某運營商數(shù)據(jù)挖掘項目匯報_新增用戶維系課件

單擊此處編輯母版文本樣式,第二級,第三級,-,*,-,單擊此處編輯母版標題樣式,某運營商數(shù)據(jù)挖掘項目匯報,_,新增用戶維系,2010,年,3,月,新增用戶維系基本流程,1,、采用生存分析法，對有流失傾向的用戶進行提前預警，并可根據(jù)用戶流失概率的高低劃定預警級別,流失高危用戶群,在網(wǎng)異動用戶群,正常用戶群,異動預警監(jiān)控,1,、維系策略方案生成,渠道養(yǎng)卡監(jiān)管措施,重入網(wǎng)與反復用戶管控措施,正常低網(wǎng)齡用戶維系措施,2,、維系方案實施,營銷案實施流程,維系渠道,維系方式,維系策略及方案,1,、維系情況反饋,2,、目標達成情況,3,、維系效果評估：,渠道養(yǎng)卡識別及監(jiān)管,重入網(wǎng)與反復重入網(wǎng),正常低網(wǎng)齡用戶維系,維系效果評估,1,、新增用戶分群：,渠道養(yǎng)卡,重入網(wǎng)與反復重入網(wǎng)用戶,正常低網(wǎng)齡用戶細分,根據(jù)正常低網(wǎng)齡用戶偏好進行細分,新增用戶分群,建立新增用戶維系閉環(huán)管理體系，準確分群，分級預警，制定針對性的維系策略和方案并實施，實現(xiàn)新增用戶保有。,渠道養(yǎng)卡識別與監(jiān)控,重入網(wǎng)與反復重入網(wǎng)管理,正常低網(wǎng)齡用戶維系,新增用戶維系,柳州渠道養(yǎng)卡行為特征及監(jiān)控思路建議,產(chǎn)品：,渠道養(yǎng)卡一般選擇無月租或最低月租的產(chǎn)品，以降低養(yǎng)卡的成本，研究發(fā)現(xiàn)柳州,2,種類型產(chǎn)品均被渠道選擇使用,ARPU,：,渠道養(yǎng)卡號碼消費額一般較低，研究發(fā)現(xiàn)柳州養(yǎng)卡號碼月均消費一般低于,15,元,主叫時長：,渠道養(yǎng)卡號碼主叫時長非常低，研究發(fā)現(xiàn)柳州有,70%,以上無通話行為，有通話行為用戶主叫時長主要集中在,3,分鐘以內(nèi),用戶狀態(tài)：,研究發(fā)現(xiàn)柳州渠道養(yǎng)卡新增號碼停機流失高峰出現(xiàn)在入網(wǎng)后的第,1-3,個月,消費情況：,同一個渠道發(fā)展的養(yǎng)卡號碼中，出現(xiàn)多個號碼消費行為一致的情況，如多個號碼入網(wǎng)當月和次月消費完全一致,激活,IMEI,：,養(yǎng)卡號碼在激活時，一般用同一個手機激活，因此養(yǎng)卡號碼中大量號碼的激活,IMEI,一致,柳州渠道養(yǎng)卡行為特征,制定疑似養(yǎng)卡渠道的判斷規(guī)則：從渠道發(fā)展用戶的產(chǎn)品、,ARPU,、用戶狀態(tài)進行判斷，當用戶數(shù)占比符合一定標準后，即判斷為疑似養(yǎng)卡渠道；,制定疑似養(yǎng)卡號碼的判斷規(guī)則：從用戶消費情況、激活,IMEI,等進行判斷，符合一定標準的號碼為疑似養(yǎng)卡號碼；,分析疑似養(yǎng)卡渠道的養(yǎng)卡號碼量，計算養(yǎng)卡號碼占其當月新發(fā)展的比，并按各渠道此比例排序,養(yǎng)卡行為監(jiān)控思路建議,通過研究發(fā)現(xiàn)柳州渠道養(yǎng)卡行為特征及監(jiān)控思路建議如下：,以上判斷標準，都以同一渠道發(fā)展的用戶作為判斷基礎(chǔ)數(shù)據(jù)；,判斷步驟是首先判斷疑似養(yǎng)卡渠道，在判斷其為疑似養(yǎng)卡渠道后，統(tǒng)計其疑似養(yǎng)卡號碼數(shù)量,對養(yǎng)卡號碼的判斷模型是對渠道養(yǎng)卡違規(guī)行為進行分析的基礎(chǔ)，需要在執(zhí)行中進一步分析、調(diào)研完善優(yōu)化判斷規(guī)則，提升判斷準確率。