SPSS数据挖掘-Modeler在通信行业的应用(客户细分案例-精确营销案例-客户流失预警案例)

SPSSModeler在通信行业的应用移动某省公司客户细分案例33客户细分定义把客户按照其自然属性、使用特征、客户偏好和动因等分成若干客户群，并依据分群结果进行客户群体特征刻画的方法。目的使得同一群内的客户特征非常相似，不同群间客户特征差异较大。应用客户细分模型的结果作为核心客户识别的输入之一，提供客户分群信息，结合客户价值分析结果以及客户生命周期分析结果，用于识别核心客户，并筛选出生命周期稳定期的核心客户，作为维系工作的重点目标对象。电信运营商根据每个客户群特征设计相应的产品/套餐，并采取合适的销售方式，以提高营销成功率。44客户细分流程细分过程步骤五描述细分市场并进行有效性检验步骤六选择目标市场并制定营销策略步骤三确定数据来源及确定数据步骤四选择细分方法并进行细分步骤一确定细分目的步骤二选择细分变量了解客户消费习惯、消费行为、消费特征为不同客户提供不同的套餐，为新技术或新产品寻找可能的目标市场识别最有价值客户，选取的变量就可能使ARPU值、MOU、在网时长根据顾客的语音消费行为制定套餐，选取的变量可能是单次时长、通话时段、拨打次数等ARPU、MOU、在网时长：营业、计费、crm、经分系统客户的媒体接受习惯、个性、爱好、满意度：市场调查通常采用PASWModeler的k-means方法Kohonen、两步聚类描述每一个细分市场，刻画每个细分市场的特征检验细分市场是否有效根据企业的产品选择目标客户群，制定相应的营销策略进行营销55中国移动在已有的业务支撑系统和CRM系统中，主要通过两种方法进行客户细分：基于ARPU的细分：按照客户的ARPU值进行二元细分，例如常见的大客户的划分和标识；基于社会特征的细分：根据客户年龄、职业等社会特征指标进行的多维客户细分。客户细分案例—商业背景不能满足实际商业需求66客户细分案例—数据理解客户产品渠道促销价格XX客户客户细分专题客户共1600916户2004年8月2005年1月客户时间此次客户细分采用数据挖掘和市场调研相互结合的方法进行数据统计分析；使用Clmentine12（PASWModeler较低版本）进行建模建模方法采用两步聚类客户数据截取时间是2004年8月－2005年1月连续六个月全部在网的用户，共1600916户；市场调研共随机抽取6342户，其中形成有效问卷3027户，比例是47.7%。共6342户，有效问卷3027户77客户细分案例—细分核心方法本次客户细分专题主要采用消费行为信息、人口变量信息、消费心理信息与4Ps营销策略相互融合的方法进行客户细分及针对性市场营销分析。业务选择状况、使用数量、使用质量、使用态度消费行为人口变量性别、年龄收入、职业、教育程度社会阶层、生活方式、个性消费心理4Ps营销策略88客户细分案例—细分结果群组名称细分分组分组人数外呼有效样本细分分组名称最优组16组98383228高端商务组14组72933202高端本地繁忙组潜力组13组77875251本地交往频繁组11组61733142省内繁忙组15组66659116夜聊短信组9组111296222省际IP组10组85963176长聊短信组12组105029243节俭本地组弱势组1组201288384弱势本地通话组6组111169226弱势长途组8组5073359弱势新业务组7组7252397弱势夜聊组2组114696191弱势优惠侧重组4组197246301全面弱势组5组115613136交往极小组3组5777753弱势呼转组合计16009163027在客户细分的全体用户被划分成三大群组(最优组、潜力组、弱势组)，以及16个细分组。16个细分组是采用数据挖掘的聚类方法进行数据聚合统计构成。群组定义：最优组：细分组消费比例/细分组人数比例大于等于2；潜力组：细分组消费比例/细分组人数比例大于等于1、小于2；弱势组：细分组消费比例/细分组人数比例小于1。