子目录模型的分类与适用范围 模型的评价标准与方法 案例 1预测性模型描述性模型数据挖掘数据挖掘我们的客户是 什么样子的？ 他们需要什么 ？如何选取最好的针 对性客户交互方式 ，以保证利润最大 化？揭示蕴含于历史数据中的规律 无指导的学习数据挖掘模型按照功能划分主要分为描述性模型和预测性模型两类无指导性分群关联规则 （购物篮 ）逻辑回归线性回归非线性回归决策树神经网络对未来事件的预测 有指导的学习指导性分群技术相关：技术相关：2电信行业中最常用的两种数据挖掘模型是客户分群和预测模型客户分群模型 指导性分群 无指导分群预测模型模型 回归 决策树 神经元3电信业数据挖掘模型主要适用范围向上销售客户挽留账单催收管理主动 新客户获取客户分群模型客户分群模型预测模型预测模型交叉销售客户信用管理交易 行为生命周期价值响应倾向流失倾向交易价值信用 风险4无指导性分群定义群1群2群4群3无指导性分群是将客户划分到具有相同行为、价值和社会属性等的不同组别的分析性工具5指导性分群定义群1群2群4群3指导性分群是在一定的目标变量（或称指导性变量）将客户划分到具有相同行为、价值和 社会属性等的不同组别的分析性工具6指导性分群和无指导分群的主要区别问题客户户性别别城市A女性纽约B男性台北C男性纽约您会怎样将这三个客户进行客户 分群呢？7指导性分群1性别别城市编码编码 后 的 性别别编码编码 后 的城 市 A女性纽约0.450.70B男性台北0.550.30C男性纽约0.550.70性别别目标变标变 量=1 女性45% 男性55%城市目标变标变 量=1 （订阅过订阅过 纽约纽约 客 ） 纽约70% 台北 30%目标变量（分群指导变量）：是否订阅了纽约客杂志群1：纽约群2：台北12ACB编码8指导性分群2性别别城市编码编码 后 的 性别别编码编码 后 的城 市 A女性纽约0.900.55B男性台北0.100.45C男性纽约0.100.55性别别目标变标变 量=1 女性90% 男性10%城市目标变标变 量=1 （订阅过订阅过 化妆师妆师 ） 纽约55% 台北 45%12ABC编码目标变量（分群指导变量）：是否订阅了化妆师杂志群1：女性群2：男性9无指导性分群性别别城市编码编码 后 的 性别别编码编码 后 的城 市 A女性纽约00B男性台北11C男性纽约10性别别随意编码编码 女性0 男性1城市随意编码编码 纽约0 台北 1群1: ?群 2: ?BCA编码10客户户分群常见维见维 度确定分群维 度人口统计最常见的战略分群维度11行为为和价值值是最能反映客户态户态 度和需求的两个维维度客户关系需求/态度行为$价值$满意品牌体验品牌效应品牌依附度基于产品种类 的参与p 态度决定行为 p 行为决定价值 p 关系体验决定满意度 p 交易关系、客户待遇及产 品满意度决定态度客户态度驱动了客户价值12预测模型定义n预测模型是通过对过去数据学习来判断未来某种行为或计量的数学模型，模型目标可 以是逻辑型或连续性变量，模型可以简单的用数学公式Y=F(X)来描述预测模型（X是n 元向量）。每个客户都将通过模型计算获得一个预测值作为业务决策依据之一。n电信行业中最为广泛使用的预测模型通常是二元逻辑变量预测模型，如客户离网挽留 模型、营销活动相应模型等黄色格子为 过去表现出 目标行为的 客户；白色 格子为过去 没有目标行 为的客户寻找已经有 目标行为的 客户的共同 特征运用已经有 目标行为的 客户的共同 特征，按照 相似程度， 给其他客户 打分得到模型计 分，选出相 似性高的客 户（红色格 子）Y=F(X)13模型建立 6 月 5 月 4 月 3 月 2 月 1 月客户数据离网数据应用1-4月份客户数据和6月份离网数据建立离网预测模型模型验证 7 月 6 月 5 月 4 月 3 月 2 月应用2-5月份客户数据和7月份离网数据进行离网预测模型检验模型应用 8 月 7 月 6 月 5 月 4 月 3 月基于离网模型，应用3-6月份客户数据预测9月离网客户挽留行动预测模型的建立方法14子目录模型的分类与适用范围 模型的评价标准与方法 案例 15分群模型评估标准互斥性和穷尽性原则 (Mutually exclusive High IR(13%)High IDD to US, UK, Australia and Canada (11%)High Weekday Off-peak (21%)High SMS (11%)Incomer (7%)High Weekend Off-peak(10%)High ARPU(27%)High IDD to China; High IR(15%)High IDD to China; High IR(15%)High IDD to China; High IR(14%)High IDD to US, UK, Australia and Canada (13%)High IDD to US, UK, Australia and Canada (14%)High IDD to US, UK, Australia and Canada (12%)High Weekday Off-peak (19%)Before 1am (15%)Before 1 am (16%)High Weekend Off-peak (8%)High Weekend Off-peak (7%)High Weekend Off-peak (8%)Incomer(7%)Incomer(7%)Incomer(7%)High ARPU; High -range Plan (22%)High ARPU; High-range Plan (19%)High ARPU; High-range Plan (18%)High ARPU; Low- range Plan(6%)High ARPU; Low -range Plan (6%)High ARPU; Low -range Plan(5%)High SMS (10%)High SMS (11%)Avg. tenure 2yr (4%)Avg. tenure 2.5yr (8%)After 1 am (6%)After 1 am (8%)示例18预测模型评估标准模型信息可解释性模型信息丰富度。丰富度越高，模型越好 模型主要变量从业务上解释与目标变量的相关性，相关性越高，模型 越好模型预测准确性 对客户用模型预测出的概率进行排序，前xx%（根据实际需求确定， 通常为10%）的客户中实际预测准确的客户数越多，模型越好模型应用强壮性 将模型应用到有相同结构的数据集得到的预测结果越接近，模型的应 用强壮性越好，模型就越好19预测模型核心评估图客户得分排序百分比（%）抓到预离客户百分比（% ）ABC模型信息可解释性 = (B+C)/(A+B+C)模型应用强壮性 =B/(B+C)模型前10%提升值 =42%/10%=4.210%,找到预离客户: 42%理想曲线示例20模型可解释性示例流失模型一关键变量IP长途mou IP长途mou占总mou百分比 传统长途mou 传统长途占总mou百分比 省内漫游mou 省内漫游mou占总mou百分比 国内漫游MOU 国内漫游mou占总mou百分比 港澳台漫游mou 港澳台漫游mou占总mou百分比 国际漫游（包全部，包港澳台） 国际漫游（包全部，包港澳台）占总mou百分比 漫游(省内+国内+国际)呼出次数 漫游呼出占总呼出次数的百分比 漫游(省内+国内+国际)呼入次数 漫游呼入占总呼入次数的百分比 移动运营商的平均mou(网内+联通) 流失模型二关键变量电话号码 客户生日 IP长途mou IP长途mou占总mou百分比 传统长途mou 传统长途占总mou百分比 省内漫游mou 省内漫游mou占总mou百分比 国内漫游MOU 国内漫游mou占总mou百分比 港澳台漫游mou 港澳台漫游mou占总mou百分比 国际漫游（包全部，包港澳台） 国际漫游（包全部，包港澳台）占总mou百分比 漫游(省内+国内+国际)呼出次数 漫游呼出占总呼出次数的百分比 漫游(省内+国内+国际)呼入次数 漫游呼入占总呼入次数的百分比 移动运营商的平均mou(网内+联通) 示例21模型可解释性示例对 目 标 变 量 的 影 响模型中关键变量“MOU变化趋势”对客户流失的影响说明：正数代表变量为该数值时，客户越倾向于离网；负数则相反示例22模型预测准确性示例20%,找到预离客户 61%10%,找到预离客户: 42%客户得分排序百分比（%）抓到预离客户百分比（% ）20%,找到预离客户 55%10%,找到预离客户: 35%客户得分排序百分比（%）抓到预离客户百分比（% ）模型一模型二示例23模型预测强壮性示例客户得分排序百分比（%）抓到预离客户百分比（% ）客户得分排序百分比（%）抓到预离客户百分比（% ）模型一模型二示例24子目录模型的分类与适用范围 模型的评价标准与方法 案例广州移动神州行客户流失管理 亚洲某移动运营商客户流失管理 25由此，我们给出如下的预离客户定义，并将离网管理的重点放在防止使用期客户 进入预离状态上预离客户：在目标月进入保留期并至少延续到下个月底的客户或者下个月出了保留期 但MOU=0且充值金额=3个月）神州行使用期客户新客户预离率较高，考虑给予客户关怀；对老客户，结合各品牌战略分群和预测模型， 对有较高预离可能性的客户进行针对性营销，是离网管理的重点。畅听卡 客户流失预测模型大众卡新客户 入网关怀0月租流失 模型客户战略分群畅听卡流失 模型大众卡流失 模型32由此，我们建议制定以下的老客户离网管理策略提供短信 优惠提供长途漫游 优惠在网时长=3 个月客户离网挽留策略战略群营销创意0月租卡畅听卡大众卡0月租卡畅听卡大众卡 综合高值 省内漫游者 省外来穗务工者 高值商务 工薪全业务 外地移民 高端全业务需求 国内长途呼出 省内群 长途和短信呼入群品牌 综合高值 省内漫游者 省外来穗务工者 本地老客户 联通他网 高端全业务需求 国内长途呼出 省内群 长途和短信呼入群 向0长途客户推广我爱我家 向低长途用量且无12593使用 习惯客户推广12593 向高长途漫游客户推广优惠包 发xx短信，送xx短信 充值赠送免费短信条数 短信和语音一起的捆绑性优惠33老客户离网管理策略（续）鼓励客户转 接听免费卡防止MOU下 降在网时长=3 个月客户离网挽留策略战略群营销创意0月租卡畅听卡大众卡0月租卡0月租卡 本地低值 沉默客户 本地老客户 低用量群品牌 综合高值 打即送5元 争取激活客户；比如对于存在 长途与漫游的低值客户，推广 我爱我家业务以及12593漫游 优惠低值关怀 综合高值 本地呼入 保底赠送，如打满xx分钟送xx元 充值赠送免费分钟数 鼓励高来电MOU占比、低价 值客户转畅听卡，高价值客户 转大众卡34子目录模型的分类与适用范围 模型的评价标准与方法 案例35