,疑似養(yǎng)卡渠道和養(yǎng)卡號碼判斷規(guī)則,疑,似,養(yǎng),卡,渠,道,產(chǎn)品：,渠道新增用戶中，,30%,以上的用戶都為兩廣情零聽計劃或都市,“,零聽,”,計劃二，該渠道為疑似養(yǎng)卡渠道,主叫時長,：渠道新增用戶中，,50%,以上或,100,人以上的用戶入網(wǎng)當月和次月主叫時長在,3,分鐘內(nèi)，該渠道為疑似養(yǎng)卡渠道,用戶狀態(tài)：,渠道新增用戶中，入網(wǎng)后在第,3,個月，,30%,以上的用戶狀態(tài)為停機流失，該渠道為疑似養(yǎng)卡渠道,疑,似,養(yǎng),卡,號,碼,消費情況,:,a.,出現(xiàn),5,個或以上號碼號碼入網(wǎng)當月和次月主叫時長都在,3,分鐘內(nèi)；,b.,或出現(xiàn),5,個或以上號碼號碼入網(wǎng)當月和次月消費在,5,元以內(nèi)；,c.,或出現(xiàn),2,個以上號碼入網(wǎng)當月或次月應收費完全一致，,這些號碼為疑似養(yǎng)卡號碼,激活情況：,a.,出現(xiàn),5,個或以上號碼號碼激活,IMEI,一致,;,b.,或,2,個或以上號碼登記身份證號一致,這些號碼為疑似養(yǎng)卡號碼,ARPU,：,渠道新增用戶中，,30%,以上或,100,人以上的用戶入網(wǎng)當月和次月,ARPU,低于,5,元，該渠道為疑似養(yǎng)卡渠道,渠道養(yǎng)卡識別與監(jiān)控,重入網(wǎng)與反復重入網(wǎng)管理,正常低網(wǎng)齡用戶維系,新增用戶維系,重入網(wǎng)與反復重入網(wǎng)（跳蚤）用戶識別規(guī)則,N,N+1,N-6,N-4,N-5,N-2,N-3,N-1,新入網(wǎng)激活月,新入網(wǎng)激活后第,1,月,新入網(wǎng)激活月前半年的存量用戶歷史,IMEI,庫或身份證庫,N,月在網(wǎng)用戶，區(qū)分新增和存量用戶,判斷重入網(wǎng)用戶,判斷新入網(wǎng)用戶的有效,IMEI,或身份證號碼,N,月新入網(wǎng)用戶中的重入網(wǎng)和反復重入網(wǎng)用戶名單,剔除無效,IMEI,或身份證號碼,生成、維護歷史有效,IMEI,庫或身份證號庫,重入網(wǎng)：,新用戶,IMEI,或身份證號與歷史,IMEI,或身份證號碼能夠匹配（,6,個月以內(nèi)）。如，,9,月新入網(wǎng)用戶,IMEI,或身份證號與,3,月到,8,月用戶,IMEI,或身份證號碼庫匹配后，得到,9,月新入網(wǎng)用戶中重入網(wǎng)用戶。,反復重入網(wǎng)（跳蚤用戶）：,重入網(wǎng)用戶在,6,個月以內(nèi)重入網(wǎng),2,次及,2,次以上的用戶。,識別規(guī)則：,通過對新入網(wǎng)用戶使用手機的,IMEI,號（或身份證號碼）與存量用戶的,IMEI,號歷史庫（或身份證號碼歷史庫）進行分析識別出重入網(wǎng)和反復重入網(wǎng)用戶。,為了提高分析結(jié)果的準確率，每月定期對上月新入網(wǎng)的用戶（上月入網(wǎng)并激活的用戶）進行分析。分析示意如下：用戶在,N,月入網(wǎng)并激活（有話單產(chǎn)生），則在,N+1,月（計算月）對,N,月入網(wǎng)并激活的所有用戶進行重入網(wǎng)分析。,用戶重入網(wǎng)主要原因分析,產(chǎn)品,價格,促銷,/,宣傳,渠道,產(chǎn)品線過長，產(chǎn)品重疊較多，目標用戶群存在較多交叉，不同品牌及資費存在內(nèi)部競爭,產(chǎn)品價格調(diào)整比較頻繁，而且在價格調(diào)整過程中沒有考慮產(chǎn)品體系間的平衡問題,預存費用低，用戶入網(wǎng)門檻不高，使其可以輕易棄卡,新入網(wǎng)促銷活動優(yōu)惠力度過大,品牌及資費資費套餐互轉(zhuǎn)門檻過高，停機保號、套餐互轉(zhuǎn)等宣傳不足,部分社會渠道迫于指標壓力或利益驅(qū)動，誘導用戶換卡,社會渠道虛假激活，通過養(yǎng)卡惡意套取酬金,追求經(jīng)濟收益，受入網(wǎng)優(yōu)惠的吸引,換取吉祥號碼,欠費,競爭對手以低資費、大力度的優(yōu)惠活動吸引用戶，但整體質(zhì)量未能讓用戶滿意，從而使用戶在短暫離（移動）網(wǎng)后重新入網(