大数据在电信运营商市场分析及精确营销的应用研究姚O炯Word文档格式.docx

大数据在电信运营商市场分析及精确营销的应用研究姚O炯Word文档格式.docx

《大数据在电信运营商市场分析及精确营销的应用研究姚O炯Word文档格式.docx》由会员分享，可在线阅读，更多相关《大数据在电信运营商市场分析及精确营销的应用研究姚O炯Word文档格式.docx（20页珍藏版）》请在冰豆网上搜索。

宏观环境及国家政策的改变迫使电信运营商在必须优化营销环节,降低成本,提升效率,实现用更少的成本维持稳定的运营收入。

二、大数据的应用有助于解决电信运营商面临的困境

大数据的应用技术日趋成熟为电信运营商优化营销过程,利用更少成本,创造更高收入创造有利条件。

大数据,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

利用大数据,可以洞察客户的消费心理与行为,可以帮助企业定位合适的客户、选择合适的推广内容、优化产品质量、优化推广渠道。

对于现代企业来说,大数据就是等于大机会!

当然,把握机遇的前提是有目的地整合数据,建立数据中心,做好营销数据管理。

由于个人客户的通话、短信、手机上网等行为均承载于电信运营商的通信网络,因此电信运营商在大数据运用方面具有无可比拟的天然优势。

下面,我们以真实的大数据商业应用案例来介绍某一个市级电信运营商如何利用大数据进行营销

分析及业务推广,从而优化营销过程,以更少成本获得更高业务推广成功率。

三、大数据挖掘简介

大数据挖掘是一种从海量数据中提取有价值信息的综合技术,它包括数据分类（分类、估计、预测、聚类分析、关系分组与关联分析。

本文针对数据分类技术,实施对各场景业务的特征的发现,实施过程如下:

一是对实施业务/产品进行调研。

了解分析挖掘的要求和目的,做好之后每个环节的规划。

二是通过业务/产品调研后,提取相关数据进行探索与理解,为数据挖掘设计、建立数据宽表。

三是使用分析挖掘工具对宽表数据进行分析挖掘,提炼出当中隐藏的有价值的知识,形成模型成果。

四是根据商业目的,对模型成果进行推广或应用,如:

模型提炼出目标用户后,实施营销推荐活动。

四、案例1:

借助大数据分析协助制定营销策略OTT业务对电信运营商的短信业务造成了巨大的冲击,虽然短信收入下降趋势不可阻止,但电信运营商仍需采取正确的策略去延缓短信收入下降速度。

采用何种策略延续短信下降,首先我们需要分析哪些客户的短信发送量下降了,是什么原因导致他们的短信发送量下降。

在本案例,具体的分析方法是采用把在网一年以上全市的短信客户按同比去年短信量上升或下降程度分为7个客户群,通过海量数据对比分析短信上升客户与短信下降客户有何差异。

从而发现客户短信发送量下降或上升原因,并采用针对性举措延缓全市短信发送量下降趋势。

[文章编号]1009-6043（201408-0066-05

第2014年第8期（总第451期

商业经济SHANGYEJINGJI

No.8,2014TotalNo.451

66--

图1某市级电信运营商全量在网1年以上

短信客户同比去年增幅客户分布比例图

（一整合数据形成数据宽表是应用大数据的基础运用大数据的基础是有目的地整合数据,建立数据中心,做好营销数据管理。

由于客户所有的通信行为均承载在电信运营商的通信网络,在这方面电信运营商具有天然优势。

开展大数据分析的第一步,便是整合客户的海量数据。

在本案例中,客户的海量数据包括以下9方面:

一是客户基础属性:

包括品牌主套餐、在网时长、所归属的乡镇等行政区域等;

二是流量特征:

4G流量、3G流量、2G流量、点对点短信发送量等;

三是消费特征:

语音消费金额、短信消费金额、流量消费金额等;

四是业务特征:

流量套餐、短信套餐、家庭网、短号网等业务属性;

五是余额及充值记录:

可用余额、充值次数、充值金额、近4个月充值金额趋势值、近4个月充值金额波动值等;

六是交往圈:

语音紧密联系人人数、短信紧密联系人人数等;

七是地理位置:

日间活跃场景（学校、厂区、办公楼等、夜间活跃场景等;

八是语音特征:

本地、长途等通话时长,呼叫转移等行为;

九是数据业务特征:

飞信使用次数、139邮箱使用次数等。

图2对海量客户数据进行清理整合,形成数据宽表（二运用数学模型识别影响客户短信量的关键因素对以上9方面数据进行清理整合,形成一张囊括客户移动通信行为海量数据的数据宽表。

