電信精準(zhǔn)智能營(yíng)銷

基于數(shù)據(jù)挖掘技術(shù)的精準(zhǔn)智能營(yíng)銷1整理課件精準(zhǔn)智能營(yíng)銷FAQWhatWhyHowWhich基于聚類分析的客戶分群戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營(yíng)銷總結(jié)

2整理課件精確智能營(yíng)銷FAQ--What金字塔客層架構(gòu)圖潛在客戶群PotentialAccounts經(jīng)常往來(lái)客戶群OrdinaryAccounts主要交易客戶群MajorAccounts客戶來(lái)源的根底建設(shè)提升忠誠(chéng)客戶價(jià)值差異化增值效勞創(chuàng)造更高的利潤(rùn)留下有價(jià)值的客戶才能創(chuàng)造更高的利潤(rùn)3整理課件精確智能營(yíng)銷FAQ--What精確智能營(yíng)銷，即精準(zhǔn)營(yíng)銷(Precisionmarketing)，就是在精準(zhǔn)定位的根底上，依托數(shù)據(jù)挖掘技術(shù)手段建立個(gè)性化的顧客溝通效勞體系，實(shí)現(xiàn)企業(yè)可度量的低本錢擴(kuò)張之路。就是公司需要更精準(zhǔn)、可衡量和高投資回報(bào)的營(yíng)銷溝通，需要更注重結(jié)果和行動(dòng)的營(yíng)銷傳播方案，還有越來(lái)越注重對(duì)直接銷售溝通的投資。精準(zhǔn)營(yíng)銷是相對(duì)群眾營(yíng)銷而言的。4整理課件精確智能營(yíng)銷FAQ--Why市場(chǎng)競(jìng)爭(zhēng)迫使企業(yè)由規(guī)模型開(kāi)展向規(guī)模效益型開(kāi)展轉(zhuǎn)型電子商務(wù)、金融、保險(xiǎn)、通訊等運(yùn)營(yíng)商的經(jīng)營(yíng)模式從“技術(shù)驅(qū)動(dòng)〞向“市場(chǎng)驅(qū)動(dòng)〞、“客戶驅(qū)動(dòng)〞轉(zhuǎn)化群眾化營(yíng)銷已經(jīng)失去了其優(yōu)勢(shì)基于客戶信息、客戶價(jià)值和行為，深入數(shù)據(jù)分析的洞察力營(yíng)銷、精確化營(yíng)銷的理念逐漸被各大運(yùn)營(yíng)商所接受，并渴望通過(guò)從數(shù)據(jù)中挖掘價(jià)值來(lái)減少營(yíng)銷本錢、提高營(yíng)銷效益數(shù)據(jù)挖掘技術(shù)成為實(shí)現(xiàn)這些目標(biāo)的必要手段5整理課件精確智能營(yíng)銷FAQ--How聚類〔clustering〕是指把一組個(gè)體按照相似性歸成假設(shè)干類別，即“物以類聚〞，保證各組間特征的相異性最大，同組內(nèi)各觀測(cè)值特征的相似性最大。聚類分析能幫助發(fā)現(xiàn)特征迥異的不同客戶群，和對(duì)客戶分群起關(guān)健作用的指標(biāo)變量。各條記錄在細(xì)分變量空間的透視圖點(diǎn)對(duì)點(diǎn)短信夢(mèng)網(wǎng)短信本地通話通話行為數(shù)據(jù)業(yè)務(wù)長(zhǎng)途通話各行為特征在空間的位置相對(duì)集中，因此被劃分為有一定共同行為特征的客戶群6整理課件精確智能營(yíng)銷FAQ--How低高高高12845376因素二〔國(guó)內(nèi)呼叫次數(shù)〕因素三〔IP呼叫次數(shù)〕因素一〔繁忙時(shí)段呼叫次數(shù)〕示例7整理課件實(shí)施的難易程度客戶信息(CustomerInfo)客戶價(jià)值(CustomerValue)客戶行為(Behavioral)態(tài)度(Attitudinal)性別年齡戶藉職業(yè)婚姻狀況教育程度收入通話時(shí)段繁忙和非繁忙通話量漫游服務(wù)方便程度行為方式的變化高利潤(rùn)率中等利潤(rùn)率低利潤(rùn)率負(fù)利潤(rùn)率形象價(jià)值觀生活方式心理因素客戶信息客戶行為客戶價(jià)值客戶態(tài)度客戶細(xì)分方式

