华院中国移动数据挖掘应用培训精选

1、金矿就在您的脚下(jioxi)中国移动数据挖掘应用培训2003年3月14日用数据(shj)发现你的世界！共五十九页议题(yt)中国移动数据挖掘应用的现实意义数据挖掘模型在国际电信行业的应用适应目前中国移动市场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍华院分析数据挖掘成功案例介绍数据挖掘营销(yn xio)应用选讲中国数据挖掘咨询实践经验总结共五十九页联通力量的不断强大(qingd)对中国移动已经形成较大的市场威胁移动与联通用户份额变化(binhu)时间序列对比分析共五十九页 激烈(jli)的市场竞争使移动、联通双双卷入“价格漩涡”超越(choyu)竞争，摆脱“价格旋涡” 渠道终端影响

2、力提高诱发新一轮价格战提高市场费用，频繁促销平均ARPU值下降通过“价格战”竞争夺与市场份额竞争对手的发展导致竞争升级用户价格敏感度提高，部分用户群在利益趋势下频繁转网“不断降低的新用户质量 降价应对动荡的用户群基础盈利能力降低渠道利用运营商之间的竞争提出新要求渠道成本上升渠道因利益驱使引起用户转网更低的毛利进一步动荡的用户群更低的ARPU公司价值贬值 . 陷入僵局共五十九页联通与移动之间的客户争夺战此起彼伏(c q b f)，维护客户群体的稳定，尤其是高端客户的稳定，已经成为竞争致胜的关键2002年中国两家移动运营商月度净增用户(yngh)增长率对比数据来源：中金公司研究部2002年中国某省

3、级移动运营商全球通客户加入率和流失率对比共五十九页2002年初，中国移动推出“业务与服务领先战略”，稳健(wn jin)出击；数据挖掘应用就是“双领先战略”的进一步深化基于数据挖掘的业务与服务(fw)领先数据挖掘试点实施200220032004更近更快更活更实 以提高整个服务质量、网络质量，赢得用户的信赖；不断开发适应各类用户群体对移动新业务的不同需求，开发出先进技术和应用的业务产品 世界一流通信企业开放式无柜台营业厅24小时自助营业厅 短信行业应用易登机服务自然月收费无线上网卡 共五十九页议题(yt)中国移动数据挖掘应用的现实意义数据挖掘模型在国际电信行业的应用适应目前(mqin)中国移动市

4、场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍华院分析数据挖掘成功案例介绍数据挖掘营销应用选讲中国数据挖掘咨询实践经验总结共五十九页应对竞争、客户(k h)挽留提高促销活动(hu dng)效率指导新产品开发与销售20世纪90年代始，数据挖掘技术开始被国际各大电信公司所重视，其在市场营销方面的应用主要走了以下4个阶段的路程理解顾客需求客户细分模型产品交叉销售模型促销响应模型客户流失预测模型数据挖掘传统方法市场调研焦点小组观察小样本测试提高客户满意度提高服务水平共五十九页虽然，国际各电信公司应用最成功(chnggng)的模型各不相同，但各个成功(chnggng)应用模型的共同点就是数据挖掘

5、是面向应用的公司成功应用模型结果和收益英国电信（BT)促销响应模型1.向销售人员和营销活动提供了“最佳客户”清单。2.直邮活动的回应率提高了100%西南贝尔(USA)客户细分模型减低费用、增加整体客户满意度、提升西南贝尔市场地位的改进工作方案 Vanguard Cellular (USA)流失预测模型减少了客户流失，每年节省100多万美元的开支AT&T Wireless (USA)流失预测模型降低了客户流失率共五十九页议题(yt)中国移动数据挖掘应用的现实意义数据挖掘模型在国际电信行业的应用适应目前中国移动市场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍华院分析数据挖掘成功(chngg

6、ng)案例介绍数据挖掘营销应用选讲中国数据挖掘咨询实践经验总结共五十九页华院分析认为(rnwi)，以下这些模型的应用更为适合中国移动的业务需求客户(k h)流失倾向预警模型交叉销售模型营销效果预测模型客户信用评分模型价格敏感度模型客户行为价值模型竞争对手客户分析模型共五十九页客户价值评估和细分模型(mxng)简介客户价值评估和细分模型解决的商业问题该模型可以将客户细分及客户价值结合起来进行分析，客观理解顾客。对应的算法聚类分析、决策树、逻辑斯蒂回归等。对数据要素的要求客户呼叫数据、客户帐单数据、客户特征数据、套餐数据、客服中心数据等。达到的应用效果按照客户特征数据及消费行为数据将客户划分为多个

