基于客户分群的宽带业务营销实践项目汇报--佛山电信

中国电信股份有限公司佛山分公司 基于客户分群的宽带业务营销实践 项目一期 最终报告 埃森哲 2008年 10月 Accenture Copy Right 2008 2 议程 1. 项目摘要与回顾 2. 项目成果总览 4. 成果推进 3. 项目收获和体会 5. 感谢我们的团队 6. 附录 Accenture Copy Right 2008 3 S8S4S6 S2 S7S9S1 S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000项目摘要 经由预测模型，精准地取得营销目标客户 打造建模与数据分析队伍 透过有系统的分群，充分了解中国电信佛山分公司家庭与个人客户 -使用数据分群工具，把客户从价值、使用行为等多角度进行系统性的客户分群 -对于不同的客户群，通过客户特征刻画，明确了解不同客户群的使用行为与需求 -透过预测模型与客户群分析，进行目标客户选取，避免盲目营销 -由于目标客户明确，可以合理有效地评估营销活动 合理有效分配并使用营销资源 -结合分群和预测模型，为目标客户群制定营销优先级，有规划地安排营销资源 -面对不同客户群，采用不同的营销侧重点，避免营销资源的浪费 -经由共同深度的项目参与和培训，中国电信佛山分公司已经建立了一支专家团队，今后能够独立的开展建模和数据分析 -给团队灌输了闭环营销理念及埃森哲项目管理方法论 现状指标 增长性指标 S9 S3S2S6S4S1 S8经过三个多月的密切合作，埃森哲与中国电信佛山分公司在基于客户分群的宽带营销实践项目一期中，取得下列成果： Accenture Copy Right 2008 4 基于客户分析的营销实践是闭环的精确营销方法 数据准备 数据收集、验证和处理 营销执行和评估 商业分析和洞察建立 闭环循环 定期、及时地将客户反馈的变化整合到未来的分析中去 客户分析驱动营销实践 将 “ 基于客户分析 ” 的营销流程 植入 中国电信佛山分公司市场部 常规工作 客户细分 客户特征 分析 营销执行 营销评估 数据整合 咱们在此 Accenture Copy Right 2008 5 项目内容 商业分析和洞察建立 数据收集、验证和处理 基于中国电信佛山分公司数据源和业务基本情况的多轮调研和访谈，完成宽表设计。 基于宽表框架和内容，进行数据抽取，并进行数据校验，以保证数据质量。 建立分群模型并进行客户特征刻画，全面了解客户，为以后针对不同的客户需求实施不同的营销策略做准备。 建立预测模型，找出营销活动的目标客户。 项目内容 完成情况 通过将一个个的 “ 客户数据孤岛 ” 整合成基于内部数据的 “ 统一客户视图 ” ；完成一张 522个客户属性字段、 125万客户数据的宽表 通过不断的实践和培训，实现了知识的有效转移和技能的迅速提升 完成 分群模型和客户特征刻画 ，建立起对客户的全面了解，将过去简单的客户分析转向 全面的客户洞察 。 完成 预测模型，精确捕捉目标客户 。 通过不断的实践和培训，实现了知识的有效转移和技能的迅速提升 应景于中国电信集团的企业转型策略，受宽带业务激增驱动，本项目 以增量宽带客户获取为突破口提升营销效能，树立精确化营销思路，实践闭环的营销方法为目标。 基于项目目标，本次项目分为 “ 数据收集、验证和处理 ” 和 “ 商业分析和洞察建立 ” 两大阶段。 Accenture Copy Right 2008 6 第十三周 9月 22日 -9月 28日 第十二周 9月 11日 -9月 18日 第十一周 9月 4日 -9月 10日 第十周 8月 28日 -9月 3日 第九周 8月 21日 -8月 27日 第八周 8月 14日 -8月 20日 第七周 8月 7日 -8月 13日 第六周 7月 31日 -8月 6日 第五周 7月 24日 -7月 30日 第四周 7月 17日 -7月 23日 第三周 7月 10日 -7月 16日 第二周 7月 3日 -7月 9日 第一周 6月 26日 -7月 2日 数据收集、验证与处理 商业分析与洞察建立 模型调优和确定 宽表设计 6/26 7/1(宽表初稿 ) 7/9(宽表 ) 7/9 理解宽表字段和实现逻辑 数据抽取、转换和加载 7/14 7/11 数据校验 8/7 8/29(模型初稿 ) 初次建模 7/16(抽取 ) 7/30(数据样本） 8/6(加载 ) 8/29 9/10(模型确定 ) 客户特征描述 9/10 9/16(客户特征 ) 优先级选择 9/28(交付 ) 9/17 7/1(启动会 ) 项目进度回顾 8/13 8/28 8/19 感谢中国电信佛山分公司各部门领导与同事的大力支持，使项目可以按时、按质的完成。 Accenture Copy Right 2008 7 重要会议与培训 -1 日期 会议参与者 议题 会议主要内容 6/26 6/30 陈振荣 从业务角度了解中国电信佛山分公司的客户和数据状况 了解中国电信佛山分公司当前客户归并规则。开展专题讨论对后续客户归并规则提出建议 确定模型的客户源：家庭和个人客户 陈振荣，刘剑平 从技术角度了解中国电信佛山分公司的客户和数据状况 了解数据在 CRM系统中的存储格式及当前数据的整体信息 确定分群模型的时间段是从 2007年 12月到 2008年 5月， 2008年 7月的数据作为预测模型的目标变量 张卫伟 了解中国电信佛山分公司 10000号客服中心状况 10000号系统中对投诉、营销、回访的建议相对比较多，但对营销的内容没有记录 霍淑妍，谢泽斌，廖雯卿，周燕珊 了解中国电信佛山分公司宽带营销 介绍预付费和后付费宽带的目标客户以及宽带的考核指标 介绍南海区个人客户的宽带发展战略 E8套餐的发展难点 顺德区的 E8套餐推销渠道以及市场营销难点 预付费宽带经验分享及宽带外呼营销策略 7/1 市场部 总经理王湘江 业务支持中心副总张飞南 , 陈玉云 项目启动会 介绍项目背景和范围、组织架构及埃森哲项目管理方法论等 7/2 7/8 陈振荣，刘燕军，霍淑妍等 宽表设计培训 宽表字段讨论 对如何设计宽表进行培训 针对宽表字段的几轮讨论 7/9 陈玉云等 宽表最终版本汇报 宽表最终版本汇报 8/8 8/18 陈振荣，刘燕军等 数据分布统计校验培训 数据校验讨论 对综合经营室和业务支持中心的核心人员进行数据校验培训 4轮数据质量校验讨论会 遗留问题跟踪 Accenture Copy Right 2008 8 重要会议与培训 -2 日期 会议参与者 议题 会议主要内容 8/19 陈晓东 , 陈振荣 , 吴作春 , 刘燕军 分群模型和预测模型的算法选取讨论 分群模型和预测模型的不同算法比较 确定模型的最终算法 : 分群模型采用 K-means方法，预测模型采用Logistic Regression方法 8/20 陈玉云 ,陈振荣 ,吴作春 ,刘燕军 ,刘剑平 