精確智能營(yíng)銷FAQ--How8整理課件精確智能營(yíng)銷FAQ--How考慮不同客戶細(xì)分方法的有效性及實(shí)施的難易程度，并結(jié)合系統(tǒng)所提供的數(shù)據(jù)資源和用戶特點(diǎn)，采用客戶行為方式進(jìn)行客戶細(xì)分，再結(jié)合客戶信息和客戶價(jià)值準(zhǔn)確定位細(xì)分人群客戶價(jià)值

客戶信息客戶行為客戶群X客戶細(xì)分三維分析體系三維分析體系所帶來(lái)

的業(yè)務(wù)利益客戶價(jià)值識(shí)別高價(jià)值客戶群，成為目標(biāo)客戶群客戶行為如何針對(duì)目標(biāo)客戶群，根據(jù)客戶行為分析，擴(kuò)展及保留客戶群，提供服務(wù)滿足客戶需求客戶信息整理客戶群的背景資料以便市場(chǎng)營(yíng)銷人員能找到目標(biāo)客戶群

9整理課件精確智能營(yíng)銷FAQ--How數(shù)據(jù)挖掘流程確定商業(yè)目標(biāo)ETL建立模型數(shù)據(jù)收集、管理數(shù)據(jù)探索、修改各部門訪談數(shù)據(jù)中心支持

數(shù)據(jù)挖掘工程師數(shù)據(jù)挖掘、商業(yè)分析、市場(chǎng)營(yíng)銷人員商業(yè)理解BusinessUnderstanding數(shù)據(jù)理解

DataUnderstanding數(shù)據(jù)準(zhǔn)備

Data

Preparation建立模型

Modeling模型評(píng)估Evaluation結(jié)果發(fā)布Deployment模型調(diào)優(yōu)應(yīng)用策略10整理課件精確智能營(yíng)銷FAQ--HowDataUnderstandingBusinessUnderstandingDataPreparationModellingEvaluationDeploymentDataCRISP－Cross-IndustryStandardProcess各個(gè)環(huán)節(jié)順序進(jìn)行，但需要不斷地循環(huán)往復(fù)進(jìn)行數(shù)據(jù)探索和模型的調(diào)優(yōu)11整理課件精確智能營(yíng)銷FAQ--Which客戶流失分析客戶綜合價(jià)值評(píng)估交叉銷售和增量銷售客戶信用評(píng)估欺詐行為分析……12整理課件某電信運(yùn)營(yíng)商定義的客戶分群的商業(yè)目標(biāo)是“對(duì)某市數(shù)十萬(wàn)公眾客戶，從價(jià)值和行為的分析維度進(jìn)行客戶分群，以了解不同客戶群的消費(fèi)行為特征，為開(kāi)展新業(yè)務(wù)、流失客戶保有、他網(wǎng)用戶爭(zhēng)奪的針對(duì)性營(yíng)銷策略的制訂提供分析依據(jù)，并實(shí)現(xiàn)企業(yè)保存量、激增量的戰(zhàn)略目標(biāo)〞。電信客戶從營(yíng)銷屬性分為三類：公眾客戶、商業(yè)客戶和大客戶，其中公眾客戶消費(fèi)行為有較大的隨機(jī)性，客戶分布難有規(guī)律可尋，比較適于聚類分析。案例描述—基于聚類分析的移動(dòng)智能營(yíng)銷13整理課件精確智能營(yíng)銷FAQ基于聚類分析的客戶分群客戶分群的商業(yè)理解數(shù)據(jù)分群的數(shù)據(jù)理解客戶分群的數(shù)據(jù)準(zhǔn)備客戶分群的模型建立客戶分群的模型評(píng)估客戶分群的模型發(fā)布戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營(yíng)銷總結(jié)

14整理課件客戶分群的商業(yè)理解從商業(yè)角度理解工程的目標(biāo)和要求，然后把理解轉(zhuǎn)化為數(shù)據(jù)挖掘問(wèn)題的定義和一個(gè)旨在實(shí)現(xiàn)目標(biāo)的初步方案；明確工程的商業(yè)目標(biāo)，這個(gè)目標(biāo)應(yīng)該是適于用基于聚類分析的客戶分群方法去到達(dá)的。15整理課件精確智能營(yíng)銷FAQ基于聚類分析的客戶分群客戶分群的商業(yè)理解數(shù)據(jù)分群的數(shù)據(jù)理解客戶分群的數(shù)據(jù)準(zhǔn)備客戶分群的模型建立客戶分群的模型評(píng)估客戶分群的模型發(fā)布戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營(yíng)銷總結(jié)

