中国移动海南公司校园市场识别模型技术方案.doc

1 中中国国移移动动海海南南公公司司校校园园 市市场场 识识 别别模模型型 技技术术方方案案 版版本本号号：1.0.0 2 目录 1引言引言.3 1.1编写目的.3 1.2实施内容.3 1.3术语和定义.3 1.4参考资料.3 2 2技术实现技术实现.4 2.1校园市场基础信息维护.4 2.1.1学校信息维护4 2.1.2学校基站信息维护5 2.1.3学校渠道信息维护8 2.2校园市场识别模型.9 2.2.1概述9 2.2.2名词解释12 2.2.3数据来源12 2.2.4校园区域客户识别模型13 2.2.5学生客户识别模型15 2.2.6学生客户到达数算法18 2.2.7新增学生客户识别模型18 2.2.8新生客户识别模型20 2.2.9毕业生客户识别模型22 3 3附录附录 a a：交往圈识别模型：交往圈识别模型24 3 1引言 本方案旨在描述如何在现有经营分析系统中建立校园客户识别模型，通过对校园区域 内学生客户的识别，为校园市场营销提供精确的客户归属信息，实现对校园市场生产运营 指标的分析评估；通过建立校园客户监控应用，对校园内外异常市场信息进行监控和处理； 支撑公司营销服务人员对校园市场各类营销活动的闭环管理，全面提升公司整体应对校园 市场变化的响应速度及把控能力，确保校园区域市场的竞争优势，提升公司核心竞争力。 1.1 编写目的 校园市场已是我公司的重点战略市场，为巩固校园市场优势地位，我公司在总部下发 的规范指导下完成校园市场应用建设。 1.2 实施内容 本次技术实现的实施内容包括：校园基础信息维护，校园区域客户识别模型，学生客 户识别模型，学生客户到达数算法，新增学生客户识别模型，新生客户识别模型 1.3 术语和定义 序号名词解释 1校园区域客户指可归属到某校园区域内的客户群体 2学生客户指校园区域内的学生客户群体 3新增学生客户指学生客户中新入网或第一次归属为学生客户的客户 4新生客户指学生客户中属于新生的客户群体 5毕业生客户指已离开校园但并未离开移动网的客户 1.4 参考资料 2010 年经分系统校园市场应用业务技术方案 中国移动海南公司专题应用需求书 4 2技术实现 2.1 校园市场基础信息维护 校园市场基础信息维护包含学校信息维护、校园基站信息维护以及校园渠道信息维护 等。优化校园各类基础信息的维护流程，确保校园基础信息的及时准确，对于学生客户识 别具有重要的意义。目前校园市场基础信息维护操作均通过经营分析系统来实现。 2.1.1学校信息维护 2.1.1.1 功能描述 本章节所提及的学校主要是指大专及以上学校（包括普通高等教育院校、高等职业技 术院校等） 、中等专业技术学校、职业高中及附属中学等。 本章节主要描述了学校基本信息的相关功能要求和技术实现。 2.1.1.2 功能要求 经分系统支持学校基本信息的增加、删除、修改、查询等功能； 经分系统支持学校信息各类变更的审核和稽查功能。 2.1.1.3 功能要素 学校基本信息表 属性名称属性描述备注 学校标识省代码+地市代码+8 位序号 系统自动扩展 学校名称 填写全称，有多个校区时在括号内进行 说明，例如：一个学校有南北两个校区， 则录入 xxxx 大学（南校区） 、xxxx 大学（北校区） 手动填写 归属地市下拉选择 学校性质 本科、大专、中等职业学院、其它下拉选择 5 2.1.1.4 实现流程 1)由经营分析系统在前台界面开发相关学校信息录入界面，录入字段请上表要求的 功能属性，支持一线渠道人员进行所收集信息的录入； 2)对于不符合业务规则的填报，经营分析系统可以自动跳出错误提示； 3)录入信息通过经分界面进行展示，由上级渠道管理人员对录入信息进行审核修改； 4)对于审核通过的信息，正式更新经营分析系统数据； 5)支持对历史信息的变更删减，以及对历史操作的信息稽查。 