基于这张数据宽表,运用数据挖掘工具SPSSModeler中的决策树算法对全市短信客户进行对比分析。

通过比对结果,我们可以发现,客户的总ARPU（即话费消费总支出、2G流量、在网月数、流量业务收入、家庭网通话次数占比、所在家庭网成员数、是否办理短信套餐这7个因素,对客户短信量同比去年上升还是下降,有显著的影响力。

柱形的面积越大,说明影响的力度越强。

图3影响客户短信量增幅的关键因素

（三针对每一个关键因素进行详细分析

通过数据挖掘分析,我们发现短信量同比去年上升或下降的客户,在总ARPU（话费支出、2G流量等7个关键因素有显著差异。

接下来就需要针对每一个关键因素,详细分析短信量下降的客户和上升的客户,在这些关键因素上具体有何差异,从而解答我们对短信量下降原因的疑问。

1.哪些人短信发送量降了

图4不同类型短信客户ARPU值分布结构分析从上图可见,短信量下降的客户中,高ARPU客户（黄色、绿色部分占比低,而且短信量上升的客户,高ARPU的客户占比更大。

也就是说,我们初步可以得出结论,资费敏感的低ARPU客户,更容易减少短信发送量。

2.为什么短信发送量下降

人际间的沟通需求是不变的,短信量的下降,证明客户采取了其它方式代替短信进行沟通。

接下来我们对第2个关键因素“2G流量”进行分析。

图5短信发送量与流量使用量的相关性分析上图是对全市短信客户14年比13年同期短信量变化及手机流量变化做的一张散点图。

其中纵轴是每一个客户的短信量同比增幅,横轴是客户流量的同比增幅。

中间一条明显下降的红色趋势线告诉我们,客户的短信发送量增幅与流量增幅是负相关的。

也就是说,客户的流量增长得越快,则短信发送量下降更快。

因此,微信、QQ等即时通信业务对短信业务量的影响是真实存在的。

此外,我们对另一个关键因素“

家庭网通话次数占姚逴炯:

大数据在电信运营商市场分析及精确营销的应用研究67-

-

比”进行分析。

为加强客户黏性,防止客户离网,电信运商营推出了家庭网业务,家庭网内成员每月只需5元,即可无限免费与家庭网内其它成员通话。

“家庭网通话次数占比”指的是客户与家庭网网内成员通话的次数,占该客户总通话次数的比例。

图6家庭网通话次数占比与短信发送量增幅的相关性分析从上图可见,家庭网通话占比越接近0,短信量上升的客户（黄色、橙色、蓝色、绿色部分占比较高。

而家庭网通话占比越接近1,短信量下降的客户占比较高。

在短信业务爆炸式增长的2003年,语音通话高达0.5元/分钟,而短信通信费仅0.15元/条。

十几年之后的今天,语音通话基本接近0.2元/分钟,并且还有许多类似家庭网网内通话免费服务,而短信的资费标准却仍维持在十几年前的0.15元/条。

既然打电话的成本远远低于发短信,那客户为什么不打个电话1分钟内把事情说清楚,而还要选择更贵的短信发送方式呢?

因此我们这里可以得出另一个结论,除了微信等OTT业务对短信业务产生了替代作用,语音资费的不断下降也对客户的短信发送量造成了冲击。

3.哪些客户的短信发送量还在上升

虽然短信量下降是大势,但我们发现仍然有35%的客户短信发送量与去年持平甚至提升超过60%。

接下来主要分析这些短信发送量上升的客户有什么特征。

图7短信套餐与短信发送量增幅的相关性分析从上图可见,办理了短信套餐的客户短信发送量同比上升的客户占比,远高于没有办理短信套餐的客户。

也就是说办理短信套餐有助于稳定客户的短信收入,减缓短信量下降趋势。

4.小结

在本案例中,我们首先采用决策树等数学模型对全市的短信客户进行数据挖掘分析,发现短信上升客户与短信下降客户在ARPU值、2G流量、家庭网网内通话次数占比、短信套餐这几个因素有显著的差异。

然后我们再单独针对每一个因素进行仔细分析,找出具体的差异点在哪里。

经过大数据分析,我们发现短信量下降主要来自资费敏感型的客户,由于微信/家庭网等产品提供了近似免费的沟通方式,对短信产生巨大的替代作用,是导致客户短信发送量急剧下降的主要原因。