9916组（高端商务组）指标分析其他特征本组均值总体均值每月通话天数24.9720.92拨打长途城市数3.831.06漫游城市数2.090.40呼转次数8.580.811860次数1.91.071861次数9.798.87投诉次数0.070.01平均充值次数4.732.75充值平均金额269.1167.83充值平均间隔(天)14.7614.69套餐更换次数0.390.18手机更换次数0.460.41基本信息本组均值总体均值ARPU210.6459.40MOU(分钟)517.08250.81通话费用占比77.5%77.0%非通话费用占比22.5%23.0%欠费比例1.00%0.70%在网时长(月)26.6218.64当前积分2724.43305.50大客户比例18.0%2.0%集团客户比例41.0%25.0%交往圈/活动范围特征本组均值总体均值平均交往圈60.2132.40主叫交往圈占比61.5%65.0%联通交往圈占比16.9%17.1%最常通话号次数比25.0%30.9%通话不同基站数52.4421.11优惠/时段特征本组均值总体均值语音单价0.310.19优惠通话时长占比2.5%3.0%IP时长/长途时长25.6%28.7%休息时段通话时长占比45.7%47.5%晚上通话时长占比24.6%24.8%新业务特征本组均值总体均值点对点短信次数126.4654.57使用新业务数5.554.07梦网短信数26.56.42GPRS流量315.5730.19来电显示开通比例76.0%39.4%彩铃开通比例13.0%4.2%移动秘书开通比例12.0%1.7%语音业务特征本组均值总体均值通话次数265.33135.05每次通话时长2.071.86主叫时长占比51.7%54.1%本地通话时长占比78.6%92.5%省内长途时长占比6.2%2.5%省外长途时长占比12.4%4.2%国际长途时长/长途0.51%0.34%漫游次数57.516.51省内漫游时长占比4.0%1.1%省级漫游时长占比7.1%1.5%组内人数及占比983836.15%收入及占比(万元)2072.421.79%收入占比/人数占比3.541010商业价值实现－16分组分析举例16组(高端商务组)关键消费行为特征提取本组均值总体均值ARPU210.6459.40MOU(分钟)517.08250.81通话次数265.33135.05平均交往圈60.2132.40拨打长途城市数3.831.06漫游城市数2.090.40通话不同基站数52.4421.11呼转次数8.580.81GPRS流量315.5730.19移动秘书开通比例12.0%1.7%投诉次数0.070.01套餐更换次数0.390.18组内人数及占比983836.15%收入及占比(万元)2072.421.79%收入占比/人数占比3.54营销策略重点特征：1、产品：市话、漫游、长途、新业务2、价格：市话被叫包月、长途优惠、漫游优惠、业务功能优惠3、宣传渠道：报纸、电视、网络、短信；业务办理渠道：网上办理4、促销：赠送电影票等消费娱乐用品人口变量特征：用户处于生命周期中成熟期的中前期，属于较为成功的人士。消费心理特征：属于“积极”分组，在消费心理习惯“由我做主”，其它人只是“辅助”，强调“个人实现”。市场营销方向分析：1、该组用户在业务产品方面使用的非常广，所以重点不是业务的推广，而是业务量的维护和保持；2、该组用户在心理上属于绝对成熟的积极性人物，所以在与其交流沟通时需要重点强调“辅助”功能，同时必须注重对该类用户的关怀，尤其是投诉和套餐更换方面；3、该组拓展的重点已经不在是移动业务本身，而且其它行业及服务的整合，例如该组的移动秘书使用量和漫游城市数都非常大，所以可以考虑在移动秘书服务中提供票务服务，而且移动秘书是一个重点拓展的服务，其“秘书”性是一个极具潜力的关怀服务方向。4、该组对生活的品质要求也很高，所以主动丰富其生活品质也是重点方向。移动某省公司精确营销案例1212主动性营销案例—业务现状该省移动2006年12月26日开通手机报业务；目前拥有手机报客户400万；2009年4月份，手机报订购用户达277万，收费用户达146万；2009年4月份，新闻早晚报订阅用户达120万。该省移动手机用户目前已突破2000万！手机报渗透率不足20%！1313主动性营销案例—业务现状营销渠道1.前台推荐2.外呼3.电子渠道业务类型1.普通用户2.优惠体验3.套餐用户多样性1414主动性营销案例—商业理解目标