16整理課件客戶分群的數(shù)據(jù)理解“巧婦難為無(wú)米之炊〞，數(shù)據(jù)是挖掘的根底；在確定目標(biāo)和方案后需要進(jìn)行“數(shù)據(jù)理解〞，以確定要支持我們的分析目標(biāo)需要哪些方面的數(shù)據(jù)，數(shù)據(jù)根底是否已經(jīng)具備，數(shù)據(jù)質(zhì)量是否能滿足要求，如果不能得到肯定的答復(fù)，我們建議推遲工程實(shí)施直至條件成熟，因?yàn)椤斑M(jìn)去的是垃圾出來(lái)的仍是垃圾〞，錯(cuò)誤的分析結(jié)果可能會(huì)給我們帶來(lái)重大的損失。17整理課件客戶分群的數(shù)據(jù)理解分析業(yè)務(wù)系統(tǒng)中的客戶信息、客戶消費(fèi)及購(gòu)置使用行為三個(gè)方面最近六個(gè)月的歷史數(shù)據(jù)。電信企業(yè)擁有業(yè)務(wù)受理開(kāi)通的CRM系統(tǒng)，進(jìn)行計(jì)費(fèi)、帳務(wù)及欠費(fèi)處理的計(jì)費(fèi)系統(tǒng)，卡類業(yè)務(wù)的智能網(wǎng)系統(tǒng)，客戶效勞的10000號(hào)系統(tǒng)，營(yíng)銷效勞的渠道系統(tǒng)，還有結(jié)算系統(tǒng)、寬帶、窄帶及小靈通系統(tǒng)等等，這些業(yè)務(wù)系統(tǒng)儲(chǔ)蓄了企業(yè)運(yùn)營(yíng)的海量客戶數(shù)據(jù)。18整理課件客戶分群的數(shù)據(jù)理解基于訪談中了解的客戶需求，采用用戶行為特征作為細(xì)分變量，用戶人口統(tǒng)計(jì)信息和客戶價(jià)值作為描述變量，從而定位人群特征。對(duì)行為特征從以下幾個(gè)方面來(lái)獲取信息對(duì)多元化服務(wù)的需求程度服務(wù)類型對(duì)通話的多層次需求本地、長(zhǎng)途、漫游呼叫時(shí)長(zhǎng)本地、長(zhǎng)途、漫游呼叫次數(shù)呼叫時(shí)間、次數(shù)（繁忙/非繁忙時(shí)段，工作/休息時(shí)段）呼叫類型（主叫、被叫、呼轉(zhuǎn)）對(duì)資費(fèi)的敏感程度IP使用情況優(yōu)惠時(shí)段通話情況撥打1861次數(shù)對(duì)方便性及信息實(shí)時(shí)性的需求SMS使用次數(shù)Monternet使用次數(shù)WAP上網(wǎng)時(shí)間GPRS數(shù)據(jù)流量導(dǎo)出客戶需求種類客戶數(shù)據(jù)注：細(xì)分變量——用于進(jìn)行客戶細(xì)分的變量

描述變量——將客戶細(xì)分成各個(gè)群體后，各群體的根本特征19整理課件客戶分群的數(shù)據(jù)理解通話范圍本地通話d_localt_local省內(nèi)長(zhǎng)途通話d_toll_inprnt_toll_inprn省間長(zhǎng)途通話d_toll_btwprnt_toll_btwprn國(guó)際、港澳臺(tái)長(zhǎng)途通話d_toll_htm+iddt_toll_htm+idd活動(dòng)范圍省內(nèi)漫游通話d_rm_inprnt_rm_inprn省際漫游通話d_rm_btwprnt_rm_btwprn國(guó)際漫游通話d_rm_iddt_rm_iddIP使用情況IP通話d_ipt_ip基于客戶需求，并結(jié)合以上行為特征選取的方向，定義幾組數(shù)據(jù)作為細(xì)分變量與各運(yùn)營(yíng)商聯(lián)系程度網(wǎng)內(nèi)通話比例d_mob_vs_Ttlt_mob_vs_Ttl聯(lián)通通話比例d_uni_vs_Ttlt_uni_vs_Ttl小靈通通話比例d_phs_vs_Ttlt_phs_vs_Ttl固話通話比例d_fix_vs_Ttlt_fix_vs_Ttl呼轉(zhuǎn)行為d_fwd_totalt_fwd_total數(shù)據(jù)業(yè)務(wù)使用情況WAP使用d_wapt_wap點(diǎn)對(duì)點(diǎn)及網(wǎng)間短信發(fā)送次數(shù)t_sms_total夢(mèng)網(wǎng)短信發(fā)送次數(shù)t_sms_mont客服到營(yíng)業(yè)廳次數(shù)t_service撥打1860次數(shù)t_1860撥打1861次數(shù)t_1861注：其中d_X代表時(shí)長(zhǎng)，t_X代表次數(shù)20整理課件客戶分群的數(shù)據(jù)理解客戶基本信息agespecial_feet_fwd_unimalesms_feed_fwd_fixfemalewap_feet_fwd_fixGenderMissingip_fee閑時(shí)忙時(shí)通話情況d_pkon_totalCashPaygprs_feet_pkon_totalPrePaymessage_feed_pkoff_totalvip_markother_feet_pkoff_totaldue_mark主叫被叫情況d_outgoing_total工作時(shí)間、生活時(shí)間通話情況d_worktime_totaltenure_in_dayst_outgoing_totalt_worktime_total費(fèi)用信息ARPUd_incoming_totald_resttime_totalshould_feet_incoming_totalt_resttime_totalfavor_fee聯(lián)系人群范圍distinct_out_total各項(xiàng)短信使用情況t_sms_p2prent_feedistinct_in_totalt_sms_linklocal_fee與聯(lián)系緊密人群的主被叫情況d_outgoing_topNt_sms_topNinprn_feet_outgoing_topNsms_msg_lengthbtwprn_feed_incoming_topNdistinct_sms_sendhtm_feet_incoming_topNdistinct_spidd_fee各項(xiàng)呼轉(zhuǎn)情況d_fwd_mobrm_inprn_feet_fwd_mobrm_btwprn_feed_fwd_srvrm_idd_feet_fwd_srvrm_toll_feed_fwd_uni通過(guò)細(xì)分變量將客戶進(jìn)行細(xì)分，再通過(guò)以下描述變量定位人群，進(jìn)一步分析人群特征。21整理課件精確智能營(yíng)銷FAQ基于聚類分析的客戶分群客戶分群的商業(yè)理解數(shù)據(jù)分群的數(shù)據(jù)理解客戶分群的數(shù)據(jù)準(zhǔn)備客戶分群的模型建立客戶分群的模型評(píng)估客戶分群的模型發(fā)布戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營(yíng)銷總結(jié)

