2011开题报告《用户行为分析与精准营销研究》

1 / 27 中国移动 集团 级 重点 研发项目（含 联合 项目 ） 开题报告 一、 项目 编号及 名称： 2011_LH_45 用户行为分析与精准营销研究 二 、 项目组： 项目组 承担子课题 题名称 负责人 及 手机 、 邮箱 研究院 （牵头单位） 用户行为分析与精准营销 北京公司 （协助单位） 统一门户网营精准营销推荐研究 广东公司 （协助单位） 基于应用商品的智能推荐【 MM猜你喜欢】研究 广东公司 （协助单位） 精准服务营销平台研发 河南公司 （协助单位） 基于网络数据为基础的家庭 -集团用户挖掘 四川公司 （协助单位） 基于互联网的无线音乐用户行为分析工具研究与系统实现 四川公司 （协助单位） 基于智能搜索引擎技术，面向无线音乐用户的个性化搜索结果模型及精准营销模型研究 四川公司 （协助单位） 音乐产品个性化推荐引擎研发 浙江公司 （协助单位） 按照用户、终端、渠道、门户、内容、时间等多维度组合的灵活营销平台研发 浙江公司 （协助单位） 手机上网用户行为分析系统研发 2 / 27 三 、 课题背景和意义 3.1 联合项目的研究背景和整体框架 移动通信和互联网市场竞争压力越来越大，对于中国移动来讲，除了传统电信运营商竞争 的压力、互联网服务提供商也加入到竞争的行列，都瞄准了在3G/4G 时代，流量越来越低廉的情形下，在移动通信网上提供越来越丰富的服务和内容。 随着用户使用互联网和移 动互联网越来越频繁，用户的需求朝着优质、便捷、个性化的方向发展。 随着话音业务的逐渐饱和，而数据业务的用户数、使用量、流量虽然大幅增长，但是收入增长却较为缓慢，为了保证公司收入增长，一方面是要进一步加大营销力度，刺激用户更多的使用业务，另一方面也是要用好的业务来黏住用户，保证业务平稳较快增长。 为了应对上述挑战，开展用户行为分析，以及在此基础上进行精 准营销应用是尤为必要的，本课题进行了以下安排： 在用户行为分析算法模型和精准营销平台的基础研究方面，由研究院用户行为实验负责 1 个子课题，同时由研究院负责整个项目的总体规划、方案和管理。 在手机上网业务的应用方面，由浙江公司负责子课题“手机上网用户行为分析系统研发”，涉及到基于手机上网行为分析的互联网内容营销和数据业务交叉销售。 在音乐业务的应用方面，由四川公司负责 3 个子课题。“音乐产品个性化推荐引擎研发”子课题从个性化推荐与音乐产品相结合的层面开展，“基于互联网的无线音乐用户行为分析工具研究与系统实现”从中 央音乐平台支撑的角度开展，“基于智能搜索引擎技术，面向无线音乐用户的个性化搜索结果模型及精准营销模型研究”则主要是为音乐个性化推荐提供服务的智能搜索引擎技术和音乐DNA 技术等方面提供技术保障。 在移动应用商场的应用方面，由广东公司公司负责子课题“基于应用商品的智能推荐【 MM 猜你喜欢】研究 ”。 在手机阅读业务的应用方面，由浙江公司负责子课题“按照用户、终端、渠道、门户、内容、时间等多维度组合的灵活营销平台研发”。 3 / 27 在集团和家庭业务方面，由河南公司负责子课题“基于网络数据为基础的家庭 -集团用户挖掘 ”。 在客户服 务渠道方面，由广东公司和北京公司分别负责 1 个子课题。广东公司子课题“精准服务营销平台研发”侧重于从客户服务信息中挖掘用户行为偏好，实现触点营销。而北京公司子课题“统一门户网营精准营销推荐研究”则从电子渠道的角度，研究如何为用户提供精准的主动营销服务。 3.2 开展用户行为分析模型研究，研发精准营销推荐平台，支撑营销应用 研究院已经积累了二十多个用户行为分析的核心算法模型，取得 10 余项相关专利，需要将这些成果在实际运营中应用落地。 研究院 2010 年研发了精准营销推荐平台原型，经过在现网产品中验证，效果良好。 精准 营销推荐平台的优化开发：针对实际运营中对 Web 网页、文本等非结构化信息处理的要求，通过优化开发，在平台中实现 Web 挖掘和文本挖掘等功能模块。 