运营商行业常见算法和模型应用.docVIP

运营商作为少有的天然大数据企业之一，拥有海量的、多维的用户数据，也是较早运用数据指导运营的企业，建立了较为完善的业务指标体系和系统平台，包括经分系统、数据业务平台、集团业务平台等，当然，也部署了大量的数据模型。随着精细化运营、精准营销的发展，运营商越来越关注模型的构建，希望通过模型精确识别客户、匹配营销策略、个性化推荐内容等，实现基于数据的决策。 1、运营商常用模型分类? ???????从在运营商从事咨询的经验来说，运营商常用的数据模型可以分为五类：预测模型、分类模型、关联模型、交往圈模型及业务规则模型。 1.1、预测模型 ???????预测模型主要用于指标的预测、趋势的预测，如新增客户、流量等的预测，主要使用线性回归、ARIMA、时间序列等算法，预测数值是为了对往后的趋势进行准确把握，及时调整市场和产品策略，当然也能更好的完成KPI指标。 ???????指标预测模型：1）新增用户占比预测；2）流量增长预测。 1.2、分类模型 ???????分类模型主要用于客户细分和目标客户识别，如用户是否离网、用户是否有购买手机的倾向等，主要使用聚类、决策树、RFM、逻辑回归、决策树和神经网络等算法，分类模型是使用得最为广泛的模型，是实现精准营销的基础。 ??????潜在商机客户识别模型：1）潜在4G终端客户识别模型，通过客户消费、通信及终端信息等，识别高换机概率客户；2）潜在宽带客户识别模型