实现流程图如图所示： 县县（市市区区）渠渠道道人人员员 人人工工录录入入学学校校信信息息 经经营营分分析析系系统统 学学校校信信息息 学学生生信信息息学学校校信信息息 渠渠道道信信息息 县县（市市区区）公公 司司主主管管审审核核 地地市市分分公公司司渠渠 道道主主管管审审核核 学校信息维护流程图 2.1.2学校基站信息维护 2.1.2.1 功能描述 本章主要描述了学校和基站小区信息维护的相关功能要求和技术实现。 校园区域主要包含各学校教学区、学生宿舍区、学校家属区等学生主要活动区域，由 一个或多个的基站小区覆盖范围组成，信号覆盖或基本覆盖校园区域的基站小区与校园形 成对应关系。 学校基站的认定应由各地市场部门和网络部门共同进行，经确认的学校基站即纳入校 园区域市场统计范围。各地发生学校基站变更的情况，应有严格的参数修订流程，以确保 校园区域市场统计的准确性。新入网基站可根据基站经纬度、覆盖范围等属性确认是否学 校基站；经确认后的学校基站，原则上不得进行学校属性变更，对已有学校基站变更的， 需由网络部门出具相关文件方可实施。 6 2.1.2.2 功能要求 支持在经分系统对校园基站小区关系的新增、删除、修改和查询功能； 支持学校基站信息各类变更的审核和稽查功能。 2.1.2.3 功能要素 基站信息要素主要包含基站名称、小区代码、归属地区、学校名称、学校规模、学校 类型、经度、纬度、基站学校覆盖率等要素，基站信号必须仅覆盖或基本覆盖校园区域， 校园区域基站信息应以区域化基站参数信息为基础，保持校园区域基站基本属性与区域化 基站参数一致，如表所示： 基站信息表 属性名称属性描述备注 基站中文名称基站中文名称必选 基站英文名称网管数据多为英文或拼音必选 lac 代码lac 代码必选 基站代码cell 代码必选 学校标识（如果小区类 型是校园，则填写学校 名称） 基站小区必须对应唯一的一所 学校 必选 校区类型教学区、宿舍区、家属区可选 小区经度 可选 小区纬度 可选 小区天线高度 可选 小区天线方向角（水平） 可选 小区天线倾角（垂直） 可选 小区建站时间 可选 小区网络类型2g、3g 站可选 小区归属基站类型宏蜂窝、室内覆盖、直放站可选 归属分公司地市级必选 7 归属县公司县区级必选 小区边界类型 是边界小区（省内边界、省际 边界，双重边界） 可选 小区类型 商业务、住宅区、写字楼、学 校、矿区、农村、县城等。 可选 2.1.2.4 实现流程 分公司需要定期对基站小区与学校的对应关系进行维护，以保证校园区域的准确性。 基站小区数据维护流程示例如下图： 增加基站小区与 学校相关对应 分分公公司司市市场场部部网网络络部部经经分分系系统统 提供基站数据 修改结果反馈 问题反馈与沟通 存在问题 是是 更新数据 否否 数数据据校校验验 存在问题 数据入库 否否 协协调调相相关关部部门门核核查查 是是 基站小区数据维护流程示例图 流程说明： 1)省网络部定期将更新的基站数据提供给地市公司； 2)地市公司进行基站信息与学校信息的匹配，并且对数据进行稽核，同时将结果反 馈给市场经营部，市场经营部发现问题后及时与网络部协商； 3)市场部审核无误后将学校基站数据传给经分系统； 4)经分系统根据一定的业务规则对数据进行校验，无误后入库。 8 2.1.3学校渠道信息维护 2.1.3.1 功能描述 本章描述学校渠道信息维护的相关功能要求和技术实现，重点介绍如何建立渠道（包 含竞争对手渠道）与学校的映射关系，从而更好地对学生客户进行营销服务。 2.1.3.2 功能要求 支持学校渠道与学校标识映射关系的新增、修改、删除和查询等功能； 学校渠道与学校标识的匹配需要符合一定的对应关系，对于不符合业务规则的错 误填报，系统可以跳出错误提示； 支持对各类操作的审核、稽查功能。 