基于用户上网行为标签的精确营销--以江苏移动为例.docVIP

一、项目背景 用户上网偏好标签、搜索偏好标签、用户位置信息等是网络O域数据资产，也是业界公认的最有价值的运营商大数据，如何基于网络大数据实现在金融保险、互联网、零售广告等行业的价值变现当前的热点。 通过用户上网行为分析用户行为标签，研究不同场景下用户都有哪些不同的业务偏好，进而做到业务的精准定向推广，更进一步可实现用户的移动互联网行为的变现，充分挖掘网络大数据的附加价值。 二、技术方案详细介绍 一）数据基础：根据信令数据、经分数据、网络数据、终端数据，分析用户上网行为标签 信令数据包括：4G流量、驻留时长；TOP大类业务、TOP小类业务、访问次数；常驻小区等数据 经分数据包括：ARPU值、套餐类型、用户在网时长、终端在网时长；通话时长、通话次数、驻留比；是否换机时刻等 网络数据包括：小区类型、覆盖场景；网络覆盖等 终端数据包括：终端类型、品牌、型号；操作系统、WIFI支持等。 二）分析方法 1）明确用户标签维度 用户标签维度分为业务标签、流量标签、偏好标签、时间标签、换机标签、位置标签、满意度标签等七大类标签，在实际应用中可选取一种或多种，同时标签维度不局限在这七类，可根据实际需求进行拓展。 每个维度的标签可根据实际需求进行子维度拓展，如偏好标签，可根据用户具体偏好细分为旅游爱好者、出行一族、音乐爱好者、视频爱好者等多种标签。 2）单用户标签分析和定义 单用户标签定义如下表，根据网管、经分、信令数据，结合指标定义分析单用户行为标签，单用户可打上多个标签。 类别 标签 规则(根据全月数据判断) 举例 业务标签 高价值用户 ARPU100 高价值用户 流量用户 1、通话次数=0 and 全月三网流量02、通话次数10次 and 全月三网流量100M 流量用户 话音用户 1、全月三网流量=0 and 通话次数02、全月三网流量10M and 通话次数10次 话音用户 流量标签 2/3G高流量用户 用户2G流量+用户3G流量200M 2/3G高流量用户 4G高流量用户 用户4G流量1G 4G高流量用户 4G零流量用户 终端为4G终端 and 开通4G业务 and 用户4G流量=0 4G零流量用户 4G高驻留比用户 4G手机流量驻留比95% 4G高驻留比用户 4G低驻留比用户 4G手机流量驻留比70% 4G低驻留比用户 偏好标签 【业务大类】控 业务大类：流量第一 or 访问次数第一 or 驻留时长第一可得出1-3个标签值 视频控、游戏控 【业务小类】爱好者 业务小类：流量50M 或者 访问次数30次 or 驻留时长15小时 微信爱好者 时间标签 夜猫子 23：00--8：00的流量占全月总流量比例30% 夜猫子 换机标签 苹果控 操作系统为苹果 苹果控 安卓控 操作系统为andrion 安卓控 换机时刻 是否换机时刻=是 and LTE是否覆盖=是 and 非4G终端 and 是否2/3G高流量用户=是 换机时刻 满意度标签 投诉用户 投诉次数0 投诉用户 【投诉类型】投诉用户 某一类型的投诉=2次 and 占所有投诉类型比例最高 覆盖投诉用户 【乐观友好】型 取满意度报表的【用户类型】字段值 乐观友好型 位置标签 地铁用户 常驻小区的覆盖场景判断：地铁小区个数2个 地铁用户 爱逛街用户 常驻小区的覆盖场景判断：周末商圈小区2个 爱逛街用户 3）用户标签聚类 汇总全网用户数据，按标签类别提供该类标签全网用户查询和筛选； 根据用户标签进行用户兴趣识别，根据用户兴趣内容进行业务匹配和营销推荐。相关应用举例如下： 金融业应用：识别银行APP客户端，跟踪客户的分布，流向，提供行业APP对比数据，流失去向追踪等； 保险业应用：根据用户的位置标签，判断用户出行行为，对于长途和高速等交通风险系数较高的用户，适当提高其车险金额，对于市区交通风险系数较低用户，适当给与车险优惠。 4）关键字搜索 可根据网管、经分、信令数据，结合指标定义分析单用户行为标签，可根据标签类别提供该类标签全网用户查询和筛选，并根据用户标签进行用户兴趣识别，根据用户兴趣内容进行业务匹配和营销推荐，可联合业务部门开展相关标签数据开展拓展或变现应用。 三、创新点 1、与传统网络数据作用局限于运营商内部网络优化和市场营销相比，本最佳实践拓展了网络大数据的应用，发挥网络大数据的价值和生命力。 2、与资讯公司或其他外部大数据变现厂家相比，本最佳实践所采用的方法和数据具备数据规模大、准确度高、数据全面三大特征。 1）数据规模大：数据体量涵盖移动上网用户，且数据覆盖范围精确到小区级位置数据，可以定位到建筑物级别微区域，可以进行商圈、农村等小颗粒场景分析。 2）准确度高：采集网络与终端用户相关的行为信息，准确反映用户行为状态