刘鹏-《大数据、云计算与移动应用》（第6讲）

大数据、云计算与移动应用刘鹏gloud@126.com@专注云计算中国云计算中国大数据

教授、博导、学科带头人，清华大学博士。现任中国云计算专家咨询委员会秘书长、中国信息协会大数据分会副会长、工业与信息化部云计算研究中心专家。主持完成科研项目25项，发表论文80余篇，出版专业书籍15本。获部级科技进步二等奖4项、三等奖4项。主编了国内第一本云计算教材《云计算》和第一本云计算编程书籍《实战Hadoop》。创办了知名的中国云计算（）和中国大数据（）网站。刘鹏微信关注“刘鹏看未来”，回复“课件01”“课件02”等，可以下载本系列的PPT。

曾率队夺得2002PennySort国际计算机排序比赛冠军，两次夺得全国高校科技比赛最高奖，并三次夺得清华大学科技比赛最高奖。荣获“全军十大学习成才标兵”（排名第一）、南京“十大杰出青年”、江苏省“333高层次人才培养工程”中青年科学技术带头人、清华大学“学术新秀”等称号。微信扫描二维码第6讲

中国移动“大云”与数据挖掘平台BigData&CloudComputing34PPT引用自中国移动《中国移动BigCloud平台(经分培训)v1.0》中国移动“大云”5/32“大云（BigCloud）”计划什么是“大云”中国移动研究院为打造中国移动云计算基础设施而实施的关键技术研究及原型系统开发计划目标为满足移动公司IT支撑系统高性能、低成本、可扩展、高可靠性的IT计算和存储的需要为满足我公司提供互联网业务和服务的需要BigCloud0.5Release搭建1024节点实验室环境；BigCloud1.0Release利用闲置的15台计算机，基于开源软件搭建了海量数据处理试验平台，并成功运行搜索引擎软件建立256节点的大规模运算实验室，并运行数据挖掘工具和相关应用并行数据挖掘工具开发与应用试验云计算系统改进、完善与试验云计算引入策略、总体解决方案研究、产品研发、应用试验、产业链培育2007.32008.32008.122009.82009.122010.122006.102007.72008.10确定了BigCloud研究方向系统管理/CloudMaster海量数据分布式文件系统