研究院的用户行为分析算法模型和精准营销推荐平台具有完全自主知识产权，整理上处于国内先进水平，对于掌握核心技术，提升公司的核心竞争力有重要意义。通过统一研发用户行为分析模型和平台，减少各省重复建设投资，节约公司成本支出。实现用户数据集中管理和运营，减少第三方接触运营数据的环节，保护用户隐私，保证公司战略安全。 3.3 手机上网用户行为分析：高流量增长未带来收入的同步增长 上网流量 同比上升 112.3%，但流量收入上升仅 49.4%。一方面需要进一步激发上网流量，另一方面需要将流量向自有数据业务引导。这些又需要以用户上网数据为基础，通过用户行为分析手段了解用户偏好。 另一方面，我们对用户的理解也不够深刻，营销决策没有依据。 如何选择合适的产品、合适的内容，在合适的时机，为合适的用户提供服务，这是在移动互联网时代要解决的最重要的问题，这就要求我们要深刻理解用户行为及其背后的信息。 因此，只有开展手机上网用户行为研究，深入了解用户需求，才能提供精准服务。 3.4 音乐用户行为分析和 个性化服务：竞争压力加大，精细化运营能力需要加强 4 / 27 不了解用户的真实需求，用户粘性不高；音乐内容为主要为编辑发布，缺乏权威性，业务转化率不高；每个用户看到同样的内容，缺乏个性化。产品之间分散，未建立不同门户产品用户行为的统一视图。 3.5 MM 应用商品智能推荐：理解用户，个性服务，提高粘性，增强运营能力 MM 应用商场是中国移动的重要战略型业务。但目前存在以下问题：不理解用户的偏好；业务转化率不高；营销手段还是靠传统的方式，成本高，效率低。因此 ，本子项目的意义在于： (1) 建立个体客户与应用偏好的对应 关系，把握用户内容偏好，加深对用户需求的理解和认知 。 (2) 基于客户偏好打造特色智能推荐模块，对用户进行个性化推荐，避免同质化竞争 。 (3) 通过个性化推荐满足用户多样化需求和偏好，提高客户粘性，提升用户下载转化率 。 (4) 创新移动互联网营销手段，探索客户运营新模式，提升 MM 客户运营能力 。 3.6 手机阅读的灵活营销平台：快速响应营销需求 目前，手机阅读业务现状是： (1) 手机阅读业务飞速发展，用户规模不断扩大，系统越来越庞大复杂，开发速度越来越慢。而随着业务的发展和竞争的日趋激烈，越 来越需要平台提供更快的响应。于是产生了这样的矛盾：需求越来越迫切地需要及时地响应把握市场先机，而系统越来越复杂，开发速度只降不升。由于营销需求往往具有时效性，因此最受影响。 (2) 手机阅读的业务发展需要手机阅读软件平台提供更好和更灵活的支撑能力，而现有的开发模式不能很好地支持业务的发展需要。当前情况下的最佳解决方案就是使平台对某一类需求的实现机制由固定的硬编码方式转变为灵活的可配置方式。 (3) 手机阅读平台有 10 多万册图书，如何通过智能推荐技术为用户选择其感兴趣的图书，提升用户感知。 5 / 27 因此，建立灵活营销 平台的意义在于： (1) 通过多维度组合适配， WAP 门户的页面、组成页面的标签、呈现给用户的内容和各种产品可以按照以下六个维度进行适配，包括：时间、地域、终端（组）、用户组、渠道和 WAP 版本。 (2) 通过这种多维度组合，可以覆盖到营销部门提出的所有可预见性的需求（约占该类总体需求的 70%），这样原本需要投入大量资源和时间进行开发的工作现在只要通过配置就可以完成，同时免去了大量的线下交流和沟通，最重要的是不再需要等待几个月才能看到需求实现。 (3) 实现电子图书的个性化推荐，对于提升用户粘性和用户感知，增加 业务收入，有重要意义。 3.7 集团客户和家庭客户识别：奠定集团业务和家庭产品营销的基础 集团市场和家庭市场是企业发展的两大重要市场，市场发展的基础是客户的圈定和识别，因此如何利用现有企业的各类数据通过模型来识别家庭和集团成员将会为家庭集团市场管理和拓展提供指导和支撑。