2.1.3.3 功能要素 学校渠道（包含我公司与竞争对手渠道）需要与学校建立映射，具体属性要素如下表： 学校渠道信息表 属性名称属性描述备注 市县标识学校所归属地市学校归属地市 学校标识学校唯一标识 关联校园基础表 标识 营业厅标识 包含我公司营业厅和竞争 对手唯一标识 营业厅类型标识 包含移动、电信、联通三 类 下拉选择 2.1.3.4 实现流程 1)由经营分析系统在前台界面开发相关学校信息录入界面，录入字段请上表要求的 功能属性，支持一线渠道人员进行所收集信息的录入； 2)对于不符合业务规则的填报，经营分析系统可以自动跳出错误提示； 3)录入信息通过经分界面进行展示，由上级渠道管理人员对录入信息进行审核修改； 9 4)对于审核通过的信息，正式更新经营分析系统数据； 5)支持对历史信息的变更删减，以及对历史操作的信息稽查。 2.2 校园市场识别模型 2.2.1概述 校园市场识别模型主要根据校园的地理位置和通信网络的物理覆盖区域之间的对应关 系，结合客户通话行为话单，通过一定的规则算法，确定出客户归属校园区域的方法。校 园市场识别模型主要以区分校园区域客户和校园区域竞争对手客户为主，并在校园区域客 户识别基础上，实现识别校园学生、校园新增学生、校园新生学生和毕业生识别算法。 本方案中主要包括校园区域客户、校园区域学生客户、校园区域新增学生客户和校园 区域新生客户、毕业生客户五个部分识别模型算法。 校园市场相关识别模型之间关系流程图： 本本网网客客户户竞竞争争对对手手 学生客户学生客户 新增学生客户新增学生客户 新生客户新生客户 学生客户识别模型 学生营销卡激活 竞争对手学生号段 新增 并并集集 校园区域客户校园区域客户 校园区域客户识别 模型 校校 园园 客客 户户 学学 生生 客客 户户 新新 增增 学学 生生 新新 生生 竞争对手学生客户 识别模型 竞争对手校园区域 客户识别模型 新增学生客户识别 模型 新生识别模型 竞争对手新生识别 模型 竞争对手新增学生 识别模型 交交往往圈圈 交交往往圈圈 并并集集 交交往往圈圈 毕业生毕业生 毕业生识别模型 竞争对手毕业生识 别模型 毕毕 业业 生生 校园市场识别模型关系流程图 以上校园区域各类别客户识别模型遵循月度全量计算和季节性拍照跟踪识别原则，能 10 够满足不同时间段内到达数、新增、在校和未在校等情况分析，以便及时进行精确化营销。 以各个时间段为例，说明校园区域客户各类别客户识别模型处理流程如下图所示。 5月6月7月8月9月10月11月12月1月2月3月4月 7月 按照通话用户对4-6月校园区域学生客户进行拍照 1月 - 4月 以日为周期进行月累计校园学生客户的识别 并且与1月中拍照学生客户进行比较，判断是否为 新增、在校、未在校学生等客户 5月6月 4月 - 7月 利用校园区域客户判别算法，以月为周期，确定校园区域客户群 作为校园学生客户的基准目标客户 12月 按照通话用户对10-12月校园学生客户进行拍照 8月 - 11月 以日为周期进行月累计校园学生客户的识别 并且与7月中拍照学生客户进行比较，判断是否为 新增、在校、未在校学生等客户 7月 - 7月 一经日报 7月 按照通话用户对4-6月校园区域学生客户进行拍照 校园区域客户按照时间周期处理流程图 本次方案根据校园区域客户数据处理方法分为不同的时间段，针对校园假期关键时间 点，通过每年进行 2 次拍照基础客户处理，结合每月全量识别算法，形成不同时间段内关 键处理内容。现将关键时间段处理内容描述如下： 序号计算自 然时间 点 数据更新 频率 主要内容步骤方法 1 7 月月对 4-6 月累计校 园区域客户进行 拍照 对 4-6 月份累计三个月的客户话单，按 照校园区域客户归属识别方法分别确定 本网客户和竞争对手客户校园归属识别。 作为截止 6 月拍照校园客户。（即 4-6 月拍照客户） 2 8 月月计算 7 月全量校 园区域归属客户， 识别 7 月新增校 园区域客户，并 核减拍照客户离 网客户 分为两部分： 步骤一：按照校园区域客户归属识别算 法，计算 7 月全量校园区域客户数。