数据校验最终结果汇报 数据质量校验结果的最终汇报 确定分群模型的变量 8/25 陈晓东 , 陈振荣 , 吴作春 , 刘燕军 ,刘剑平 建模培训 Clementine培训，分群模型和预测模型的建模介绍 9/1 - 9/2 陈玉云 ,陈晓东 , 陈振荣 , 吴作春 , 刘燕军 ,刘剑平 ,霍淑妍 第一轮建模汇报 第一轮建模成果介绍： 缺失值、异常值处理，变量相关性分析及变量正规化 介绍建模数据基数和变量类型，以及用于客户特征刻画的变量 模型调优的经验分享 9/8 9/10 陈振荣 , 刘燕军 ,霍淑妍 4个分群模型选取讨论 后续几轮建模成果汇报， 4个推荐模型的比较， 最终选定分群模型 4 模型分析中新增了 6-8月新装宽带字段，群描述作了进一步细化 9/16 陈晓东、陈振荣、霍淑 妍 、刘燕军等 分群模型客户特征刻画培训 进行客户分群刻画工具 Accenture Dashboard使用培训 结合 Accenture Dashboard结果进行分群刻画方法的培训 9/18 陈晓东经理、陈振荣、霍淑 妍、刘燕军 预测模型选择 进行 4种预测模型有缺点介绍，同时进行讨论交流 与会人员选择 预测模型 3作为最终选择 9/19 - 9/23 陈振荣、刘燕军 分群刻画讨论交流 介绍分群刻画的描述和图片展示内容，进行几轮刻画结果讨论 增加总价值、单产品价值、外来人口比例、价格敏感性等内容 9/24 陈晓东、陈振荣、吴作春、霍淑妍 客户分群优先级讨论，预测模型变量贡献性讨论 对预测模型贡献度较大的 20个变量进行分析成果分享 从选择目标、选择标准分析客户优先级选择结果 Accenture Copy Right 2008 9 议程 1. 项目摘要与回顾 2. 项目成果总览 4. 成果推进 3. 项目收获和体会 5. 感谢我们的团队 6. 附录 Accenture Copy Right 2008 10 项目成果总览 数据校验 客户群优先级选择 客户分群建模 客户特征刻画 宽表设计 预测模型建模 后续工作： 营销策略制定 营销执行 营销评估等工作 本项目的主要成果包括客户宽表、客户分群模型、客户群特征、客户预测模型和客户群优先级选择，接下来我们将对每个项目成果一一介绍。 设计客户统一视图字段 （基于内部数据） 排查问题，保证数据质量 接触信息： 10000 号,网营 ,营销成功等 产品：套餐 ,预 /后付 ,200, 来显等价值： ARPU, 固定/使用费 ,优惠等 宽带用量行为：上网时长 ,流量等人口信息：性别 ,年龄 ,在网时长等行为用量趋势和 波动付费方式 :付费帐号 ,欠费状态等 呼叫行为：本地 ,长途 ,IP, 国际等宽表接触信息： 号网营 营销成功等 产品：套餐 预后付 来显等价值： 固定使用费 优惠等 宽带用量行为：上网时长 流量等人口信息：性别年龄 在网时长等行为用量趋势和 波动付费方式 付费帐号 欠费状态等 呼叫行为：本地长途 国际等宽表-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S 1 :思乡 “ 电话粥 ” 群，灵通 2 0 0S 2 :潜力海外亲友群，固话和宽带S 3 :绩优尊贵活跃群，近全产品S 5 :增值服务偏好全业务群，全产品S 6 :年轻时尚族，单小灵通 S 7 :节约型工薪族，宽带 + 固话S 9 :木讷老客户群，单固话S 4 :电信语音冷淡群，不同类别单产品S 8 :宽带潜力活跃族，固话 + 小灵通思乡 电话粥 群，灵通潜力海外亲友群，固话和宽带绩优尊贵活跃群，近全产品增值服务偏好全业务群，全产品年轻时尚族，单小灵通 节约型工薪族，宽带 固话木讷老客户群，单固话电信语音冷淡群，不同类别单产品宽带潜力活跃族，固话 小灵通全面洞察客户 找到目标客户 数据抽取 语句自查逻辑校验统计分布 校验确保数据转换 准确 无误确保 建模 数据一致性 、完整性 和 合理性语句自查逻辑校验统计分布 校验确保数据转换 准确 无误建模 数据一致性 、完整性 和 合理性结合预测模型等因素确定优先级 现状指标 增长性指标 S9 S3S2S6S4S1 S8Accenture Copy Right 2008 11 信息分类 信息子类 变量名称 变量描述 变量类型时间序列 计算逻辑1 基本信息 1 .1 客户标识 CI_ CU ST _ ID 客户标识 VARC HAR 5 月底 参考 客户处理规则 1 基本信息 1 .1 客户标识 CI_ CU ST _ ID_ O L D 客户原有标识 VARC HAR 5 月底原有 CA( 未拆分客户的原有标识与客户标识相同 , 1 基本信息 1 .2 户主信息 CI_ NAM E 姓名 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ G END ER 性别 ( 男 / 女 ) VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ NAT ION _ ID 身份证号码 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ AG E 年龄 NU M BER 5 月底1 基本信息 1 .2 户主信息 CI_ RESIDE NC E 本地居民 / 外来人口 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ CO NT ACT 联系电话 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ HO USE_NUM BER 家庭号码 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ M O BIL E_ NU M BER 手机号码 VARC HAR 5 月底1 基本信息 1 .2 户主信息 CI_ 2 0 0 _ NU M BER200 电话号码 ( 包括 200固话或灵通 200) VARC HAR 5 月底如有 200 固话或者灵通 200 电话 , 则记录该 200 固话或者灵通 200 号码 ；如果有多部 200 固话或者灵通 200,宽表设计 宽表是所有客户分群工作的基础，我们以客户为中心出发，将所有与客户相关的历史数据有机的组合，包括人口信息、行为信息、价值信息和接触信息。目的在于将一个个的 “ 客户数据孤岛 ” 往 “ 统一客户视图 ” 迈进。 