电信行业流失与交叉销售分析ppt课件

1、电信行业数据发掘引见数据发掘系统框架表示图SPSS以客户为中心分析方法客户细分和分析：根据客户的自然属性、消费特征、行为习惯进展客户的分群，分析各客户群体开展转化趋势和消费习惯及消费产品、趋势。客户对位客户需求：对位客户的需求，为客户设计和引荐适宜客户需求的产品套餐和资费组合发现客户需求：发现各业务群体的业务需求。分析的主体：客户新的客户特征：客户对业务的消费行为，构成新的客户特征。客户行为的跟踪：跟踪客户运用业务的情况，赞扬情况，流失预测与预警。电信数据发掘分析所需数据第一类数据：人口统计学数据1、地址2、家庭公司规模3、第二类数据：通话行为数据1、通话次数2、通话时长度3、通话去向构成市内

2、、国内、国际、遨游4、通话时段构成忙时、闲时、周末5、通话费用及构成6、第三类数据：运用数据业务和效力数据1、能否运用某类效力标志变量表示2、各类型效力破费3、第四类数据：其他数据1、用户在网时间2、用户付费方式3、数据预备过程对数据进展整理和变换数据的几个来源：CDR (Call Detailed Record)客户资料数据(Customer Information客户帐务数据销售战略与措施数据其他来源数据的整理与变换数据的简单描画和汇总、缺失值的填补数据发掘变量的挑选和相关性分析数据的专业变换不同数据源数据的整合其他数据发掘建模和检验选择何种工具和算法模型结果能否能在业务中被运用？模型检验

3、方案如何设计和实施？数据发掘流程第六步：结果发布如何把结果发布到业务人员决策者手中结果发布的几种能够方式提交书面或者电子报告把相关数据发掘结果写回数据库，供查询展现开发用户界面，实现主要数据发掘处理方案的定制化例如：建立打分系统模型的更新和维护 针对不同的模型制定实施不同的模型更新方案例如细分模型是其他模型的根底，更新频度慢，客户吸引模型更新频度快数据发掘软件的运用作为工具软件供企业数据发掘分析人员运用作为后台运转，进展日常数据发掘模型的处置客户流失分析案例商业背景 虽然某挪动在该地域挪动电信市场位置处于龙头位置，但是由于联通、网通、电信的强势营销以及系列优惠活动，该挪动的月流失客户率逐月上升

4、。根据统计，该挪动中高价值客户年流失率到达了27%以上。 该挪动希望经过SPSS分析团队的协助，可以准确定位即将流失的客户，从而采取一定的业务措施把中高价值客户的流失率下降20%左右，实现客户维系活动投资报答最大化。咨询工程实施预备SPSS电信行业数据分析专家，并与该挪动公司协商所需的业务和IT资源。SPSS技术人员与挪动IT及业务人员讨论流失客户的目的定义、流失客户分析所思索的要素、经分系统数据现状等情况。SPSS技术人员和挪动相关人员制定咨询工程日程、投资报答评价规范、分析结果精准度目的等相关事宜。客户流失分析范围分析目的 分析中高价值客户在未来2月内流失的能够性，及高流失概率客户前4个月

5、的行为特征和人口统计学特征等，从而协助业务人员提早采取业务措施实施客户维系。流失客户分析的目的客户群中高价值客户 前6个月中有3个月ARPU150的非神州行客户流失客户定义用户不再继续运用挪动提供的效力而终止合同用户消费2月内最高资费较前6月平均资费下滑80%以上流失分析目的分群 思索到预付费和后付费用户行为特征有相当大的差别，因此对预付费客户和后付费客户分别分析，从而提高模型的可信度。咨询分析工程胜利目的定义胜利目的商业定义客户年流失率下降到20%收益率提高50%以上胜利目的技术定义准确性：=70命中率：=40覆盖率：=40提升度流失概率最高的10用户：=3客户流失分析相关要素 欠费标志、欠