7、群体，结合客户价值表现，实现差异化营销。模型应用前提条件有较为完整的客户历史数据收集。对系统的要求完善的数据库/仓库、较高性能的服务器。共五十九页客户流失倾向预警模型(mxng)简介客户流失倾向预警模型解决的商业问题移动行业面临着较大的竞争和较高的客户流失率，该模型可以加强移动行业的客户维持。对应的算法决策树、逻辑斯蒂回归，因子分析等。对数据要素的要求客户呼叫数据、客户帐单数据、客户特征数据、套餐数据、客服中心数据等。达到的应用效果发现具有高/低流失率的客户分层、建立描述易流失客户的特征和规则、建立评分模型预测当前客户流失的概率大小。模型应用前提条件有较为完整的客户历史数据收集。对系统的要求完

8、善的数据库/仓库、较高性能的服务器。共五十九页客户信用度管理模型(mxng)简介客户信用度管理模型解决的商业问题客户的信用度高低对移动行业是非常重要的，该模型可以对客户进行信用评估，把客户归属于不同等级的信用度。对应的算法决策树、逻辑斯蒂回归等。对数据要素的要求客户呼叫数据、客户帐单数据、客户特征数据、套餐数据、客服中心数据等。达到的应用效果发现信用度差/好的客户分层、建立描述信用度差/好的客户特征和规则、建立评分模型预测当前客户的信用度高低。模型应用前提条件有较为完整的客户历史数据收集。对系统的要求完善的数据库/仓库、较高性能的服务器。共五十九页交叉销售模型(mxng)简介交叉销售模型解决的

9、商业问题您需要把客户感兴趣的产品“捆绑”销售或者把目前客户可能会购买而实际上还没有购买的产品推销给他。对应的算法Apriori、GRI、决策树、聚类分析等。 对数据要素的要求客户呼叫数据、客户帐单数据、客户购买那些产品/服务、客户特征数据的数据记录。达到的应用效果了解哪些产品/服务适合捆绑销售、描述可能购买捆绑销售产品/服务的客户特征并向其推销感兴趣的产品、使利润达到最大化。模型应用前提条件有较为完整的客户历史数据收集。对系统的要求完善的数据库/仓库、较高性能的服务器。共五十九页竞争对手分析模型简介(jin ji)竞争对手分析模型解决的商业问题你面临的问题是你的潜在客户竞争对手也正在争夺，所以

10、你必须了解竞争对手的必要情况：用户数、行为、决策等。对应的算法聚类分析、决策树对数据要素的要求竞争对手的客户呼叫数据达到的应用效果描述竞争对手客户的特征、通过必要手段获取具有这种特征的潜在客户。模型应用前提条件有较为完整的竞争对手客户呼叫历史数据收集。对系统的要求完善的数据库/仓库、较高性能的服务器。共五十九页营销方案效果预测(yc)模型简介营销方案效果预测模型解决的商业问题该模型可以预测当营销方案变动后相应的效果改变。对应的算法逻辑斯蒂回归，多元回归，神经网络等。对数据要素的要求客户特征数据、客户呼叫数据、营销数据等。达到的应用效果设计不同的营销方案，预测出每个方案相应的效果，从而选出最优的

11、营销方案、减少营销成本。模型应用前提条件需要进行市场营销活动和反馈记录、然后再进行相应的数据挖掘。对系统的要求完善的数据库/仓库、较高性能的服务器。共五十九页价格敏感度模型(mxng)简介价格敏感度模型解决的商业问题价格是客户选择产品以及服务时极为重要的一个考虑因素，该模型可以探测消费者对价格的敏感程度。对应的算法逻辑斯蒂回归，多元回归，PSM测试（价格敏感度测试）。对数据要素的要求从抽样客户处返回的数据。达到的应用效果对产品进行合理的定价使收益最大化、了解价格变动对市场份额的影响等。模型应用前提条件需要进行市场营销活动和反馈记录、然后再进行相应的数据挖掘。对系统的要求完善的数据库/仓库、较高

