作，不必進(jìn)行復(fù)雜的編程高度產(chǎn)品化，不需要具備專業(yè)的IT知識，不需要對算法深入了解Clementine

應(yīng)用模板(CATs)學(xué)習(xí)和使用成本低，能充分發(fā)揮

的設(shè)計(jì)功能開放的體系架構(gòu)支持所有主流的數(shù)據(jù)庫/數(shù)據(jù)倉庫可以將第 的數(shù)據(jù)挖掘模型集成到Clementine環(huán)境支持客戶增加自己的算法模型可以方便的與其他應(yīng)用集成部署多種部署方式，滿足各種需求簡單快速，部署成本低客戶流失分析案例商業(yè)背景雖然某移動在該地域移動電信市場地位處于龍頭地位，但是由于、網(wǎng)通、電信的強(qiáng)勢以及系列活動，該移動的月流失客戶率逐月上升。根據(jù)統(tǒng)計(jì)，該移動中高價值客戶年流失率達(dá)到了27%以上。該移動希望通過SPSS分析團(tuán)隊(duì)的幫助，能夠準(zhǔn)確定位即將流失的客戶，從而采取一定的業(yè)務(wù)措施把中高價值客戶的流失率下降20%左右，實(shí)現(xiàn)客戶維系活動投資回報(bào)最大化。咨詢項(xiàng)目實(shí)施準(zhǔn)備SPSS電信行業(yè)數(shù)據(jù)分析

協(xié)商所需的業(yè)務(wù)和IT資源。，并與該移動公司SPSS技術(shù)

與移動IT及業(yè)務(wù)

流失客戶的目標(biāo)定義、流失客戶分析所考慮的因素、經(jīng)分系統(tǒng)數(shù)據(jù)現(xiàn)狀等情況。SPSS技術(shù)

和移動相關(guān)

制定咨詢項(xiàng)目日程、投資回報(bào)評估標(biāo)準(zhǔn)、分析結(jié)果精準(zhǔn)度目標(biāo)等相關(guān)事宜?？蛻袅魇Х治龇秶治瞿繕?biāo)分析中高價值客戶在未來2月內(nèi)流失的可能性，及高流失概率客戶提前前4個月的行為特征和人口統(tǒng)計(jì)學(xué)特征等，從而幫助業(yè)務(wù)采取業(yè)務(wù)措施實(shí)施客戶維系。流失客戶分析的目標(biāo)客戶群——中高價值客戶前6個月中有3個月ARPU>150的非神州行客戶流失客戶定義用戶不再繼續(xù)使用移動提供的服務(wù)而終止合同用戶消費(fèi)2月內(nèi)最高資費(fèi)較前6月平均資費(fèi)下滑80%以上流失分析目標(biāo)分群考慮到預(yù)

和后

用戶行為特征有相當(dāng)大的差異，因此對預(yù)付費(fèi)客戶和后

客戶分別分析，從而提高模型的

度。咨詢分析項(xiàng)目成功目標(biāo)定義成功目標(biāo)商業(yè)定義客戶年流失率下降到20%收益率提高50%以上成功目標(biāo)技術(shù)定義準(zhǔn)確性：>=70％純度：>=40％查全率：>=40％提升度（流失概率最高的10％用戶）：>=3客戶流失分析相關(guān)因素欠費(fèi)標(biāo)志、欠費(fèi)總額、新欠費(fèi)額、通話次數(shù)、主叫通話次數(shù)占比、平均每次通話時長、漫游時長、漫游占比、IP長途時長、節(jié)假日通話時長、節(jié)假日通話時長占比、節(jié)假日主叫通話時長占比、閑時通話時長、閑時通話時長占比、 通話時長、 通話時長主叫占比、與

GSM通話時長、與

GSM通話時長占比、與

CDMA通話時長、與

CDMA通話時長占比、與電信通話時長、與電信通話時長占比、國際長途通話時長、國際長途通話占比、國際長途主叫通話占比、國內(nèi)長途通話時長、應(yīng)繳費(fèi)、代 、月租費(fèi)、其他費(fèi)用、其他費(fèi)用占比、通話費(fèi)、主叫通話費(fèi)占比、費(fèi)、

