《运营商数据挖掘项目汇报_新增用户维系课件》由会员分享，可在线阅读，更多相关《运营商数据挖掘项目汇报_新增用户维系课件（37页珍藏版）》请在金锄头文库上搜索。
1、,某运营商数据挖掘项目汇报_新增用,户维系,2010年3月,系,新增用户维系基本流程 建立新增用户维系闭环管理体系，准确分群，分级预警，制定针对性的维系策略和 方案并实施，实现新增用户保有。,新增用户分群 1、新增用户分群： 渠道养卡 重入网与反复重入网 用户 正常低网龄用户细分 根据正常低网龄用户 偏好进行细分,异动预警监控 1、采用生存分析法， 对有流失倾向的用 户进行提前预警， 并可根据用户流失 概率的高低划定预 警级别 流失高危用户群 在网异动用户群 正常用户群,维系策略及方案 1、维系策略方案生成 渠道养卡监管措施 重入网与反复用户 管控措施 正常低网龄用户维 系措施 2、维系方案实
2、施 营销案实施流程 维系渠道,维系效果评估 1、维系情况反馈 2、目标达成情况 3、维系效果评估： 渠道养卡识别及监 管 重入网与反复重入 网 正常低网龄用户维, 维系方式 -2-,新增用户维系,渠道养卡识别与监控, 重入网与反复重入网管理 正常低网龄用户维系 -3-,p,p,p,p,p,p,柳州渠道养卡行为特征及监控思路建议 通过研究发现柳州渠道养卡行为特征及监控思路建议 如下：,柳州渠道养卡行为特征 产品：渠道养卡一般选择无月租或最低月租 的产品，以降低养卡的成本，研究发现柳州2 种类型产品均被渠道选择使用 ARPU：渠道养卡号码消费额一般较低，研究 发现柳州养卡号码月均消费一般低于15元
3、 主叫时长：渠道养卡号码主叫时长非常低， 研究发现柳州有70%以上无通话行为，有通话 行为用户主叫时长主要集中在3分钟以内 用户状态：研究发现柳州渠道养卡新增号码 停机流失高峰出现在入网后的第1-3个月 消费情况：同一个渠道发展的养卡号码中， 出现多个号码消费行为一致的情况，如多个 号码入网当月和次月消费完全一致 激活IMEI：养卡号码在激活时，一般用同一 个手机激活，因此养卡号码中大量号码的激 活IMEI一致,养卡行为监控思路建议 p 制定疑似养卡渠道的判断规则： 从渠道发展用户的产品、ARPU、 用户状态进行判断，当用户数占 比符合一定标准后，即判断为疑 似养卡渠道； p 制定疑似养卡号码
4、的判断规则： 从用户消费情况、激活IMEI等进 行判断，符合一定标准的号码为 疑似养卡号码； p 分析疑似养卡渠道的养卡号码 量，计算养卡号码占其当月新发 展的比，并按各渠道此比例排序,-4-,似,养,卡,渠,似,养,卡,号,-5-,疑似养卡渠道和养卡号码判断规则 p消费情况:,疑 道,p产品：渠道新增用户中，30%以上的 用户都为两广情零听计划或都市“零 听”计划二，该渠道为疑似养卡渠道 pARPU：渠道新增用户中，30%以上或 100人以上的用户入网当月和次月 ARPU低于5元，该渠道为疑似养卡渠 道 p主叫时长：渠道新增用户中，50% 以上或100人以上的用户入网当月和 次月主叫时长在3
5、分钟内，该渠道为 疑似养卡渠道 p用户状态：渠道新增用户中，入网 后在第3个月，30%以上的用户状态为 停机流失，该渠道为疑似养卡渠道,疑 码,a.出现5个或以上号码号码入网当 月和次月主叫时长都在3分钟内； b.或出现5个或以上号码号码入网 当月和次月消费在5元以内； c.或出现2个以上号码入网当月或 次月应收费完全一致， 这些号码为疑似养卡号码 p激活情况： a.出现5个或以上号码号码激活 IMEI一致; b.或2个或以上号码登记身份证 号一致 这些号码为疑似养卡号码, 以上判断标准，都以同一渠道发展的用户作为判断基础数据； 判断步骤是首先判断疑似养卡渠道，在判断其为疑似养卡渠道后，统计其