HyperDFSBigCloud技术架构网管系统mSpacesIDC。。。开源的Linux/Windows操作系统

基于Xen的虚拟机分布式并发控制/GlobalLock平台安全管理/CloudSecurity结构化海量数据管理

HugeTable并行程序设计和开发环境

MapReduce数据挖掘工具库BC-PDM搜索引擎核BC-SE云存储中间件BC-MCSS云计算应用层中国移动内部的新型IT支撑系统

IDC,mSpaces,email等互联网应用云计算能力层

数据挖掘工具库：挖掘应用的算法工具云存储中间件：提供海量对象存储能力搜索引擎核：提供基本的搜索引擎能力云计算平台层

MapReduce：MapReduce并行程序框架

HugeTable：结构化数据存储

HyperDFS：海量数据的分布式文件系统oNest：海量对象存储系统

CloudMaster:云计算平台系统管理虚拟化资源层

构建在海量同质化的PC与不可靠硬盘上使用开源的Xen提供计算资源的虚拟化运行于开源的Linux系统之上业务支撑系统管理信息系统对象存储系统oNestHyperDFSHyperDFS的主要改进消除NameNode单点故障，提高业务连续性其他细节功能的改进，增强可管理性HugeTable-高可靠、可伸缩、高性能海量结构化信息存储系统DataNodeRegionServerTaskTrackerCloudMasterAgentNameNodeMasterJobTrackerZookeeperCloudMasterAgentHugeTable应用服务器/客户端SQLServersCloudMasterAgent数据节点主控节点SQL服务节点数据加载、导出服务器CloudMasterHT管理系统应用+工具集SQL服务存储+控制管理-水平扩展-并行计算-全局索引-SQL92兼容-新增分区管理等命令-SQL应用-MR应用-KV应用-并行加载-并行导出MapReduce系统架构9/32MapReduce基于开源系统所作的工作新增功能基于Web的MR作业提交工具MR系统配置参数生成工具MR日志管理工具MR性能分析工具MR节点状态自动监控和处理工具(Deamon守护进程)支持队列优先级的多队列调度算法修改/优化基于节点负载的性能优化(任务请求接口和任务控制接口)提供作业状态监控接口(向CloudMaster提供作业状态监控接口)CloudMaster-系统平台集中式管理目标研究、开发和部署集群系统集中管理架构和工具1.自动化集群安装和部署工具2.系统监控：资源监控,故障监控和热点监控3.系统日常维护工具：用户管理，并行命令，远程开关机管理集群部署工具系统监控工具基于开源软件Rocks开发通过网络自动化、并行安装操作系统和系统服务，分配IP地址和配置集群服务；并实现增量式自动配置可在一个工作日内完成258个节点的系统安装，比普通的基于光盘介质的串行安装方式的工作效率提高15倍资源监控：在开源软件ganglia的基础上进行功能扩展，可以实时监控节点的CPU、Memory、I/O和网络利用率等资源使用信息；可订制和监控系统中出现的各种资源使用的热点故障管理：实现节点故障、网络故障、磁盘故障和各种内核相关故障的故障监控；支持在物理设备和管理工具界面上实现警报标志和故障报警日常维护工具用户管理：通过自动同步机制维护用户认证文件的全局一致并行命令：用户键入的单个命令可以在多个节点上并行执行远程开关机管理：基于ilo硬件机制实现网络开关机功能CloudMaster-系统平台集中式管理11/32BC-PDM：基于“BigCloud”云计算平台的并行数据挖掘工具库，支持高性能低成本的电信业务BI应用开发，实现自主和联合创新并行数据挖掘工具平台并行ETL模块并行数据挖掘模块海量数据处理海量数据挖掘快速响应能力优良扩展性结果展示模块任务任务分解…M1M2MiR1Rj子任务block1数据分割block1block1block2block2block2block3block3block3M1M2MiR1R2…R2…Rj海量存储高处理能力高可靠性低成本HyperDFSHugeTableMapReduce智能移动搜索精准营销网络分析与优化互联网分析与应用丰富的数据挖掘应用工作流控制模块云计算平台云计算案例分析--上海公司基于云计算平台的移动用户行为特征分析移动用户行为特征分析模型渠道偏好分析客户细分新业务关联时间性能：数据处理性能增加约30倍，数据挖掘性能增加约9倍,整个应用性能提高约3-7倍成本优势：成本降低6倍，运维耗电相当占地更少，更高的处理能力正确度：符合商业标准BC-PDM（16节点）现有商用Unix服务器计算能力CPU：96，内存：192GBCPU：8CPU，内存：32GB存储能力存储：24TGB存储：500GB，运维占地1.5个机柜耗电相当16*0.62=9.9KWH/日占地2个机柜耗电相当2*（3+2）=10KWH/日成本36万270万典型案例：江苏公司信令监测系统基于云计算平台的信令监测系统实验基于BC-PDM的ETL进行API级别的二次开发，形成信令信息分析系统功能包括SMS信令信息分析SP提交短信过程分析SP提交短信成功率分析GPRS的GN接口信令分析GN接口通信过程分析GN接口信令过程分析正确性100%，数据查询、统计性能提高7-15倍，成本降低4倍BC-PDM（16节点）现有商用Unix服务器硬件成本计算能力64cpu，128GB8CPU，32GB存储能力存储：16TB磁盘阵列成本24万400万耗电16*0.62=9.9KWH/日2*（3+2）=10KWH/日空间占地1.5个机柜占地2个机柜软件成本数据库50万（开发费用）100万应用软件30万（开发费用）50万维护成本20万50万总计124万600万数据范围：一个月数据查询案例查询：返回以上功能的某个时段结果组合查询：满