并 作为 7 月全量校园区域归属客户数。 步骤二：将步骤一判断出的客户与之前 拍照 4-6 月份的客户进行比较，如果在 7 月全量客户中存在，但在拍照客户中不 存在的客户作为新增客户。 步骤三：对 4-6 月份拍照的客户直接与 客户资料表关联，剔除离网状态客户。 将截止 6 月拍照客户与新增客户一起作 为截止 7 月拍照校园区域客户。 3 8 月 15 日-11 月 15 日 月 日累计分析新增、 在校和未在校客 户。月度计算全 步骤一：将累计 8 月 15 日当月汇总校园 区域客户情况与截止 7 月拍照校园区域 客户进行比较，从 8 月 15 日开始直到 11 11 日量客户。月 15 日进行日新增、在网和未在网识别。 如果不在拍照客户中作为新增，如果存 在并且有过 1 次校园通话作为在校。每 日新增将不断更新截止当前拍照校园区 域客户群，作为次日更新比较基准数据。 步骤二：9 月初，计算 8 月全量校园区域 归属客户，并与截止 7 月拍照校园区域 客户进行比较，并对本月新增客户与日 累计新增进行修正。并同时修正在校、 未在校客户标识。 步骤三：将 7 月截止拍照校园区域客户 剔除客户截止 8 月离网状态，补充 8 月 新增、更新未在校客户，形成截止 8 月 拍照校园区域客户。 4 1 月月对 10-12 月累计 校园区域客户进 行拍照 对 10-12 月份累计三个月的客户话单， 按照校园区域客户归属识别方法分别确 定本网客户和竞争对手客户校园区域归 属识别。作为截止 12 月拍照校园区域客 户。 5 1-4 月日 月 日累计分析新增、 在校和未在网客 户。月度计算全 量客户。 步骤一：将 1 月 1 日-4 月 30 日期间累计 日汇总校园区域客户与截止 12 月拍照校 园区域客户进行比较，进行日报中新增、 在校和未在校识别。如果不在拍照客户 中作为新增，如果存在并且有过 1 次校 园通话作为在校。每日新增将不断更新 截止当前拍照校园区域客户群，作为次 日更新比较基准数据。 步骤二：2 月初，计算 1 月全量校园区域 归属客户，并与截止 12 月拍照校园区域 客户进行比较，对本月新增客户与日累 计新增进行修正。并同时修正在校、未 在校客户标识。 步骤三：将 12 月截止拍照校园区域客户 剔除客户截止 1 月离网状态，补充 1 月 新增、更新未在校客户，形成截止 1 月 拍照校园区域客户。以此类推满足每月 底拍照校园区域客户更新标准。直到 4 月。 特别说明：校园入学期间日累计跟踪必须按照 8 月 15 日-11 月 15 日之间进行跟踪分 析，寒假开学跟踪从 1 月开始，上半年开学按照 1 月 1 日-4 月 30 日之间进行跟踪分析。 校园客户识别是每月均需要分析全量校园客户，在指定时间段上增加拍照客户日、月跟踪 12 情况。 以校园区域客户为基础，结合客户有效交往圈和校园区域竞争对手识别算法，形成校 园区域竞争对手客户按照时间周期处理流程： 4月4月 5月6月7月8月9月10月11月12月1月2月3月 8月 - 11月 以日为周期进行月累计校园 学生客户的判别，并且与7月中 拍照学生竞争对手客户进行比较， 判断是否为 新增、在校、未在校学生竞争对手等客户 2月 - 4月 以日为周期进行月累计校园竞争对手 学生客户的判别 并且与1月中拍照学生竞争对手 客户进行比较，判断是否为 新增、在校、未在校竞争对手学生等客户 5月6月 1月 以通话用户对10-12月校园学生竞争 对手客户进行拍照 4月 - 7月 利用校园区域客户识别算法， 以月为周期，确定校园区域竞争对手客户群 作为校园学生竞争对手客户的基准目标客户 7月 以通话用户对4-6月校园学生竞争对手 客户进行拍照 7月 - 7月 一经日报 7月 以通话用户对4-6月校园学生竞争对手 客户进行拍照 校园区域竞争对手客户按照时间周期处理流程 2.2.2名词解释 校园区域划定原则是一个校园区域只包含一所学校。 