《智能化业务精准推荐系统》由会员分享，可在线阅读，更多相关《智能化业务精准推荐系统（14页珍藏版）》请在金锄头文库上搜索。
1、成果上报申请书成果名称智能化业务精准推荐系统成果申报单位辽宁省（自治区/直辖市）公司成果承担部门/分公司 业务支撑中心部门 / 分公司项目负责人姓名项目负责人联系电话和Email成果专业类别*业务支撑所属专业部门*业务支撑中心成果研究类别* 其他类成果省内评审结果*通过关键词索引（35个）增值业务、VGOP系统、精准推荐应用投资10万元（指别的省引入应用大致需要的投资金额）产品版权归属单位 中国移动 对企业现有标准规范的符合度：（按填写说明5）增值业务统一营销体系的开发依托于VGOP系统，项目的开发符合增值业务综合运营平台接口规范省级平台分册V1.0.0；平台展现的数据是通过调用经营分析系统的
2、数据获取，数据获取方式符合NG1-BASS2.0规范。如果该成果来源于研发项目，请填写研发项目的年度、名称和类型（类型包括：集团重点研发项目、集团联合研发项目、省公司重点研发项目、其他研发项目），可填写多个：2010年 增值业务统一推荐系统 省公司研发项目 成果简介：简要描述成果目的和意义，解决的问题，取得的社会和经济效益。随着移动增值业务的快速发展，业务种类日益繁多，新业务层出不穷，且用户规模不断壮大，增值业务市场前景广阔，但营销工作也面临着巨大的挑战。首先，客户对移动公司种类繁多的增值业务不够了解，不知道哪种业务适合自己，也不懂得如何使用新出台的业务；其次，营销人员对客户的个性化需求难以把
3、握，存在过多打扰客户，引起客户反感；再次，各系统独立运作，系统间协同能力差，业务操作流程复杂，对业务推荐过程中产生的问题不能及时解决，引起不必要的投诉。以上问题均不利于快速扩大增值业务用户使用规模，增强客户粘性，促进业务持续健康发展。为应对传统营销中存在问题，突破业务营销盲目性，避免对客户过多的打扰，辽宁公司以VGOP为引擎，与BOSS系统及各渠道互联互通，实现以客户为中心，挖掘客户喜好，对客户进行精准推荐，为其提供个性化服务。基于客户自然属性、社会属性等信息、增值业务消费行为，构建增值业务精准营销模型、制定业务推荐目标客户筛选规则分析、挖掘客户需求，为客户提供“量身定做”的服务。充分利用客户
4、在各类渠道业务接触时机，开展增值业务推荐，实现一次接触机会，进行多种产品精准营销，实现“一站式服务”。解决的问题：本成果解决的问题有：（1） 以VGOP为依托，与各系统互连互通，解决了系统间协同能力差、业务操作流程复杂的问题；（2） 精准定位目标客户，匹配合适业务，提高营销效率，避免盲目营销和对客户的过多打扰，提高客户的满意度。（3） 通过多渠道营销推荐，实现客户快速业务体验，提供及时引导服务，打消客户顾虑，提升客户对新业务的认知和好感。（4） 通过客户反馈的营销结果，及时调整营销策略，有利于公司决策管理、为营销考核管理提供了数据支撑，避免了决策人员“一抹黑”的情况。本成果的主要创新点：l 多
5、系统有机互联，实现闭环管理本系统依托VGOP，与BOSS及各渠道有机互联互通，实现对客户、产品、渠道、营销各类知识的整合管理与共享，提升增值业务精准营销的信息支撑能力。首先VGOP从BOSS系统抽取源数据，根据CPC（客户-产品-渠道）模型挖掘推荐数据，并将推荐结果传输至各渠道，最后VGOP汇总各业务的推荐反馈结果。通过一次接触机会，进行多种产品精准营销，实现闭环式管理，从而提升营销成功率。l 运用数据挖掘，实现精准推荐通过细分客户类型，研究客户的增值业务消费行为、预测客户增值业务消费潜力，建立以数学挖掘算法为基础的增值业务精准营销分析模型，并与业务特征相结合，制定适合推荐目标客户的筛选规则，