12、性能的服务器。共五十九页数据挖掘模型应用项目启动(qdng)的原则共五十九页议题(yt)中国移动数据挖掘应用(yngyng)的现实意义数据挖掘模型在国际电信行业的应用适应目前中国移动市场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍华院分析数据挖掘成功案例介绍数据挖掘营销应用选讲中国数据挖掘咨询实践经验总结共五十九页方法论一：建模紧密结合应用(yngyng)模型评分自动化应用建议评分建模数据处理123450行业(hngy)理解、需求定义共五十九页行业理解、需求(xqi)定义行业(hngy)研究行业结构及主要企业的竞争行为国家法律政策、技术进步或其他因素引起的行业变化行业内各企业关注的热点

13、问题行业内各企业的营销及管理现状需求定义明确客户需要解决的问题例如，客户流失率高居不下定义帮助客户解决问题的数据挖掘模型及模型的输出成果例如，预测未来2个月可能流失的ARPU值大于100元的客户名单数据挖掘项目做什么为什么做具体怎么做如何应用共五十九页数据(shj)准备个人信息手机号、联系人、开户日期、地区编号、性别、出生日期、联系地址、帐单地址、付费方式、销户日期等等话单数据手机号、呼叫类型、对方号码、通话开始(kish)时间、通话时长、地区号、对方所在区号、漫游类型、长途类型、长途分组、IP电话类型、业务类型等等帐单信息手机号、帐单开始日期、结束日期、帐单总金额、月租费、月租功能费、滞纳金

14、、最后付费日期、销帐日期、积分情况等等1860信息 共五十九页数据处理数据处理是建立(jinl)模型前的必要准备工作处理残缺和孤立数据产生衍生变量分析因变量和自变量的相关性共五十九页建模建模是从历史数据和结果中找出深层的关系和规律例如，选择流失(lish)客户和未流失(lish)客户产生决策树5000流失(lish)5000未流失3000流失1500未流失2000流失3500未流失2000流失800未流失1000流失700未流失入网时间1年年龄30岁示例共五十九页评分表流失倾向(qngxing)评分 组别 Rate500145024002350330042504200515051006高流失(

15、lish)倾向警戒线低流失倾向示例共五十九页方法论二：项目(xingm)联合团队华院分析(fnx)（高层领导）中国移动（主管领导）项目领导委员会华院分析移动行业经理中国移动（数据挖掘项目经理）项目经理数据处理人员模型构建人员成果展现人员营销咨询人员数据准备人员营销应用人员项目小组项目小组数据分析人员共五十九页方法论三：知识转移伴随(bn su)项目进展华院分析(fnx)中国移动数据处理、模型评分、营销应用共五十九页客户价值(jizh)评估和细分模型方法论四：循序渐进的模型(mxng)应用客户信用度管理模型 离网倾向预警模型在运营商初次接触数据挖掘模型应用时，华院分析一般会循序渐进地向客户推广模

16、型的应用更多模型共五十九页方法论五：持续地转变促成(cchng)支持工作现状(xinzhung)未来数据挖掘模型的搭建基于数据挖掘的管理应用共五十九页议题(yt)中国移动数据挖掘应用的现实意义数据挖掘模型在国际电信行业的应用适应目前中国移动市场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍华院分析数据挖掘成功案例介绍数据挖掘营销(yn xio)应用选讲中国数据挖掘咨询实践经验总结共五十九页通过客户行为价值细分模型(mxng)，可以协助移动运营商准确把握不同客户的行为，实现针对性的差异化营销客户的行为千差万别，同样具高ARPU值的客户在使用行为上却各有特点客户行为价值细分模型分类后的差异化

17、营销无模型分类前的大众营销共五十九页通过模型的评分，客户将会根据(gnj)自身所具有的特征自动聚为一些行为特点相似的群体低高高高12845376因素二（国内呼叫(h jio)次数）因素三（呼入呼出比）因素一（繁忙时段呼叫次数）示例共五十九页华院分析为某客户全球通分为16个行为(xngwi)特点不同的客户群组号优势特征弱势特征描述性名称#1语音每次呼叫时间、香港（澳门）呼叫、非繁忙时段呼叫繁忙时呼叫、IP呼叫、短信、转移业余活跃组#2繁忙时段月均呼叫次数、漫游地区呼叫、香港呼叫次数转移呼叫、短信、转移业务繁忙组#4IP呼叫、转移呼叫贵中求惠组#6IP呼叫短信、转移IP手机组#9IP呼叫、短信非繁