现有家庭集团市场的拓展主要依靠一线支撑人员的调查和搜集，具有不明确性和不可衡量性的特点。通过建立家庭和集团客户挖掘就能支撑一线人员识别潜在家庭集团客户，针对性的进行圈定；同时能够对于现有家庭集团客户的真实性、有效性进行检验，这也将是家庭市 场和集团市场发展的基础。在网络部门的大力支持下，我省率先接入了全省 A接口网络信令数据，能够更加 深入的理解和把握客户，在融入网络数据的基础上，就能够更加精准的进行家庭集团客户识别。 3.8 捕捉客服信息中的营销机会：分析客户行为，了解客户需求，实现触点营销 在电信重组，全业务竞争的新形势下，市场竞争日趋激烈。各大运营商充分发挥各自优势，利用全业务运营的契机争夺客户。营销资源日益紧张，必须利用日益紧张的营销资源，更好的、更快的，更低成本的满足客户个性化、差异化的需求。同时，客服接触信息未得到充分应用，中国移动 客户每月接触数十亿次，涵盖了大量客户信息，但由于分散在不同的系统，缺乏深入的数据挖掘，接触信息未得到充分应用。最后，当前被动营销模式制约了客户满意度电子渠道优势发挥。 6 / 27 因此，通过构建和不断提升电子渠道的精准营销能力，可以为客户提供便捷的一对一个性化服务体验，有效提升营销服务感知，同时降低营销成本，分流传统营业厅的营销服务压力。其次，通过深入研究客户行为、客户需求和客户偏好，逐步形成“客户全息特征库”，提升客户价值。提高改变以往“粗放式”方式，为客户提供个性化服务和营销，提升客户感知，提高营销成功率，提高营销 价值。最后，通过促进服务营销的战略转型，为企业提供新的利润增长方式。 四、课题研究目标 项目的总体目标 子项目 解决方案 用户行为分析模型与精准营销推荐平台 在中国移动自有平台上实现推荐服务的整合应用，促进手机上网、音乐、 MM、阅读等产品的销售。通过优化开发和省公司应用性能和效果评估反馈，实现高性能、高可用的基于云计算的精准营销推荐平台。 手机上网用户行为分析应用 结合研究院的用户行为分析模型，建立一套完善的手机上网用户行为分析系统 , 通过对用户手机上网访问行为进行分析，获取用户的访问轨迹、浏 览页面内容、网站信息、浏览客户端信息、移动终端信息等，进行各类分析，形成各类用户模型。研究一种适应分类体系变化的海量网页快速分类系统。 引导用户使用移动自有业务，开展个性化内容营销，提升用户粘性。 音乐产品个性化推荐及精准营销应用 基于研究院用户行为分析模型和精准营销推荐平台，实现音乐产品的个性化推荐引擎，为音乐 Web、 WAP、客户端产品提供精准营销服务 ， 研究提升推荐效果的策略， 开展营销 效果评估。 MM 应用商品智能推荐应用 对 MM 存量用户和其所接触过（浏览、搜索、下载等）的商品进行关联分析，一方面分析商 品间的内在关联关系，另一方面分析 MM用户的应用偏好，以实行精准的个性化推荐模式，实现快速、准确地传递信息，提高 MM 用户的个人使用体验感受和个人贡献的价值。 7 / 27 手机阅读的灵活营销平台 和精准营销应用 建立多维度灵活营销平台，研究适合营销部门需求的适配规则，将现有多个门户由独立配置规则改为由管理平台进行统一配置规则，解决目前平台开发和营销需求之间难以适应的问题，实现有效抓取客户并降低用户流失率和提升平台开发建设的投入产出比的目的。 基于研究院精准营销推荐平台，实现精准营销推荐在手机阅读产品中的展现，为用户提供准 实时的个性化图书推荐服务。 集团和家庭用户挖掘 通过对不同时间段的个人行为数据的追踪，结合两个人之间的通信交往信息，使用社会网络分析相关分析方法，构建社会关系模型，准确地判别各类交往关系，如家庭、同事等。 基于客服信息挖掘的触点营销 针对挖掘出来的客户行为，创新服务、营销模式，优化流程和规范。基于用户行为结果开展“一对一”的精准营销，实现在适当的时机，将适当的产品，通过适当的渠道，推荐给适当的客户，提高营销成功率。 