宽 表 5 2 2 个 字 段产 品 信 息9 1 个基 本 信 息 2 1 个使 用 行 为 2 7 3 个计 费 信 息 1 1 3 个客 户 标 识2 个户 主 信 息9 个其 他 信 息1 0 个产 品 内 容7 1 个套 餐 内 容2 0 个宽 带2 1 个通 话 时 长( M O U ) 1 3 1 个呼 叫 次 数 5 1 个用 量 趋 势3 7 个用 量 波 动3 7 个接 触 信 息 1 4 个增 值 业 务1 个总 体 费 用3 1 个不 同 产 品 费 用7 4 个营 销 活 动5 个回 访 信 息2 个付 费 方 式6 个费 用 趋 势8 个接 触 信 息7 个接触信息： 10000号 ,网营 ,营销成功 产品：套餐 ,预 /后付 ,200,来显等 价值： ARPU,固定/使用费 ,优惠等 宽带用量行为：上网时长 ,流量等 人口信息：性别 ,年龄 ,在网时长等 行为用量趋势和波动 付费方式 :付费帐号 ,欠费状态等 呼叫行为：本地 ,长途 ,IP,国际等 宽表 宽表架构： 宽表示例： 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 12 数据校验 语句自查 逻辑校验 统计校验 确保数据转换准确无误 确保建模数据一致性、完整性和合理性 数据的准确性、一致性以及完整性都能很大程度上影响数据模型的准确性和预测精度，同时质量较好的数据能够缩短模型训练的时间并且可以提高模型的可重用性。因此在建模之前，我们完成了三部分数据校验：语句自查、逻辑校验和统计分布校验。 对宽表 522个字段 的 约 130万 条客户记录进行 8种校验类型的 469个 SQL脚本的数据校验。 发现并解决 20个 问题。 用 SPSS工具循环校验每个宽表字段 约 130万 条客户记录的 均值、最大值、最小值、总和和分布 情况。 发现并解决 30个 问题。 逻辑校验 统计校验 一张 522个客户属性字 段125万 条客户数据的宽表 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 13 分群模型建模过程介绍 数据正规化 模型比较 和选型 数据校验 相关性分析 初次选择 变量 模型调优 和模型分析 目标和过程 知晓各个字段的数据质量 进行缺失值处理 进行异常值排查和处理 进行各变量间的相关性分析 把每个变量的值域范围均变成统一的范围 使每个变量对分群模型的贡献是可比的，排除单位不一样的影响 选择 数据质量好 的变量 选择对 刻画客户重要的变量 变量较多时建议 分组挑选 (行为 ,价值 ,其他 ) 同种变量从总量数据开始选择，需考虑变量间的 相关性影响 尝试各种 群个数 进行变量间相关性分析， 增加或删减变量 进行变量对模型结果的分布分析， 增加或删减变量 得到分布较均匀的模型后， 微调模型 ，使模型内容更丰富 对较好的几个模型进行深入分析 比较各个模型的优缺点，选出最符合项目目的的模型 此步骤是一个反复调试的过程 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 14 四个客户分群模型比较 模型编码 客户基数 变量个数 群个数 突出特点 不理想地方 模型 1 1,253,461 78 7 群个数为 7个 ,易于管理 群均衡性较好 语音业务、数据业务特征明显 产品特性不够凸现 2个高值群 ARPU差异不明显 模型 2 1,253,461 65 9 均衡性较好 产品、价值、数据业务特性明显 第 3、 4两个中低值本地群的特征不够明显 模型 3 1,253,461 92 8 均衡性较好 产品、价值、语音业务特点明显 数据业务特点过于极端，群内使用数据业务人数占比或为 100%或几乎无人使用宽带 模型 4 1,253,461 132 9 产品、价值、语音、数据业务等特点明显 最高值不是全产品群，确实反映高价值客户 均衡性一般，最大群超过 26% 四个分群模型在均衡性、产品特征、价值、语音、数据业务等方面都各有利弊，结合中国电信佛山分公司的实际需求和目标（激增宽带用户），一致决定选择模型四。 结合实际需求和市场部与业务支撑部同事反馈，一致同意选择模型四。 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 15 客户分群模型（模型四）总览 共选取 132个变量 用于建模 个人信息 3 产品信息 16 套餐信息 4 MOU 48 呼叫次数 12 宽带用量 8 VAS 1 用量趋势 9 用量波动性 8 总体费用 6 不同产品费用 13 费用趋势 4 模型结果 变量选取 共分成 9个客户群 群个数选择 群号 人数占比 ARPU 语音 数据 产品组合 S1 10% 低值 高语音长途 低数据 单灵通 200 S2 11% 中高值 中等语音高 IP 低数据 固话为主 S3 5% 超高值 高语音高 IP 低数据 近全产品 S4 9% 中低值 非语音 高数据 不同类别单产品 S5 5% 高值 高语音本地 高数据 全产品 S6 13% 中低值 高语音长途 低数据 单小灵通 S7 16% 中高值 低语音本地 高数据 固话 +宽带 S8 5% 中值 高语音本地 非数据 固话 +小灵通 S9 27% 低值 低语音本地 非数据 单固话 S110%S211%S35%S49%S55%S613%S716%S85%S927%客户分群模型四将客户分成 9个客户群，其中 2个高值群、 2个低值群和 5个中值群。各群有其各自的明显特征。 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模注：数据高低是由宽带渗透率的高低来确定的 Accenture Copy Right 2008 16 客户群分布图介绍 各取价值、行为字段作为坐标轴指标，构建出客户群分布图，以给各客户群清晰的定位。 注： 1.X轴：总 ARPU 2.Y轴：行为数据打分，对各客户的 MOU及宽带用量数据进行标准化后求和 计算公式 =(总 MOU-所有客户总 MOU均值 )/总 MOU标准差 +(宽带流量 -所有客户宽带流量均值 )/宽带流量标准差 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S1:思乡“电话粥 ”群，灵通 200 S2:潜力海外亲友群，固话和宽带 S3:绩优尊贵活跃群，近全产品 S5:增值服务偏好全业务群，全产品 S6:年轻时尚族，单小灵通 S7:节约型工薪族，宽带 +固话 S9:木讷老客户群，单固话 S4:电信语音冷淡群，不同类别单产品 S8:宽带潜力活跃族，固话 +小灵通 （单位：分） 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 17 客户群特征刻画（一） S1思乡 “ 电话粥 ” 群 (126747, 10%, 4763) S2潜力海外亲友群 (141058, 11%, 11894) S3绩优尊贵活跃群 (57546, 5%, 19796) S5增值服务偏好全业务群 (61709, 5%, 17742) S4电信语音冷淡群 (110003, 9%, 6265) 重要特征描述 6-8月宽带新装 产品描述 