費(fèi)占比、主叫

費(fèi)、長途費(fèi)、長途費(fèi)占比、國內(nèi)長途費(fèi)占比、本地費(fèi)、本地費(fèi)占比、時段通話費(fèi)、時段通話費(fèi)占比、基本通話費(fèi)、基本通話費(fèi)占比、呼轉(zhuǎn)次數(shù)、呼轉(zhuǎn)次數(shù)占比、平均每次呼轉(zhuǎn)通話時長、無條件呼轉(zhuǎn)次數(shù)、無條件呼轉(zhuǎn)次數(shù)占比、呼轉(zhuǎn)移動次數(shù)、呼轉(zhuǎn)GSM次數(shù)、呼轉(zhuǎn)電信次數(shù)、呼轉(zhuǎn)CDMA次數(shù)、呼轉(zhuǎn)其他設(shè)備次數(shù)、呼轉(zhuǎn)臺次數(shù)、呼轉(zhuǎn)網(wǎng)通次數(shù)、交往圈、主叫交往圈占比、交往圈占比、網(wǎng)通交往圈占比、最頻繁聯(lián)系號碼通話次數(shù)、最頻繁聯(lián)系號碼主叫通話次數(shù)、平均最頻繁聯(lián)系號碼每次通話時長、次數(shù)、GPRS時長、品牌大類、客戶類型、方式、用戶在網(wǎng)時長、用戶狀態(tài)、免催標(biāo)志、換聯(lián)系次數(shù)、與電信 聯(lián)系次品牌標(biāo)志、資費(fèi)品牌、新品牌、與、職業(yè)、聯(lián)系次數(shù)、離網(wǎng)標(biāo)志、停機(jī)標(biāo)志、停數(shù)、VPMN標(biāo)志、機(jī)時長、可用額、未繳賬單數(shù)、預(yù)存次數(shù)、預(yù)存金額、有效期項(xiàng)目實(shí)施過程簡述項(xiàng)目實(shí)施周期：40個工作日移動技術(shù)

負(fù)責(zé)從經(jīng)分系統(tǒng)數(shù)據(jù)倉庫中收集符合分析范圍的數(shù)據(jù)（包含上述相關(guān)因素），并整

以客戶號為唯一鍵值的寬表。歷史信息時間為2006年7月——2007年2月。訓(xùn)練、測試數(shù)據(jù)為用2006年7月——10月的11-12月內(nèi)客戶流失的關(guān)系。驗(yàn)證數(shù)據(jù)為用2006年9月——12月的分析2006年驗(yàn)證2007年1-2月內(nèi)客戶流失

中率。對收集的歷史信息進(jìn)行轉(zhuǎn)換，衍生出4月內(nèi)資費(fèi)波動，4月內(nèi)均值等指標(biāo)。使用Pearson和Cramer’s

V指標(biāo)評估

因子和客戶流失之間關(guān)系的強(qiáng)弱，進(jìn)行維度裁減，簡化模型并提高模型健壯度。參考因素權(quán)重模式值參考因素權(quán)重模式值呼轉(zhuǎn)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)交往圈1均值無條件呼轉(zhuǎn)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)GPRS流量1均值呼轉(zhuǎn)次數(shù)占比1觀察期四個月的趨勢值(波動范圍在20%)呼叫次數(shù)1均值無條件呼轉(zhuǎn)次數(shù)占比1觀察期四個月的趨勢值(波動范圍在20%)平均每次通話時長1均值交往圈1觀察期四個月的趨勢值(波動范圍在20%)基本費(fèi)1均值主叫交往圈占比1觀察期四個月的趨勢值(波動范圍在20%)通話費(fèi)1均值最高頻次通話號碼呼叫次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)應(yīng)繳費(fèi)1均值次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)與 CDMA通話時長1均值GPRS流量1觀察期四個月的趨勢值(波動范圍在20%)與 GSM通話時長1均值呼叫次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)與電信通話時長1均值主叫呼叫次數(shù)占比1觀察期四個月的趨勢值(波動范圍在20%)呼轉(zhuǎn)次數(shù)占比1均值平均每次通話時長1觀察期四個月的趨勢值(波動范圍在20%)無條件呼轉(zhuǎn)次數(shù)占比1均值應(yīng)繳費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)主叫交往圈占比1均值通話費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)主叫呼叫次數(shù)占比1均值基本費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)停機(jī)次數(shù)1均值與CDMA通話時長1觀察期四個月的趨勢值(波動范圍在20%)呼轉(zhuǎn)