18、忙时段呼叫新生潜力组#12非繁忙时段呼叫漫游地区呼叫、转移、短信夜间积极组#14繁忙时段月均呼叫次数漫游呼叫、非繁忙呼叫、转移本地繁忙组#16繁忙时段月均呼叫次数、转移呼叫、香港（澳门）呼叫IP呼叫繁忙大客户组#8短信转移呼叫、IP短信专家组#11转移呼叫繁忙时段月均呼叫次数、短信热衷转移组#15漫游地区呼叫短信、繁忙呼叫次数频繁出差组#3语音每次呼叫时间繁忙时段次数、短信情深语长组#5繁忙时段次数、每次呼叫时间、短信消极等待组#7呼入/呼出比短信等待接听组#10繁忙时段次数、呼入/呼出比、每次呼叫时间休眠组#13繁忙时段月均呼叫次数寂寞无声组共五十九页，这16个小组可以(ky)分为优质、普通

19、、弱势客户群体人数(rn sh)百分比收入贡献百分比57.43%59.44%13.83%26.73%14.71%27.86%客户群优质普通弱势组别#1、#8、#2、人数113,80458,882253,068ARPU值RMB28,543,183.47RMB7,308,246.18RMB13,846,159.20优质普通弱势共五十九页对16个分组中的各小组(xioz)做进一步详细描述，帮助移动运营商更清晰地了解小组(xioz)地行为特征客户交易纪录起止时间：2002.5.12002.7.31最近更新日期：2002-8-30组内人数：18945人占总体比例：4.45%分析与对比： 1.属于优质客户

20、群，以4.45%的人数创造了7.85%的话费收入（人均205.93元）。 2.本组人的每次通话时间较长，与第一组有相似之处，这可能说明，他们更需要利用手机进行较其他人更为深入细致的沟通，而这是短信类服务不太容易实现的。 3.本组人非繁忙时段呼叫相当突出，可以认为他们在非繁忙时段的活动较一般人频繁，当然可能与他们的生活习惯及工作特点有关，因此应针对于通话时长，非繁忙时段的呼叫特别突出繁忙呼叫水平也较高的特点设计市场推广方案。本组市场建议： 此组客户行为有明显的时段特征，尤以非繁忙时段的呼叫频率高为特征。同时此组客户对总付费贡献率亦属较高，故建议推出非繁忙时段的优惠话费政策，鼓励非繁忙的消费行为，

21、此举亦可提高线路的整体使用率，同时提高同与固话的竞争力。本组特征描述： 1.本组客户大部分人在非繁忙时段月均呼叫时间长（组内平均为32次，平均6次)。平均每次呼叫的时间很长（组内平均为2413，平均453)。 2.付费水平：本组客户是公司的优质客户群，有25%以上组内人群月均付费在254以上，一半的人群在143元以上。第十二组：夜间(y jin)积极组共五十九页分析本组客户在各个地区(dq)的分布情况地区分布：与全部样本(yngbn)在不同地区分布相比，地区E和地区K所占比例相对较高（全部样本(yngbn)中分别占0.58%和11.28%，本组中则达到3.21%和19.38%），地区B、地区C

22、、地区D、地区N等则相对较低。 共五十九页对比分析(fnx)反映本组特征的关键变量共五十九页，根据客户分组总体宏观特征制定(zhdng)客户管理战略（平均(pngjn)人数：26610）客户战略重点：密切关注流失全球通流失率模型研究发现3、5、10、13组流失比例大幅高于总体分布，而且这些组客户总数庞大共五十九页对比分析反映(fnyng)本组特征的关键变量共五十九页，制定针对各个客户(k h)分组的营销战术第十四组：夜间积极组 优势组组内人数：18945组内ARPU：205.93组内ARPU/全体ARPU：1.39组内人数/全体总人数：4.45%各组平均人数：26610全体ARPU：148.1