以单小灵通为主，渗透率 97%；灵通 200渗透率超高 产品为固话和宽带，全有固话，宽带渗透率40% 近全产品，渗透率 61% 全产品，渗透率 100% 以单产品客户为主，其中固话、小灵通和宽带的渗透率分别为 23%、17%和 69% 新装宽带客户数占比均很低 新装宽带客户数次高，占比较高 新装宽带客户占比次高 新装宽带客户数及占比均较低 新装宽带客户数及占比均最低 总 ARPU为 4763/低值 ；总 MOU为 423/次高 长途 MOU最高；呼出时长最长；小于 1、 3分钟 MOU占比均最低 外来人口占比最高 总 ARPU为 11894/中高值；总 MOU为 189/中等 港澳台和国际呼出 MOU平均和占比均最高；国际长途功能的渗透率最高 宽带流量上升趋势最高 总 ARPU为 19796/超高 ；固话和小灵通费用都最高，宽带次高 总 MOU为 541/超高 ；宽带时长上升趋势次高 固话和小灵通部分增值服务的渗透率最高 总 ARPU为 6265/中低值； 总 MOU几乎为零 预付费宽带渗透率最高 12%；宽带客户流量为10773342/次高； 总 ARPU为 17742/高值 ；宽带费用最高，固话和小灵通次高 总 MOU为 305/较高；宽带客户流量为 6957900/中等 增值业务偏好，多项增值业务渗透率最高 (人数，人数百分比，总 ARPU平均 ) 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 18 客户群特征刻画（二） S6年轻时尚族 (164239, 13%, 5225) S7节约型工薪族 (197836, 16%, 13389) S9木讷老客户群 (337653, 27%, 4036) S8宽带潜力活跃族 (56670, 5%, 8408) 以单小灵通为主，渗透率 94% 产品为宽带和固话，渗透率为 100% 单固话为主，渗透率为100%； 固话 200渗透率为 8.89%； 产品以固话和小灵通为主，渗透率为 98%，宽带占比 2.3% 新装宽带客户数及占比均较低 新装宽带客户数及占比均次低 新装宽带客户数次高，占比最高 新装宽带客户数最多，占比较高 总 ARPU为 5225/中低值；总 MOU为 212/中等 增值业务费用占比最大；小灵通更换彩铃最多；盲区呼渗透率最高 年龄最小，女性比例高 总 ARPU为 13389/中高值 ；总 MOU为 105/较低 固话优惠比例最高；兑换积分客户数最多 主动营销成功次数最高 总 ARPU为 8408/中值；总 MOU为 278/较高 ，本地呼出群 小于 1、 3分钟呼出 MOU占比最高，呼出平均时长最低 增值业务费用较高；超级无绳渗透率较高；固话套餐变更次数最高 总 ARPU为 4036/低值 ；总 MOU为 84/最低 ；宽带流量最低 年龄最长；在网时长最长； 订单变更次数最低；拨打 10000、 10001及登陆网上营业厅次数均最低 重要特征描述 6-8月宽带新装 产品描述 (人数，人数百分比，总 ARPU平均 ) 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 19 预测模型建模过程介绍 训练集和 验证集获取 模型比较 和选型 数据校验 相关性分析 初次选择 变量 模型调优 目标和过程 知晓各个字段的数据质量 进行缺失值处理 进行异常值排查和处理 进行各变量间的相关性分析 确定预测模型的 客户基数 确定预测模型的 训练集 确定预测模型的 验证集 确定预测模型的 测试集 将所有变量与目标变量做 相关性分析 可以挑选与目标变量相关性高的变量作为初次选择变量 变量较多时建议 分组挑选 (固话 ,小灵通 ,总和等 ) 模型调优标准 是模型的输出参数和预测评估曲线 模型调优方法 可以是去除没有贡献变量、尝试去除对模型有负面影响的变量和增加变量 对较好的几个模型进行验证集上打分 比较各个模型的准确性和强壮性，选出最符合项目目的的模型 此步骤是一个反复调试的过程 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 20 预测模型核心评估图 - 提升曲线 模型打分 =宽表客户数据输入模型的计算出的安装概率 = 坐标横轴 = 客户预测模型打分排序（高到低 ) 坐标纵轴 =对应客户累计安装率 提升率 =得分百分比对应累计安装率 /得分百分比 =L2/L1 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模01020304050607080901000 10 20 30 40 50 60 70 80 90 100模型曲线 随机 验证曲线客户得分排序百分比（ %） 捕捉到宽带安装客户百分比（ % ） L1 L2 客户 ID 模型预测打分 是否新装 00001 0.999 是 00002 0.971 是 00003 0.942 否 00004 0.910 是 00005 0.880 否 00006 0.852 是 00007 0.830 是 ),.,( 21 nxxxfAccenture Copy Right 2008 21 预测模型评估标准 模型信息可解释性 模型信息丰富度。丰富度越高，模型越好 模型主要变量从业务上解释与目标变量的相关性，相关性越高，模型越好 模型预测准确性 对客户用模型预测出的概率进行排序，前 xx%（根据实际需求确定，通常为 10%）的客户中实际预测准确的客户数越多，模型越好 模型应用强壮性 将模型应用到有相同结构的数据集得到的预测结果越接近，模型的应用强壮性越好，模型就越好 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 22 四个预测模型比较 四个客户分群模型比较 四个预测模型由于变量个数和变量选择不同，各有其特色。鉴于模型提升精确度和模型强壮性的指标，一致决定选择模型三。 变量个数 优点 缺点 模型一 105 训练集和测试集差距较小，强壮性较好 训练集精度不够高，使用完全因素算法，耗时较长 4个模型中共有 24个变量都被应用，同时选择范围基本集中在总体 MOU， ARPU，固话 MOU， ARPU，而小灵通相关变量及趋势变量则基本没有采用，同时标志性变量，如产品信息，营销信息也是选择频率较高的变量 模型二 127 训练集预测率较好； 各变量权重系数较接近；变量选择较分散 费用变量较少； 单产品变量较少； 测试集预测率一般； 模型三 133 训练集预测精度较高，测试集精度相对较好； 变量选择主要集中在固话及总体变量上 模型四 148 使用最多变量； 费用与行为变量较均匀； 训练集预测率较低； 测试集预测率一般； 结合模型的提升精确度和强壮性 指标，一致同意选择模型三。 