统一门户网营精准营销推荐应用 充分利用研究院的精准营销推荐技术和平台，在北京移动 网站网营渠道开展重点业务的精准营销推荐服务。 研究提升推荐效果的策略，开展营销效果评估。 五 、 课题研究内容 5.1 用户行为分析模型研究和精准营销推荐平台 8 / 27 5.2 手机上网用户行为分析应用 手机上网用户行为分析应用的主要内容包括：多数据海量数据预处理；海量数据存储和计算；“客户 -内容 ” 特征类标签分层可扩充体系 ；“客户 -内容 -业务 ” 三维匹配矩阵 ；前台应用管理模块。系统架构如下图所示： 5.3 音乐产品个性化推荐引擎及精准营销应用 本项目针对数字（无线）音乐市场现状以及移动集团的无线音乐业务各类产品 的运营及营销模式模式进行深入研究。 研究内容及框架如下： 多 数 据 源 海 量 数 据 预 处 理 平 台数 据 接 入采 集 器多 数 据 源 海 量 数 据 预 处 理 管 理 器数 据 清 洗 器系统监控及运行管理平台运行状态监控器系统管理器系统日志管理器海 量 数 据 存 储 及 计 算 平 台客户-内容海量信息处理平台网 页 内 容 可 扩 展 逻 辑 分 类 体 系 构 建 器前 台 应 用 管 理 平 台“ 客 户 - 内 容 ” 特 征 标 签可 视 化 筛 选 界 面热 点 关 注 活 跃 客 户明 细 导 出 器客 户 特 征 快 速 聚 焦 及分 析 管 理 器客 户 标 签 管 理 平 台“ 客 户 - 内 容 ” 特 征 标 签分 层 可 扩 充 体 系“ 客 户 - 内 容 - 业 务 ”三 维 匹 配 矩 阵网 页 文 本 关 键 字 搜 索 技 术 的 动 态 归 类 器内 容 分 类更 新 器客 户 偏 好 与 内 容 分 类 的 行 为 挖 掘 模 型 构 建 器H a d o o p 分 布 式计 算 系 统H i v e 分 布 式数 据 仓 库海 量 数 据 存 储 及 计 算 管 理 器海量信息处理管理器客 户 标 签 信 息 管 理 器 9 / 27 1、用户行为数据库（ UDB）的研制，包括（ 1）研制统一的各产品线用户基本信息库（ 2）在产品内进行插码、记录用户行为数据的研究（ 3）进行映射用户订购关系到用户行为数据库方法的研究。 2、产品数据库（ PDB）的研制，包括：（ 1） 研制音乐产品标签库（ 2） 研制并扩展用户标签库（ 3） 进行扩展产品数据库维度的研究。 3、个性化推荐引擎的研制，包括（ 1）研究基于用户数据的产品推荐方法。（ 2）研究基于产品数据的产品推荐方法（ 3）研究基于关系与聚合的产品推荐 方法（ 4） 研究各种推荐方法相应的精准营销模式。 本项目的研制关键点： 1、数据库建模，越完善的数据库推荐效果越好。 2、个性化推荐引擎的算法，关系到推荐的精准度，交互的效果等。 3、本引擎在具体产品中的落地应用方式也是需重点研究的问题。 5.4 MM 应用商品的智能推荐应用 研究内容包括： 基于 MM 存量用户到商品的行为（浏览、搜索、下载等）的个性化推荐 基于用户当前正在使用的应用的推荐 10 / 27 基于用户历史下载应用行为的推荐 基于用户历史浏览、搜索应用行为的推荐 基于用户当前应用的推荐 浏览、搜索过 本应用的用户还浏览、搜索过的应用 浏览、搜索过本应用的用户最终下载的应用 下载过本应 用的用户之前还下载的应用 经常与本应用一起下载的应用应用 “ MM 猜你喜欢”业务流程设计 研究框架如下图所示： 11 / 27 5.5 手机阅读灵活营销平台和智能推荐应用 在管理平台侧提供可灵活配置的管理界面进行规则的建立，同时使 WAP 和客户端门户根据关联的规则进行相应的展现。具体如下： WAP门户标签可根据时间 , 地域 , 终端 , 用户组 , 渠道 , WAP版本等维度来判断怎样显示。 WAP 门户页面可根据分省和终端来判断跳转到哪 个页面。 