校园区域本网客户：指表示所在校园区域内的本网客户群体。 校园区域竞争对手客户：指表示在校园区域内竞争对手的客户群体。 学生客户：指校园区域内属于学生客户群体。包括本网学生客户和竞争对手学生客户。 新增学生客户：指识别的学生客户中未出现在上一拍照周期内的客户。主要包括本网 新增学生客户和竞争对手新增学生客户。 新生客户：指学生客户中属于新生的客户群体。主要包括本网学生新生客户和竞争对 手学生新生客户。 在校学生客户：根据校园区域本网客户在规定秋季入学和寒假在校后指定日期范围内， 进行过至少 1 次以上的校园通话客户作为在校学生客户。 不在校学生客户：根据校园区域本网客户在规定的秋季入学和寒假在校后日期范围内， 未进行任何通话的校园通话客户作为未在校学生客户。 秋季开学阶段：指 8 月 15 日到 11 月 15 日时间段。 13 春季开学阶段：指 1 月 1 日到 4 月 1 日时间段。 2.2.3数据来源 目前我省分析校园客户通话行为数据来源于“本网客户本地语音业务清单” ，校园区域 归属信息来源于“校园区域基站参数对照表” ，主要包含校园区域代码，校园区域名称，归 属地市、县、包含基站、小区代码等。 2.2.4校园区域客户识别模型 2.2.4.1 校园区域本网客户识别模型 校园区域本网客户作为识别客户属于校园区域身份特征的基础，主要是将本省本网在 网且办理动感地带校园音乐套餐的客户作为分析整体客户群，通过当月本地语音业务清单， 结合校园区域基站参数对照表，汇总形成客户在各个校园区域的累计通话次数、通话时长 和客户当月内总体区域中的累计通话次数、通话时长。得出客户校园区域累计通话次数与 总体通话次数占比，如果占比大于等于预设阀值，则判断为校园区域本网客户。如果小于 预设阀值，则不作为校园区域本网客户。 对确定为校园区域的客户进一步分析具体归属校园区域情况，遵循取通话次数最多为 原则，如果通话次数相同则取通话时长最多，通话时长相同则取校园编码最大的校园作为 归属校园。 阀值：30% 统计周期：日（春、秋季开学阶段） 、月。 校园区域本网客户归属识别算法流程如下： 14 累累计计当当月月本本地地语语音音业业务务清清单单 客客户户在在各各校校园园区区域域中中的的累累计计通通 话话次次数数、时时长长 以以客客户户为为单单位位，对对校校 园园区区域域通通话话次次数数与与全全 网网区区域域通通话话次次数数进进行行 比比较较，判判断断是是否否大大于于 等等于于预预定定的的通通话话次次数数 比比例例阈阈值值 校校园园动动感感地地带带音音乐乐套套餐餐客客户户 校园区域本网客户识别算法 客客户户在在全全网网区区域域中中的的累累计计通通话话 次次数数、时时长长 校校园园区区域域客客户户通通话话比比例例阈阈值值 按按照照校校园园区区域域汇汇总总上上 述述通通话话次次数数和和通通话话时时 长长，并并排排序序 通通话话次次数数最最大大的的 区区域域不不唯唯一一 上上述述校校园园区区域域做做为为该该客客 户户的的归归属属校校园园区区域域 通通话话次次数数最最大大的的 校校园园区区域域唯唯一一 上上述述校校园园区区域域做做为为该该客客 户户的的归归属属校校园园区区域域 校校园园区区域域客客户户归归属属校校园园区区域域数数据据 继继续续判判定定通通话话时时长长较较大大 值值对对应应的的校校园园区区域域是是否否 唯唯一一 唯唯一一 取校园编码最大的校园 作为归属校园 不不唯唯一一 校校园园区区域域对对应应关关系系表表 是是否否校校园园区区域域客客户户 是 校校园园区区域域客客户户剔剔除除否 校园区域本网客户归属识别算法流程 2.2.4.2 校园区域竞争对手客户识别模型 校园区域竞争对手客户是根据本网客户与竞争对手客户本地语音业务互打交往圈话单 信息，汇总形成交往圈中各个校园区域累计通话次数以及通话时长和竞争对手总体互打通 话次数和通话时长，如果竞争对手与校园区域本网客户的通话次数与所有互打通话次数比 例超过预设阀值，则确定此竞争对手为校园区域竞争对手客户。