足4个复杂条件的查询实验条件单位秒14/32BC-MSE:基于”BigCloud”的移动互联网搜索引擎原型系统研发和试验120个云计算节点用于采集、分析、索引、PageRank计算服务20个节点用于检索服务、缓存服务、网页快照、点击日志、检索词纠错服务、检索结果聚类服务、负载均衡服务等目前：索引网页数（23,090,849），索引覆盖网站数（1,340,209）；正在已每天近500万网页数增加（调优之后还会增大日采集量）测试系统：:8080/search/主要系统说明网页范围覆盖中文和英文基于PageRank和内容相似度的综合排序提供“与、或、非”检索条件编辑提供检索词纠错三级缓存设计保证缓存命中时平均相应时间100ms单击索引速度每小时250M索引膨胀率达到0.5主要系统说明针对搜索引擎,改造后的词语切分正确率达到90%词性分析正确率达到90%提供检索结果聚类功能,为将来移动搜索奠定基础聚类标签基于互联网的存储服务（云存储中间件、对象存储系统）个人在线存储备份应用存储能力出租个人移动在线存储应用SMB&BranchHome&SOHO云存储系统企业存储网关企业外派人员、记者DataCenter家庭存储网关无线数据用户手机代理软件终端代理软件管理、运营平台企业在线存储备份应用数据同步/共享政府、大型企业及NSP大云数据挖掘平台登录后界面工作流画布job监控框数据查看与管理预览数据创建工作流配置工作流运行工作流查看工作流结果文本ROC图Lift图数据压缩与传输工作流调度情况BC-PDM的数据装载和导出数据加载是将分布式文件系统（DFS）上的没有元数据文件的数据生成元数据文件，或对数据进行断行、空行等初步处理，或作为工作流运行的起始组件。数据导出是将处理后的数据文件转换成指定的格式或分隔符，数据仍然保存在DFS上。数据加载（导入）数据加载（导入）导入头文件头文件举例start_time,date,开始时间imsi,VARCHAR(10),IMSIcalling,VARCHAR(10),用户号码user_ip,VARCHAR(10),用户IP地址APN,VARCHAR(10),访问方式IMEI,VARCHAR(10),终端标识号rat,int,2G/3G网络标识App_type,int,应用类型LAC,VARCHAR(10),xmCell_ID,VARCHAR(10),xmsource_ip,VARCHAR(10),源IP地址dest_ip,VARCHAR(10),目的地址数据导出并行数据处理(ETL)ETL操作可以分为普通ETL和链式ETL。普通ETL和链式ETL分别又细分为：清洗类、转换类、集成类、计算类、抽样类、集合类、更新类、及其它类8大类。类别组件名功能清洗类数据类型检查对输入文件逐条记录地检查每个字段的数据是否与元数据中的类型相符合外键约束升级主键表或升级外键表后的外键约束检查主键约束对数据表的主键约束检查，包括主键非空和主键唯一缺值处理按照指定的替换值填补数据文件中的缺值或Null值等空值域约束包括非空值约束、值域范围检查和自定义约束检查去重将完全重复的数据行丢弃转换类Casewhen将符合条件的数据按指定进行转换，类似SQL的casewhen计数区间化按计数将指定字段值区间化为N个区间，每个区间数据个数相等，并为该字段按不同区间设置特定值字段类型转换支持对多个字段进行字段名或字段类型的修改，提供多种数据类型字段之间的强制转换数值区间化按数值将指定字段值区间化为N个区间，每个区间数据取值范围相等，并为该字段按不同区间设置特定值归一化对指定字段按该字段的均值和标准偏差，进行zscore归一化属性交换将属性的两列互换关联规则数据生成将业务订购情况数据生成购物篮数据供关联规则算法使用PCA主成分分析将输入数据的属性由高维降到较低的维度集成类Delete组件删除符合一定表达式条件的记录Join组件可将多个表按指定的字段关联，包括主键join、维表join和普通join三个组件，针对不同关联情况使用不同组件Sort组件按用户指定排序关键字字段进行排序Where组件找出满足用户定义的表达式条件的记录。计算类计算生成列通过对现有多字段混合计算生成的新字段Groupby组件对数据按照用户指定的属性聚集、汇总统计计算每个字段的统计信息抽样类分层抽样供分类目标字段数据平衡使用采样按比例随机抽样数据集合类集合差根据用户指定的数据文件和集合运算表达式进行2个集合的差运算集合交并根据用户指定的数据文件和集合运算表达式进行多个集合间的交，并运算。更新类Update组件更新，类似数据库UpdateInsertupdate组件增量更新，类似数据库Insertupdate其他类数据集分割根据比例将数据分割为训练集和测试集两个数据清洗类-数据类型检查根据元数据中各个字段的数据类型，对输入文件逐条记录地检查每个字段的数据是否与元数据中的类型相符合，支持多种日期类型。对发现不满足数据类型的记录，应用异常数据处理规则。并在有效性验证后提供一个验证报告，包括丢弃了多少数据、对数据进行了什么处理等信息。参数说明输入文件设置输入文件的地址及文件名输出文件设置输出文件的地址及文件名另存路径设置异常数据文件的地址和文件名numOfmap设置Map个数numOfreduce设置Reduce个数转换类-caseWhen根据用户输入的条件，将指定字段的值进行转换，类似SQL的casewhen。用户指定转换的字段与转换规则。支持对多字段进行转换，支持对某个字段多个转换规则，支持default规则。可以配置转换生成列的元数据信息。参数说明输入文件设置输入文件的地址及文件名输出文件设置输出文件的地址及文件名生成字段名设置要生成字段的名字字段类型设置要生成字段的类型条件表达式当条件表达式为真时，执行替换表达式替换表达式设置替换表达式numOfmap设置Map个数numOfreduce设置Reduce个数1

