数据挖掘在电信的应用.pptVIP

数据挖掘在电信行业应用 数据挖掘在电信行业实施体系结构 先不考虑循环往复的探索和调优过程，直接顺序考察各个环节 业务应用 案例分析 全网客户细分 框架式细分 案例分析 高端客户细分 竞争对手细分 定义：目前竞争对手的存量用户，通过过网话单对这竞争对手用户进行 详尽分析。 关注点：细分是策反的基础，关注竞争对手的消费倾向，并根据用户的 预估价值和可挖掘度进行策反。 建模周期：每月建立竞争对手用户细分模型，或根据策反要求，不定期 建立模型 建模方法： 通过河南、河北、新疆等省的数据调研，发现全国竞争对手高端用户的行为非常类似，参考其他省已有模型的价值很大 对少量的竞争对手高端用户进行测试回访，并详细记录响应数据 对竞争对手用户的最近3-5个月的过网话单详尽分析，使用聚类、决策树、神经网络、回归、关联分析等挖掘算法区别细分群体，并把用户群体的行为和本网套餐产品相关联，为竞争对手策反做好准备。 竞争对手细分 竞争对手细分 二次营销 二次营销概念 二次营销 二次营销－使用的方法 1、聚类 首先进行客户细分，然后使用聚类的方法把产品的信息和客户分析得到客户分组结合起来分析。提高推广有效性，降低投诉率。 2、预测模型 通过使用回归模型、决策数模型来区分买与不买用户的区别，某类用户购买的可能性。 3、关联性分析 通过关联性分析进行对新用户的市场拓展和市场渗透。 二次营销－使用的方法 案例－某省份联通公司进行UNI推广 使用方式： 为了正确对比数据结果，此次测试采用测试数据与普通数据同时进行电销的方式来进行对比。将普通数据与测试数据进行混合，再由话务员随机提取数据，避免由于电销过程中各方面因素（如话务员沟通水平差距、电销测试时间不同等）造成的测试结果偏差，保证了测试结果的科学性。 二次营销的新机会 全新的合并企业 更完整的数据仓库 新的渠道 更理想的产品组合 维系挽留的应用 套餐推荐在维系挽留的应用 维系挽留的应用 星级客户的日常维系 星级客户评定规则 星级客户日常维系 * 确定商业目标 ETL 建立模型 数据收集、管理 数据探索、修改 业务理解Business Understanding 数据理解Data Understanding 数据准备DataPreparation 建立模型Modeling 模型评估 Evaluation 模型调优 应用策略 客户大出大进 发展 成熟 提升 衰退 渠道分析 客户生命周期 流失 追缴欠费 流失预警 重入网分析 大客户策反 产品评估 客户价值分析 交叉销售 客户信用评估 升级销售分析 维系 价值衰退分析 欠费分析 挽留分析 流失分析 4p理论 4p＋4c理论 营 销 问 题 营 销 机 会 客户细分 定义：所有的个人用户，不包括集团用户、测试卡用户、公免用户、员工卡、欠费不停机客户等特殊用户群体 关注点：全网用户的消费倾向和群体变化，评估套餐与用户群体间的覆盖关系，调整积分、赠送、优惠、协议等市场策略和其他市场营销活动，保证全网用户的健康发展。 建模周期：每月建立全网用户细分模型 建模方法：对全网用户的最近3-5个月的客户、用户、资费、帐务、行为、服务详尽分析，使用聚类、决策树、神经网络、回归、关联分析等挖掘算法区别细分群体，并把用户群体和套餐产品相关联，针对不同用户，匹配和调整合适的主套餐及附加套餐。 从宏观入手，逐步向微观细化分类，将整个客户细分有层次有框架地进行； 本次客户细分，为框架式细分，旨在为运营商的客户关系管理工作提供较为通用的细分参考； 针对特定管理主题的细分可以在此框架式细分的基础上调整和扩展。 价值 风险 客户生命期 发展趋势 套餐/承诺 呼叫行为特征 宏观分类 微观分类 定义：客服部或者大客户部界定的需要进行一对一维系的高端用户，一般 来讲，高端用户不包含新用户。 关注点：全面关注高端用户的消费倾向和流失风险状况，考虑合适的维 系、挽留和价值提升政策。 建模周期：每月建立高端用户细分模型 建模方法：对高端用户历史5-8个月的客户、用户、资费、帐务、行为、服务详尽分析，使用聚类、决策树、神经网络、回归、关联分析等挖掘算法区别细分群体，预测用户流失和价值消退风险，做到未雨绸缪。 综合考虑欠费流失风险、非欠费流失风险、部分流失风险 综合流失风险 区分成长型、消退型、稳定型和波动型的用户，把握用户群体变化规律 发展趋势 分析用户的呼叫行为，包括本地/长途