6、疑似养卡号码数量 对养卡号码的判断模型是对渠道养卡违规行为进行分析的基础，需要在执行中进一步分析、 调研完善优化判断规则，提升判断准确率。,新增用户维系, 渠道养卡识别与监控, 重入网与反复重入网管理, 正常低网龄用户维系,-6-,-7-,重入网与反复重入网（跳蚤）用户识别规则 识别规则：通过对新入网用户使用手机的IMEI号（或身份证号码）与存量用户的IMEI号历史 库（或身份证号码历史库）进行分析识别出重入网和反复重入网用户。 为了提高分析结果的准确率，每月定期对上月新入网的用户（上月入网并激活的用户）进行 分析。分析示意如下：用户在N月入网并激活（有话单产生），则在N+1月（计算月）对N月
7、入 网并激活的所有用户进行重入网分析。,新入网激活月前半年的存量用户历史IMEI库或身份证库,新入网激 活月,新入网激 活后第1 月,N-6,N-5,N-4,N-3,N-2,N-1,N,N+1,判断新入网用户 的有效IMEI或身,N月在网用 户，区分 新增和存 量用户,剔除无效 IMEI或身 份证号码,份证号码 生成、维护历史 有效IMEI库或身,判断重入网用户,N月新入网用户中 的重入网和反复重 入网用户名单,份证号库 重入网：新用户IMEI或身份证号与历史IMEI或身份证号码能够匹配（6个月以内）。如，9月新入网用户 IMEI或身份证号与3月到8月用户IMEI或身份证号码库匹配后，得到9月
8、新入网用户中重入网用户。 反复重入网（跳蚤 用户）：重入网用户在6个月以内重入网2次及2次以上的用户。,用户重入网主要原因分析,竞争对手, 竞争对手以低资费、大力度的优惠活动吸引用户，但整体质量未能让用户满意，从 而使用户在短暂离（移动）网后重新入网,产品,价格,促销/宣传,渠道,服务,公司内部, 产品线过长 ，产品重叠 较多，目标 用户群存在 较多交叉， 不同品牌及 资费存在内 部竞争, 产品价格调整 比较频繁，而 且在价格调整 过程中没有考 虑产品体系间 的平衡问题 预存费用低， 用户入网门槛 不高，使其可 以轻易弃卡, 新入网促销活 动优惠力度过 大 品牌及资费资 费套餐互转门 槛过高，
9、停机 保号、套餐互 转等宣传不足, 部分社会渠道 迫于指标压力 或利益驱动， 诱导用户换卡 社会渠道虚假 激活，通过养 卡恶意套取酬 金, 补卡成本高， 手续复杂，补 卡不如买新卡 欠费提醒不及 时，欠费后被 停机，选择重 入网,用户, 追求经济收益，受入网优惠的吸引 换取吉祥号码 欠费,-8-,从产品、促销、渠道、传播、服务等多方面入手加强重 入网与反复重入网管理，降低重入网比率 重入网与反复重入网管理措施,产品/促销 加强入网促销活动 管理，减少促销活 动对在网用户的干 扰； 提高入网首次预存 费用，增加在网时 长； 用户忠诚度管理： 网龄营销。,渠道 加强（社会）渠道 掌控，规范渠道行
10、为，减少系统性离 网行为。,传播 采用户外广告、报 纸等大众媒体及营 业厅、10086短信、 网站、WAP等自有 媒体体开展网龄营 销、优惠补卡及带 号转品牌、套餐、 停机保号等的传播。,服务 加强欠费管理，减 少无效欠费； 主卡付费+亲情网； 账户低余额时充值 提示； 优惠或免费补卡； 推荐带号转品牌或 带号转套餐。,-9-,新增用户维系, 渠道养卡识别与监控, 重入网与反复重入网管理, 正常低网龄用户维系,-10-,正常低网龄用户维系基本策略 剔除了渠道养卡用户和反复重入网用户后所获得的正常低网龄用户是新增用户 流失控制的重点。运用数据挖掘方法，识别出不同流失预警级别的用户，针对高危 用户
11、和异动用户分别采取针对性的营销捆绑手段进行维系，同时结合网龄营销，延 长用户生命周期。,细分用户群,基本策略,正常低网龄用 户分群 用户,流失高危 用户 在网异动 用户 相对稳定 用户, 重绑：针对高危用户在网黏性已很弱的特 点，采取较大力度的营销捆绑策略，以返 还周期短的财务捆绑和力度较大的业务捆 绑为主，以服务捆绑为辅。 力保：针对异动用户尚处于流失犹豫期、 还具有一定黏性的特点，维系策略将以强 化用户的业务黏性为重点，以业务捆绑和 较长返还周期的财务捆绑为主，以服务捆 绑为辅。 全用户常规保有（不研究）。,-11-,1,-12-,多级预警，多级维系 在模型挖掘的基础上，准确判别正常低网龄