并行分类算法Classifiers4MR分类功能应以用户提供的历史消费清单作为训练数据，这些数据中有一个属性作为分

类属性，且每条记录已标明分类属性的值。分类算法应提供两方面基本功能：

（1）

学习分类模型：从训练集数据中发现潜在的分类模型，并以特定方式表达

（2）

预测：对用户新提供的数据集，依据分类模型预测出所属类别并行分类算法包括：EmptyClassifier4M、C45决策树、CBC分类、CBR分类、K近邻、朴素贝叶斯、层次C45决策树、线性回归分类、神经网络算法。BC-PDM挖掘算法神经网络算法

把整个神经网络的神经元划分成不同层次，对同层次内的不同神经元进行并行参数计算，并通过统一调度和精度控制对神经元进行快速的并行化训练。训练完毕后，对于每一个输入，通过并行化神经网络快速地得到输出参数设置trainInputPath设置训练集在DFS上的路径testInputPath设置测试集在DFS上的路径predictInputPath设置预测测试集在DFS上的路径outputPath设置结果输出在DFS的路径numMapTasks设置Map的个数，一般取计算集群核个数的4倍numReduceTasks设置Reduce的个数，一般取计算集群核个数的2倍learningRate设置神经网络的学习率，默认为0.6moment设置神经网络的学习冲量，默认为0.9middleNum设置神经网络的中间层数目，默认为5middlePopulation设置神经网络的各个中间层上节点的数目，每一层的节点数用,隔开。比如有两个中间层，各有x个和y个节，则参数配置为x,ymin_success_ratio期望达到的最小成功率，默认为0.7index预测利用的属性，默认为出来目标属性外所有的整形和浮点型的属性TargetIndex要预测的目标属性，默认为最后一维modelPath训练中用来存储模型的路径，或者测试时要利用的模型文件的路径决策树算法结果展示2并行聚类算法Clusterers4MR

