移动用户相关行为特征的分析与研究.doc

成果上报申请书 成果名称 移动用户相关行为特征的分析与研究 成果申报单位 成果承担部门 /分公司 项目负责人姓名 成果专业类别* 支撑网 成果研究类别* 其他类 省内评审结果* 通过 关键词索引（3～5个） BASS，行为模型，决策树，渠道 应用投资 产品版权归属单位 对企业现有标准规范的符合度： 成果简介： 本项目在明确、统一相关数据来源及口径的基础上，结合上海移动不同品牌、不同地域、不同时段的用户使用行为以及用户业务使用偏好，消费能力、交往圈等，进行定性定量的分析，建立移动用户特征行为模型。通过大量业务数据的训练，对决定用户职业，内容喜好、接触渠道偏好，活动场所等方面的关键因素予以确认，建立用户行为数据源的采集及清洗系统，定期（每月）采集目标用户的各类业务数据，通过模型精确捕捉符合不同营销活动所需的用户群体。目的是根据用户使用通信产品的特征，研究对市场精确营销以及用户服务工作有参考价值的分析方法及相关参数的研究，提供指导性的建议。 省内试运行效果： 目前对个体客户的行为特征缺少准确细致的勾画，本科研项目着力于通过数据挖掘的技术，运用主成因分析，从个体客户的职业定位，内容喜好，渠道偏好等分析角度，对客户进行分群，较为深入地探究用户内在特性与规律。基于此用户行为业务模型，使营销活动的开展能有更为精细准确的目标用户群，起到降低营销成本；提高营销成功率的效益目标。从项目试运行的三个模型来看，目前应用效果良好。 文章主体： 移动用户相关行为特征的分析与研究 背景情况 随着移动通信市场的不断发展，上海公司手机用户饱和度高，对片区精细营销提出更高的要求。 从公司，从市场，从业务支撑系统本身，都提出了需要加大对客户信息分析挖掘的需求。包括加强对海量客户信息数据的收集整理，还有深入的分析挖掘。希望能够从客户的海量信息中，提炼出对我们真正有价值的客户特征。用于我们更清晰的了解客户，了解市场。也便于我们更好的进行精细化的运营和精细化的营销工作。 2008年在加强经分应用研究方面，提出了珍惜数据资产，深入客户行为和应用数据模型研究的工作目标。而目前对个体客户的行为特征缺少准确细致的勾画，本科研项目着力于通过数据挖掘的技术，运用主成因分析，从个体客户的职业定位，业务使用喜好，渠道接触偏好等角度，对客户进行分群，较为深入地探究用户内在特性与规律，沉淀客户洞察知识，以“客户为中心”匹配信息产品。基于此用户行为业务模型，使营销活动的开展能有更为精细准确的目标用户群，起到降低营销成本；提高营销成功率的效益目标。 技术方案 用户特征信息特性 随着手机已经深入我们的日常生活之中，每一个客户在他的日常生活行为中，都会隐隐约约的将他的很多生活特征和习惯融入其中。不管客户是经意的还是不经意的，这样的信息流入都是必然存在的。 作为电信运营公司，经营分析数据仓库中，所掌握的虽然仅仅是客户的通信行为信息，但通过对其中的深入挖掘，通过分析这个信息痕迹，经过提炼就能够得到这些通信信息背后的客户的生活习惯和行为特征。 层次化特征信息结构 用户的特征信息需要我们在海量的数据中加以总结和归纳，分层次分角度地去不断认识客户： 从客户特征信息从易到难的获取程度来说，可以分为5个层次，分别为用户的自然属性，客户的消费行为，消费行为所衍生出来的信息，客户的知识信息，以及营销推荐的直接结论。 从结果上来说，前3种客户特征信息是显形的知识，而后2种是客户的隐形知识。从了解客户行为，到了解客户习惯特征的过程中，也是从简到繁，从容易到复杂的。 在确立了客户行为特征研究目标以后，就需要解决： 如何从经营分析系统中，海量的客户信息数据中，提取以用户为中心，从用户特征角度将系统可能有的数据归类整理，输出用户特征属性 根据总结和归纳，我们在本次项目中确定了以下二项提炼用户特征知识的方法论：显性知识与隐性知识的提炼，分别采取“业务经验模型”和“挖掘模型”来进行提炼。 3. 显性特征方法和隐性特征方法 a. 显性知识的提炼方法 通过“业务经验模型”实现的内容 根据知识点需要，分析与知识点与其相关的业务的关键因素，通过配置不同的业务分支与权重建立业务经验模型。然后根据经分系统中的海量信息为基础，将用户已经明显表现出来的行为，通过业务经验判定逻辑，得到的客户知识特征。这类特征我们称之为显性的。 b. 隐性知识的提炼方法 通过“挖掘模型”实现的内容 以知识点结果为目标，通过挖掘工具分析出影响用户行为的关键因素，将已经得出的显性用户知识作为模型训练的数据基础，通过不断调优模型来确定关键因素信息与用户行为之间的潜在关联关系。用确定的准确的模型对尚未表现出直观行为的客户进行规则打分及群体归类，以此方法得到的客户特征我们称之为隐性的。 c. 整体认识客户的过程：显性知识+隐性知识 客户的行为是复杂多样