12、用户的流失倾向，根据用户流 失概率的高低分别实施针对性的维系策略和措施，对可能流失的用户提前预防，多 级维系，有效地防止用户流失。 流失异动用户,低网龄用户,模型匹配,营销捆绑,未,办理,日常维系及 异动监控,办,2,1,流失高危用户,理 是否流失,流失,未流失 1 一级匹配和维系； 2 二级匹配和维系。,增,用,户,细,分,正常低网龄用户细分、预警及维系框架 精准营销模型,新,当月新增用户,其他新增用户 商务高端用户群,新增网用户流失模型,模 型,漫游突出用户群 长途话务突出群 本地话务突出群 本地话务偏好群 本地低端用户群 数据业务突出群 ,漫游突出用户群 长途话务突出群 本地话务突出群
13、本地话务偏好群 本地低端用户群 数据业务兴趣群 数据业务发烧群 ,流失高危用户,在网异动用户,用户清单,用户号码,用户价值,在网时长,渠道偏好,促销偏好,消费特征,话费余额,营销案 -13-,用户流失预警和细分建模过程,n 流失现状分 析 n 流失原因分 析 n 流失用户特 征分析 n 流失预警建 模目标沟通确 定 n 流失细分模 型目标沟通确 定,n 根据建模要求 和现有数据情 况，构思、沟通 和确定建模数据 提取需求 n 提取09年1-10 月新增用户在1- 10月的自然属性 和消费行为数据 n 提取09年10 月新增用户在10 月的日消费行为 数据 n 数据质量审核 n 数据探索 n 非
14、正常用户的 剔除。根据渠道 养卡和跳蚤用户 识别模型提取异 常用户,n 数据抽样。确 定建模用户集合 n 建模衍生变量 计算。根据提取 的基础数据宽表 计算衍生变量 n 建模变量筛选 特征建模分析 卡方分析 方差分析 双变量分析 Pearson 相关分析 wald显著性检验 量重要性分析 n 建模变量数据 转换 对数变换 标准化变换,n 确定建模用户 集 n 确定建模用户 数据集 n 采用Two Step 聚类算法，建立用 户细分模型 月数据用户细 分模型（高价值 用户和在网2月及2 月以上的新增用户 细分 日数据用户细 分模型（在网1月 新增用户细分） n 业务解释聚类结 果，调整模型参数
15、和建模变量，直到 得到满意结果,n 确定建模用 户集 n 确定建模用 户数据集 n 采用逻辑回 归和决策树算法 建立流失预警模 型 在网2月新增 用户流失预警模 型 在网2月以上 新增用户流失预 警模型 在网1月新增 用户流失预警模 型 n采用生存分析 算法建立高价值 用户流失预警模,n 模型的评估 提升图、收益 图 混淆矩阵。准 确率和查全率 n 模型的优化 建模训练集比 例 异常值处理 建模变量 建模方法 模型参数 显著性检验方 法 显著性检验变 量剔除阈值 树的深度和页 节点记录个数 ,型,-14-,数据准备 数据准备确保建模数据的完整性、可用性和完整性 缺失数据处理 极值数据处理,错误
16、数据处理 冗余数据处理, 数据挖掘宽表构 建,数据提取 提取建模所需数据,数据清洗,数据审核 数据统计错误审 核,数据集成, 数据源错误审核 数据统计口径审 核 -15-,建模准备 筛选建模变量、根据模型要求进行数据变换,经分数据,变量清洗,变量筛选 挖掘宽表,变量转换 健康度建 模指标库,-16-,用户细分采用凝聚层次聚类算法 层次聚类可以分为两种：凝聚的方式和分割的方式，凝聚是一种至底向上的方法，将每 一条记录看作一个 类，然后根据一些规则将他们聚合成越来越大的类，直到满足一些预 先设定的条件。,初始化,选择,更新,结束,执行n-1次步 骤2和步骤3,1 计算包含每对样 本间距离（如欧氏 距离）的相似矩 阵，把每个样本作 为一个簇,2 使用相似矩阵查 找最相似的两个簇,3 将两个簇合并为 一个簇，簇的个数 通过合并被更新； 同时更新相似矩 阵，将两个簇的两,4 当所有样本都合 并成一个簇或满足 指定的簇的数目 时，整个过程结束。,行（两列）距离