聚类算法应对用户提供的全体数据集，按照一定的聚类原则，自动聚成几簇。每个簇内的数据应具有很高的相似性。应提供的功能包括：（1）自动聚类：将数据集形成簇模型；（2）预测：依据形成的簇模型，对新数据判定所属的簇。并行聚类规则算法包括：k均值算法、Clara聚类算法、DBScan聚类算法。聚类算法结果展示PKmeas算法处理dm_call数据后结果3并行关联规则算法Associations4MR关联规则挖掘工具以选定的客户消费记录全集作为输入，分析消费记录中各消费项间依赖关系，产生规则描述各消费项之间同时出现的规律。关联规则算法包括：并行PApriori算法、并行PFPgrowth算法、并行PAwfits算、时序关联规则。时序关联规则挖掘算法主要可以用于发现交易序列中的频繁模式。因为交易序列具有时间性，因此各数据项集之间存在时间上的先后关系，“买A又买B的顾客往往还会买C”的规则转变成了“买A后又买B的顾客往往会接下来再买C”或者“买B后又买A的顾客往往会接下来再买C”，在时序关联规则算法中，这后两者是不同的两个关联规则。时序关联规则算法参数设置inputpath设置测试集在DFS上的输入路径，例如：pku/seqpat/inputoutputpath设置DFS上的结果输出路径，例如：pku/seqpat/outputsupport设置序列的支持度(%)，取值范围为：0–100，一般为20maxlength设置序列关联规则的最大长度，一般取值为6confidence设置规则的置信度(%)，若小于该阈值，则不保存该规则，否则保存到规则文件中。该阈值取值范围为0~100，一般取80maptasks设置Map的个数，一般取计算集群核个数的4倍reducetasks设置Reduce的个数，一般取计算集群核个数的2倍

preprocess设置预处理的输入路径，预处理的输出路径为inputpath,若路径为空值，则不进行预处理过程精确营销实例61PPT引用自广东移动《基于数据挖掘的数据业务精确营销》基于数据挖掘的数据业务精确营销

案例简介背景介绍案例介绍经验总结效益分析第一部分案例简介一、案例简介“彩信精品盒”产品设计及推广营销效率达到原来的2.83倍促进了客户增长，形成规模型彩信业务1“彩信生活杂志”产品设计及推广营销效率达到原来的2.71倍促进了客户增长，创建彩信业务新亮点2彩铃增量销售营销效率达到原来的2.95倍有效促进了客户数和收入的增长3WAP总站栏目推荐营销效率达到原来的3.56倍促进了WAP总站客户数量的增长4手机邮箱推广及沉默客户唤醒营销效率达到原来的3.29倍提升了业务使用率，扩大了客户规模5百宝箱手机游戏推广营销效率达到原来的2.29倍挖掘和培育了手机游戏业务的潜在市场6数据业务客户分群模型彩铃增量销售模型产品关联性分析模型彩信增量销售模型利用数据挖掘的精确营销概况

一、案例简介利用数据业务技术实施精确营销的5大关键步骤：

数据源分析

数据集闭环的、自适应的精确营销流程基于数据挖掘需求挖掘产品开发营销机会发现营销实施效果分析一、案例简介精确营销3大创新根据客户需求开发针对性产品深入发掘营销机会创建闭环的精确营销流程完成数据业务的客户分群，实现客户需求的方位洞察；建立产品关联库，为定位目标客户、实施向上销售/交叉销售、发掘优势渠道提供支撑；将精确营销的范围拓展到把产品开发。实现产品研发、持续优化、市场策略、整合营销等环节整合为一体化的流程运用数据挖掘技术发掘产品需求，实现了对客户需求的快速响应第二部分背景介绍部份精细化营销（现状）粗放式营销二、背景介绍与深度运营的要求仍有差距

数据业务种类多，但聚焦不够；对业务进行分析的维度较少；缺乏深度的主题分析；分析方法和工具不够成熟。全面精细化营销

“基于数据挖掘技术的精确营销”将逐步成为移动数据业务市场的主导营销策略。数据业务的营销发展6大分析纬度产品关联分析客户预警目标客户锁定业务特征分析提升数据业务运营水平二、背景介绍业务主题分析数据业务客户分群对此，我们提出“基于数据挖掘的精确营销”第三部分精确营销案例介绍三、精确营销案例介绍——部门分工省市联动，共建精确营销精确营销整体规划职责部门精确营销基础构建－－CRM数据业务客户分群、产品关联分析、彩信增量销售、彩铃增量销售模型建设省市场部、省数业中心、

省业务支撑中心、广州分公司精确营销实施－－产品设计与开发广州分公司精确营销实施－－营销执行与评估广州分公司、客户服务（广州）中心注：以下所有案例均以广州地区的数据为例。数据仓库效益

