《最新移动公司交叉销售探讨报告资料》由会员分享，可在线阅读，更多相关《最新移动公司交叉销售探讨报告资料（5页珍藏版）》请在金锄头文库上搜索。
1、关于XX移动交叉销售探讨报告-2011-06-071、数据准备1）选择输入变量新业务产品列表：从现有的经营分析系统的资料表中检索出了以下新业务列表梦网、彩铃、GPRS、WAP、手机上网、手机呼、一呼百应、分时分区、MMS、WLAN、手机彩票、手机百宝箱、手机邮箱、手机呼、语音信箱、遇忙转移、无应答转移、无条件转移、超出服务区呼转、 呼叫等待、呼叫保持、三方通话、 呼入限制、呼出限制、移动秘书、全球呼、传真业务、手机证券输入的客户属性描述变量：性别年龄层次消费层次帐龄层次2）抽取输入数据由于以上所列新业务涵盖的范围较广， 有些业务可能不需要开通，因此获取的困难 较大，现我们采用从 Boss的综合
2、帐单中进行检索，在一定的观察期内（3个月）对应的新业务产生了费用则我们认为客户使用了此项服务。经过对综合帐单的相应数据获取，我们得到了所有客户使用新业务的资料， 统计结果如下（新业务客户数：6398362）产品客户数占新业务客户数比率梦网547598785.58%GPRS3739445.84%WAP1441202.25%手机上网260.00%手机呼83775213.09%一呼百应3460.01%分时分区1161391.82%MMS936851.46%WLAN40.00%手机百宝箱78200.12%手机邮箱15790.02%全亚服务2980.00%手机呼26000.04%语音信箱1762602.
3、75%移动秘书79650012.45%彩铃117846218.42%全球呼849041.33%3）过滤噪音数据从新业务使用的统计结果来看，新业务产品列表中定义的一些新业务具有的客户群非常少，而有些则根本没有开展，但有个别项又非常大，这些都属于建模数据输入 时应该过滤掉的数据，根据交叉销售对数据的需求，每一产品项都需要具有一定的 规模，否则支持度与可信度比较难满足，得出的关联规则效果可能没有参考价值。 对于上表我们进行以下处理：A. 过滤掉梦网项（输入样本比例太高）B. 过滤掉手机上网、一呼百应、WLAN、全亚服务（比例太少）C. 对于每个客户，如果只使用了其中的1个产品，这条记录在建模过程中应
4、该剔除掉；按照以上步骤整理数据之后，得到了满足交叉销售建模输入的客户产品数据，统计得出如下表（客户 726147）:产品客户数比率GPRS27827638.32%WAP7935910.93%手机呼30091341.44%分时分区300954.14%MMS13024917.94%手机百宝箱76911.06%手机邮箱12910.18%语音信箱8788212.10%移动秘书33527946.17%彩铃40668956.01%全球呼491916.77%严格来说手机百宝箱及手机邮箱的资料也应该剔除掉，但由于用于交叉销售的产品类 别太少，建模处理得出的结果可能兴趣度不大，所以暂时保留。从以上统计数据反映
5、出来，我们收集到的数据用于交叉销售建模有些勉强。2、建模处理建模过程中我们尝试了两种模式进行建模，第一种方式，抽取总体（726147 ）客户的随即抽取1/6进行建模；第二种方式是选择全球通品牌客户（219952）,再在其中抽取1/2的客户进行建模；但前后两种方式得出的模型效果非常接近；1)获取关联规则支持度：两种产品同时出现占总体用户的最小概率阀值；可信度：两种产品，在出现 A产品客户中同时出现 B产品的最小阀值；由于我们的收集到的产品数据构成的问题，我们设定支持度为5%(般要求10%以上)，可信度为40%(一般要求60 %以上)；从数据中通过机器学习得出以下规则：序号支持度可信度规则1支持度
6、=22.5465可信度=58.8340GPRS= 铃2支持度=23.3674可信度=56.3891手机呼=移动秘书3支持度=14.7579可信度=82.2763MMS=GPRS4支持度=23.3674可信度=50.6092移动秘书=手机呼5支持度=22.5465可信度=40.2571彩铃=GPRS6支持度=19.1373可信度=41.4476移动秘书= 彩铃7支持度=6.2500可信度=78.3739彩铃 &MMS=GPRS8支持度=6.6020可信度=54.5504语言信箱=移动秘书9支持度=7.9746可信度=44.4587MMS=铃10支持度=6.2500可信度=42.3500GPRS&
7、MMS彩铃11支持度=5.6239可信度=46.4691语音信箱= 彩铃通过对机器学习得出的规则进行分析，我们发现总体上支持度和可信度都偏低，而一 些支持度与可信度相对较高的规则又是大众化的规则。2)产品组获取产品组的获取与关联规则的获取方法存在差异，建模程序先分别计算出各自的产品间的相关性，计算公式为：p (AB ) / p (A ) +p ( B) +p (AB )其中p (A ):表示A产品在客户中占的个数其中p (B):表示A产品在客户中占的个数其中p (AB ):表示A产品与B产品同时出现时在客户中占的个数然后再把两两相关性较大的产品形成一个产品组，通过对输入建模数据处理，得出以下产
8、品相关性列表(如图)：.M2013a.is00*0.01.DI0130.470.040.05013047D.D70.D5a.120.02a. i2D.010.030.010.D2D.01Olf0.010.01DO30-110.03oai2.M0.1Dao)0.1DD.031.3?a .07001D.010030.030010 01Q.DSAJ吐rrc. woigQTD dslys Bttdo从上图中，我们可以看出代表着各个产品之间关联性的格子有很大一部分为空， 那是 因为按照关联性的公式计算，从数据中计算出来的相关性非常少， 可以忽略不计。从 数据中根据产品间的相关性模型把产品归纳为 6个产品组：Group #产品数产品名购买客户潜在购买客户13百宝箱1193107729GPRS4158967333MMS196378928522手机呼4503663886移动秘书501605876232彩铃6106747855分时分区453510438742全球呼7408101514语音信箱133109561251手机邮箱18310873961WAP12006969163、结论综合以上数据结果，通过对 XX 移动新业务数据的交叉销售建模说明 XX 移动的新业务 相处于发展之中，单个客户购买多项产品服务的资料较少，交叉销售的建模的效果不理 想。