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模注：此四个预测模型与分群模型相互独立，不存在对应关系 Accenture Copy Right 2008 23 预测模型准确性、健壮性分析图 参与模型变量 ： 133个 建模方法：主效应 (Main Effects) 模型变量分组： MOU值 固话MOU 总体费用 固话费用 小灵通MOU 小灵通费用 其他 32 24 22 14 4 1 37 产品信息 接触信息 CRM信息 营销信息 其他信息 18 3 5 3 7 关键百分位提升率 5% 10% 15% 20% 训练集 17.07% 29.73% 39.23% 48.18% 训练集提升率 3.4 2.97 2.6 2.4 测试集 14.82% 27.15% 37.58% 45.50% 宽带新装预测模型及结果（模型三） 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 24 0 . 0 %0 . 5 %1 . 0 %1 . 5 %2 . 0 %2 . 5 %3 . 0 %3 . 5 %4 . 0 %CM_ ACT MKT _NUMCM_ POS MK TS UC_ NUMCI _MKT _Z ONEMB_ OSB AL _F LAGMB_ FL _V ASF EE _A VGP RO_ FL _NUMP RO_ FL MOV E_ FL AGMB_ LOCAL IN_ AV GCM_ ACT MKT SUC_ NUMP RO_ NUMMB_ OT HE RF EE_ PCTCI _S ERCHG_ NUMV O_ WORK MOU_ PCTP LAN_ CHA NGE _NUMMB_ FL _F IXF EE _AV GMB_ VA SF EE _P CTV O_ OUT MOU3 M_ PCTMB_ US EF EE_ PCTMB_ FI XF EE _PCTP RO_ PHS_ NE W_ FL AG预测模型变量分析 Top20变量贡献比较图 变量名称 变量名称 贡献度 贡献方式 CM_ACTMKT_NUM 主动营销次数 3.7 正向贡献，新装客户中该值较高 CM_POSMKTSUC_NUM 咨询营销成功次数 2.87 正向贡献，新装客户中该值较高 CI_MKT_ZONE 所属行政区域营销分区 2.72 人和、三州等 31个营销分区超过平均值，小塘、新墟等 27个营销分区低于平均值 MB_OSBAL_FLAG 是否处于欠费状态 2.13 负向贡献， 7月新装宽带客户中属于欠费的比例要显著低于未装宽带的客户 MB_FL_VASFEE_AVG 固话增值业务费用平均 2.07 正向贡献，随费用增长安装率也成增长趋势 PRO_FL_NUM 拥有固话总数 2.01 正向贡献，新装客户中该值较高 PRO_FLMOVE_FLAG 固话是否有移机 1.43 正向贡献，新装客户中该值较高 MB_LOCALIN_AVG 区内通话费用平均 (固话 +小灵通 ) 1.35 正向贡献，随费用增长安装率也成增长趋势 CM_ACTMKTSUC_NUM 主动营销成功次数 1.28 正向贡献，新装客户中该值较高 PRO_NUM 拥有电信产品总数 1.23 正向贡献，新装客户中该值较高 MB_OTHERFEE_PCT 其他费用占比 1.2 新装宽带客户主要分布在其他费用占比为（ -0.2， 0.1）区间内 CI_SERCHG_NUM 订单变更总数 1.13 新装人群中该值均值小于总体平均值，而未装人群中则该值高于总体平均值 VO_WORKMOU_PCT 工作时间呼出 MOU占比 (固话 +小灵通 ) 1.1 负向贡献，新装宽带客户中该值大部分集中在低值区域 PLAN_CHANGE_NUM 套餐变更次数 1.09 正向贡献，套餐变更次数从 1增加到 6， 7月装宽带客户的占比不断增加 MB_FL_FIXFEE_AVG 固话固定费用 (特指月租或套餐费用 )平均 1 正向贡献，同时新装宽带客户大多数集中在基本固话月租上的加装宽带上 MB_VASFEE_PCT 增值业务费用占比 0.84 新装宽带客户主要分布在增值费用占比为（ 0.02， 0.15）区间内，在区间（ 0， 1）呈下降趋势。 VO_OUTMOU3M_PCT 单次呼出时长小于 3分钟的 MOU占比 (固话 +小灵通 ) 0.79 新装宽带客户主要分布在 10%到 60%之前，而双尾均呈下降趋势，因此得分高客户主要集中在均值附近 (34.8%) MB_USEFEE_PCT 固话小灵通通话费及宽带计时费占比 0.73 新装宽带人主要分布在占比为（ 0.15， 0.6）区间内，向两边呈下降趋势。 MB_FIXFEE_PCT 固定费占比 0.71 未安装人群中该值占比在 2%以下的显著较高 PRO_PHS_NEW_FLAG 是否新装小灵通 0.7 正向贡献，安装人群中该值显著高于未安装人群 Top20变量贡献分析 Accenture Copy Right 2008 25 确定客户群优先级分析方法 宽带新客户获取 满足客户宽带需求 激发客户宽带需求 客户群中宽带渗透率较低，存在宽带进一步发展空间 业务发展目标 -外来流动人口，需要与家人、朋友联系，或将宽带作为休闲娱乐工具 -学生家庭客户，学习需要，寓教于乐 -其他 预测模型及实际新装宽带客户分析 -预测模型高分客户所集中分布的客户群 -6-8月实际新装宽带客户所集中分布的客户群 -7月实际新装宽带客户中更偏好 e8套餐及预付费宽带的客户群，满足业务发展目标 高价值客户 -寻找对中国电信佛山分公司价值贡献度较高的客户群，激发其宽带需求 -寻找对中国电信佛山分公司贡献价值不断增长的客户群，激发其宽带需求 愿意使用 VAS产品的时尚人群，更倾向于尝试新鲜事物 目 标 途 径 洞 察 基于中国电信佛山分公司现今发展宽带新客户的战略目标，我们将从两个方面考量各客户群以确定其优先级：满足客户宽带需求和激发客户宽带需求。 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 26 确定客户群优先级结果（一） 指标大类 宽带 现状 业务发展目标 ARPU贡献度 宽带发展潜力 其他 总分 指标名称 宽带渗透率 外来流动人口 家庭学生客户 总 ARPU 总 ARPU趋势 6-8月 实际完全新装宽带 预测模型打分 VAS偏好 7月新装宽带特性 现状 打分 增长 打分 指标作用 现状 现状 现状 现状 增长性 增长性 增长性 现状 增长性 S1 1 1 -1 -1 1 -1 -1 0 1 0 0 S2 0 0 1 0 0 1 1 0 1 1 3 S3 0 0 0 1 1 1 1 1 -1 2 2 S4 0 1 -1 0 0 -1 -1 -1 0 -1 -2 S5 -1 -1 0 1 1 -1 -1 1 -1 0 -2 S6 1 1 -1 -1 -1 0 -1 1 0 1 -2 S7 -1 -1 0 0 1 -1 0 0 -1 -2 -1 S8 1 -1 1 0 -1 1 1 1 -1 2 0 S9 1 -1 1 -1 -1 1 1 -1 1 -1 2 将上述方法分为两类指标考量客户群优先级，现状指标：宽带是否饱和、是否满足中国电信佛山分公司现今业务指标、是否为高价值客户、是否活跃客户 (VAS)；增长指标：预测模型打分高的客户占比、实际 6-8月份新装客户占比、总 ARPU趋势、 7月新装客户等。