同时,我们也发现客户办理了短信套餐之后,有助于稳定短信收入,减缓短信量下降。

因此接下来短信业务运营的重点策略便是大力推广短信套餐,提升短信套餐渗透率,从而实现收入稳定,延缓发送量下降的目标。

五、案例2:

借助大数据开展精确营销

虽然客户手机流量增长迅速,然后流量的单位价格极为低廉,电信运营商必须在流量业务的基础上推广手机视频、手机阅读、手机游戏等数字内容产品,才能实现新的收入利润增长点。

由于国资委要求电信运营商大幅削减营销费用,大数据在精确营销方面的成熟运用,可以优化电信运营商的营销流程,大幅提升推广成功率,实现用更少的成本去发展更多的客户及收入。

本案例构建目标客户分析、业务关联运营、位置服务信息和终端信息合成的全景式客户视图,通过大数据挖掘+场景化营销手段,实现在合适时间、合适地点、向合适用户、推荐合适业务的4R要求,从而提高客户流量使用量和手机视频、手机阅读、手机游戏等数字内容产品渗透率及信息费收入。

（一数据准备,生成宽表

大数据营销的第一步同样是生成数据宽表,除上案例1提及的客户基础属性、流量特征、消费特征、业务特征、余额及充值记录、交往圈、地理位置、语音特征等,这里我们增加多一部分客户的手机APP使用习惯。

部分数据示例如下:

客户手机APP使用明细表

由于智能手机的普及,客户越来越多的在手机上运行微信、手机QQ、手机导航等手机APP应用程序。

通过分析客户曾经使用过什么APP手机应用,可以让我们对客户的行为偏好有一定的认知。

（二数据探索,找出关键因素

2014年是世界杯年,某市电信运营商计划借助世界杯热点契机向客户推广手机视频业务,引导客户通过手客户IDAPP类型APP名称

621010

650325

659328

660527

674354

682880

684806

686185

688868

801216

807776

807981

837694

855392

859879

888528

900056

903338

905803

即时通信

工具

电子商务

生活服务

音乐

浏览器

影音图像

交通导航

P2P视频

游戏

旅游出行

微信

WiFi管家

安卓系统管家

陌陌

淘宝

彩日历

QQ音乐

京东商城

手机QQ浏览器

可可手机电视

XX地图

UC浏览器

手机QQ

PPS影音

节奏大师

微车违章查询

applemaps

商业经济第2014年第8期SHANGYEJINGJINo.8,201468

--

机视频APP观看世界杯直播。

首先,我们先对比分析一下已经使用手机视频业务的客户与没有使用手机视频业务的客户有什么差异。

利用SPSSModeler提供的网络图功能对某市全量客户的手机APP使用行为进行分析,我们发现,使用手机视频APP的客户,往往会同时使用音乐类、即时通信类、影音图像类、社交网络类APP（详见下图,线条越粗,代表越多客户同时使用这两类手机应用APP。

因此,我们可以把客户是否使用以上4类APP作为分析客户是否手机视频业务潜在客户的关键因素。

图8手机视频APP与其它类别APP的相关性分析我们继续对数据宽表中的其它字段进行探索性分析。

这里,我们利用SPSSModeler提供的分布图功能对“品牌主套餐”、“手机操作系统”、“客户活跃区域场景”等名义型字段进行分析。

我们发现使用android操作系统手机的客户数最多,并且使用手机视频类APP的客户占比最高。

图9手机视频APP使用行为与手机操作系统的相关性分析对品牌主套餐进行分析,我们可以看到办理3G网聊卡的客户,使用手机视频类APP的客户比例也比较高,这也比较符合3G网聊卡的年青互联网客户的产品定位。

图10手机视频APP使用行为与客户品牌主套餐的相关性分析

我们还可以发现,在风景区、汽车站、火车站、酒店等场景活跃的客户,使用手机视频业务的比例往往也比较高。

图11手机视频APP使用行为与客户活跃场景的相关性分析我们采用分布图对其它名义型的字段进行分析,可以发现客户是否办理流量套餐、客户手机品牌名称、以及手机市场价格等字段与客户是否使用手机视频业务有显著的相关性。

接下来我们采用SPSSModeler提供的直方图功能对数值型的字段进行分析。

从下图可见流量越高,使用手机视频业务的客户占比越高。

图12手机视频APP使用行为与客户流量的相关性分析下图告诉我们,当交往圈在100以下,交往圈越小,使用手机视频客户比例越高。

说明手机视频是宅男宅女们的最爱。

图13手机视频APP使用行为与客户交往圈的相关性分析下图告诉我们,在网时间短的客户中使用手机视频业务的客户比例较高。

在网时间长的客户往往年纪较大,姚逴炯:

