4用户行为挖掘分析助力用户维系剖析.docx

用户行为挖掘分析助力用户维系姓名：杨岚所在部门：客户服务调度中心联系电话要：本项目是数据挖掘应用的一个典型案例，综合IPOSS、综调、计费话单、省客服系统、ASSIA等多数据源进行数据抽取、处理 、整合和计算，进行用户相关行为和信息的深度挖掘。分析流失宽带用户的聚类特征，寻找售中售后服务中需要重点管控的因素，指引后端制定考核指标的方向；建立流失预警体系，发现具有流失可能性的单个用户，在综调系统中设立标志，在售中售后环节重点管控，同时为前端用户维系提供参考依据。本系统利用数据挖掘实现降本增效，将数据资源转化为商业效益。关键字：用户行为分析　用户流失预警 多数据源整合 一、背景维护一个老客户的成本是争取一个新客户的成本的1/5，客户流失率降低5％，其利润就能增加25％-85％，电信企业在做好新用户发展的同时也应该重视老用户的维系，做好客户维系是为企业节约成本、增加利润的重要举措。前后端的各个系统存在大量与网络质量、服务质量、用户行为相关的信息，但是各自形成数据孤岛，缺少整合利用，应该将这些信息利用起来，通过数据挖掘手段分析可能导致离网的原因，有针对性的提高网络质量、制定服务规范，预测用户离网倾向。二、解决思路本项目围绕如何利用现有的各类服务和数据资源降低客户流失率、挖掘潜在提升需求展开。经过到前端部门调研走访，发现宽带用户在电信收入中占比较高，但每月都有一定量的用户流失，2013年1-5月宽带收入占无锡电信总收入30.8%，离网率为0.77%。因此我们确定将本次分析的目标用户锁定宽带用户。敲定项目的重点：以减少宽带用户流失为导向，提升售中售后客户服务；发现可能有离网倾向的用户，在服务环节重点关注。三、解决方法1、数据准备整合前后端的多个数据源，经过数据抽取、数据处理、数据整合建立信息宽表和关键数据集，形成数据挖掘分析的基础：2、宽带流失用户分析（1）利用逻辑树的分析方法，先确定分析的大方向（根节点）（2）Who?--流失用户主要是哪些类型 利用矩阵关联分析法，将用户等级从低到高分为1-18个级别作为属性1（横轴），各等级的各种速率作为属性2(纵轴），流失率作为属性3（气泡大小），绘制气泡图。因为考虑用户基数小的存在波动，仅选取各种速率的公众类用户基数1000，各种速率聚类和行业用户基数500的进行统计：气泡图中面积最大的表示流失率最高,红圈中分布的用户也是需要重点关注的，也就是以下三种用户的流失应该重点关注：（3）Why?--售中售后哪些因素可能导致用户流失通过静态对比分析法，发现流失用户劣于在网宽带用户的服务指标有以下几项：重复报障率、掉线和网速慢申告率、催修率、修障超24小时率、催装率、修障平均历时、激烈反馈比例（即工单处理过程中有过用户态度激烈的比例）、线路质量不稳定比例、回访不满意比例和投诉率。装机类指标中仅催装率有影响，其他均为修障或服务类指标。分析5月流失用户的9842个样本中，前3个月内有过故障申告的有3075个，而有过装移机类服务的仅298个，所以装机类服务影响较小。对全市各个区域的流失率和各类影响因素进行相关性分析，相关性越高，说明对流失率的影响度越大。相关性=CORREL(流失率,因素)经计算相关性最高的TOP3是线路质量不稳定0.9，投诉0.7和催装催修率0.69。分析各类现象的内在两两相关性，找出需要重点管控的指标：线路质量不稳定和3项强相关回访不满意和4项强相关催装催修率和2项强相关（4）Where?--用户流失是否存在地域差异利用矩阵关联分析法，将每个班组的装维服务指标得分和所辖区域的流失量作为两个属性进行交叉分类分析，结果显示如下图：随着装维服务得分的升高，流失量呈线性下降趋势我们针对无锡7个区域计算以下两项进行相关性分析: 装维可能流失率=近3月有过装维服务的流失用户/该区域宽带用户数 装维高分比例=装维评估得分超过100分的班组数/该区域班组数 相关性=CORREL(装维可能流失率，装维高分比例) =-0.73 验证了装维得分和流失率存在强负相关性（5）How?--用户流失前是否有异常行为我们采集用户流失前3个月每天的平均流量如下图蓝色线，绘制20日移动平均回归趋势线进行平滑处理，如下图红色线，可以看到随着距拆机日期的临近，流量有显著下降趋势：图中的移动平均趋势线在距拆机38-31天的时候有个显著的下降幅度，之前和之后的趋势都相对平稳，我们可以采集这个幅度，作为今后判断流量下降，用户可能流失的依据。利用动态比较分析法，对20日移动平均值再进行前10日移动平均降幅计算，降幅连续6天1.4%3、预测建模（1）确定各项因素的权重利用目标优化矩阵表分析权重（两两比较的权重由网络部、市场部、服管部、客调中心、客维中心的多名专家根据之前分析的各种现象的影响度和实际生产经验进行投票产