22整理課件客戶分群的數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備流程：23整理課件客戶分群的數(shù)據(jù)準(zhǔn)備—選擇數(shù)據(jù)決定用來(lái)分析的數(shù)據(jù)選擇標(biāo)準(zhǔn)：與數(shù)據(jù)挖掘目標(biāo)的相關(guān)性數(shù)據(jù)選擇包括數(shù)據(jù)表格中屬性〔列〕和記錄〔行〕的選擇24整理課件客戶分群的數(shù)據(jù)準(zhǔn)備—選擇數(shù)據(jù)用戶及客戶的根本信息：客戶身份信息、聯(lián)系方式、產(chǎn)品擁有情況，用戶竣工時(shí)間、入網(wǎng)時(shí)長(zhǎng)、效勞開(kāi)通情況、優(yōu)惠套餐信息、客戶效勞信息〔投訴、咨詢、催繳情況〕等。價(jià)值信息：話音、寬窄帶業(yè)務(wù)的月租費(fèi)、使用費(fèi)、優(yōu)惠費(fèi)用及增值業(yè)務(wù)、新業(yè)務(wù)、信息費(fèi)和卡類、結(jié)算費(fèi)用，還包括了繳欠費(fèi)信息。行為信息：時(shí)長(zhǎng)、次數(shù)、跳次、發(fā)話不同號(hào)碼數(shù)、時(shí)長(zhǎng)集中度〔撥打時(shí)長(zhǎng)最多的三個(gè)號(hào)碼撥打時(shí)長(zhǎng)在總時(shí)長(zhǎng)中占比〕、次數(shù)集中度。25整理課件客戶分群的數(shù)據(jù)準(zhǔn)備—選擇數(shù)據(jù)根底表中數(shù)據(jù)屬性粒度要求盡量細(xì)，以便于在后期靈活構(gòu)建數(shù)據(jù)。將價(jià)值和行為變量從專業(yè)〔區(qū)內(nèi)、區(qū)間、本地移動(dòng)、本地異商固網(wǎng)、傳統(tǒng)國(guó)內(nèi)長(zhǎng)途、傳統(tǒng)國(guó)際長(zhǎng)途、傳統(tǒng)港澳臺(tái)長(zhǎng)途、傳統(tǒng)異地行動(dòng)、IP國(guó)內(nèi)長(zhǎng)途、IP國(guó)際長(zhǎng)途、IP港澳臺(tái)長(zhǎng)途、IP異地行動(dòng)〕和時(shí)段〔白天:7:00-18:00、晚上：18:00-7:00、特殊時(shí)段：0:00-7:00〕兩個(gè)維度進(jìn)行了劃分。26整理課件客戶分群的數(shù)據(jù)準(zhǔn)備—清洗數(shù)據(jù)將數(shù)據(jù)質(zhì)量提高到所選分析技術(shù)和分析目標(biāo)要求的水平。包括選擇需要進(jìn)行數(shù)據(jù)清洗的子集，插入適當(dāng)?shù)哪J(rèn)值或者通過(guò)更加復(fù)雜的技術(shù)如建模來(lái)估計(jì)缺失值，比方某月份的數(shù)據(jù)缺失可以用前后月份數(shù)據(jù)的平均值來(lái)填充，將擁有產(chǎn)品較多〔可能不是公眾客戶〕及公免的客戶數(shù)據(jù)剔除。此階段需要對(duì)根底表的數(shù)據(jù)進(jìn)一步探索和檢驗(yàn)。27整理課件客戶分群的數(shù)據(jù)準(zhǔn)備寬表生成流程注：寬表是將數(shù)據(jù)經(jīng)過(guò)組合所形成的包括細(xì)分變量和描述變量的記錄表。DSS目前開(kāi)放的表格作為接口表其他接口文件作為中間表的數(shù)據(jù)集1作為中間表的數(shù)據(jù)集2建模使用的寬表數(shù)據(jù)集建模使用的寬表數(shù)據(jù)集接口文件直接參與寬表的生成28整理課件精確智能營(yíng)銷FAQ基于聚類分析的客戶分群客戶分群的商業(yè)理解數(shù)據(jù)分群的數(shù)據(jù)理解客戶分群的數(shù)據(jù)準(zhǔn)備客戶分群的模型建立客戶分群的模型評(píng)估客戶分群的模型發(fā)布戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營(yíng)銷總結(jié)