-通过研究现有手机报用户的基本属性、行为属性、业务开通属性、数据业务使用属性等，识别到手机报用户不同于非手机报用户的特征，为后续营销活动获取潜在手机报用户提供支持；实现功能

-通过模型得到潜在手机报用户的业务规则，帮助业务市场营销人员了解业务发展策略和方向；

-通过为潜在手机报用户打分来判断其使用手机报业务的可能性，为营销活动有效资源的投放提供决策支持。1515主动性营销案例—商业理解识别手机报目标客户业务规则时间窗口：09年5月~09年7月三个月；客户范围：活跃客户：连续3个月计费的手机报用户；对比客户：连续3个月没有订阅手机报用户；活跃客户数：957,2861616主动性营销案例—数据理解手机报类型客户数百分比新闻时事类92359196.48%体育类277782.90%生活类222002.32%文娱类36200.38%文学类5470.06%财经类4280.04%游戏/动漫类1390.01%品牌专刊00.00%2009年5、6、7连续3个月开通手机报的用户7月份开通手机报的类型描述：开通情况1.大部分用户只开通一份手机报；2.大部分用户开通的手机报类型为新闻时事类；3.仍然有接近2%的手机报用户会开通超过一份的手机报业务1717主动性营销案例—数据理解数据业务占手机报用户百分比占非手机报用户百分比连续三个月飞信手机端用户2.10%0.84%连续三个月有中央音乐平台彩铃下载0.22%0.03%连续三个月使用手机证券业务0.36%0.03%连续三个月使用手机电视业务0.17%0.01%连续三个月使用12580业务0.69%0.07%连续三个月有彩铃下载19.40%8.11%手机报用户使用数据业务相关描述性分析：说明：使用手机报的用户会使用更多的增值业务，其带来的价值较非手机报用户高。1818主动性营销案例—数据理解手机报用户三个月平均的ARPU值为107.45元

非手机报用户三个月平均的ARPU值为51.50元手机报用户的价值是非手机报用户的2倍以上无论从个人大客户的比例和中高端用户比例手机报用户都相对高出1919主动性营销案例—数据理解手机报用户平均的入网时长为38.63个月；非手机报为33.80个月；说明：进一步的分析应关注客户开通手机报业务时的入网时长情况，以判断应该在客户生命周期的什么阶段推荐其使用手机报业务。2020主动性营销案例—数据准备信息类40上行短信数量41上行梦网短信42下行梦网短信43点对点彩信条数44彩信总量45梦网短信信息费46梦网彩信信息费47梦网短信业务订购量48梦网短信业务退定量49梦网彩信业务订购量50梦网彩信业务退定数量51上行短信数量客户基本信息1性别2漫游属性3手机品牌4用户催停类型5入网渠道6所属地市7入网时长8ARPU9欠费金额10大客户级别11中高端用户标志通话行为及费用12本地通话费用13长途通话时长14长途通话费用15漫游通话时长16漫游通话费用17新业务通信费18代收信息费数据业务类19GPRS上行流量20GPRS下行流量21GPRS上下行流量比22FetionPC客户端活跃23Fetion手机客户端活跃24Fetion短信活跃25FetionIVR端活跃26Fetion好友数27Fetion消息数28中央音乐平台彩铃下载次数29振铃下载次数30手机证券费用31彩铃下载次数32开通手机电视33音乐盒下载次数3412580查询次数35WAP业务信息费36开通GPRS功能37彩铃换歌次数38WAP业务订购数量39GPRS上行流量市场部增加52集团客户行业类型53是否V网用户54是否办理家庭计划2121主动性营销案例—数据准备样本选取：1.抽样10万个用户；2.其中43.53%为2009年5-7月连续三个月开通手机报业务的用户；3.其中56.47%为2009年5-7月都未使用手机报业务的用户。数据来源：1.用户统计中间表2.用户统一视图表3.用户使用数据业务表2222主动性营销案例—模型建立平衡使用和不使用手机报业务用户比例；将建模数据拆分成三个数据集：训练集、检验集、校验集；用C5.0(规则)模型对训练集数据建立预测模型，在建模节点前的类型节点中设定“是否手机报用户”变量为输出变量，其余为输入变量，这样各变量作为预测模型的输入，是否使用手机报业务作为预测模型的结果输出；对检验集数据应用模型结果，用混淆矩阵和收益图对应用结果进行准确性和模型效果评估。2323主动性营销案例—模型评价2424主动性营销案例—模型评估1.测试数据集表明最终被接受的模型的准确性达到82.37%；2.在测试数据集中打分的前54%的客户涵盖了92.3%的手机报用户。2525主动性营销案例—模型部署登录服务器：10.168.*.*