CDMA次數(shù)1均值與GSM通話時長1觀察期四個月的趨勢值(波動范圍在20%)呼轉(zhuǎn) GSM次數(shù)1均值與電信通話時長1觀察期四個月的趨勢值(波動范圍在20%)國際長途通話時長1均值停機(jī)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)漫游通話時長1均值呼轉(zhuǎn)次數(shù)1均值網(wǎng)內(nèi)降級標(biāo)志2無條件呼轉(zhuǎn)次數(shù)1均值在網(wǎng)時長3交往圈1均值分析結(jié)果——客戶流失和前4個月的客戶行為之間的關(guān)系（后

）分析結(jié)果——客戶流失和前4個月的客戶行為之間的關(guān)系（預(yù)

）名稱權(quán)重模式值名稱權(quán)重模式值呼轉(zhuǎn)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)無條件呼轉(zhuǎn)次數(shù)1均值無條件呼轉(zhuǎn)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)交往圈1均值交往圈1觀察期四個月的趨勢值(波動范圍在20%)次數(shù)1均值最高頻次號碼通話次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)GPRS流量1均值次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)呼叫次數(shù)1均值GPRS流量1觀察期四個月的趨勢值(波動范圍在20%)平均每次通話時長1均值呼叫次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)基本通話費(fèi)1均值主叫呼叫次數(shù)占比1觀察期四個月的趨勢值(波動范圍在20%)通話費(fèi)1均值平均每次通話時長1觀察期四個月的趨勢值(波動范圍在20%)應(yīng)繳費(fèi)1均值應(yīng)繳費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)與CDMA通話時長1均值通話費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)與GSM通話時長1均值基本通話費(fèi)1觀察期四個月的趨勢值(波動范圍在20%)主叫呼叫次數(shù)占比1均值與CDMA通話時長1觀察期四個月的趨勢值(波動范圍在20%)停機(jī)次數(shù)2均值與GSM通話時長1觀察期四個月的趨勢值(波動范圍在20%)呼轉(zhuǎn)CDMA次數(shù)1均值停機(jī)次數(shù)1觀察期四個月的趨勢值(波動范圍在20%)呼轉(zhuǎn)GSM次數(shù)1均值IP通話時長1觀察期四個月的趨勢值(波動范圍在20%)國際長途通話時長1均值國際長途通話時長1觀察期四個月的趨勢值(波動范圍在20%)漫游時長1均值時段通話時長1觀察期四個月的趨勢值(波動范圍在20%)IP通話時長1均值網(wǎng)通交往圈占比1觀察期四個月的趨勢值(波動范圍在20%)時段通話時長1均值交往圈占比1觀察期四個月的趨勢值(波動范圍在20%)本地費(fèi)用1均值本地費(fèi)用1觀察期四個月的趨勢值(波動范圍在20%)預(yù)存次數(shù)1均值費(fèi)占比1觀察期四個月的趨勢值(波動范圍在20%)與最高頻次號碼平均每次通話時長1均值后部分分析結(jié)果準(zhǔn)確性評估準(zhǔn)確率：82.56%查全率（