29整理課件通過(guò)因子分析找到變量之間的關(guān)系，并優(yōu)化變量組合。在對(duì)模型結(jié)果的分析中，根據(jù)標(biāo)準(zhǔn)——群間差距最大，群內(nèi)差距最小的原那么進(jìn)行分析，同時(shí)調(diào)整變量組合，以盡量接近標(biāo)準(zhǔn)。以此方式循環(huán)，逐步使模型得到優(yōu)化。數(shù)據(jù)探索建摸模型分析因子分析客戶分群的模型建立30整理課件customertype項(xiàng)目百分比數(shù)量用戶類型不詳0.017B普通73.4495758B重要客戶A10.14185B重要客戶A20.10133B重要客戶A30.18241B重要客戶A40.21276B集團(tuán)客戶B10.22282B集團(tuán)客戶B21.131473B集團(tuán)客戶B32.252930B集團(tuán)客戶B46.288193B信譽(yù)客戶C10.0111B信譽(yù)客戶C20.0340B信譽(yù)客戶C31.381793B信譽(yù)客戶C41.011321B信譽(yù)客戶C51.511968B信譽(yù)客戶C61.542006B潛在大用戶10.2913411B老客戶0.0570B原重要0.0221B公免0.21269customer_status項(xiàng)目百分比數(shù)量正常79.05103066冒高17.4322721欠停0.34448報(bào)停1.692206掛失0.0223預(yù)銷1.281669強(qiáng)開(kāi)0.0562強(qiáng)關(guān)0.15193tenure_in_days項(xiàng)目百分比數(shù)量在網(wǎng)時(shí)間90天以上0.79102942在網(wǎng)時(shí)間90天以內(nèi)0.2127446公免不能代表普遍用戶行為，容易對(duì)在聚類形成噪音在用戶狀態(tài)中僅選擇正常用戶選擇入網(wǎng)時(shí)間90天以上用戶，保證研究樣本擁有完整的研究期間數(shù)據(jù)注：黃色局部為去掉的數(shù)據(jù)客戶分群的模型建立--數(shù)據(jù)探索31整理課件customer_idphone_noshould_feefavor_fee32007534813708130041381.76381.7632007534913708130042375.02375.0232007535013708130043797.27797.27320075351137081300441090.681090.68320075352137081300456.666.6632007535313708130046432.07432.07320075354137081300471478.761478.76在記錄中發(fā)現(xiàn)should_fee〔用戶應(yīng)收費(fèi)〕=favor_fee〔優(yōu)惠費(fèi)〕的用戶記錄，詳細(xì)查看其記錄，比較異常。在與移動(dòng)分公司訪談后了解此類記錄多為用于測(cè)試的號(hào)碼。于是去掉該局部記錄局部should_fee=favor_fee的記錄客戶分群的模型建立--數(shù)據(jù)探索32整理課件用戶的ARPU值分布平均ARPU值：156.48元獲得的某市移動(dòng)用戶記錄共有130388條，經(jīng)過(guò)正常值選擇、極值處理等，最后用于研究的記錄有78339條數(shù)據(jù)探索的目的主要在于發(fā)現(xiàn)數(shù)據(jù)存在的問(wèn)題及尋找數(shù)據(jù)的內(nèi)在規(guī)律用戶年齡分布用戶性別比例用戶區(qū)域分布客戶分群的模型建立--數(shù)據(jù)探索33整理課件細(xì)分結(jié)果數(shù)據(jù)表—細(xì)分變量組1組2組3組4組5組6組7組8組9組10客戶細(xì)分群cluster-1cluster-8cluster-12cluster-9cluster-7cluster-5cluster-10cluster-3cluster-11cluster-4cluster-6cluster-2客戶數(shù)占總客戶比例0.0650.0900.1970.1930.1020.1580.1250.0110.0350.0200.0050.001ARPU68.5398.87126.41135.44145.52162.74153.84194.58467.68545.86818.851422.02本地通話時(shí)間7874.749575.9814219.8815029.9418305.4420607.7718176.3015219.1574130.9047523.8049344.0039735.35本地通話次數(shù)80.93103.79161.61170.09211.23238.01200.97140.33822.74497.04521.28406.72省內(nèi)長(zhǎng)途通話時(shí)間255.34560.60671.11843.86658.50885.161159.61987.363774.808389.128418.616134.