6、费总额、新欠费额、通话次数、主叫通话次数占比、平均每次通话时长、遨游时长、遨游占比、IP长途时长、节假日通话时长、节假日通话时长占比、节假日主叫通话时长占比、闲时通话时长、闲时通话时长占比、优惠通话时长、优惠通话时长主叫占比、与联通GSM通话时长、与联通GSM通话时长占比、与联通CDMA通话时长、与联通CDMA通话时长占比、与电信通话时长、与电信通话时长占比、国际长途通话时长、国际长途通话占比、国际长途主叫通话占比、国内长途通话时长、应缴费、代收费、月租费、其他费用、其他费用占比、通话费、主叫通话费占比、优惠费、优惠费占比、主叫优惠费、长途费、长途费占比、国内长途费占比、本地费、本地费占比、优

7、惠时段通话费、优惠时段通话费占比、根本通话费、根本通话费占比、呼转次数、呼转次数占比、平均每次呼转通话时长、无条件呼转次数、无条件呼转次数占比、呼转挪动次数、呼转联通GSM次数、呼转电信次数、呼转联通CDMA次数、呼转其他设备次数、呼转秘书台次数、呼转网通次数、交往圈、主叫交往圈占比、联通交往圈占比、网通交往圈占比、最频繁联络号码通话次数、最频繁联络号码主叫通话次数、平均最频繁联络号码每次通话时长、短信次数、GPRS时长、品牌大类、客户类型、付费方式、用户在网时长、用户形状、免催标志、换品牌标志、资费品牌、新品牌、与联通客服联络次数、与电信客服联络次数、VPMN标志、年龄、职业、客服联络次数、

8、离网标志、停机标志、停机时长、可用资金额、未缴账单数、预存次数、预存金额、有效期工程实施过程简述工程实施周期：40个任务日挪动技术人员担任从经分系统数据仓库中搜集符合分析范围的数据包含上述相关要素，并整合成以客户号为独一键值的宽表。历史信息时间为2006年7月2007年2月。训练、测试数据为用2006年7月10月的客户数据分析2006年11-12月内客户流失的关系。验证数据为用2006年9月12月的客户数据验证2007年1-2月内客户流失的命中率。对搜集的历史信息进展转换，衍生出4月内资费动摇，4月内均值等目的。运用Pearson和Cramers V目的评价预测因子和客户流失之间关系的强弱，进

9、展维度裁减，简化模型并提高模型强壮度。后付费部分分析结果准确性评价准确率：82.56%覆盖率预测准确的流失客户数占实践客户流失数的比率预测准确的流失客户数/预测错误的实践流失客户数+预测准确地流失客户数：71.5%预付费部分分析结果准确性评价准确率：81.65%覆盖率预测准确的流失客户数占实践客户流失数的比率预测准确的流失客户数/预测错误的实践流失客户数+预测准确地流失客户数：92.47%模型分析结果与实践目的客户占比上图为提升图。根据提升图的结果，市场分析人员可以很容易了解客户维系的目的群体定位。根据统计，通常情况下电信公司对提升度大于3的目的群体进展客户维系，收益大于产出。模型分析结果的收

10、益情况上图为累积图。根据累积图的结果，市场分析人员可以直观的了解目的客户群中包含了百分之多少的实践目的客户。咨询工程收益评价后付费客户预付费客户中高端客户数142,926480,089实际流失客户总数11,87133,310提升度大于3的客户群占比（预付费部分因为前10%客户已经包括了将近100%的流失客户，所以认为需要客户挽留的只占总客户的10%）25%20%实际流失客户占比75%90%预测准确的流失客户(实际流失客户总数*实际流失客户占比)890429,979推广业务的客户（中高端客户数*提升度大于3的客户群占比）35,73196018对流失倾向客户的挽留成功率（业界普遍为10%-25%）

11、15%15%2007年2月流失客户在2006年12月前四月的平均月话费379187可能挽回的收入(预测准确的流失客户*对流失倾向客户的挽留成功率*2007年2月流失客户在2006年12月前四月的平均月话费)506,192840,911可能挽回的收入合计（月）1,347,103案例分析运用结果 运用SPSS客户流失分析结果并结合恰当的业务手段，在工程实施后第二个月，该挪动中高端客户流失率即从原来的9.6%下降到了7%，获得了非常显著的效果。产品关联性分析引见交叉销售产品关联性分析范围分析目的 经过分析现有客户的持有产品情况，找出产品之间的关联性。从而根据客户已持有的产品引荐新的产品给客户，从而提