準(zhǔn)確的流失客戶數(shù)占實(shí)際客戶流失數(shù)的比率——

準(zhǔn)確的流失客戶數(shù)/（錯誤的實(shí)際流失客戶數(shù)+

準(zhǔn)確地流失客戶數(shù)））：71.5%預(yù)部分分析結(jié)果準(zhǔn)確性評估準(zhǔn)確率：81.65%查全率（

準(zhǔn)確的流失客戶數(shù)占實(shí)際客戶流失數(shù)的比率——準(zhǔn)確的流失客戶數(shù)/（

錯誤的實(shí)際流失客戶數(shù)+

準(zhǔn)確地流失客戶數(shù)））：92.47%模型分析結(jié)果與實(shí)際目標(biāo)客戶占比上圖為提升圖。根據(jù)提升圖的結(jié)果，市場分析人員可以很容易了解客戶維系的目標(biāo)群體定位。根據(jù)統(tǒng)計(jì)，通常情況下電信公司對提升度大于3的目標(biāo)群體進(jìn)行客戶維系，收益大于產(chǎn)出。模型分析結(jié)果的收益情況上圖為累積圖。根據(jù)累積圖的結(jié)果，市場分析人員可以直觀的了解目標(biāo)客戶群中包含了百分之多少的實(shí)際目標(biāo)客戶。后客戶預(yù)客戶中高端客戶數(shù)142,926480,089實(shí)際流失客戶總數(shù)11,87133,310提升度大于3的客戶群占比（預(yù)

部分因?yàn)榍?0%客戶已經(jīng)包括了將近100%的流失客戶，所以認(rèn)為需要客戶挽留的只占總客戶的10%）25%20%實(shí)際流失客戶占比75%90%準(zhǔn)確的流失客戶(實(shí)際流失客戶總數(shù)*實(shí)際流失客戶占比)890429,979推廣業(yè)務(wù)的客戶（中高端客戶數(shù)*提升度大于3的客戶群占比）35,73196018對流失傾向客戶的挽留成功率（業(yè)界普遍為10%-25%）15%15%2007年2月流失客戶在2006年12月前四月的平均月話費(fèi)379187可能挽回的收入(

準(zhǔn)確的流失客戶*對流失傾向客戶的挽留成功率*2007年2月流失客戶在2006年12月前四月的平均月話費(fèi))506,192840,911可能挽回的收入合計(jì)（月）1,347,103咨詢項(xiàng)目收益評估咨詢項(xiàng)目結(jié)果應(yīng)用SPSS客戶流失分析結(jié)果并結(jié)合恰當(dāng)?shù)臉I(yè)務(wù)

，在項(xiàng)目實(shí)施后第二個月，該移動中高端客戶流失率即從原來的9.6%下降到了7%，取得了非常顯著的效果。產(chǎn)品關(guān)聯(lián)性分析案例商業(yè)背景市場

部門一方面苦于要推廣新興的增值業(yè)務(wù)、開拓新市場，另一方面由于基礎(chǔ)設(shè)施的大量投入以及移動和其他兩大運(yùn)營商巨大競爭壓力，之式的市場因此，并沒有充足的

進(jìn)行廣而告活動。市場 部門希望通過SPSS分析團(tuán)隊(duì)的幫助，能夠準(zhǔn)確定位那些潛在客戶，提供有針對性地產(chǎn)品，從而實(shí)現(xiàn)在最小化成本的同時，獲得最大的投資回報(bào)。咨詢項(xiàng)目實(shí)施準(zhǔn)備協(xié)商所SPSS電信行業(yè)數(shù)據(jù)分析

，并與需的業(yè)務(wù)和IT資源。SPSS技術(shù)

與

IT及業(yè)務(wù)增值業(yè)務(wù)產(chǎn)品如何歸類、產(chǎn)品關(guān)聯(lián)分析的目標(biāo)客戶群以及目標(biāo)產(chǎn)品等情況。SPSS技術(shù)

和

相關(guān)