88省內(nèi)長(zhǎng)途通話次數(shù)1.864.425.727.295.717.8110.027.1234.0373.1773.5653.14省際長(zhǎng)途通話時(shí)間110.32305.75293.05409.41269.26373.12533.24485.091263.322209.1915981.604346.05省際長(zhǎng)途通話次數(shù)0.601.731.812.581.652.343.432.808.7115.92120.7028.84國(guó)際港澳臺(tái)長(zhǎng)途通話時(shí)間0.326.781.632.821.000.892.560.2210.427.9131.484273.49國(guó)際港澳臺(tái)長(zhǎng)途通話次數(shù)0.000.040.010.020.010.010.020.000.060.050.2237.47省內(nèi)漫游通話時(shí)間338.40591.40781.291046.00796.111108.621560.101362.624515.1510459.799909.148736.74省內(nèi)漫游通話次數(shù)3.245.707.9110.648.1711.5315.9112.8446.96102.9094.0583.40省際漫游通話時(shí)間34.12191.22169.02253.75124.42180.73311.17257.00538.171436.5814768.834178.14省際漫游通話次數(shù)0.251.441.392.111.081.572.622.034.7512.32127.5731.60國(guó)際漫游通話時(shí)間0.171.520.781.320.820.793.520.0012.786.3329.384633.49國(guó)際漫游通話次數(shù)0.000.010.010.010.010.010.040.000.110.050.2443.30IP通話時(shí)間492.19600.45584.37688.80599.59729.461084.452591.801104.838322.416629.192273.72IP通話次數(shù)2.353.263.443.973.404.316.0810.486.6353.2340.8711.07呼叫轉(zhuǎn)移時(shí)間666.86689.19904.18988.471190.041353.711233.80807.353677.672933.653967.393909.30呼叫轉(zhuǎn)移次數(shù)8.8910.4713.6715.0318.2720.4118.6411.4357.9443.2459.1761.81與移動(dòng)通話時(shí)間/總通話時(shí)間0.130.170.220.390.190.360.580.340.460.340.460.44與移動(dòng)通話次數(shù)/總通話次數(shù)0.110.170.220.400.180.350.570.320.460.340.470.49與聯(lián)通通話時(shí)間/總通話時(shí)間0.070.090.160.090.390.240.090.100.180.170.150.11與聯(lián)通通話次數(shù)/總通話次數(shù)0.060.080.160.090.390.240.090.100.190.170.150.12與小靈通通話時(shí)間/總通話時(shí)間0.020.010.010.010.010.010.000.010.010.010.000.00與小靈通通話次數(shù)/總通話次數(shù)0.020.010.010.010.010.010.000.010.010.010.000.00與固話通話時(shí)間/總通話時(shí)間0.170.610.410.360.270.230.210.260.220.360.320.38與固話通話次數(shù)/總通話次數(shù)0.140.570.390.340.250.220.190.230.210.340.300.37WAP上網(wǎng)時(shí)間19.126.468.849.148.9610.4415.7092.4626.4616.092.78128.37WAP上網(wǎng)次數(shù)0.140.040.050.060.050.060.080.620.160.080.020.26短信總次數(shù)33.3011.0519.5221.9228.8029.9437.44701.6653.1349.9058.3487.40夢(mèng)網(wǎng)短信次數(shù)4.003.984.664.774.514.954.828.506.647.057.166.93到營(yíng)業(yè)廳次數(shù)0.480.530.730.820.760.950.901.673.313.734.736.84撥打1860次數(shù)1.730.630.840.720.980.940.843.680.821.080.840.21撥打1861次數(shù)6.812.454.023.564.835.154.2711.523.154.