6、完成对目标客户的业务推荐，使营业人员快速精准定位客户需求，完成业务推荐。l 多渠道协同管理，实现差异性推荐目前业务推荐渠道众多，根据渠道的不同特征，进行差异性推荐，增加了客户与不同业务的接触机会。l 渠道反馈推荐结果，VGOP进行稽核分析渠道对业务推荐结果进行反馈，VGOP根据反馈结果修改CPC模型策略，加强了精准营销力度，并对推荐结果进行稽核分析，在VGOP前台进行集中展示。经济效益：通过对客户增值业务需求的统一管理、精准投递，多种业务的发展呈现上升态势，提升效果显著。本精准推荐系统可以向省内1711.5万客户进行业务推荐，据不完全统计，截止到六月份仅实体营业厅就向5.77万客户成功推荐并开
7、通某项增值业务。目前139邮箱、手机电视、号簿管家订购用户分别为156.84万、12.52万、64.47万，较精准推荐之前增幅分别为47.02%、415.23%、98.31%，歌曲下载的用户数、次数和收入环比增幅分别为51%、44%和35%。社会效益： 依托VGOP平台，打通与各系统的数据接口，以客户为中心，实现一次接触机会，进行多种产品精准营销，实现“一站式服务”。以数学挖掘算法为基础的精准营销分析模型与增值业务特征相结合，为客户打造“量身定做”服务，快速精准的完成业务推荐。辅助营业人员发挥主观能动性，避免盲目营销，实现快速寻找业务推荐工作切入点，提高推荐业务的成功率。 VGOP配置各业务宣
8、传及体验信息，并下发至客户，客户可免费快速业务体验，提升客户的体验服务感知。针对增值业务精准推荐反馈的结果，VGOP统一进行统计与分析，跟踪与分析推荐工作开展成效，为公司决策调整、营销考核管理提供了数据支撑。省内试运行效果：描述成果引入后在本省试运行方案、取得的效果、推广价值和建议等。省内试运行方案：试商用范围：辽宁全省14个市公司。试商用期：2010年8月至2011年2月。目前本系统已正式推广应用，且二期优化改造工作已经完成。推广价值： 此成果复制壁垒较低，目前多数省份已经完成VGOP平台建设，开始进行业务支撑，本系统以VGOP为引擎，与BOSS系统及各渠道互联互通，实现以客户为中心，提供个
9、性化服务，兄弟公司可以应用该模式，简单复制，快速移植推广。推广建议：（1）根据本省各系统间的接口情况进行联动配合，实现系统间协同管理。（2）进行市场调研，根据本省的实际情况适当的调整精准推荐的具体模型。文章主体（3000字以上，可附在表格后）：根据成果研究类别，主体内容的要求有差异，具体要求见表格后的“填写说明6”。1.项目背景3G时代来临之后，传统语音业务趋于市场饱和，以内容运营为主要特征的增值业务成为推动各大电信运营商持续健康发展的核心竞争力之一。目前，移动增值业务发展势头良好，用户规模不断壮大，然而，面对如此繁多的增值业务类型，如何为不同客户提供其所偏好的业务，并进行有效推荐，同时避免盲
10、目营销，减少负面影响，是我们所面临的严峻考验。目前增值业务营销工作所需的挑战有：一、业务种类日益繁多，客户对新业务认知不足，且客户终端设备多样化，不同终端对业务的支持差异性大；二、传统业务推荐存在过多打扰客户，且客户体验过程中相关问题不能及时解决；三、各支撑系统独立运作，业务推荐流程复杂，协同能力差等。以上所述问题不利于快速扩大业务用户使用规模，增强客户粘性，促进业务持续健康发展。为了实现业务精准营销，突破业务营销盲目性，避免对客户过多的打扰，减少负面影响，辽宁移动公司开发了智能化业务统一推荐系统。该系统以VGOP为引擎，与BOSS系统及各渠道互联互通，实现以客户为中心，挖掘用户喜好，为客户提