综合各项指标我们给每个群有两个分数： “ 现状打分 ” 和 “ 增长打分 ” 。 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 27 客户群优先级分布图 *图中泡泡大小代表该客户群未装宽带人数 把各客户群的 “ 现状得分 ” 和 “ 增长得分 ” 在 “ 客户群优先级分布图 ” 中定位，并确定优先级排序。综上所述，S2、 S3是第一优先级客户群， S8、 S9为第二优先级客户群。 现状指标 增长性指标 S9 S3S2S6S4S1 S8确定客户群优先级结果（二） 客户群号 优先级排名 特点描述S2 1 现状较好，增长性最佳S3 1 现状最佳，增长性较好S8 2 现状最佳，增长性一般S9 2 现状较差，增长性较好S1 3 现状一般，增长性一般S6 3 现状较好，增长性较差S4 4 现状及增长性均差S5 - 宽带用户已饱和S7 - 宽带用户几近饱和数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 28 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S1:思乡“电话粥 ”群，灵通 200 S2:潜力海外亲友群，固话和宽带 S3:绩优尊贵活跃群，近全产品 S5:增值服务偏好全业务群，全产品 S6:年轻时尚族，单小灵通 S7:节约型工薪族，宽带 +固话 S9:木讷老客户群，单固话 S4:电信语音冷淡群，不同类别单产品 S8:宽带潜力活跃族，固话 +小灵通 结合预测模型和分群模型，查看预测模型中打分排在前 10%目标客户在分群模型中的分布情况是确定优先级的一个重要指标。其中： S2、 S3、 S8、 S9群有较多预测模型预测到的潜在客户。 注：本次预测模型目标变量为 7月份新装，以后做营销活动之前，需要重新提数，预测营销活动月份的潜力客户。 预测模型中打分前 10客户 确定客户群优先级结果（三） 数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 29 优先级高客户群的深入刻画（一） 中高值中等语音低数据长途偏好固话为主 固话渗透率 100%，宽带渗透率 40% 外来人口的渗透率较高 (41%/30%) 宽带 ARPU较高 (9280/9058)，固话 IP长途费用最高(1162/298) 宽带流量中等偏下 (5811643/7276607) 6-8月完全新装宽带客户数次高 (3641/22168)，占比较高 (4.33%/2.74%)；加装宽带客户数及占比均中等 长途呼出 MOU占比最高 (0.46/0.22)， IP长途呼出 MOU占比最高（ 0.34/0.10)，传统长途呼出 MOU占比最高(0.12/0.06) 港澳台呼出 MOU最高 (2.4/0.58)，国际呼出 MOU最高(0.65/0.11)，港澳台和国际呼出 MOU占比均最高，港澳台和国际呼出次数最高 港澳台通话费最高 (317/101)，国际通话费用最高(181/46) 固话亲情号码和国际长途功能的渗透率都较高 国内呼出 MOU下降趋势次高，宽带流量上升趋势最高 S2 (141058, 11%, 11894) 潜力海外亲友群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客户群特征 优先级 1 港澳台呼出 M O U 占比 ( 固话 + 小灵通 ) _ A v A c t iv e0 . 0 0 0 00 . 0 1 5 40 . 0 0 5 30 . 0 0 0 00 . 0 0 3 20 . 0 0 0 10 . 0 0 4 90 . 0 0 3 20 . 0 0 5 80 . 0 0 4 9S1S2S3S4S5S6S7S8S9T o t a l港澳台呼出 M O U 平均 ( 固话 + 小灵通 ) _ A v A c t iv e0 . 0 02 . 4 02 . 0 90 . 0 00 . 5 40 . 0 30 . 4 00 . 4 80 . 2 70 . 5 8S1S2S3S4S5S6S7S8S9T o t a l数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 30 优先级高客户群的深入刻画（二） 超高值超高语音中等流量近全产品， 全产品渗透率 60%，宽带渗透率 60% 外来人口渗透率较高 (49%/30%) 6-8月完全新装宽带客户占比次高 (4.98%/2.74%)；加装宽带占比较高 (1.08%/0.72%) 总优惠费用最高 (3883/824)，总优惠比例最高 (-0.14/-0.05)， 固话 ARPU最高 (8646/5318)，小灵通 ARPU最高(6218/4293)，宽带 ARPU次高 (9326/9058) 超高语音 (541/194)，本地呼出 MOU最高 (399/146)，国内呼出 MOU最高 (125/25) 呼出至移动号码 MOU最高 (185/49) 小灵通亲情号码渗透率最高 (3.22%/0.32%)，固话和小灵通部分增值服务的渗透率最高 宽带流量中等 (7266475/7276607)，宽带时长上升趋势次高 (166/95) 套餐方面固话 86套餐的渗透率最高 (6.58%/0.7%) 订单变更次数多 (4.21/1.97)，可用积分最多 (3836/2031)，喜欢拨打 10000号 (3.71/1.3) S3 (57546, 5%, 19796) 绩优尊贵活跃群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客户群特征 优先级 1 M O U 呼出平均 ( 固话 + 小灵通 ) _ A vA c t i v e4 2 3 . 0 81 8 9 . 9 95 4 1 . 3 50 . 0 03 0 5 . 3 12 1 2 . 3 81 0 5 . 4 12 7 7 . 9 68 3 . 5 21 9 3 . 7 8S1S2S3S4S5S6S7S8S9T o t a l拨打 10000 号次数 _ A v A c t i v e1 . 2 41 . 3 03 . 7 10 . 3 62 . 7 41 . 8 51 . 5 41 . 7 00 . 