062.110.2634整理課件細(xì)分結(jié)果數(shù)據(jù)表—描述變量組1組2組3組4組5組6組7組8組9組10客戶細(xì)分群cluster-1cluster-8cluster-12cluster-9cluster-7cluster-5cluster-10cluster-3cluster-11cluster-4cluster-6cluster-2客戶數(shù)占總客戶比例0.0650.0900.1970.1930.1020.1580.1250.0110.0350.0200.0050.001ARPU68.5398.87126.41135.44145.52162.74153.84194.58467.68545.86818.851422.02年齡30.9935.3934.1934.3232.7932.9232.7424.1833.7933.7234.9335.95男性比例0.590.640.670.660.690.720.660.470.750.740.800.77女性比例0.290.270.250.250.220.200.250.440.160.190.150.12性別不詳比例0.110.090.090.090.080.080.090.090.080.070.060.12現(xiàn)金付費(fèi)比例0.090.190.190.210.160.180.180.080.510.510.590.86預(yù)付費(fèi)比例0.910.810.810.790.840.820.820.920.490.490.410.14VIP比例0.070.130.180.200.180.230.200.180.760.810.850.88欠費(fèi)比例0.020.020.030.030.030.030.030.010.090.090.100.05在網(wǎng)時(shí)長(zhǎng)（天）775.00823.20852.02888.43760.20827.97794.64424.441214.861152.101192.931500.07應(yīng)收費(fèi)88.89128.22164.29179.07194.14220.03215.79258.79692.31697.45991.011552.63優(yōu)惠費(fèi)20.3529.3537.8843.6348.6157.2961.9564.21224.63151.59172.16130.61月租費(fèi)21.5635.1038.0739.2039.7442.8140.7118.9848.9049.3749.0949.22基本通話費(fèi)42.4859.8787.6792.93115.20128.86113.0097.73500.66329.60336.54259.09本地通話費(fèi)比例0.480.470.530.520.590.590.520.380.720.470.340.17省內(nèi)長(zhǎng)途費(fèi)0.852.342.472.942.283.103.743.5114.2922.7120.8814.11省際長(zhǎng)途費(fèi)1.744.525.206.855.106.749.307.9027.0765.8898.0658.33港澳臺(tái)長(zhǎng)途費(fèi)0.000.020.000.010.000.010.000.000.010.030.062.64國(guó)際長(zhǎng)途費(fèi)0.010.340.080.110.030.010.080.000.510.210.8129.41長(zhǎng)途費(fèi)比例0.030.060.050.060.040.040.060.040.060.130.120.07省內(nèi)漫游費(fèi)3.486.718.7411.678.6712.0817.2414.8548.02127.08110.9097.69省際漫游費(fèi)0.432.792.223.331.552.294.023.366.5123.34183.5657.51國(guó)際漫游費(fèi)0.020.220.120.260.140.130.500.002.200.946.27706.27漫游費(fèi)比例0.040.080.070.090.050.070.100.070.080.220.300.55漫游長(zhǎng)途費(fèi)0.241.891.392.050.901.352.341.794.7412.04116.55202.86特服費(fèi)6.636.757.347.587.748.408.156.1713.7914.3619.1217.94SMS費(fèi)4.591.382.112.242.402.633.7181.093.384.324.426.14WAP費(fèi)0.030.010.010.010.020.020.020.120.040.030.000.28IP費(fèi)1.622.101.992.322.082.423.709.604.1927.8220.3019.78IP費(fèi)比例0.570.230.220.190.250.220.240.730.090.280.090.06GPRS費(fèi)0.450.100.150.190.140.150