《探讨大数据支撑下的存量用户精准营销》由会员分享，可在线阅读，更多相关《探讨大数据支撑下的存量用户精准营销（5页珍藏版）》请在金锄头文库上搜索。
1、探讨大数据支撑下的存量用户精准营销 【摘要】 随着大数据的应用越来越广泛，运营商对基于大数据支撑下的应用场景进行了探究。为提高存量用户的营销效率，提升获得目标用户的精准性，文章对目标用户的社会交往圈进行深化探讨，分析存量用户的画像特征，利用数据挖掘技术，构建相关分析模型，得到用户的新型立体标签，为存量用户的营销推广供应数据分析和决策优化支撑实力，为运营商存量用户的经营开拓了一个新的思路。 【关键词】 大数据 存量用户 数据模型 精准营销 一、引言 随着电信市场人口红利的消逝，运营商的新增用户规模在不断下降，而存量用户则不断在流失，此种状况下，通过提升用户规模保持公司的高速增长变得异样艰难。为支
2、撑存量用户的保有经营活动高效开展，推动大数据模型在精准营销和存量维系层面的应用，本文主动开展相关数据模型的探究。通过对QQ、微信等社交软件的深化探讨发觉，社交软件一旦占据了规模优势，其在社交领域的产品排它性和在用户层面的高黏性特征将使其具备肯定的竞争优势。如何在大数据时代环境下，充分利用运营商较高用户市场份额的规模优势，在用户日常交往圈中具备高度的覆盖率，通过大数据先进的挖掘分析技术，实现存量用户精细化经营对运营商是新的挑战。 二、大数据技术简介 大数据（Big Data）是指那些超过传统数据库系统处理实力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获得大数据
3、中的价值，我们必需选择另一种方式来处理它。对于企业组织来讲，大数据的价值体现在两个方面：分析运用和二次开发。对大数据进行分析能揭示隐藏其中的信息。大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要肯定精确，要相关不要因果。 三、基于挚友圈数据模型的精确营销 1、方案综述。基于社会交往圈的存量用户分析是采纳逻辑回来算法设计“挚友圈”大数据模型，通过模型精确识别用户的挚友圈关系，进而识别出用户在挚友圈内的语音通话需求。通过对用户通话需求的分析，设计适用于挚友圈内实惠的语音通话实惠产品，再依据用户的挚友圈特征进行用户与产品的适配，对有潜在需求的用户进行规则预判和产品适配，形成可以用于精确营
4、销的用户画像标签库数据。整个方案主要分为挚友圈模型设计、挚友圈黏性产品设计、挚友圈用户产品适配、挚友圈产品精准营销等四个阶段。 2、“挚友圈”数据模型设计。为设计“挚友圈”数据模型，首先须要识别用户间的挚友关系，因此，采纳数据挖掘的方法来构建模型，模型的训练数据采纳已知两两号码对是否为好友关系来实施，以达到最终模型能够预料不同的用户之间是好友的可能性，并且依据好友识别模型的结果来构造挚友圈模型。在构造模型输入变量时，首先考虑语音交往圈两两号码对用户消费行为相像程度，例如两个用户年龄差距大小，是否存在“代沟”；两个用户运用的产品是否相仿等，采纳逻辑回来算法对号码的关键指标进行建模，计算两两号码是
5、挚友关系的可能性大小。当挚友关系识别对应概率40%的时候，则认定该对号码是挚友关系。 3、“挚友圈”黏性产品设计。“挚友圈”数据模型是基于用户的通话行为作为基本指标构建的，黏性产品在设计时必需以用户的基本通话需求为动身点，因此挚友圈黏性产品以语音通话实惠作为基本产品构成。为合理设计挚友圈内通话实惠幅度、价格区间等。通过对用户挚友圈内的通话时长分析发觉，主叫通话时长在50分钟以上的占比为52%，挚友圈通话在50分钟以内的用户因其话务量低，通话刚性需求较少，不作为语音通话黏性产品的目标用户。因此，产品设计应当以圈内通话50分钟以上的用户为目标用户。 4、“挚友圈”产品用户适配。产品适配是依据挚友圈
6、模型输出的潜在目标用户，综合考虑用户的语音通话需求、同质产品的订购关系、产品之间的兼容性等因素，叠加用户业务受理频度、新业务接受实力、投诉记录等因素，筛选出有潜在需求且具备办理条件的用户，为一线供应精准的营销数据支撑。 5、“挚友圈”产品精准营销。通过大数据挖掘分析模型的综合应用，探究利用大数据技术构建“立体标签”，将客户偏好与时空环境有机结合，通过“立体标签”实现智能营销匹配和智能执行，通过实行线上和线下触点营销方式，针对挚友圈活跃的存量用户精确推广亲亲网、家庭宽带、家庭套餐包等粘性强的产品。 四、 结束语 大数据的应用技术日趋成熟为运营商优化营销过程，利用更少成本，创建更高收入创建有利条件。“挚友圈”数据模型及其产品的应用，为运营商开展存量用户经营开拓了一个新思路，通过大数据模型的构建和迭代应用，精准锁定需求用户，有效引导了产品设计，为一线供应了完备的营销数据支撑，形成了数据挖掘-产品制定-营销指导的数据价值变现模式。 参 考 文 献 1王尧，基于大数据的数据处理方法探讨分析J.数字技术与应用，2014（06）. 2刘鹏，大数据技术与应用J.中兴通讯技术，2013（04）. 3邱仁宗，黄雯，翟晓梅，大数据技术的伦理问题J.科学与社会，2014（01）.