5 01 . 3 0S1S2S3S4S5S6S7S8S9T o t a l数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 31 优先级高客户群的深入刻画（三） 中值中高语音低数据 固话 +小灵通渗透率高 (98%/6%)，宽带占比 2.3% 6-8月完全新装宽带客户数次高 (2742/22168)，占比最高 (4.95%/2.74%)；加装客户占比最高 (2.02%/0.72%) 总优惠比例最高 (-0.14/-0.05)，增值业务费用较高(900/578) 总 MOU较高 (278/194)，语音本地呼出群 (0.91/0.74) E6套餐渗透率最高 (25%/3%),固话套餐变更次数最高(1/0.42)。 小于 1分钟呼出次数第三高 (102/51), 小于 1分钟呼出MOU占比最高 (0.183/0.147) 小于 3分钟呼出 MOU占比最高 (0.42/0.35) 呼出平均时长最低 (1.96/2.5) 彩显包渗透率最高 ， 超级无绳渗透率高 在网时长 次 长 (76/63) 主动营销占比最高 (12%/5%)，本地居民占比次高(82%/57%) S8 (56670, 5%, 8408) 宽带潜力活跃族 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客户群特征 优先级 2 产品编码 _ 1 1 0 _ P e n e t r a t io n0 . 4 7 % 0 . 0 6 % 3 9 . 3 8% 0 . 2 7 % 0 . 0 0 % 0 . 0 3 % 0 . 0 0 % 9 7 . 7 3% 0 . 0 0 % 6 . 3 1 % S1S2S3S4S5S6S7S8S9T o t a l呼出平均时长 (固话 + 小灵通 )_A v A c t iv e3 . 6 43 . 2 12 . 6 00 . 0 02 . 0 72 . 5 12 . 2 31 . 9 62 . 4 02 . 5 0S1S2S3S4S5S6S7S8S9T o t a l数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 32 优先级高客户群的深入刻画（四） 低值低语音低数据， 100%固话且单固话为主 非数据群，宽带渗透率和宽带流量都超低 6-8月完全新装宽带客户数最多 (11965/22168)，占比较高 (3.57%/2.74%)； 6-8月加装宽带客户占比较高(1.28%/0.72%) 固话 ARPU中等 (4020/5319) 总 MOU最低 (84/194)，本地通话群 (0.85/0.74) 固话 200本地 MOU最高 (2.42/1.03)，固话 200长途 MOU最高 (10.66/4.98) 套餐渗透率最低 (3.85%/66.54%)， 无固话套餐的固话客户比率最高 (97.02%/55.25%)，宽带套餐变更次数最低(0.04/0.30) 不使用增值业务，固话来电显示、固话彩铃、固话声讯服务、固话彩显包未使用客户占比均最高 外来人口比例最低 (8%/30%) 在网时长最长 (84/63)，年龄最长 (49/42) 拨打 10000、 10001及登陆网上营业厅次数均最低 S9 (337653, 27%, 4036) 木讷老客户群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客户群特征 优先级 2 在网时长 _ A v A c tiv e2 8 .8 17 1 .5 46 0 .5 34 1 .5 36 7 .4 53 4 .2 07 3 .9 07 6 .1 38 3 .8 56 2 .8 8S1S2S3S4S5S6S7S8S9T o ta l通过 10000 号投诉次数 _ A v A c tiv e0 .0 40 .0 50 .1 70 .0 50 .1 30 .0 50 .0 70 .0 70 .0 10 .0 5S1S2S3S4S5S6S7S8S9T o ta l数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模数据校验客户群优先级选择客户分群建模客户特征刻画宽表设计预测模型建模Accenture Copy Right 2008 33 项目交付工作文档（一） 目录结构 工作文档信息 1级目录 2级目录 3级目录 工作文档名称 CTFS Deliverables 01 项目管理 01 工作计划 CTFS_Detailed Work Plan v1.0.xls 02 风险管理 CTFS Issue List V1 0.xls 02 宽表设计 01 宽表交付 项目交付成果 1宽表 v1.7.xls 02 宽表设计问题清单 CTFS_CAR_问题清单 _v1.0.xls 03 数据校验 01 SQL脚本校验 CTFS_Validation_SQL_v1.0.xls CTFS_Data_Validation_v1.0.xls 02 数据统计分析校验 CTFS_Data Validation_问题清单 _v1.0.xls 04 相关性分析 自变量相关性分析 _V1.0.xls 05 分群模型 01 数据预处理（正规化） 变量正规化 .str 02 分群模型 CTFS_segmentation model_v132k9.gm CTFS_segmentation model_v132k9.str CTFS_segment model analysis_v1.0.xls 03 分群刻画 CTFS_ASD_指南 _v1.0.xls CTFS_ASD_v1.0.xls 中国电信佛山分公司 _客户刻画 _v1.1.ppt 04 分群优先级 中国电信佛山分公司 _客户优先级选择 _v1.0.ppt 06 预测模型 01 相关性分析 目标变量相关性分析 _V1.0.xls 02 数据预处理 数据类型转换 .str 以下是项目交付工作文档，其中标蓝色的为此项目建议书中承诺的交付物。 Accenture Copy Right 2008 34 项目交付工作文档（二） 目录结构 工作文档信息 1级目录 2级目录 3级目录 工作文档名称 CTFS Deliverables 06 预测模型 03 最终模型（模型三） 模型三工作流 .str 模型三建模结果 .gm & 模型三结果 .html 模型三训练集评估 .cou & 模型三测试集评估 .cou 模型三测试集效果图 .jpg & 模型三健壮性效果图 .jpg &模型三训练集提升图 .jpg 模型三贡献度分析 _V1.0.xls 中国电信佛山分公司 _预测模型分析 _V1.0.ppt 07 汇报材料 01 日报 中国电信佛山分公司宽带项目每日状态汇报 _20080808.doc 02 里程碑汇报 1.1 宽表阶段性汇报 20080630.doc 1.2 项目里程碑报告 1宽表 20080710.doc 2.1 数据校验阶段性汇报 20080814.doc 2.2 数据校验完整汇报 20080820.doc 3.1.