協(xié)商制定咨詢項(xiàng)目日程、投資回報(bào)評估標(biāo)準(zhǔn)、分析結(jié)果應(yīng)用等相關(guān)事宜。產(chǎn)品關(guān)聯(lián)性分析范圍分析目標(biāo)通過分析現(xiàn)有客戶的持有產(chǎn)品情況，找出產(chǎn)品之間的關(guān)聯(lián)性。從而根據(jù)客戶已持有的產(chǎn)品 新的產(chǎn)品給客戶，從而提高現(xiàn)存客戶價值。產(chǎn)品關(guān)聯(lián)性分析范圍產(chǎn)品范圍為所有增值業(yè)務(wù)產(chǎn)品。目標(biāo)客戶為所有現(xiàn)有持有增值業(yè)務(wù)的客戶產(chǎn)品歸類定義所有產(chǎn)品不能按照產(chǎn)品維表進(jìn)行簡單的歸納，而是根據(jù)其實(shí)際內(nèi)容進(jìn)行歸納或細(xì)化（例如： 業(yè)務(wù)既不能完全按照SP商歸類，也不能簡單的歸為一類，而是根據(jù)內(nèi)容進(jìn)行拆分）。客戶持有產(chǎn)品定義客戶持有該產(chǎn)品且未解約交叉銷售分析目標(biāo)分群考慮到C網(wǎng)和G網(wǎng)用戶行為特征有相當(dāng)大的差異，因此對C網(wǎng)和G網(wǎng)客戶分別分析，從而提高模型的 度。咨詢分析項(xiàng)目成功目標(biāo)定義成功目標(biāo)商業(yè)定義客戶

響應(yīng)度提高20%以上成功目標(biāo)技術(shù)定義找到有強(qiáng)關(guān)聯(lián)性，且有實(shí)施價值的產(chǎn)品關(guān)聯(lián)關(guān)系。關(guān)聯(lián)支持度（規(guī)則適用的客戶百分比）：>20%關(guān)聯(lián)置信度（

的成功概率）：40%產(chǎn)品關(guān)聯(lián)分析思路產(chǎn)品關(guān)聯(lián)分析中的主要問題產(chǎn)品關(guān)聯(lián)分析的數(shù)據(jù)源相對簡單，訓(xùn)練數(shù)據(jù)源格式為：客戶號、客戶持有產(chǎn)品1（T/F）、客戶持有產(chǎn)品2

（T/F）……。利用關(guān)聯(lián)算法，分析可以很容易地了解每個產(chǎn)品的關(guān)聯(lián)性。因此產(chǎn)品關(guān)聯(lián)分析的主要難點(diǎn)在于如何歸納產(chǎn)品，如果產(chǎn)品分組過細(xì)則會導(dǎo)致規(guī)則不具有普遍意義，不具有可操作的價值；如果產(chǎn)品分組過粗則會導(dǎo)致規(guī)則變成了一些性問題，反而了一部份有價值的規(guī)則。需要有針對性地對不同的客戶群進(jìn)行產(chǎn)品關(guān)聯(lián)分析，不同的客戶群對應(yīng)的產(chǎn)品關(guān)聯(lián)關(guān)系是不同的。如果簡單地對所有客戶進(jìn)行關(guān)聯(lián)分析，得到的結(jié)果要么置信度過低，無法操作；要么產(chǎn)生一些業(yè)務(wù)常識（通常這類規(guī)則，規(guī)則支持度和置信度都很高——例86%的客戶都產(chǎn)品b，如果規(guī)則告訴你持有產(chǎn)品a有80%以上的概率持有產(chǎn)品b，則這類規(guī)則是沒有意義的）。項(xiàng)目實(shí)施過程簡述項(xiàng)目實(shí)施周期：25個工作日技術(shù)

負(fù)責(zé)從經(jīng)分系統(tǒng)數(shù)據(jù)倉庫中收集符合分析范圍的數(shù)據(jù)（包含上述相關(guān)因素），并整

以客戶號為唯一鍵值的寬表。歷史信息時間為2007年4月。先根據(jù)客戶消費(fèi)行為進(jìn)行分類，找出那些增值業(yè)務(wù)消費(fèi)能力較強(qiáng)的客戶群體。對產(chǎn)品維重新定義。對那些增值業(yè)務(wù)消費(fèi)能力較強(qiáng)的客戶分別進(jìn)行產(chǎn)品關(guān)聯(lián)性分析。由業(yè)務(wù)