评估精确营销实施实施

方案方案

设计发现

机会利用数据挖掘构建精确营销基础

确定

目标数据

准备建立

模型模型

检验研究思路三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

数据分为7个类型，共833项：基本信息手机号码，手机品牌，手机型号，是否具备GPRS、彩信、KJAVA功能等承载信息是否使用点对点短信、点对点彩信、非点对点彩信、GPRS等承载方式渠道办理标签是否通过WEB/网上营业厅、WAP、短信等渠道办理业务业务标签是否使用点对点/梦网短信、彩铃、点对点/梦网彩信、手机报纸、手机邮箱等内容标签商务、生活、娱乐、游戏、资讯5大类内容，在这5大类中再进行划分，如，娱乐类再分为娱乐-交友、娱乐-聊天、娱乐-铃声等行业信息与餐馆酒楼、休闲娱乐、机关团体、金融行业、房地产等各个行业的接触信息数据业务

相对指标标识客户点对点短信上下行、点对点彩信上下行、WAP流量等的使用量及变化情况三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

CRM项目建立数据业务客户分群——数据说明数据来源：BOSS系统、经营分析系统、相关业务支撑系统CRM项目建立数据业务客户分群—数据挖掘的发现三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

全球通品牌的数据业务客户分群结果SS1、SS2、SS3，SS5，SS6是数据业务的活跃群；9个群的彩信渗透率、认知度均较低（认知度为通过补充调研获得），要提高彩信用量，需通过宣传提高客户彩信认知度，通过有吸引力的内容培养客户习惯。——SS5和SS6对手机邮箱的接受度较其他群高出许多，存在营销机会；各群均与餐馆酒楼、医疗、金融、房地产接触较多（SS1、SS3接触率最高），餐饮指南、健康保健、资讯等内容的业务存在营销机会手机彩票站业务在SS1、SS2、SS5和SS6群的渗透率较其他群高出2到3倍，存在销售机会。已运用于案例5－手机邮箱的沉默用户唤醒与推广已运用于案例2－彩信生活杂志的产品设计SS1:数据业务高空飞行者SS2:高价值数据业务客户SS3:高价值短信冷漠者SS4:中间价值短信冷漠者SS5:成长中的数据业务客户SS6:有下滑危险的数据业务客户SS7:节俭的本地短信依赖者SS8:低价值漫游客户SS9:数据业务冷漠客户动感地带的主要数据业务渗透率均高于全球通；ss1和ss3为主要的数据群，在提升渗透率和用量上具有更大潜力。游戏的整体渗透率较低，比较而言,ss2和ss3的的游戏渗透率明显高于其他群SS1和SS3月均短信条数超过300条，但20元短信套餐比例仅占30％，可向10元短信套餐推荐20元短信套餐从梦网彩信的内容来看，图铃类及节日祝福类彩信是客户最感兴趣的点对点彩信的总体渗透率较高。其中，以ss1、ss3的渗透率颇高，但大部分彩信使用次数很低；ss8群的平均用量很高CRM项目建立数据业务客户分群—数据挖掘的发现动感地带品牌的数据业务客户分群结果三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

已运用于案例1－彩信精品盒产品设计和推广已运用于案例6－手机游戏推广SS1:本地数据业务爱好者SS2:中间价值短信客户SS3:成长最多的数据业务客户SS4:彩铃业务偏好客户SS5:语音偏好客户SS6:高值漫游语音客户SS7:低值漫游语音客户SS8:数据业务低价值客户目标业务彩信、彩铃、点对点短信、手机邮箱、手机游戏、手机报纸、WAP娱乐、WAP新闻……三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

数据业务的目标客户定位产品关联性分析模型说明：LIFT使用业务一的人群中有使用业务二的人数的百分比相对整个分析用户群中使用业务二的人数的百分比所提升的倍数。分析纬度承载与业务业务与业务客户个人信息与业务数据业务与语音行为

模型对客户进行打分，分值越高，成为彩信用户的倾向性越大。三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