如果小于预设阀值，则不 作为校园区域竞争对手客户。对确定为校园区域竞争对手的客户进一步分析具体归属校园 区域情况，遵循取互打通话次数最多为原则，如果通话次数相同则取通话时长最多，通话 时长相同则取校园编码最大的校园作为归属校园。 阀值：30% 统计周期：日（春、秋季开学阶段） 、月 15 累累计计竞竞争争对对手手与与本本网网客客户户的的当当 月月本本地地语语音音业业务务清清单单 竞竞争争对对手手客客户户与与本本网网客客户户在在各各 校校园园区区域域中中的的累累计计通通话话次次数数、 时时长长 以以客客户户为为单单位位，对对校校 园园区区域域通通话话次次数数与与全全 网网区区域域通通话话次次数数进进行行 比比较较，判判断断是是否否大大于于 等等于于预预定定的的通通话话次次数数 比比例例阈阈值值 竞竞争争对对手手客客户户 校园区域竞争对手客户识别算法 竞竞争争对对手手客客户户客客户户在在全全网网区区域域 中中的的累累计计通通话话次次数数、时时长长 校校园园区区域域客客户户通通话话比比例例阈阈值值 按按照照校校园园区区域域汇汇总总上上 述述通通话话次次数数和和通通话话时时 长长，并并排排序序 通通话话次次数数最最大大的的 区区域域不不唯唯一一 上上述述校校园园区区域域做做为为该该客客户户 的的归归属属校校园园区区域域 通通话话次次数数最最大大的的 校校园园区区域域唯唯一一 上上述述校校园园区区域域做做为为该该客客户户 的的归归属属校校园园区区域域 校校园园区区域域客客户户归归属属校校园园区区域域数数据据 继继续续判判定定通通话话时时长长较较大大值值 对对应应的的校校园园区区域域是是否否唯唯一一 唯唯一一 取校园编码最大的校园作为归 属校园 不不唯唯一一 校校园园区区域域对对应应关关系系表表 是是否否校校园园区区域域客客户户 是 校校园园区区域域客客户户剔剔除除否 校园区域竞争对手客户归属识别算法流程 2.2.5学生客户识别模型 2.2.5.1 模型说明 在“校园区域本网客户”和“校园区域竞争对手”识别模型基础上进一步通过分析条 件识别出本网学生客户和竞争对手学生客户。并通过在网学生客户识别模型识别出在网学 生客户和未在校学生客户。 2.2.5.2 本网学生客户识别模型 步骤一：筛选学生客户.。 在已识别的“校园区域本网客户”的基础上，根据学生客户特征进一步进行筛选，从 已识别的校园客户中进行剔除，从而识别出学生客户。筛选要素参考如下： 筛选要素筛选条件 网龄网龄大于 8 年 16 通话行为没有被叫行为的客户 新业务量点对点短信通信量小于 30 条 年龄年龄小于 15 岁或大于 30 岁的客户 arpu arpu 均值（近三个月平均）= 200 元 通话位置轨迹 统计月基站区域跨度较大（以下条件为“或”的关系） 1、前五个通话基站通话次数比例=3 交往圈 根据学生聚集性的特征，交往圈内应同样有较多的学生。交往圈的 校园区域本网客户数小于一定比例（中专生为 3，大学生为 5） 步骤二：补充学生客户。 为进一步精确捕捉学生客户，在校园附近动感营业厅入网的客户。如果该渠道所属校 园与校园区域客户识别模型的客户归属校园一致，则使其归属至该校园。 学生客户识别模型 2.2.5.3 竞争对手学生客户识别模型 在竞争对手校园区域客户识别模型的基础上进一步识别出竞争对手学生客户模型，按 照“竞争对手学生客户与我网学生客户交往较多”的原则，识别为竞争对手学生客户。具 体步骤如下： 17 步骤一：获取竞争对手校园区域客户与本网校园区域客户通话的情况汇总 从本地非漫游语音清单中将竞争对手校园区域客户与本网校园区域客户号码的通话次 数以及通话时长汇总，并排序。 