大数据在电信运营商市场分析及精确营销的应用研究69-

对手机视频这种新事件接收能力较低。

图14手机视频APP使用行为与客户在网时间的相关性分析

我们采用直方图对其它数值型的字段进行分析,可以发现客户的3G流量、2G流量、3G流量近4个月波动值、2G流量近4个月波动值、总流量近4个月趋势值、3G流量近4个月趋势值、网内通话次数等数值型字段与客户是否使用手机视频业务有显著的相关性。

（三数据挖掘建模

通过前面进行的数据探索,我们确定了客户是否使用音乐类、即时通信类、影音图像类、社交网络类APP等逻辑型字段,客户是否办理流量套餐、客户手机品牌名称、以及手机市场价格等名义型字段,与客户的3G流量、2G流量、3G流量近4个月波动值、2G流量近4个月波动值、总流量近4个月趋势值、3G流量近4个月趋势值、网内通话次数等数值型字段作为数据挖掘建模的输入字段。

然后我们把客户是否使用手机视频APP作为数据挖掘建模的输出字段,选择SPSSModeler的决策树模型进行建模。

得出结果如下:

图15手机视频APP潜在客户数据挖掘模型成果

图的右方告诉我们数据挖掘模型中,哪些因素对判断客户是否手机视频APP潜在客户最为重要。

从上图可知客户的3G流量、总流量、被叫次数、是否使用音乐类APP等字段是判断客户是否手机视频潜在客户的重要因素。

而图的左方则是提取手机视频潜在客户的规则集。

我们可以把这些条件导出,然后提取符合以上条件的客户作为手机视频业务推广的目标客户。

图16手机视频APP潜在客户输出示例我们还可以运用生成的决策树模型对全量客户进行运算,计算出每一个客户的手机视频业务使用可能性。

在营销资源有限的情况下,我们可以优先选择业务使用可能性最高的客户群,输送到短信平台、微信平台、营业厅等渠道,针对目标客户进行手机视频业务推荐,最大化提升资源运用效率,提升业务办理成功率。

（四应用效果

2014年6月某市电信运营商向手机视频办理可能性指数大于等于0.03的16万客户推广手机视频世界杯直播业务,推广成功率为3.2%。

而从全体客户随机抽取的参照组客户办理成功率为0.9%。

通过数据挖掘促进业务推广成功率提升250%,有效提升营销资源利用率。

（五小结

在本案例中,我们首先采用网络图、分布图、直方图等工具,找出判断客户是否手机视频业务潜在客户的关键因素。

并将找到的关键因素作为输入字段,将客户是否使用手机视频业务作为输出字段。

选择决策树模型进行数据挖掘分析,找出这些影响关素的重度性排序,并助生成手机视频业务潜在客户提取规则,并计算出每一个客户的手机视频业务办理可能性指数。

在电信运营商营销资源有限的情况下,可以将有限的营销资源,集中投放到业务办理可能性指数较高的潜在客户,从而实现运用最少资源产生最大效益的目标。

六、结论

面对着外部环境客户短信消费不断下降,以及营销成本压缩的内部环境压力,电信运营商急需优化流程提升营销效率。

而大数据的成熟运用为电信运营商的精细化营销提供了无限可能。

面对大数据浪潮的汹涌而来,电信运营商这类传统企业本身已经拥有较为完善的信息化架构,并无须对现有企业进行大的变革,只需用好当前所拥有客户大数据,即可以为企业创造更高的价值。

例如提

供更完善的市场分析为营销策略决策提供更精准、更客观的依据。

或者可以精确定位业务办理高倾向性潜在客户,进行更高成功率的产品推荐营销。

当然我们在应用大数据的时候也不能一味求全求大。

应用大数据的关键能力之一,是把数据变小的本领。

在运用数据的时候,需要的不是面面俱到的数据,而是比较敏感的数据,对预测或者分析起到关键影响力的数据,因此在运用大数据的时候,同样需要人为地去探索,去判断发掘关键因素。

大数据人人都知道,每个人都觉得很高深,但真正的挑战是把大数据应用起来。

本文举了两个案例,分别是大数据在市场分析以及精确营销产品推荐方面的案例,只需简单的几个步骤便可以借助大数据提升制定营销策略的准确性及精确营销的成功率。

最后在大数据应用的过程,还需要做好客户信息安全规范的制定,避免客户隐私信息的泄露。

[责任编辑:

刘玉梅]

商业经济第2014年第8期SHANGYEJINGJINo.8,2014

70-