解决方案
        上海玖数软件有限公司以切合客户的实际情况、适应客户的实际运作为出发点,为其度身订制企业策略和解决方案,致力于帮助客户创造更多商业价值。
栏目导航 navigation
 
您现在的位置:上海玖数软件有限公司 > 解决方案 > 通信业解决方案
精细化营销管理解决方案概述
上海玖数软件有限公司   作者:网站管理员 来源: 文字大小:[][][]

      在我国正式加入WTO以后,国外资本将逐步进入我国电信市场,国际化的市场环境要求国内的电信运营企业在经营管理上能够迅速赶上国外的先进水平,以迎接电信运营业的国际化竞争。同时随着国内电信行业改革和重组的不断深化,国内电信业务的市场环境将渐趋合理,竞争将日益加剧。

电信运营商发展中面临的挑战

        客户对服务的要求越来越高,不同的客户群体将产生不同的需求。一成不变的市场战略不再能满足多样化发展的客户需求。市场和服务的竞争,导致各运营商间开始更激烈的客户群体争夺,客户的忠诚度和贡献度开始降低,对优质客户流失的倾向分析变的日益重要。产品和服务的生命周期都在发生着很大的变化,从中国移动通信市场上各类服务和个性套餐的推出数量和频度的事例中可见一斑。

电信运营商产品和服务的基石――客户

      随着国内电信市场基本运营模式的转变,各项产品和服务的使用者逐渐成为市场的主导,没有使用群体的产品和服务将很快被市场淘汰。对现有客户群体分析并进行有针对性的服务和产品设计变得越来越重要,甚至成为各运营商利润保证的手段之一。

                                       客户群体划分的价值说明

在这个目标下,目前各电信运营商对客户信息分析和挖掘的主题大致可以分为如下几类:

1. 客户发展分析,包括:客户构成分析,客户持久性分析,客户偏好分析,客户异动分析等;

2. 客户价值分析包括:客户收益分析,客户成本分析,客户欠费分析,客户缴费分析,优惠敏感度分析等; 

3. 客户保持分析,包括:流失客户统计分析,流失客户原因分析,流失客户特征分析,流失客户价值分析等;

4.客户满意分析,包括:客户服务种类分析,客户服务质量分析,客户投诉情况分析,客户服务频度分析等;

5.客户行为分析,包括:客户各类业务使用分析,客户购买方式分析,客户异常行为分析,客户信用度管理等。

电信企业精细化营销项目实施的成功方法论

        电信企业成功实施数据挖掘项目前首先需要有一套成熟的实施流程和方法作为保障,通过实际验证表明,数据挖掘项目的实施一般应经历CRISP-DM的六个步骤:商业理解、数据理解、数据准备、模型建立、结果评估和应用部署几个阶段。在这个循环中有时需要在几个步骤间进行反复,完成实际数据、挖掘目标和商业问题解决之间的平衡,因为完全理想的实施环境目前还不存在,有时必须根据实际情况作出取舍。

商业理解

        在这个阶段要明确面临的商业问题和数据挖掘想要达到的目的,完成商业问题到挖掘问题的定义过程。这阶段将产生的主要文档及提交物包括:

1. 确定商业目标,包括:电信行业背景,需要实现的商业目标和成功标准等;

2. 形势评估,包括:电信运营商拥有的资源、需求、假定和限制、风险偶然性、专业术语和成本收益等;

3. 在上述基础上确定数据挖掘的目标和成功标准;

4. 制定的项目计划和阶段性里程碑的设定说明。

        明确数据挖掘的目的。在进行数据挖掘前,一定要明确挖掘的目标。因为电信业务变化快,不同的时期,挖掘的对象并不一样,挖掘目标也千差万别,而挖掘目的不一样,决定了挖掘使用的模型和算法完全不一样。例如:电信开通新视通业务后,根据不同的类型用户对新视通业务的使用情况,预测2-3个月内可能使用该业务的用户类型,使用机率和话务量。

        明确影响挖掘目的的可能因素和结果。影响用户消费行为的因素是多种多样的,要比较的指标也是多种多样的,所有这些因素均应在模型中考虑。比如,要考虑IP业务对用户的影响,不仅要分析用户性质,还要分析用户消费额度;不仅要分析已经使用IP业务的用户性质和消费额度分布,而且要分析已使用IP业务的用户在未使用该业务前在原来的未开通IP业务用户中的分布和比例,还要分析使用IP业务的用户使用前和使用后消费行为的变化。

数据理解与数据准备

      数据理解和数据准备在真实的数据挖掘项目中会占很大的比重,搜集所有需要的数据和数据质量的保证是数据挖掘结果正确与否的关键。需要确定数据来源、确定数据整理方法。如对IP业务开通对用户行为的影响,原始数据来自用户资料、用户详单。根据上述确定的因素,定义原始指标和衍生指标。

建立模型

      针对不同的数据挖掘目标和数据特性,应采用不同的挖掘算法建立模型,并对筛选出的每种候选模型进行数据处理并产生结果。目前在电信行业常用的算法有:C5.0 决策树、CART决策树、神经网络、Logistic回归、Kohonen聚类等算法。

模型检验

       对产生的模型结果需要进行比对验证、准确度验证、支持度验证等检验以确定模型的价值。在这个阶段需要引入更多层面和背景的用户进行测试与验证,通过对几种模型的综合比较,产生优化模型。

模型发布与应用

       建立和检验模型并不是数据挖掘的目的,只有把模型发布到相关决策者手中,才能使我们通过数据挖掘提高企业利润或降低企业成本。例如在研究客户流失这个案例中,模型建立好后除了提交一份完整的报告和测试结果外,还需要通过发布工具将模型嵌入到用户的应用系统中,使决策者和相关管理者可以及时作出决策,实施相应的市场措施。

 

            数据挖掘系统与业务系统的交互作用

       模型发布后并不意味一个数据挖掘项目的结束,数据挖掘系统与业务系统间存在着作用与反作用的交互关系,随着时间的推移和数据的变化,这个闭环作用的系统中的很多关键参数需要及时调整,才能保证挖掘结果的质量并延长其有效的生命周期。

通信行业分析专题示例:

资讯 | 合作伙伴 | 成功案例 | 法律申明 | 隐私保护 CopyRight 2015 上海玖数软件有限公司   网站备案号: 
     
鍙嬫儏閾炬帴:    閲戜笁瑙掓  鍗氬ぉ涓嬪僵绁╛鍗氬ぉ涓嬪僵绁ㄥ畼鏂圭綉绔欑綉鍧  鏄熻緣褰╃エ缃戝潃鏄  涓栫埖褰╃エ骞冲彴   骞歌繍椋炶墖绮惧噯璁″垝杞