步骤二:通过竞争对手校园区域客户与我网学生客户客户通话超过一定比例判定竞争对 手校园区域客户为学生客户。 通过汇总计算竞争对手校园区域客户与本网学生客户通话次数占该竞争对手校园客户 与本网校园客户通话次数的占比，当占比大于等于50% 时，则判定该竞争对手校园区域客 户为竞争对手学生客户。 竞争对手校园区域客户 累计当月本地语音业务清单 竞争对手校园区域客户与本网 学生客户通话次数 竞争对手校园区域客户与本网 校园区域客户通话次数 对与学生通话次数与 校园区域客户通话次 数进行比较，判断比 例阈值是否大于等于 50% 竞争对手校园区域客户 是 竞争对手学生客户识别模型 2.2.5.4 在校与未在校学生客户识别模型 在每年寒暑假之前，拍照一段周期内（暑假以 4-6 月拍照，寒假以 10-12 月拍照）的 学生客户作为在校学生的基准客户。通过判断这部分客户开学期间是否在校园基站下发生 通话行为确定为在校学生。该模型适用于本网和竞争对手校园客户。具体更新周期如下： 以 4、5、6 月拍照的全量学生客户为基准客户，若该部分用户秋季入学阶段在校园基 站下发生过 1 次通话行为，即将其标识为在校客户，否则识别为毕业未在校客户。 以 10、11、12 月拍照的全量学生客户为基准客户，若该部分用户春季入学阶段在校园 18 基站下发生过 1 次通话行为，即将其标识为在校客户，否则识别为毕业未在校客户，并进 行标识。 竞争对手采用是否与本网在校学生通话来识别在校还是毕业未在校，基准客户、跟踪 时间与移动客户一致。 2.2.6学生客户到达数算法 根据校园区域学生客户识别模型，通过一定时间范围内的判断规则，形成本网学生客 户到达数和竞争对手客户到达数统计算法。 2.2.6.1 本网学生客户到达数算法 本网学生客户到达数统计算法：在拍照学生客户群基础之上，以后逐月将当月学生新 增客户进行累加并剔除离网客户数。 2.2.6.2 竞争对手学生客户到达数算法 竞争对手学生客户到达数统计算法：在拍照竞争对手学生客户群基础之上，以后逐月 将当月竞争对手学生新增客户进行累加并剔除连续 3 个月内未通话竞争对手客户数。 2.2.7新增学生客户识别模型 2.2.7.1 模型说明 考虑学生客户的增长规律，校园新增学生客户的计算分为日新增、月累计新增、月新 增、三种模型，其中，月新增要求每月计算；而日新增、月累计新增只在每学年春、秋开 学期间。新增学生客户分为本网新增学生客户与竞争对手新增学生客户两类，针对二者分 别进行计算。 19 上月学生客户 新增学生客户识 别模型 新增学生客户 校园学生客户日/月 数据 新增学生客户识别模型图 2.2.7.2 本网新增学生客户识别模型 2.2.7.2.1日新增学生客户识别模型 日新增在春、秋季入学期间进行跟踪，采用月累计话单进行识别校园客户。根据每日 获得的全量学生客户名单，与昨日的学生客户到达进行比较，昨日学生客户到达中不存在 的客户视为当日新增学生客户。 本日到达学生客户=当月累计新增学生客户+上月到达学生客户-离网学生客户。 2.2.7.2.2月累计新增学生客户识别模型 月累计新增在春、秋季入学期间进行跟踪，采用月累计话单进行识别校园客户。根据 每日获得的全量学生客户名单，与上个月的学生客户到达进行比较，上月学生客户到达中 不存在的客户视为当月累计新增学生客户。 2.2.7.2.3月新增学生客户识别模型 每月，采用当月全量的学生客户与上个月的学生客户到达明细数据相比，在上个月学 生客户到达明细数据中不存在的客户为当月新增客户。 2.2.7.3 竞争对手新增学生客户识别模型 2.2.7.3.1竞争对手日新增学生客户识别模型 竞争对手日新增在春、秋季入学期间进行跟踪，采用月累计话单进行识别校园竞争对 手客户。