分析生成的產(chǎn)品關(guān)聯(lián)規(guī)則，篩選出那些有業(yè)務(wù)含義的規(guī)則。把有價規(guī)則部署到應(yīng)用系統(tǒng)中，根據(jù)客戶已持有的產(chǎn)品

新產(chǎn)品。市場細(xì)分相關(guān)因素客戶最近三個月的

消費(fèi)：應(yīng)收金額

、傳統(tǒng)業(yè)務(wù)功能月租應(yīng)收金額、傳統(tǒng)

業(yè)務(wù)應(yīng)收金額、增值業(yè)務(wù)應(yīng)收金額、本地通話應(yīng)收金額、長途通話應(yīng)收金額、通話應(yīng)收金額客戶最近三個月的各項(xiàng)

消費(fèi)占比：本地通話占比、傳統(tǒng)業(yè)務(wù)功能月租占比、傳統(tǒng)通話占比客戶最近三個月業(yè)務(wù)占比、增值業(yè)務(wù)占比、長途通話占比、其他消費(fèi)指標(biāo)：傳統(tǒng)

業(yè)務(wù)通話時長、增值業(yè)務(wù)通話時長、本地通話時長、長途通話時長、傳統(tǒng)

業(yè)務(wù)通話次數(shù)、增值業(yè)務(wù)通話次數(shù)、本地通話次數(shù)、長途通話次數(shù)市場細(xì)分結(jié)果從

中發(fā)現(xiàn)一些異常數(shù)據(jù)（例如：發(fā)現(xiàn)一客戶話務(wù)資費(fèi)只有1000不到，增值業(yè)務(wù)資費(fèi)竟然高達(dá)3百多萬）。通過聚類算法，

把客戶分為9類：中低消費(fèi)增值業(yè)務(wù)低占比客戶高消費(fèi)純通話用戶高消費(fèi)增值業(yè)務(wù)低占比客戶增值業(yè)務(wù)高消費(fèi)客戶中等消費(fèi)增值業(yè)務(wù)高占比客戶中等消費(fèi)增值業(yè)務(wù)中等占比客戶中等消費(fèi)增值業(yè)務(wù)低占比客戶低消費(fèi)客戶中上消費(fèi)增值業(yè)務(wù)低占比客戶根據(jù)業(yè)務(wù)經(jīng)驗(yàn)，從中挑出增值業(yè)務(wù)高消費(fèi)客戶、中等消費(fèi)增值業(yè)務(wù)高占比客戶、中等消費(fèi)增值業(yè)務(wù)中等占比客戶進(jìn)行產(chǎn)品關(guān)聯(lián)分析。產(chǎn)品關(guān)聯(lián)分析結(jié)果通過關(guān)聯(lián)分析生成的結(jié)果，業(yè)務(wù)發(fā)掘出一些有意義的產(chǎn)品關(guān)聯(lián)規(guī)則，例如：如果客戶持有彩鈴業(yè)務(wù)，則客戶很可能持有來電寶以及IX上網(wǎng)服務(wù)業(yè)務(wù)。把這些經(jīng)過業(yè)務(wù)篩選過的規(guī)則部署到實(shí)際應(yīng)用中，根據(jù)客戶持有的產(chǎn)品接受可能性較高的新產(chǎn)品，并且在客戶新申請?jiān)擃惙?wù)時直接向該客戶新產(chǎn)品。咨詢項(xiàng)目結(jié)果應(yīng)用SPSS客戶細(xì)分和產(chǎn)品關(guān)聯(lián)分析相結(jié)合的分析結(jié)果進(jìn)行

活動，把客戶轉(zhuǎn)換率從原來的3%提高到12%，大大提高了

效率，在

成本減少的同時達(dá)到了預(yù)期的商業(yè)目標(biāo)，從而實(shí)現(xiàn)了利潤最大化?？蛻舳唐谶`約分析案例商業(yè)背景某地區(qū) 經(jīng)過三年的IT建設(shè)，基本完成了以客戶為中心的 分析應(yīng)用系統(tǒng)建設(shè)（應(yīng)用涵蓋了客戶流失、交叉銷售、市場細(xì)分等多個）。由于電信市場日趨飽和，市場