客户端门户页面可根据分省和软件版本来判断跳转到哪个页面。 建立一套自动化的电子书智能推荐体系。 12 / 27 5.6 集团和家庭客户识别与精准营销应用 本项目通过对不同时间段的个人行为数据的追踪，结合两个人之间的通信交往信息，使用社会网络分析相关分析方法，构建社会关系模型，准确地判别各类交往关系，如家庭、同事等。 数据标准化处理校验 基于位置的社会网络关系识别模型 社会网络关系识别可视化 目标客户营销应用 研究技术框架如下： 课题研究难点和关键解决方案包括： 1. 基于手机移动行为的用户居住地和工作地（ OD 稳定点）识别 ：移动行为较为随机，存在时间、空间上的不均衡，且基站覆盖范围存在重叠。 解决方案 ：分析基站数据得到用户移动轨迹的时间和空间规律，采用基站合并策略和基站频繁度进行优化。 2. 多元数据校验 ：分析数据来源包括移动用户个人信息、交往圈数据和移动用户行为轨迹，数据规模大，存在冗余数据和非有效数据，需要清洗和去噪处理。 解决方案 ：采用数据标准化处理机制，考虑实体完整性、核心记录元素是否非空以及通信量与轨迹数据完整性。 13 / 27 3. 社会关系识别精度提升 ：缺少对家庭、集团、朋友等关系定义，且需要综合考虑精度、效率及与后续分类 模型配合程度来选择合适的特征提取方法，尤其在识别精准度、识别效率方面具有一定的提升空间。 解决方案 ：基于特征建立不同关系分类训练器，计算不同关系和社群聚类，作为社会关系网络基础，并引入交往圈重合以及 OD 信息重合优化判别结果。 5.7 客户服务信息挖掘和精准营销 研究内容包括：支撑全渠道精确营销、精确服务：通过触点服务营销平台，把经过基于 CRM 的 T-CPC 运营平台 分析挖掘出来的精准服务营销信息推送回各个渠道，支撑渠道的精确服务营销，实现客户关系闭环管理。 5.8 统一门户网营的精准营销应用 围绕北京公 司网站网营精准营销实际需求，利用面向精准营销的用户行为分析模型和推荐服务技术，开展以下研究： (1）通过插码采集和 ETL 分析网营用户行为轨迹，挖掘用户兴趣偏好，不断扩展和完善北京移动后台用户库； (2）采用 SaaS 方式部署推荐服务，可在网营指定区域开辟推荐栏目，通过感知在线用户的实时行为和兴趣，智能提供丰富精准的个性化推荐内容（如关联推荐、相似推荐、协同推荐等），有效引导和吸引客户办理更多的移动业务或浏览更多内容。相关数据以标准化形式存储处理，可保证安全性和扩展性； (3）探索精准营销评估反馈机制和训练优化 机制，不断完善推荐精准度和通用友好性。 14 / 27 总体架构如下： 5.9 本联合项目的技术难点和关键点汇总 子项目 项目难点 解决方案 用户行为分析模型与精准营销推荐平台 大规模数据处理能力；模型的高可靠性；推荐实时性 利用分布式系统架构设计；对于算法模型备份退化方案；研发具有离线计算、在线推荐能力的算法模型。 手机上网用户行为分析应用 数据大规模性；网页类型多样性；分类要求的高效性；分类体系的变化性。 系统架构采用云存储和云计算的方式，有良好的扩展性；采用基于主题的分类方法解决海量网页分类问题。 音乐产品个性化推荐及精准营销应用 适合于推荐服务的数据库模型；推荐算法的准确度；推荐结果的展现形式。 做好充分的实验和测试，并引入启发式规则提升推荐的精准度。 15 / 27 MM 应用商品智能推荐应用 智能推荐分析层次体系建设中，用户终端设备的影响。无历史行为信息的用户精准推荐。实时推荐问题。 建立动态更新的“终端 -应用”对照表，对智能推荐结果进行二次干预。参考用户在经分系统的行为。采用离线计算、在线推荐的解决方 案 手机阅读的灵活营销平台和智能推荐 不同门户的页面组织方式不同。页面参数配置和管理复杂。 WAP 提供标签级控制粒度，客户端提供页面级的控制粒度。采用动态映射技术，对页面上关联了规则的标签进行特殊显示。 