23、6战术目标(mbio)取向：巩固客户基础、吸引对手客户战术手段：非繁忙时段包月捆绑销售数据业务：非繁忙时段通话时间达到某值后赠送数据业务采用该战术原因：非繁忙时段通话很多由于其夜间活动多，短信是其联系那些夜间活动少的人群的较好办法共五十九页流失预警模型与客户行为细分模型综合(zngh)使用，指导客户挽留活动高低价值低高流失可能目标电话营销呼叫中心根据目标客户列表外呼 储备挽留方案根据各类客户特点设计挽留套餐具有高回报率的客户挽留客户流失预警模型 客户行为细分模型 客户分组及特征客服中心数据客户社会特征计费系统数据360 全方位客户数据分析高价值低流失可能低价值低流失可能高价值高流失可能低价值高

24、流失可能流失可能客户价值客户价值流失可能矩阵共五十九页客户(k h)流失率评分预测报告会对预测客户(k h)流失的关键要素进行分析客户在流失前的“首月”（倒数第四个月）到“末月”（倒数第二个月）间平均(pngjn)通话次数逐月递减，流失客户在流失前的“首月”月度繁忙时段通话次数大约会降低到其流失前的“末月”通话次数的50；而总体客户的情况截然相反，呈逐月递增形势。观察时间：2002年10月31日共五十九页客户流失(lish)率评分预测报告会对预测客户流失(lish)的关键要素进行分析示例目前的模型对全体客户的流失倾向具有普遍的预测能力，但针对不同地区，准确度有所不同！从客户行为价值分组来看，弱

25、势组的客户更易于流失，而优势组则不易于流失！呼叫转移到联通的行为是流失的重要因素，但客户只有不超过20%的人会在3个月内流失。 2002年9月份以前，客户流失率始终处于较高的水平，到10月份为止，流失率已降至较低的水平。客户在离网之前的一个月内话费值通常会急剧下降到40元以下！在离网前，客户的呼入次数通常会显著降低！共五十九页当然，客户(k h)流失率评分预测还会提供更多的信息电话号码所在地区138163725831390164762513916632254。高流失(lish)概率客户名单共五十九页流失预测(yc)模型的效益评估实际评估1、市场试验，评估流失(lish)预测的准确率2、计算利用

26、流失预测模型的进行市场活动的费用节约3、得到利用流失预测模型的投入产出比模拟评估共五十九页议题(yt)中国移动数据挖掘应用的现实意义数据挖掘模型在国际电信行业的应用适应目前中国移动市场需要的数据挖掘模型华院分析数据挖掘模型应用方法论介绍(jisho)华院分析数据挖掘成功案例介绍数据挖掘营销应用选讲中国数据挖掘咨询实践经验总结共五十九页大众营销在高度竞争(jngzhng)的市场已不再适用，精确营销时代已经到来大众(dzhng)营销销售支持精确营销共五十九页数据挖掘应用帮助(bngzh)中国移动实现精确营销数据挖掘(wju)应用经营分析系统BOSS销售支持大众营销精确营销共五十九页研究只有(zhy

27、u)应用于营销实践才会产生真正的价值指导(zhdo)数据业务推广协助快速培养新品牌转变1860为主动营销窗口如GPRS业务如动感地带1860营销共五十九页记录客户反馈(fnku)衡量活动效果设计(shj)市场活动方案应用示例：GPRS业务推广确定最可能对GPRS感兴趣的客户初步选定第4组业务繁忙组、第14组国内长途组、第12组商务潜力组根据每组客户的具体情况及活动预算，设定对处于本组内哪一话费段的客户进行活动产生具体的客户列表及每个客户的月人均话费、组别、客户帐单邮寄地址业务介绍方案开通业务热线电话或业务登记反馈表格网上业务受理网址各类业务受理渠道客户反馈记录哪些客户购买？哪些客户查询业务？购

28、买和查询的时间？哪些客户没有反应？共五十九页客户细分模型为动感地带推广(tugung)助力售点“一对一”营销沟通吸引眼球的“大众”营销有吸引力的“产品”设计产生兴趣了解“产品”形成习惯学习“应用”购买使用新业务推广关键环节消费者购买新业务的行为(xngwi)模式新业务最广最佳实践各省级移动运营商普遍做的工作各省级移动运营商相对薄弱的工作环节迅速有效的推广共五十九页利用(lyng)已有研究成果拓展1860营销新渠道客户(k h)细分模型客户价值指数客户通话行为特点业务推荐指数主动营销共五十九页营销案例(n l)：IP业务市场推广活动对比分析IP使用行为强度较大的不同类别客户(k h)长途通话需求及通话需求满足方式的不同结合客