所帶來的收益日趨穩(wěn)定，該

公司開始考慮如何通過減少企業(yè)成本支出方式來提高企業(yè)利潤。該

公司業(yè)務(wù)

發(fā)現(xiàn)贈

簽使用協(xié)議這類活動的違約成本居高不下，因此希望利用SPSS分析團(tuán)隊(duì)的專業(yè)分析技術(shù)，幫助其了解這些客戶短期違約概率，從而幫助其制定不同的入門門檻，減少企業(yè)由于客戶短期違約而帶來

成本的損失。咨詢項(xiàng)目實(shí)施準(zhǔn)備SPSS電信行業(yè)數(shù)據(jù)分析

，并與需的業(yè)務(wù)和IT資源。協(xié)商所SPSS技術(shù)

與

IT及業(yè)務(wù)

客戶違約的目標(biāo)定義、客戶違約分析所考慮的因素、經(jīng)分系統(tǒng)數(shù)據(jù)現(xiàn)狀等情況。SPSS技術(shù)

和

相關(guān)

制定咨詢項(xiàng)目日程、投資回報(bào)評估標(biāo)準(zhǔn)、分析結(jié)果精準(zhǔn)度目標(biāo)等相關(guān)事宜。由于采用

協(xié)助的方式，SPSS技術(shù)

與聯(lián)通相關(guān)

協(xié)商、確定溝通周期，溝通方式、文檔格式等相關(guān)要點(diǎn)?？蛻袅魇Х治龇秶治瞿繕?biāo)

分析未來1個月后協(xié)議期內(nèi)客戶違約，與客戶前4個月的通話行為特征和人口統(tǒng)計(jì)學(xué)特征等因素的關(guān)系，從而幫助業(yè)務(wù) 提前采取業(yè)務(wù)措施來遏制客戶違約行為發(fā)生。分析最近10個月內(nèi)客戶簽訂贈機(jī)前的歷史通話行為及客戶屬性與客戶違約之間的關(guān)系。從而采用不同的入門門檻，減少客戶違約帶來的損失。違約客戶分析的目標(biāo)客戶群C網(wǎng)后 贈機(jī)協(xié)議用戶且新協(xié)議簽訂期在10個月內(nèi)用戶（純IX用戶除外）沒有得到等同價值的客戶違約定義客戶連續(xù)2月欠費(fèi)用戶在簽約10個月內(nèi)違約為短期違約——回報(bào)（該項(xiàng)目只分析短期違約客戶）?？蛻暨`約分析目標(biāo)整個 分析分成兩大類：一類為針對現(xiàn)有客戶的違約情況進(jìn)行 ；另外一類主要為針對新客戶申請贈機(jī)協(xié)議話費(fèi)活動前的一些歷史情況的違約咨詢分析項(xiàng)目成功目標(biāo)定義成功目標(biāo)商業(yè)定義客戶違約損失/贈機(jī)客戶數(shù)下降10%客戶違約率減少20%成功目標(biāo)技術(shù)定義現(xiàn)有協(xié)議期用戶違約行為分析準(zhǔn)確性：>=70％純度：>=40％查全率：>=40％提升度（違約概率最高的10％用戶）：>=3申請用戶違約概率分級申請用戶分成3-9類每個類的客戶違約概率有明顯區(qū)別協(xié)議期內(nèi)客戶短期違約分析相關(guān)因素總費(fèi)用、細(xì)分項(xiàng)目1-80費(fèi)用、普通語音總費(fèi)用、IP總費(fèi)用、193總費(fèi)用、增值

總費(fèi)用、增值語音費(fèi)用、增值1x費(fèi)用、增值尋呼費(fèi)用、增值其他費(fèi)用、增值炫鈴費(fèi)用、增值炫鈴費(fèi)用占總費(fèi)用百分比、增值其他費(fèi)用占總費(fèi)用百分比、增值尋呼費(fèi)用占總