.310.361.712.282.6812.09代收信息費(fèi)4.343.574.685.124.365.365.2812.3510.3511.2211.5714.60其它費(fèi)0.360.552.022.203.713.653.660.605.886.1110.1016.7835整理課件各組相對(duì)強(qiáng)弱勢(shì)比較分組號(hào)細(xì)分編號(hào)強(qiáng)勢(shì)特征弱勢(shì)特征組1：低使用率組1與小靈通通話多，撥打1860、1861次數(shù)本地、省內(nèi)長(zhǎng)途漫游、省間長(zhǎng)途、短信、IP、與聯(lián)通用戶通話組2：固話聯(lián)系緊密組8與固定電話通話多本地、省內(nèi)長(zhǎng)途漫游、省間長(zhǎng)途、短信、IP、與聯(lián)通用戶通話組3：中低使用率組12與固定電話通話多省際長(zhǎng)途、IP電話9與聯(lián)通通話次數(shù)組4：聯(lián)通聯(lián)系緊密組7與聯(lián)通用戶通話時(shí)長(zhǎng)、次數(shù)省際漫游5與聯(lián)通用戶通話時(shí)長(zhǎng)、次數(shù)組5：移動(dòng)聯(lián)系緊密組10與移動(dòng)用戶通話時(shí)長(zhǎng)、次數(shù)與聯(lián)通和固話的通話時(shí)長(zhǎng)、次數(shù)組6：短信高使用組3短信、夢(mèng)網(wǎng)短信、WAP、撥打1860、1861港澳臺(tái)、國(guó)際長(zhǎng)途漫游。組7：大量本地通話組11本地通話時(shí)長(zhǎng)、次數(shù)。呼叫轉(zhuǎn)移。與移動(dòng)用戶通話時(shí)長(zhǎng)、次數(shù)組8：高IP&省內(nèi)漫游組4IP通話時(shí)長(zhǎng)、次數(shù)。省內(nèi)漫游組9：高省際長(zhǎng)途漫游組6省際長(zhǎng)途漫游通話時(shí)長(zhǎng)、次數(shù)WAP使用，1861撥打次數(shù)組10：高國(guó)際長(zhǎng)途漫游組2港澳臺(tái)、國(guó)際長(zhǎng)途漫游36整理課件組1：低使用率組組1：低使用率組細(xì)分組信息數(shù)量：比例：6%年齡：30.99ARPU:68在網(wǎng)時(shí)間(月)：27女性比例：29%預(yù)付費(fèi)比例：81%VIP比例：7%客戶群分析本組用戶對(duì)手機(jī)基本使用通話功能，并且通話需求低。平均每天2.8次主要在本地活動(dòng)，并且也主要與市內(nèi)用戶溝通。聯(lián)系圈子小。并且與小靈通聯(lián)系較多。每個(gè)市內(nèi)、長(zhǎng)途電話的時(shí)長(zhǎng)在12組人群中居第一、二位，但次數(shù)卻最少?？煽闯龃祟惾巳阂话闶怯惺虑椴糯螂娫?，所以談話時(shí)間會(huì)長(zhǎng)，但次數(shù)卻少。優(yōu)惠時(shí)段通話次數(shù)在所有組中最高，占了整個(gè)通話次數(shù)的5%。短信使用量相對(duì)其他低端人群較多，結(jié)合其低ARPU值的特征，估計(jì)因?yàn)橘Y費(fèi)敏感而用會(huì)采用短信替代一定通話行為IP通話電話次數(shù)占整個(gè)通話次數(shù)比例較高，有28%，可看出其對(duì)資費(fèi)非常敏感。訪問(wèn)營(yíng)業(yè)廳次數(shù)少。撥打1860、1861次數(shù)多。由于1861為話費(fèi)查詢電話，可見(jiàn)此客戶群對(duì)資費(fèi)比較敏感。37整理課件組1：低使用率組客戶策略產(chǎn)品/服務(wù)：此類人群對(duì)資費(fèi)非常敏感，可能會(huì)對(duì)省錢類產(chǎn)品感興趣。由于人群圈子窄，并且主要為市內(nèi)通話，容易成為小靈通的搶奪對(duì)象，可設(shè)計(jì)親情號(hào)碼類產(chǎn)品。推廣：估計(jì)此類人群中包括低工資人群、家庭婦女、老人、學(xué)生等人群、社交需求少的技術(shù)人員，所以可選擇超市、商場(chǎng)、學(xué)校等地進(jìn)行海報(bào)宣傳或安排人員發(fā)送宣傳單。在人群聚集地進(jìn)行一定促銷活動(dòng)，實(shí)物獎(jiǎng)勵(lì)會(huì)對(duì)該組人群有一定吸引力1860、1861接聽(tīng)宣傳銷售渠道：除基本代銷點(diǎn)外，可挑選此客戶群體的居民樓附近超市、小商品店等作為代銷點(diǎn)38整理課件組6短信高使用組組6：短信高使用組細(xì)分組信息數(shù)量：比例：1%年齡：24ARPU:194在網(wǎng)時(shí)間(月)：14女性比例：44%預(yù)付費(fèi)比例：92%VIP比例：18%業(yè)務(wù)使用行為其最明顯特征是點(diǎn)對(duì)點(diǎn)短信、網(wǎng)間短信、夢(mèng)網(wǎng)短信、WAP等數(shù)據(jù)業(yè)務(wù)使用量大，估計(jì)此類人群對(duì)新技術(shù)比較