通信行业浙江移动精细营销客户预测专题介绍（飞信篇）.pptx

浙江公司信息技术部信息管理室;内容;精细营销对于客户预测的要求;内容;日常营销客户定位存在的问题;日常营销客户定位存在的问题;日常营销客户定位存在的问题;内容;客户预测专题建设目标;一、 数据挖掘技术;一、数据挖掘技术;;数据仓库; 数据挖掘对于数据的组织形式有特定的要求，以往以月为单位的历史信息存储无法满足深度挖掘的需要，需要转化成月均＋宽表的形式，可以极大提升数据挖掘数据准备的效率;二、系统架构－数据挖掘专用数据层;三、构建典型新业务模型;;;; 我们认为假如用户最近定购过新业务类或梦网类产品，或者近2年定购的次数比较多，则用户继续定购新业务产品（比如飞信）的可能性会比较高，因此纳入以下变量：; 我们认为年龄、品牌、交往圈及终端等自然属性是影响用户成为飞信用户的关键因素; 用户使用移动通信语音、短信、彩信、GPRS等服务产生的业务量及收入也作为可能的影响因子纳入进来。 为了降低短时间内异常消费行为的影响，比如促销，所有的消费行为数据都以近2年的月均消费为基准。; 共规整收集150个变量，采用后向、逐步回归方法，逐步淘汰不相 关变量，最终选择稳定的排名前20的变量作为飞信影响因素(模型输入变量);实际模型： logit=log(p/(1-p))＝ 2.1878 （p代表成为飞信用户的概率） +0.1427*TRADEMARK （品牌） +0.3098*is_trademark4 （是否动感地带） -0.4207*is_age32 （年龄是否小于32） -1.2125*is_sphere3_1_11 （交往圈是否小于11） -1.3080*is_sphere3_12_15 （交往圈是否在12与15之间） -1.2624*is_sphere3_16_19 （交往圈是否在16与19之间） -1.0657*is_sphere3_20 （交往圈是否大于20） +0.4971*IS_FEIXIN_TERM （是否飞信终端） +0.000134*N_MU_L_DATE_logi （最近定购的音乐产品间隔 log倒数） +0.0471*CMWAP_COUNTS_sqrt （CMWAP上网次数 sqrt平方根） -2.0817*N_APPLY_2_COUNTS （近两年月均产品定购次数） -1.6197*N_APPLY_2_COUNTS_cos （近两年月均产品定购次数 cos） +0.7396*N_GPRS_L_DATE7 （近7个月内是否定购过gprs产品） +0.1916*N_GPRS_L_DATE_sin （最近定购的GPRS产品间隔 sin） -0.00005*N_MU_L_C_cui （近两年月均音乐产品定购次数 立方的倒数） +0.5477*N_GPRS_APPLY_COUNTS114 （近两年月均GPRS产品定购次数） +0.000089*N_PAPER_L_DATE_logi （最近定购的手机报产品间隔 log倒数） +1.0152*N_PAPER_I_A_C_sqrt （近两年月均手机报定购次数 平方根） +2.6438*N_MAIL_APPLY_COUNTS_sqrt （近两年月均手机邮箱定购次数 平方根） +0.3913*N_SMS_A_L_D5 （最近是否定购过短信产品） -0.0558*N_B_A_L_D_curt （最近定购的商务类产品间隔 curt） -0.00002*N_A_L_D_logi （最近定购产品的间隔 log倒数） -0.00003*VPMN_C_D_logi （最近定购vpmn产品的间隔 log倒数） -0.00003*NISMG_A_L_D_sini （最近定购梦网产品的间隔 sin倒数） -0.00015*N_ADD_A_C_cui （近两年月均语音增值产品次数 立方的倒数） +0.0292*SMS_MO_COUNTS_sqrt （近两年月均短信发送次数 平方根） +0.00343*GPRS_