集团和家庭用户挖掘 基于手机移动行为的用户稳定点识别。多源数据校验。社会关系识别精度提升。 采用基站合并策略和基站频繁度进行优化。采用数据标准化处理机制清洗去噪。建立不同关系分类训练器的组合优化识别结果 基于客服信息挖掘的触点营销 客户行为挖掘模型需准确、动态、自适应；数据处理能力和软 件开发能力；各渠道的名称不统一。 在建模时考虑模型方便重新训练；模型具有可伸缩性，能够处理海量数据；提前建立各渠道中各名称的对照表。 统一门户网营精准营销推荐应用 网站用户识别；远程服务模式的实现；大规模并发；模型的精度。 利用 cookie 实现非登录用户识别；研究院精准营销平台具备远程服务和大规模并发处理能力 5.10 性能指标和效果评估体系 省公司 评价对象 性能 指标 营销指标 对比实验 研究院 研究院精准营销平台 1.并发访问 用户数 2.响应延时 3.模型训练时长 无 无 16 / 27 4.最大支持 行为记录数 5.最大支持业务应用数 6.均方标准差 7.系统平均 无故障率 浙江公司 手机上网用户行为分析应用 1. 分类模型准确率 2. 支持网页数据量 3. 模型训练时长 1.内容营销转化率。 2.自有数据业务流量增加比率。 无 四川公司 音乐个性化推荐应用 1. Web 门户 /WAP/客户端产品推荐结果的响应延时 2. 并发访问用户数 3. 数据利用效率 4. 推荐结果更新频率 1.推荐结果的转化率 2.整体收入提升 无 广东公司 MM 应用商品个性化推荐应用 1.客户端推荐结果响应延时。 2.并发访问 用户数 3.推荐结果更新频率 4.最大支持用户数和数据量 5.推荐结果一致性 1.推荐结果的下载量贡献度 2.推荐结果的点击量 3. 推荐结果的转化率 无 浙江公司 手机阅读灵活营销应用 1.营销需求功能开发工作量压缩比。 2.组件复用度。 3.规则实现的准确率 1.营销功能实现的开发成本节约量 2.页面访问量增加量 3.用户转化率 4.用户活跃度 营销方案实现周期对比 17 / 27 河南公司 集团和家庭客户识别应用 1.集团客户识别准确率 2.家庭客户识别准确率 3.模型 更新频率 4.查询响应延时 1.集团成员新增量。 2.家庭成员新增量。 3.业务提升量 识别准确率对比 广东公司 客户服务信息挖掘应用 1. 模型更新频率 2. 数据处理速度 3. 数据吞吐量 1.渠道接触成功率 2.营销成功率 3.关联营销成功率 无 北京公司 统一门户网营精准营销推荐应用 1. 并发访问用户数 2. 页面响应延时 3. 模型更新频率 1.业务转化率 2.平均访问时长 无 六 、 专利检索情况 专利检索分析说明： 1. 相对而言，本领域已经有不少厂商和互联网运营商开始申请或已经申请专利，在制定技术方案时，需要关注外协合作方是否 将相关专利注入实现方案中。 2. 在选择技术解决方案时，也要尽量选用我公司已获获正在申请的专利的技术方案。目前研究院在本领域已经申请 10 余项专利。 检索关键词 有权 审中 用户行为分析 and 精准 (确 )营销 0 篇 0 篇 音乐 and 推荐 5 篇 25 篇 （手机 or 终端 ) and (应用 or 软件 ) and 推荐 1 篇 1 篇 (图书 or电子书 ) and 推荐 1 篇 3 篇 18 / 27 网上营业厅 and 精准 (确 )营销 0 篇 0 篇 客户服务 and 挖掘 6 篇 1 篇 社会 (关系 )网络 8 篇 49 篇 个性化推荐 15 篇 36 篇 用户 (客户 ) and 行为 and 分析 5 篇 4 篇 七、已有的 研究工作积累和取得的研究成果 7.1 用户行为分析模型研究和精准营销推荐平台 7.2 手机上网用户行为分析及应用 1. 目前已经初步完成了用户和内容标签的标注机制。 目前一级标签 25 类，包括新闻、阅读、娱乐、健康、财经、游戏、体育、科技等，基本覆盖移动互联网的内容体系 。 