建模阶段性汇报 20080901.ppt 3.2.分群模型选择汇报 20080910.ppt 4.1 中国电信佛山分公司 _预测模型选择讨论 _V1.0.ppt 03 启动会材料 中国电信佛山分公司基于客户分群的宽带业务营销实践项目 - 项目启动 v1.1.ppt 04 最终汇报报告 中国电信佛山分公司基于客户分群的宽带业务营销实践项目 - 最终报告 v1.2.ppt 08 培训材料 01 宽表设计培训 中国电信佛山分公司基于客户分群的宽带业务营销实践项目 - 宽表设计培训 v1.0.ppt 02 数据校验方法培训 专题介绍数据校验 _v1.0.doc 03 Clementine工具培训 中国电信佛山分公司 _Clementine建模培训 _v1.0.ppt 04 建模培训 中国电信佛山分公司 _常用客户分群和预测模型介绍 _v1.0.ppt 05 客户刻画培训 中国电信佛山分公司 _客户刻画培训 _v1.0.ppt Accenture Copy Right 2008 35 议程 1. 项目摘要与回顾 2. 项目成果总览 4. 成果推进 3. 项目收获和体会 5. 感谢我们的团队 6. 附录 Accenture Copy Right 2008 36 项目小组的话 “数据挖掘工具的使用，为精确化营销提供了有力的支撑。 ” -综合经营室 陈振荣 “数据挖掘是一门技术，也是一门艺术，通过这次宽带合作项目，使我们团队数据挖掘能力在学习中提升。” -业务支持中心 陈晓东 Accenture Copy Right 2008 37 知识转移 将“基于客户分析”的科学流程植入中国电信佛山分公司市场部常规工作 1、设计宽表 确定宽表结构 数据抽取 数据现状了解 业务目标了解 确定宽表字段 确定逻辑计算 2、数据抽取 3、数据校验 4、建立分群模型 数据正规化 模型比较 和选型 数据校验 相关性分析 初次选择 变量 模型调优 和模型分析 建立预测模型 训练集和 验证集获取 模型比较 和选型 数据校验 相关性分析 初次选择 变量 模型调优 5、客户群特征刻画 6、客户群优先级选择 理念转变 方法提升 原有的市场营销模式 优化的市场营销模式 Accenture Copy Right 2008 38 方法提升 从简单分析转向全面洞察 客户统一视图 仅仅以客户 ARPU值作为划分客户的标准 仅仅以单一产品的使用量作为目标客户选取原则 仅仅考虑客户过去某个月的产品使用情况 全面衡量客户的价值和行为 综合考虑客户各种产品的使用量 动态考虑客户使用量的发展变化情况 通过将一个个的 “ 客户数据孤岛 ” 迈向 “ 客户统一视图 ” ，帮助中国电信佛山分公司建立起对客户的全面了解，将过去简单的客户分析转向全面的客户洞察。 一张 522个客户属性字 段125万客户数据的宽表 9个客户群深刻的洞察不同类型的客户 客户群的深入刻画 月均高 MOU值客户是哪些？ 喜好 IP电话的客户是哪些？ E8套餐的客户有哪些使用行为？ 便于回答 如下问题 如何合理管理中国电信佛山分公司客户？ 如何了解客户的不同需求？ 如何满足客户喜好制定产品？ 如何提高客户忠诚度？ Accenture Copy Right 2008 39 方法提升 从“全面撒网”转向“科学获取” 通过客户分群和预测模型，可以精确地定位目标客户，实现了从“经验营销”到“科学营销” 的转变，向“ 精确化管理 ”的目标迈进了一步 数据仓库 预测模型可以精确定位到目标客户，分群模型可以准确的描述不同客户群的不同需求；通过预测模型和分群模型的结合使用，实现了从 “ 经验营销 ” 的 “ 全面撒网 ” 转向为 “ 科学获取 ” 。 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S6 年轻时尚族(16 4 2 3 9 , 1 3 % , 5 2 2 5 ) S7 节约型工薪族(19 7 8 3 6 , 1 6 % , 1 3 3 8 9 ) 以单小灵通为主，渗透率 9 4 %产品为宽带和固话，渗透率为 1 0 0 % 新装宽带客户数及占比均较低 新装宽带客户数及占比均次低 总 A RPU 为 5 2 2 5 /中低值；总 M OU 为 2 1 2 /中等 增值业务费用占比最大；小灵通更换彩铃最多；盲区呼渗透率最高 年龄最小，女性比例高 总 A RPU 为 1 3 3 8 9 /中高值 ；总 M OU 为 1 0 5 /较低 固话优惠比例最高；兑换积分客户数最多 主动营销成功次数最高重要特征描述6 - 8 月宽带新装产品描述客户刻画 编号 电话号码 姓名 住址 1 85486643 A XX 街 XX 号 2 97645756 B XX 街 XX 号 3 59801486 C XX 街 XX 号 4 21957216 D XX 街 XX 号 5 59114637 E XX 街 XX 号 6 96272059 F XX 街 XX 号 7 60095245 G XX 街 XX 号 8 57252087 H XX 街 XX 号 9 54408928 I XX 街 XX 号 10 51565770 J XX 街 XX 号 11 48722611 K XX 街 XX 号 12 45879453 L XX 街 XX 号 13 43036294 M XX 街 XX 号 14 40193136 N XX 街 XX 号 15 37349977 O XX 街 XX 号 16 34506819 P XX 街 XX 号 17 31663661 Q XX 街 XX 号 目标客户列表 客户预测 预测模型 分群模型 直邮 客户经理 客服 3 9 . 6 2 % 4 7 . 3 9 %2 9 . 4 9 %4 2 . 4 2 % 3 9 . 3 7 %4 9 . 2 1 %4 1 . 0 1 %3 0 . 5 2 %3 8 . 0 0 %2 0 . 4 1 %3 4 . 4 3 %2 0 . 7 1 %1 4 . 6 0 %2 4 . 8 2 %0 . 0 0 %1 0 . 0 0 %2 0 . 0 0 %3 0 . 0 0 %4 0 . 0 0 %5 0 . 0 0 %6 0 . 0 0 %福田 罗湖 南山 盐田 宝安 龙岗 汇总当前营销成功率 累计营销成功率营销结果 反馈模型 Accenture Copy Right 2008 40 理念转变 从大众化营销转向针对性营销 渠道配合更为紧密 产品设计更为合理 Offer定价更为准确 客户选取更为科学 针对性营销 大众化营销模式 通过客户细分，将数量众多、貌似相同的客户分