12、高现存客户价值。产品关联性分析范围产品范围为一切增值业务产品。目的客户为一切现有持有增值业务的客户产品归类定义 一切产品不能按照产品维表进展简单的归纳，而是根据其实践内容进展归纳或细化例如：短信业务既不能完全按照SP商归类，也不能简单的归为一类，而是根据内容进展拆分。客户持有产品定义客户持有该产品且未解约流失分析目的分群 思索到C网和G网用户行为特征有相当大的差别，因此对C网和G网客户分别分析，从而提高模型的可信度。咨询分析工程胜利目的定义胜利目的商业定义客户短信营销呼应度提高20%以上胜利目的技术定义找到有强关联性，且有实施价值的产品关联关系。关联支持度规那么适用的客户百分比：20%关联置信

13、度营销的胜利概率：40%产品关联分析思绪产品关联分析中的主要问题产品关联分析的数据源相对简单，训练数据源格式为：客户号、客户持有产品1T/F、客户持有产品2 T/F。利用关联算法，分析人员可以很容易地了解每个产品的关联性。因此产品关联分析的主要难点在于如何归纳产品，假设产品分组过细那么会导致规那么不具有普遍意义，不具有可操作的价值；假设产品分组过粗那么会导致规那么变成了一些常识性问题，反而屏蔽了一部份有价值的规那么。需求有针对性地对不同的客户群进展产品关联分析，不同的客户群对应的产品关联关系是不同的。假设简单地对一切客户进展关联分析，得到的结果要么置信度过低，无法操作；要么产生一些业务常识通常

14、这类规那么，规那么支持度和置信度都很高例如：有86%的客户都购买产品b，假设规那么通知他持有产品a有80%以上的概率持有产品b，那么这类规那么是没有意义的。工程实施过程简述先根据客户消费行为进展分类，找出那些增值业务消费才干较强的客户群体。对产品维重新定义。对那些增值业务消费才干较强的客户分别进展产品关联性分析。由业务人员分析生成的产品关联规那么，挑选出那些有业务含义的规那么。把有价规那么部署到运用系统中，根据客户已持有的产品引荐新产品。市场细分相关要素客户最近三个月的月均消费：应收金额 、传统业务功能月租应收金额、传统短信业务应收金额、增值业务应收金额、本地通话应收金额、长途通话应收金额、通

15、话应收金额客户最近三个月的各项月均消费占比：本地通话占比、传统业务功能月租占比、传统短信业务占比、增值业务占比、长途通话占比、通话占比客户最近三个月月均其他消费目的：传统短信业务通话时长、增值业务通话时长、本地通话时长、长途通话时长、传统短信业务通话次数、增值业务通话次数、本地通话次数、长途通话次数市场细分结果从客户数据中发现一些异常数据例如：发现一客户话务资费只需1000不到，增值业务资费竟然高达3百多万。经过聚类算法，我们把客户分为9类：中低消费增值业务低占比客户高消费纯通话用户高消费增值业务低占比客户增值业务高消费客户中等消费增值业务高占比客户中等消费增值业务中等占比客户中等消费增值业务

16、低占比客户低消费客户中上消费增值业务低占比客户根据业务人员阅历，从中挑出高消费增值业务高占比客户、中等消费增值业务高占比客户、中等消费增值业务中等占比客户进展产品关联分析。产品关联分析结果经过关联分析生成的结果，业务人员开掘出一些有意义的产品关联规那么，例如：假设客户持有彩铃业务，那么客户很能够持有来电宝以及IX上网效力业务。把这些经过业务挑选过的规那么部署到实践运用中，根据客户持有的产品引荐接受能够性较高的新产品，并且在客户新恳求该类效力时直接向该客户引荐新产品。关联规那么结果运用1当业务人员输入了某几项业务后，可以列出哪些客户选择了这些业务，并提出应该向这些客户引荐哪些业务，把握程度如何？关联规那么结果运用2业务人员输入某