目前二级分类标签约 238 类，针对一级标签进行了详细的内容分析，目前重点完成的分类包括 阅读、新闻、娱乐等，其他一级分类对应的二级分类还在进一步完善中 。 19 / 27 2. 目前已经在 CMWAP 和 CMNET 上获取了全部用户的访问日志。 系统目前每天通过 WAP 网关获取用户访问日志量 10 亿 -12 亿，经过初步过滤后，需要进一步进行分析的话单量约 9-10 亿条，涉及用户 600-1000 余万 。 7.3 音乐个性化推荐引擎及精准营销应用 2010 年个性化推荐模型在现网部署后，经过近 1 个月的实验观测，用户转化率和页面访问深度都有大幅度提升。 7.4 MM 应用商品智能推荐应用 MM 的平台建设和用户数据积累 （ 1） MM 平台建设中已为智能推荐模块的接口和引进做了准备。 （ 2）已有 MM 用户和历史行为，以及应用的数据积累。 （ 3）已有的报表数据，和整理清洗过后的基础数据。 （ 4） MM 以往积累了很多对用户的行为分析和研究的结果。 7.5 手机阅读灵活营销平台和智能推荐应用 目前已经进行了一些相关研究和试验工作，主要取得了如下研究和试验成功： WAP 门户标签架构重构为本课题提供了基础支撑 20 / 27 Portal 侧环境变量的支持。环境变量是 Portal 的 OsCache 中根据上下文的不同而缓存的不同动态数据。该技术可以为多维度组合营销缓 存适配规则 Wap2.0 标准支持与匹配规则的建立 统一的用户信息管理。目前平台已经支持统一的用户信息管理，这为以用户作为纬度提供了基础支持 终端 UA 信息的自动获取与匹配。目前平台已经建立了 DDR 终端 UA 信息自动采集入库，自动识别匹配的功能，这为以终端作为纬度提供了基础支持 渠道管理功能。目前平台已经具备完善的渠道管理和渠道 ID 分配功能，这为以渠道作为纬度提供了基础支持 7.6 集团和家庭客户识别与精准营销应用 河南公司针对集团客户识别和家庭客户识别方面在人工搜集的基础上开展了一些模型构建的尝试，主要 内容如下： 集团客户识别：通过个人通话交往圈结合集团客户属性，深入研究集团客户特征，细分时间特征、通信特征、小区位置特征、集团业务等一步步进行范围缩小精确定位集团客户，构建出“集团呼叫圈”来分析集团客户构成情况，提升集团客户识别模型的精准性和查全性。 家庭客户识别：通过客户交往圈，结合业务订购情况、通话小区特征、已有家庭成员对端非家庭成员通话频率等方面，识别潜在家庭客户。 从目前效果来看，由于小区位置信息主要是通话为主，对于客户位置的识别具有一定的局限性。 7.7 客户服务信息挖掘与精准营销应用 初步搭建 了精准服务营销平台 设计客户渠道偏好和接触偏好的“打分表” 应用于短信群发、渠道分流、双电联动项目中，取得一定成果 7.8 统一门户网营精准营销推荐服务 21 / 27 2010 年北京移动在建设统一门户的同时，加强网站触点营销能力建设，融合更多产品及服务，第一时间向客户推荐未订购业务，形成持续营销； 建设 WIDGET 接口，为客户提供更多个性化功能和信息的体验和定制； 基于经分系统建立主动营销模型，并开展主动营销模型的推广和使用。 八、本课题的创新点和专利点 子项目 创新点和专利点 用户行为分析模型与精 准营销推荐平台 在现有基础上，新增基于云计算的推荐模型；用户兴趣 profile 模型；不良信息过滤模型；广告推荐模型；面向精确营销的数据中心等。拟挖掘 2 项专利。 手机上网用户行为分析应用 建立客户 -内容 -业务的三维标签体系；针对移动互联网提出了一种适应分类体系变化的海量网页文本快速分类方法。拟挖掘 1 项专利 音乐个性化推荐引擎及精准营销应用 用户行为数据库（ UDB）；产品数据库（ PDB）的研制；音乐个性化推荐引擎。基于智能搜索引擎技术的音乐精准营销方法。