数据业务的目标客户定位彩信增量销售模型该模型采用了分类预测类模型中的逻辑回归，分析客户历史消费数据，发掘彩信客户群的群体特征和消费规律，运用这些特征和规律来预测潜在的彩信客户。在模型选取的458个数据项中，共有61项最终成为彩信使用倾向性的打分依据，最关键的数据项列举如下：当月数据业务使用类型数当月短信对方号码使用彩信客户数半年内是否使用过彩信当月网内主叫时长占比当月日间通话次数占比是否使用GPRS套餐

数据业务的目标客户定位三、精确营销案例介绍

——利用数据挖掘构建精确营销基础

彩铃增量销售模型（分类预测模型，与彩信增量原理类似）在模型选取的296个数据项中，共有68项最终成为彩铃使用倾向性的打分依据，最关键的数据项列举如下：三个月平均声讯台业务使用次数、三个月平均音信户动业务使用次数、三个月平均语音普通业务使用次数、三个月平均梦网彩信业务使用次数、三个月平均网内主叫通话关联号码开通彩铃数、三个月平均日间网内被叫普通通话次数

数据仓库利用数据挖掘构建精确营销基础

精确营销实施三、精确营销案例介绍——精确营销实施确定

目标数据

准备建立

模型模型

检验效益

评估实施

方案方案

设计发现

机会研究思路案例1：彩信精品盒，精彩尽在掌握产品及营销创新

率先推出定制型的祝福、图铃类业务——“彩信精品盒”把客户“主动下载”的模式变为“自然定时接收”；为客户搭建一个简便有效的产品获取渠道；能提醒和促进客户转发祝福彩信。动漫、图铃是客户最感兴趣的彩信内容。彩信的渗透率和认知度低，尚未形成一定规模效应。从CRM项目挖掘潜在需求信息，并据此制定产品开发策略：打造以动漫图铃为主要内容的精品彩信产品，结合体验式营销提高彩信渗透率三、精确营销案例介绍——精确营销实施产品开发需求挖掘目标客户定位营销实施效益分析发现创意产生产品概念形成目标客户四大品牌客户；年龄介于18－40岁之间，追求时尚，有祝福、图铃类彩信的需求。业务简介彩信精品盒，为您及时放送精挑细选的各大节日祝福彩信让彩信贺卡随手拈来，转发祝福轻松便捷！精美月历、热门铃声、动态屏保、待机彩图等，轮流装扮你的手机，常换常新！让你的个性更张扬！资费、频次包月定制，1元/月（首次订阅客户3天免费试用期）每月发送5－8条彩信定制方式（1）短信（2）互联网（3）WAP三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘根据客户对彩信内容的偏好，设计了“彩信精品盒”：案例1：彩信精品盒，精彩尽在掌握产品及营销创新对目标客户实施精确营销：

体验式营销――发送彩信内容，供目标客户免费体验业务；

整合营销传播――各渠道（自有渠道、社会渠道、媒介传播）同步强力宣传，形成一个立体的营销体系。三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘联系客户数销售数成功销售率目标客户组12423287323.12%随机客户组19401598.18%正式推广前，进行营销效果检验：成功销售率为之前的2.83倍（检验时间：xxxx年3月6日—15日）案例1：彩信精品盒，精彩尽在掌握产品及营销创新

目标客户定位目标客户定位：从彩信增量销售模型提取出彩信使用倾向性高的客户，该营销活动的目标客户：三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘在确保营销效率后，从2xxx年3月中旬起，对目标客户大规模推广“彩信精品盒”，3月至7月该业务客户数发展情况如下：案例1：彩信精品盒，精彩尽在掌握产品及营销创新

302010客户数（万)0.323.189.4518.2325.7903月04月05月06月07月案例2：彩信生活杂志，速递时尚资讯产品及营销创新

全球通客户经常接触餐馆酒楼、医疗机构、金融等行业，相关内容的业务存在营销机会；从CRM项目挖掘客户潜在需求，并据此制定产品开发策略：以彩信为载体，从“衣食住行”等最根本的需求出发，为客户提供传递广州本地最新最潮的综合资讯，让客户享受彩信生活的便利和丰富多彩。根据调研分析中客户感兴趣的资讯类别，“彩信生活杂志”设立七大主题，将产品打造成为一个跟客户生活息息相关的综合类资讯业务。三、精确营销案例介绍——精确营销实施产品开发需求挖掘目标客户定位营销实施效益分析发现创意产生产品概念形成业务简介