根据每日获得的全量竞争对手学生客户名单，与昨日的竞争对手学生客户到达进 行比较，昨日竞争对手学生客户到达中不存在的客户视为当日竞争对手新增学生客户。 20 竞争对手本日到达学生客户=竞争对手当月累计新增学生客户+竞争对手上月到达学生 客户-连续 3 月未通话竞争对手学生客户。 2.2.7.3.2竞争对手月累计新增学生客户识别模型 竞争对手月累计新增在春、秋季入学期间进行跟踪，采用月累计话单进行识别校园竞 争对手客户。根据每日获得的全量竞争对手学生客户名单，与上月的竞争对手学生客户到 达进行比较，上月竞争对手学生客户到达数据中不存在的客户视为当月累计竞争对手新增 学生客户。 2.2.7.3.3竞争对手月新增学生客户识别模型 每月，采用当月全量的竞争对手学生客户与上月竞争对手学生客户到达明细数据相比， 在上个月竞争对手学生客户到达明细数据中不存在的客户为当月新增客户。 2.2.8新生客户识别模型 2.2.8.1 模型说明 新生客户是根据学生客户范围内，通过每月新生入校后识别出新生客户的身份特征。 2.2.8.2 本网新生客户识别模型 本网新生客户以“新增学生客户识别模型”为基础，通过“新增客户交往圈”的原则， 主要是针对每年开学期间(8 月 15 日至 11 月 15 日) 新增学生客户中，统计当月的新增交 往圈信息（包括对端号码和通话次数等） ，如果该新增学生客户的交往圈中通话次数超过 50%的对端号码是本网或竞争对手 8 月 15 日至统计日期的新增学生客户，则将该客户判断 为本网新生客户。具体算法模型流程如图所示: 21 本网新增学生客户 通话次数 超过50%的对端号码是我网 或竞争对手的8月15日至统计时 间的新增学生客户 是 最近一个月新 增校园客户的 学生交往圈 统计时间在 8月15日至11月15日内 否 交往圈 模型 本网新生客户本网老生客户 模型输出: 数据基础: 判定流程: 引入模型 否 本网新生客户识别模型 2.2.8.3 竞争对手新生客户识别模型 竞争对手新生客户主要针对每年开学期间(8 月 15 日至 11 月 15 日) 竞争对手新增学 生客户，统计当月与本网新增客户的交往圈信息（包括对端号码和通话次数等） ，如果该竞 争对手新增客户的交往圈中通话次数超过 30%的对端号码是 8 月 15 日至统计日期的本网新 增学生客户，则将该客户判断为竞争对手新生客户。具体算法模型流程如图所示: 22 竞争对手新增学生客户 交往圈中通话次数 超过30%的对端号码是8月15日至 统计日期的本网新增学生客户 是 最近一个月竞争对 手新增客户与本网 学生客户的交往圈 信息 统计时间在 8月15日至11月15日内 否 交往圈 模型 竞争对手新生 客户 竞争对手老生 客户 模型输出: 数据基础: 判定流程: 引入模型 否 2.2.9毕业生客户识别模型 2.2.9.1 模型说明 毕业生主要根据学生客户中“在校学生客户”识别计算基础上，将未在校客户作为毕业 生客户原始目标群，确定出学生毕业生客户群体。主要分为本网毕业生和竞争对手毕业生。 2.2.9.2 本网毕业生客户识别模型 本网毕业生客户识别算法主要以“在校学生客户”识别出未在校学生客户为基础，累计 跟踪作为毕业生客户。 23 2.2.9.3 竞争对手毕业生客户识别模型 竞争对手毕业生客户识别算法主要以“在校学生客户”识别输出的竞争对手学生客户为 基础，累计跟踪作为竞争对手毕业生客户客户。 24 3附录 a：交往圈识别模型 交往圈识别模型：用户在使用移动服务过程中，产生的交往模式、属性模型（消费等） 、 活动模式及 imei 属性特征的综合表征都具备某些基本特征，这些基本特征的表现称为此 用户的交往圈特性。 利用交往圈识别模型进行个体之间的识别，交往圈识别模型具有稳定和可重现性，不 仅是其通话行为的客观表现，同时也能够通过其背景资料，所使用的终端标识等信息进行 识别。 交往圈 与一个移动号码发生通话行为的所有的对端号码集合 交