11、供个性化服务。充分利用客户在各类渠道业务接触时机，开展增值业务推荐，实现一次接触机会，进行多种产品精准营销，实现“一站式服务”。基于客户自然属性、社会属性等信息、增值业务消费行为，构建增值业务精准营销模型、制定业务推荐目标客户筛选规则分析、挖掘客户需求，为客户提供“量身定做”的服务。2.实现方案2.1系统概述智能化业务精准推荐系统的设计宗旨是为客户提供精准的推荐业务，避免盲目营销，减少对客户的打扰，提高客户对推荐业务的好感。本系统以VGOP系统为引擎，为客户深度挖掘其偏好的业务，并且与BOSS系统及各渠道互联互通，从BOSS系统抽取原数据，并将处理好的推荐业务推送至各渠道，从而实现一次接触机会
12、，进行多种产品精准营销，实现“一站式服务”。本系统流程图如图1所示：本流程图中红框部分为增值业务精准营销模型生成的结果，即向客户进行精准推荐的增值业务集合；斜方形表示各部门数据表，浅蓝色虚框表示系统中已有的数据，深蓝色实框表示在该系统生成的数据；灰色框表示此数据不是由该系统生成，而是完全从其它系统抽取而来。VGOPBOSS各渠道传输汇总客户各业务订购关系（每日增量更新）CPC结果表（每月更新）推荐反馈推荐反馈表（每日更新）汇总推荐记录反馈模型生成CPC结果表（每月更新）各业务订购关系（实时更新）汇总传输推荐反馈表（每日更新）用户信息表每月增量更新用户信息表每日更新图1智能化业务精准推荐系统流程
13、图本系统的整个数据流程为：（1） BOSS生成各业务订购关系数据，并提供用户信息数据；（2） VGOP每日从BOSS抽取各增值业务订购关系和用户信息数据，并根CPC(客户-产品-渠道)模型生成CPC数据结果数据；（3） VGOP将CPC结果传输到各渠道，并在渠道前段进行展示；（4） 各渠道每日将客户反馈结果汇总后，回传至VGOP ，至此，CPC营销渠道应用的数据传输过程完成。2.2系统详细设计2.2.1CPC模型设计2.2.1.1CPC模型实施方案增值业务精准营销基于研究用户的增值业务消费行为，分析用户增值业务的消费潜力，以数据挖掘算法为依托，得到与用户匹配的业务、渠道等营销数据，旨在为客户定
14、制从产品、渠道到服务的个性化营销体系，实施方案图如图2所示。图2 CPC实施方案图（1）增值业务分析，梳理需要推荐的业务，分析每种业务的特征。（2）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。对每种业务订购用户进行抽样分析，对所有的抽样用户按组别提取属性数据。（3）建模准备，筛选建模变量，根据模型要求进行数据变换。（4）模型设计，建立业务分类预测模型、业务关联模型、用户新业务类型偏好模型的指数层次模型等数学模型。（5）模型结果分析，多模型输出结果进行分析，持续优化。2.2.1.2CPC模型技术实现 为了寻找客户喜好的业务，我们从3个层次建立了独立的数据挖掘模型，然后根据不同的算法，
15、将模型汇总并得到最后的用户客户潜在推荐业务。本模型总体逻辑结构图如图3所示：用户增值业务关系模型特征匹配模型关联模型增值业务推荐模型类型偏好模型增值业务推荐指数业务倾向指数业务关系指数类型偏好指数业务关联指数图3 CPC模型总体逻辑结构图模型的应用分成三个步骤：第一步，对用户独立应用关联模型、类型偏好模型和特征匹配模型3个基础模型，分别得到业务关联指数、类型偏好指数和业务倾向指数；第二步，应用增值业务关系模型，得到用户的增值业务关系指数；第三步，应用因子分析法将关系模型和特征匹配模型结果导入增值业务推荐模型，得到增值业务推荐指数。模型的系统固化对应分为5个模块：关联模型、类型偏好模型、特征匹配模型、业务关系模型和业务推荐模型；其中，前三个模型相互独立，前两个模型输出为第四个模型的输入，第三和第四个模型的输出为最后1个模型的输入。图4为各模型与之对应的算法。图4 各模型与之对应的算法（1）业务关联模型业务关联模型应用Apriori关联算法，Apriori算法