“彩信生活杂志”为时尚一族打造的彩信生活宝典，网罗新闻评论、旅游指南、娱乐八卦、美食天地、健康指南、影视资讯、时尚快报等最新最热的流行资讯，日日新鲜！用彩信引领最时尚的生活体验，天天精彩，丰富超值！资费、频次包月定制，10元/月（首次订阅客户3天免费试用期）每天1条彩信。定制方法

（1）短信（2）互联网（3）WAP三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘根据客户对饮食、健康、新闻等方面的需求，设计了“彩信生活杂志”：案例2：彩信生活杂志，速递时尚资讯产品及营销创新

目标客户定位：根据产品关联性分析模型的分析结果，确定“彩信生活杂志”的目标客户为尚未定制该业务的WAP总站活跃客户：三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘5.67倍案例2：彩信生活杂志，速递时尚资讯产品及营销创新

产品关联性分析模型发现：WAP总站客户中订购彩信生活杂志的客户比例，是普通客户的5.67倍WAP总站客户使用彩信生活杂志的概率所有客户定购彩信生活杂志的概率对目标客户实施精确营销：通过宣传预热和媒介传播，各渠道的同步强力宣传结合品牌营销。大规模推广之前，进行营销效果检验：成功销售率为之前的2.71倍三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘联系客户数销售数成功销售率目标客户69%随机客户组23151255.42%（检验时间：xxxx年2月15日—24日）案例2：彩信生活杂志，速递时尚资讯产品及营销创新

三、精确营销案例介绍——精确营销实施产品开发目标客户定位营销实施效益分析需求挖掘在确保营销效率后，从xxxx年3月起，对目标客户大规模推广“彩信生活杂志”，2月至7月该业务客户数发展情况如下：案例2：彩信生活杂志，速递时尚资讯产品及营销创新

20155客户数（万)0.252.785.429.0313.0503月04月05月06月07月02月1018.74案例3：彩铃增量销售

利用彩铃增量销售模型结果，对彩信高倾向性的客户实施营销推广三、精确营销案例介绍——精确营销实施联系客户数销售数成功销售率目标客户76%随机客户组158720312.79%大规模推广之前，进行营销效果检验：成功销售率达到之前的2.95倍（检验时间：xxxx年1月5日—17日）在确保营销效率后，从2月起实施大规模彩铃增量销售，2月－7月用户数发展情况如下：500400200客户数（万)26728132637441303月04月05月06月07月02月300423100案例4：WAP总站栏目推荐

三、精确营销案例介绍——精确营销实施目标客户定位：根据产品关联性分析模型的分析结果，确定“WAP总站音乐频道”的目标客户为3个月内曾购买彩铃歌曲的客户：产品关联性分析模型发现：曾购买彩信歌曲的客户中访问音乐频道的比例，是普图客户中的2.84倍联系客户数登陆客户数成功推荐率目标客户组1923753387717.61%随机客户组34791724.95%大规模推广之前，进行营销效果检验：成功销售率达到之前的3.56倍已从3月开始实施例行栏目推荐，有效促进了WAP总站客户的增长。（检验时间：xxxx年2月20日—24日）产品关联性分析模型发现：梦网新闻天气客户中使用手机邮箱的比例是普通用户的5.83倍。确定目标客户为新闻天气客户中尚未使用手机邮箱的客户。案例5：手机邮箱推广及沉默客户唤醒三、精确营销案例介绍——精确营销实施CRM数据业务客户分群发现：全球通群5、6、2：渗透率和使用比例较高——存在手机邮箱需求，存在营销机会全球通群3、4：定购率高，使用客户较少——需激活沉默用户，否则客户有流失危险针对数据挖掘的两大发现，分别制定针对性的营销策略策略一：唤醒沉默用户，培养使用习惯

——针对CRM全球通群3和群4中的沉默客户三、精确营销案例介绍——精确营销实施策略一联系客户数销售数成功销售率目标客户组86391194

13.82%随机