wǎng),公司內(nèi)部,競爭對手,用戶,服務(wù),補卡成本高，手續(xù)復雜，補卡不如買新卡,欠費提醒不及時，欠費后被停機，選擇重入網(wǎng),從產(chǎn)品、促銷、渠道、傳播、服務(wù)等多方面入手加強重入網(wǎng)與反復重入網(wǎng)管理，降低重入網(wǎng)比率,重入網(wǎng)與反復重入網(wǎng)管理措施,加強入網(wǎng)促銷活動管理，減少促銷活動對在網(wǎng)用戶的干擾；,提高入網(wǎng)首次預存費用，增加在網(wǎng)時長；,用戶忠誠度管理：網(wǎng)齡營銷。,產(chǎn)品,/,促銷,傳播,渠道,服務(wù),加強（社會）渠道掌控，規(guī)范渠道行為，減少系統(tǒng)性離網(wǎng)行為。,采用戶外廣告、報紙等大眾媒體及營業(yè)廳、,10086,短信、網(wǎng)站、,WAP,等自有媒體體開展網(wǎng)齡營銷、優(yōu)惠補卡及帶號轉(zhuǎn)品牌、套餐、停機保號等的傳播。,加強欠費管理，減少無效欠費；,主卡付費,+,親情網(wǎng)；,賬戶低余額時充值提示；,優(yōu)惠或免費補卡；,推薦帶號轉(zhuǎn)品牌或帶號轉(zhuǎn)套餐。,渠道養(yǎng)卡識別與監(jiān)控,重入網(wǎng)與反復重入網(wǎng)管理,正常低網(wǎng)齡用戶維系,新增用戶維系,正常低網(wǎng)齡用戶維系基本策略,剔除了渠道養(yǎng)卡用戶和反復重入網(wǎng)用戶后所獲得的正常低網(wǎng)齡用戶是新增用戶流失控制的重點。運用數(shù)據(jù)挖掘方法，識別出不同流失預警級別的用戶，針對高危用戶和異動用戶分別采取針對性的營銷捆綁手段進行維系，同時結(jié)合網(wǎng)齡營銷，延長用戶生命周期。,正常低網(wǎng)齡用戶分群,用戶,重綁：,針對高危用戶在網(wǎng)黏性已很弱的特點，采取較大力度的營銷捆綁策略，以返還周期短的財務(wù)捆綁和力度較大的業(yè)務(wù)捆綁為主，以服務(wù)捆綁為輔。,力保：,針對異動用戶尚處于流失猶豫期、還具有一定黏性的特點，維系策略將以強化用戶的業(yè)務(wù)黏性為重點，以業(yè)務(wù)捆綁和較長返還周期的財務(wù)捆綁為主，以服務(wù)捆綁為輔。,全用戶常規(guī)保有（不研究）。,細分用戶群,基本策略,流失高危,用戶,在網(wǎng)異動,用戶,相對穩(wěn)定,用戶,多級預警，多級維系,在模型挖掘的基礎(chǔ)上，準確判別正常低網(wǎng)齡用戶的流失傾向，根據(jù)用戶流失概率的高低分別實施針對性的維系策略和措施，對可能流失的用戶提前預防，多級維系，有效地防止用戶流失。,流失異動用戶,營銷捆綁,日常維系及,異動監(jiān)控,辦理,未辦理,模型匹配,低網(wǎng)齡用戶,流失高危用戶,是否流失,流失,未流失,1,1,2,一級匹配和維系；二級匹配和維系。,1,2,正常低網(wǎng)齡用戶細分、預警及維系框架,精準營銷模型,新增用戶細分模型,用戶價值,在網(wǎng)時長,渠道偏好,促銷偏好,用戶號碼,消費特征,用戶清單,話費余額,新增網(wǎng)用戶流失模型,商務(wù)高端用戶群,長途話務(wù)突出群,本地話務(wù)突出群,本地低端用戶群,數(shù)據(jù)業(yè)務(wù)發(fā)燒群,漫游突出用戶群,數(shù)據(jù)業(yè)務(wù)興趣群,本地話務(wù)偏好群,在網(wǎng)異動用戶,流失高危用戶,長途話務(wù)突出群,本地話務(wù)突出群,本地低端用戶群,漫游突出用戶群,數(shù)據(jù)業(yè)務(wù)突出群,本地話務(wù)偏好群,當月新增用戶,其他新增用戶,營銷案,用戶流失預警和細分建模過程,流失現(xiàn)狀分析,流失原因分析,流失用戶特征分析,流失預警建模目標溝通確定,流失細分模型目標溝通確定,根據(jù)建模要求和現(xiàn)有數(shù)據(jù)情況，構(gòu)思、溝通和確定建模數(shù)據(jù)提取需求,提取,09,年,1-10,月新增用戶在,1-10,月的自然屬性和消費行為數(shù)據(jù),提取,09,年,10,月新增用戶在,10,月的日消費行為數(shù)據(jù),數(shù)據(jù)質(zhì)量審核,數(shù)據(jù)探索,非正常用戶的剔除。