費(fèi)用百分比、增值1x費(fèi)用占總費(fèi)用百分比、增值語音費(fèi)用占總費(fèi)用百分比、增值短信總費(fèi)用占總費(fèi)用百分比、193費(fèi)用占總費(fèi)用百分比、IP總費(fèi)用占總費(fèi)用百分比、普通語音總費(fèi)用占總費(fèi)用百分比、電信類型、定購方式類別、

類型、租機(jī)類型、租機(jī)狀態(tài)、擔(dān)保類型、

價格、價格補(bǔ)貼、首付、月付、產(chǎn)品、

日長、租機(jī)日長、終止日長、終止產(chǎn)品、月最低消費(fèi)、總消費(fèi)限額、銀行存款余額、擔(dān)保費(fèi)用類型、擔(dān)保金額、租機(jī)期使用標(biāo)志、再次租機(jī)標(biāo)志、總費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、細(xì)分項(xiàng)目1-80費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、普通語音總費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、IP總費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、193總費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值 總費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值語音費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值1x費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值尋呼費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值其他費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值炫鈴費(fèi)用（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值炫鈴費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值其他費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值尋呼費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值1x費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值語音費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、增值 總費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、193費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、IP總費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）、普通語音總費(fèi)用占總費(fèi)用百分比（三月內(nèi)最小/最大/標(biāo)準(zhǔn)差/平均）新申請客戶細(xì)分相關(guān)因素客戶

、

、申請

品牌、初選首付、初選月付、客戶職業(yè)、客戶是否為

客戶、

次數(shù)、最近價值、時長客戶通話時長/次數(shù)、，其次

時長、最近3/6個月與最近3個月與客戶平均通話時長/次數(shù)、最近3/6個月峰時/閑時與客戶通話時長/次數(shù)、最近3/6個月峰時/閑時與客戶平均通交往客話時長/次數(shù)、歷史與

交往客戶數(shù)、最近3/6個月與戶數(shù)、最近3/6個月頻繁聯(lián)系

交往客戶數(shù)項(xiàng)目實(shí)施過程簡述項(xiàng)目實(shí)施周期：45個工作日技術(shù)

負(fù)責(zé)從經(jīng)分系統(tǒng)數(shù)據(jù)倉庫中收集符合分析范圍的數(shù)據(jù)（包含上述相關(guān)因素），并整

以客戶號為唯一鍵值的寬表。分析2006年12歷史信息時間為2006年7月——2007年4月。訓(xùn)練、測試數(shù)據(jù)為用2006年7月——9月的月客戶違約的關(guān)系。驗(yàn)證數(shù)據(jù)為用2006年11月——2007年1月的驗(yàn)證2007年4月內(nèi)客戶違約

中率。使用Pearson和Cramer’s

V指標(biāo)評估

因子和客戶流失之間關(guān)系的強(qiáng)弱，進(jìn)行維度裁減，簡化模型并提高模型健壯度。對2006年5-7月新申請客戶進(jìn)行聚類分析，并評估各個客戶群在2006年6月——2007年4月內(nèi)的違約分布。分析結(jié)果——協(xié)議期內(nèi)客戶違約和前3個月的客戶行為之間的關(guān)系名稱權(quán)重模式值名稱權(quán)重模式值月最低消費(fèi)1次數(shù)1觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)總消費(fèi)限額1IX流量1觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)用戶

時長1呼叫次數(shù)1觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)租機(jī)時長1平均每次通話時長1觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)細(xì)分項(xiàng)目12變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)國際長途通話時長1觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)細(xì)分項(xiàng)目21變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)漫游時長2觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)細(xì)分項(xiàng)目33變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)IP通話時長2觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)細(xì)分項(xiàng)目43變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)時段通話時長3觀察期3個月的趨勢值(標(biāo)準(zhǔn)差/最大/最小)細(xì)分項(xiàng)目22變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)細(xì)分項(xiàng)目51變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)細(xì)分項(xiàng)目52變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)細(xì)分項(xiàng)目56變化趨勢1觀察期3個月的趨勢值(均值/最大/最小)普通語音總費(fèi)用占比1觀察期3