流存放路径：/spss/Project/Stream/Score.str执行方法：1.进入路径/usr/SPSSInc/PASWModelerBatch13/；2.运用clemb命令复制并执行./Project/Score_Command.txt打分输入：

1.用户中间表；

2.统一视图表；

3.数据业务表；

4.集团客户行业类型。三个月数据打分输出：

1.客户手机号码；

2.客户得分降序排列.回写数据库：

DMAPP.Result_Score用户手机支持彩信2626主动性营销案例—决策树规则展示2727主动性营销案例—模型重要规则TOP1RULE:TOP2RULE:TOP3RULE:2828主动性营销案例—模型重要规则TOP4RULE:TOP5RULE:RULE4规则归纳：1.三个月内新业务通信费的最大值超过1.7元；2.开通GPRS业务,并且三个月内GPRS上行流量的最大值超过3，下行流量的最大值小于86959；3.三个月内没有订购梦网彩信业务，没有下载音乐盒；4.入网时长大于56个月；5.三个月内最小ARPU值为83.17元；6.三个月内梦网上行短信的最大值不超过12条，并且每个月都有梦网短信下行条数；7.三个月内点对点短信上行条数不超过15条；2929主动性营销案例—模型输出结果…说明：模型的主要输出结果是将每个用户未来开通手机报业务的得分写回数据库。联通某省公司客户流失预警案例3131项目背景电信运营商市场竞争加剧的大背景电信运营商重组完成，新的三大全业务运营商展开更激励的市场较量。原先由于政策、业务限制和网络等方面造成的差异逐渐缩小，而更加依赖于提高服务水平、塑造良好的品牌效应等“软实力”来加强市场竞争力。该省联通客户流失情况存量市场趋于饱和，重组后竞争对手早早就展开的激励的攻势，大进大出情况明显，客户流失情况严重，同时收入情况增长缓慢。目前该省联通的VIP用户大约在35万左右（不含大网中端客户），这些用户的保有工作尤其重要。原有的客户保有工作原先主要依赖于CRM2系统开展VIP用户的挽留工作，主要参考客户的一些异动指标。工单量大、效果有限、耗费资源、还给很多正常客户带来不好的印象。3232挖掘模型目标变量：常规思路一般按照客户流失考核指标（不出账则流失）做目标变量，但这已经处于客户生命周期的晚期，挽留难度大，我们尝试时间点提前。从客户价值角度分析用户的生命周期，将目标变量定义在客户价值的急剧下降时期（sharp_decrease）。客户价值定义：我们定义的客户价值主要包含用户通话和短信行为，因为收入的产生基于用户的消费行为（目前主要考虑是通话和短信），而且从宏观角度看这些行为更有规律性，具备数据挖掘分析的前提。客户价值计算公式=通话时长（秒）+短信次数*30（一条短信的价值相当于30秒的通话）时间客户价值表现期原有表现期3333模型时间窗口

该时间窗口对客户接下来一个月内是否流失进行预测时间点与时间周期：按周组织数据，1~12周定义为观察期，13~16周定义为表现期。目标变量定义：在表现期内客户价值相比观察期下降超过80%定义为流失

3434数据准备—变量选择用户信息：套餐编码,客户类型,VIP类型,成为大客户时长,服务状态编码,渠道,建档机构类型,入网时长,停机额度,协议到期时长,上次拜访时间,上次拜访时长…通话信息：通话次数，通话时长，通话金额，呼转次数，漫游时长，本地时长，长途时长，网内/网间时长，集团内/外时长…短信信息：发送短信次数，接受短信次数，网间短信次数，网外短信次数…账务信息：存款余额，赠送／奖励余额，出账收入，基本月租费，本地通话费，长途通话费，漫游通话费交往圈信息：交往圈，联通交往圈，网外交往圈…3535数据准备—复合变量从各个不同视角生成一系列的复合变量基础数值数值-变化数值占比数值占比-变化频繁度集中度波动幅度…3636建立模型在SPSSModeler中利用20090301周期数据生成决策树模型3737模型验证在20090405周期数据上的验证准确率=7533/(7533+5318)=58.62%查全率=7533/(7533+4329)=63.51%3838改进模型时间窗口

该时间窗口对客户一个月后是否流失进行预测时间点与时间周期：按周组织数据，1~12周定义为观察期，17~20周定义为表现期。目标变量定义：在表现期内客