根據(jù)渠道養(yǎng)卡和跳蚤用戶識別模型提取異常用戶,數(shù)據(jù)抽樣。確定建模用戶集合,建模衍生變量計算。根據(jù)提取的基礎(chǔ)數(shù)據(jù)寬表計算衍生變量,建模變量篩選,特征建模分析,卡方分析,方差分析,雙變量分析,Pearson,相關(guān)分析,wald,顯著性檢驗,量重要性分析,建模變量數(shù)據(jù)轉(zhuǎn)換,對數(shù)變換,標準化變換,確定建模用戶集,確定建模用戶數(shù)據(jù)集,采用,Two,Step,聚類算法，建立用戶細分模型,月數(shù)據(jù)用戶細分模型（高價值 用戶和在網(wǎng),2,月及,2,月以上的新增用戶細分,日數(shù)據(jù)用戶細分模型（在網(wǎng),1,月新增用戶細分）,業(yè)務(wù)解釋聚類結(jié)果，調(diào)整模型參數(shù)和建模變量，直到得到滿意結(jié)果,確定建模用戶集,確定建模用戶數(shù)據(jù)集,采用邏輯回歸和決策樹算法建立流失預警模型,在網(wǎng),2,月新增用戶流失預警模型,在網(wǎng),2,月以上新增用戶流失預警模型,在網(wǎng),1,月新增用戶流失預警模型,采用生存分析算法建立高價值用戶流失預警模型,模型的評估,提升圖、收益圖,混淆矩陣。準確率和查全率,模型的優(yōu)化,建模訓練集比例,異常值處理,建模變量,建模方法,模型參數(shù),顯著性檢驗方法,顯著性檢驗變量剔除閾值,樹的深度和頁節(jié)點記錄個數(shù),業(yè)務(wù)與數(shù)據(jù) 分析,數(shù)據(jù)準備,建模準備,細分模型,預警模型,模型評估和優(yōu)化,數(shù)據(jù)提取,數(shù)據(jù)清洗,數(shù)據(jù)審核,數(shù)據(jù)集成,數(shù)據(jù)挖掘?qū)挶順?gòu)建,缺失數(shù)據(jù)處理,極值數(shù)據(jù)處理,錯誤數(shù)據(jù)處理,冗余數(shù)據(jù)處理,數(shù)據(jù)統(tǒng)計錯誤審核,數(shù)據(jù)源錯誤審核,數(shù)據(jù)統(tǒng)計口徑審核,數(shù)據(jù)準備確保建模數(shù)據(jù)的完整性、可用性和完整性,提取建模所需數(shù)據(jù),數(shù)據(jù)準備,篩選建模變量、根據(jù)模型要求進行數(shù)據(jù)變換,建模準備,字段過濾,變異系數(shù),標準差,最大類別數(shù),最小類別數(shù),數(shù)據(jù)探索,數(shù)據(jù)分布,雙變量分析,正態(tài)性檢驗,相關(guān)性分析,卡方分析,方差分析,相關(guān)分析,自相關(guān)分析,建模篩選,通過建模分析字段的重要性,決策樹模型，信息增益旁別,邏輯回歸模型，回歸系數(shù)顯著性檢驗,數(shù)據(jù)變換,標準化變換,對數(shù)變換,正態(tài)變換,經(jīng)分數(shù)據(jù),挖掘?qū)挶?變量轉(zhuǎn)換,變量篩選,健康度建,模指標庫,變量清洗,用戶細分采用凝聚層次聚類算法,選擇,初始化,更新,結(jié)束,計算包含每對樣本間距離（如歐氏距離）的相似矩陣，把每個樣本作為一個簇,使用相似矩陣查找最相似的兩個簇,將兩個簇合并為一個簇，簇的個數(shù)通過合并被更新；同時更新相似矩陣，將兩個簇的兩行（兩列）距離用,1,行（,1,列）距離替換反映合并操作。,當所有樣本都合并成一個簇或滿足指定的簇的數(shù)目時，整個過程結(jié)束。,層次聚類可以分為兩種：凝聚的方式和分割的方式，凝聚是一種至底向上的方法，將每一條記錄看作一個類，然后根據(jù)一些規(guī)則將他們聚合成越來越大的類，直到滿足一些預先設(shè)定的條件。,1,2,3,4,執(zhí)行,n-1,次步驟,2,和步驟,3,網(wǎng)齡,2,月及以上新增用戶細分模型,采用,SPSS,及,CL