集成数据处理、分析方法、结果展示为一体的针对性 音乐用户行为分析工具；形成一套针对含内容合作商的业务的标准评价方法，通过对各业务及 CP的综合评价，科学的辅助业务发展决策统。 MM 应用商品智能推荐应用 基于终端特征的应用商品智能推荐； MM 智能推荐数据集市构建； MM门户智能推荐模块、用户身份多维度识别技术；基于启发式规则的推荐结果优化。拟挖掘 1 项专利。 手机阅读的灵活营销平台和智能推荐 将分散的营销需求进行了整合分析，抽取共同点，归纳出多个纬度，提高开发成果的复用率，将硬编码的实现改变为了根据配置的规则来进行展现。实现在阅读产品中的个性化电子书推荐 服务。拟挖掘专利 1 项。 集团和家庭用户挖掘和精确营销应用 基于移动行为的用户稳定点发现方法；基于位置信息的社会关系识别方法；基于位置信息的用户关系全景可视化展示。 客服信息挖掘和精确营销应用 形成客户兴趣、消费能力、客户价值、忠诚度、生活习惯等客户全息特征库。研发客户 -业务、客户 -渠道、业务 -渠道、营销时机等四个适配模型，开发运营平台 统一门户网营精准营销推荐应用 建立适用于北京移动网营渠道的用户行为轨迹分析机制，挖掘用户需求及营销目标；基于云计算存储的海量行为数据管理机制，提升集中化数据管 理效率，丰富北京移动用户画像；支持实时匿名和大规模并发推荐的远程服务，便于扩展维护。 九 、 外部合作伙伴委托方案 22 / 27 本项目我公司拥有外部合作的完全知识产权，不涉及第三方知识产权使用。 十 、 预期 研究 产出 1. 研究成果 （研究报告、形成的软硬件平台） 精准营销推荐平台 手机上网用户行为分析系统 音乐个性化推荐引擎 MM 智能推荐引擎 手机阅读多维度组合灵活营销平台 基于位置的社会关系网络分析平台 基于 CRM 的 T-CPC 运营平台 基于 SaaS 架构的网营推荐应用系统 2. 专利成果 （专利申请计划） ： 研究院 2 项 、四川公司 1 项、浙江公司 1 项、河南公司 1 项 3. 试验成果 （开展的相关试验室及外场测试工作中形成的试验报告） ： 手机上网内容营销效果评估及报告 音乐个性化推荐效果评估及报告 MM 智能推荐营销效果评估及报告 手机阅读精确营销效果评估及报告 集团和家庭客户精确营销效果评估 基于客服信息挖掘的触点营销评估 统一门户网营精准营销推荐效果评估 十一 、 课题 研究 分工 单位 分工内容 研究产出 负责人 23 / 27 研究院 1.研究方案规划、项目管理 2.用户行为分析模型研究 3.精准营销推荐平台开发 1. 算法模型； 2. 专利； 3. 软件系统平台 浙江公司 1.引入研究院用户行为分析模型 2.手机上网用户行为分析系统建设 3.开展互联网内容营销评估实验 1. 软件系统； 2. 营销效果评估报告 四川公司 音乐基地 1.引入研究院分析模型和推荐平台 2.基于音乐产品开发推荐引擎 3.开展音乐推荐营销评估实验 1. 软件系统； 2.专利； 3. 营销效果评估报告 广东公司 互联网基地 1.引入研究院分析模型和推荐平台 2.基于 MM 产品开发推荐引擎 3.开展应用商品推荐营销评估实验 1. 软件系统； 2. 营销效果评估报告 浙江公司 阅读1.开发手机阅读灵活营销平台 2.开展营销评估实验 1. 软件系统； 2. 专利； 3. 营销效果评估报告 24 / 27 基地 河南公司 1.引入研究院社会网络分析模型 2.开发集团和家庭客户识别的系统 3.开展精准营销评估实验 1. 软件系统； 2. 营销效果评估报告 广东公司 1.开发基于客服信息挖掘的营销平台 2.开展触点营销评估实验 1. 软件系统； 2. 营销效果评估报告 北京公司 1.开发网营推荐应用系统 2.开展统一门户网营营销评估实验 1. 软件系统； 2. 营销效果评估报告 十二、项目研究 计划进度 子项目 5-6 月份 7-8 月份 9 月份 10 月份 11 月份 12 月份 用户行为分析模