精确营销_电信行业客户价值管理体系研究方案.ppt

电信行业客户 价值管理体系研究方案 & 个人客户价值管理体系总体思路 & 维系挽留 & 客户细分 & 价值提升 内容提要 总体思路基于客户生命周期的价值体系 数据采集 元 数 据 管 理 系 统 管 理 营帐系统客服系统数据其他数据增值业务管理平台 统一portal平台（呼叫中心、营业厅、crm系统） 渠道业务分析 新用户分析 用户群分析 主题分析 数据装载数据稽核数据转化数据抽取 客户细分模型 价值提升模型流失预警模型 模型 应用 信用度模型 客户指纹模型 客户生命周期模型 etl调度 客户流失分析 基础 模型 客户价值模型 应用 模型 价值提升老用户维系挽留新用户重入网分析 总体思路个人客户价值管理体系功能结构图 客户分析 营销策划 营销执行 营销评估 p客户细分 p流失预警分析 p价值提升分析 p资费套餐策略 p维系政策策略 p挽留政策策略 p营销渠道策划 p客户流失预警效果评 估 p客户价值提升效果评 估 p营销政策评估 p呼叫中心 p网上营业厅 p实体营业厅 p短信平台 pcrm平台 总体思路个人客户价值管理体系整体流程 & 个人客户价值管理体系总体思路 & 维系挽留 & 客户细分 & 价值提升 内容提要 q 历史数据：用于预测流失倾向的用户历史数据，时间跨度3个月。 q 建模：根据历史数据，预测未来1个月后的用户流失概率。 q 分析用户群：分析周期内流失的用户群体。 q 预测目标：在预测窗口周期得到用户的流失概率。 本月流失用户定义：当月停机7天或7天以上的用户以及当月销户用户 没有消费行为定义：用户无通话时长、无短信行为、无gprs流量 维系挽留客户流失预定义及目标 用户属性和行为数据 挽留月 预测流失月第1月： 第2月： 第3月： 用户属性和行为数据 挽留月 预测流失月 用户属性和行为数据 挽留月 预测流失月 模型第一次工作 模型第二次工作 模型第三次工作 流失用户预测不是目的，关键在于个性化挽留 带来的流失率下降、收益净增。 维系挽留挽留持续滚动 遵循业界 crisp-dm规范 维系挽留流失预测模型的建立 2008年6月预警用户8月验证结果 选取验证总用户数量为2367个用户，其中流失用户1866个用户， 未流失用户501个用户。 流失概率未流失流失总数量预测流失 比率 0.5-0.61734221519.53% 0.6-0.7995212120717.56% 0.7-0.82154826318.25% 0.8-0.93976746414.44% 0.955% 维系挽留模型检验 2008年6月预警用户8月验证结果 从计算流失概率最高的 用户中选取 被选取的实际流失的人数 选取用户比 率 选取用户 数量 未流 失 流失 捕获率 (流失/ 选取用 户数量 ) 提升率( 捕获率/ 实际流 失率 3.5%） 10%2369913758.1%17 20%47229717537.1%11 30%70850220629.1%8 40%94469724726.2%7 50%118090927123.0%7 维系挽留模型检验 模型提升率图 预测结果表 维系挽留流失模型评估 最重要的前10个： 平均最大停机时长 平均停机时长 是否转兑包 停机天数 在网月数 平均缴费金额 短信条数 平均小区数量 缴费方式 最大停机时长 维系挽留客户流失关键指标 电话电话 号码码客户价值所在地区所属分组组 流失倾倾向 评评分 行动优动优 先 级评级评 分 13xxxxxx xx3 98 13xxxxxx xx5 50 139xxxxx xx4 5 流失倾向评分说 明该客户流失可 能的大小 营销人员可迅速 确定客户的开户 地区，以便采取 行动 营销人员可以更 准确地抓住具有 潜在流失倾向的 客户 营销人员可以根 据客户价值确定 客户挽留活动的 目标群体 了解潜在流失客 户的行为特点， 开展针对性的客 户挽留 综合客户流失倾 向与客户价值， 给出建议行动优 先级供参考 维系挽留流失预测结果表 p 套餐不匹配 p 转兑包到期 p 习惯性异动 p 服务性依赖 p 竞争对手策反 p 网络原因 p 客户区域迁移 后面2个是不可控的 维系挽留客户流失原因分析 客户经理回访流失用户特征统计分析 客户流失原因分析 制定维系政策制定挽留政策 维系挽留政策效果测试：分组比对测试 建立维系挽留知识库 实施维系挽留 建立流失模型、细分模型、客户价值模型 建议做法一： 从客户流失原 因入手 维系挽留实施策略 号码流失 概率 客户价 值 挽留价值 （行动优先 级） 13* 1 0.60.80.48 13* 2 0.30.20.06 13* 3 0.40.10.04 挽留价值（行动优先级） = 流失概率 客户价值 策略： （1）优先对挽留价值大的客户实施挽留。 （2）只选高端，或只选低端，然后再按上式计算挽留价值 建议做法二： 根据挽留价值 维系挽留实施策略 建议做法三： 挽留措施的最 优化 n种挽留措施待挽留用户清单 随机分成（n+1）个用户群 试验n个用户群：每群 实施一种措施 1个用户群：不做任何 动作（建模需要） 建立挽留效果预测模型：具有*样属性及行为的用户在挽 留措施*的作用下，挽留成功率为* 挽留效果预测模型投入生产：对用户*采取哪个挽留措 施，挽留成功率最大 实施维系挽留 待挽留用户 清单 修正模型 维系挽留实施策略 本项目中对客户价值评估模型的搭建，综合衡量客户五个方面的表现：客户当前 贡献度、客户未来贡献度、客户信用度、客户忠诚度以及客户成长潜力。 客户成长潜力客户忠诚度 客户未来贡献度客户信用度 客户当前贡献度 客户综合价值 客户综合价值 = weight_1*客户当前贡献度 + weight_2*客户未来贡献度 + weight_3*客户信用度 + weight_4*客户忠诚度 + weight_5*及客户成长潜力 1 23 54 客户价值模型评估因素 预测每个用户在其整个生命周期内对联通的价值 对新用户，初步预测其未来的价值。待用户产生更多 的行为信息后，再修正预测。 找出影响用户价值的主要因素，进行改进 “利润鲸鱼曲线” 不同于收入的2:8规律 用户价值预测 用户终生价值（ltv）计算方法： 关键在于预期寿命的计算 准确预测用户的在网时长是困难的 “生存分析”能够计算出每个用户在后续每月的在网概率值s（ 见下图）。 预期寿命内收入的近似计算： 入网以来出帐金额之和 + npv（后续每月的在网概率 后续每月的出帐金额估值） 此图表示锁定某月一群 用户的后续月份里的逐 月在网比例 用户价值预测（续） & 个人客户价值管理体系总体思路 & 维系挽留 & 客户细分 & 价值提升 内容提要 q 目的 弄清楚全体客户可分为哪些群体，各群体有何特点 帮助认清自己的客户； 根据各群体特点，可制订适合该群体的针对性的营销和 服务政策； 是一个基础性模型 给每个客户标以一个（或多个 ）群体号，有助于更深入复杂的分析和挖掘。 客户细分目的 客户行为价值 的细分模型 海量客户 行为数据/ 特征数据 组内行为特点相似； 组间行为差异较大 传统细分： 选定若干属性 对每个属性，人为确定其划分区段 各种属性区段的组合，形成群体 聚类 选定若干属性 通过一定算法，自动地划分群体 同一群的个体间属性很接近 不同群的个体间属性相差较远 客户细分客户细分的方法 客户细分建模过程 生成细分模型-使用spss clementine数据挖掘工具进行客户细分 客户细分建模生成过程 细分变量描述 3个月平均arpu值值 3个月平均通话总时长话总时长 3个月平均本地通话总时长话总时长 3个月平均本地长长途通话时长话时长 3个月平均长长途直拨拨通话时长话时长 3个月平均ip长长途通话时长话时长 3个月平均本地拨拨打本地通话时话时 长长 3个月平均本地被叫通话时长话时长 3个月平均省内漫游通话时长话时长 3个月平均省际际漫游通话时长话时长 3个月平均点对对点短信条数 客户细分细分变量描述 群体名称漫游型 本地高端用 户 长途需求 型 本地中端用 户 本地低端用户 群体编编号42351 群体人数248312922141077630239563 人数占比0.5%2.6%2.8%15.2%78.9% arpu值值3232211579538 通话总时长话总时长529677270642679271185732 本地通话总时长话总时长142867104741319265195427 本地长长途通话时话时 长长 412250712519123221116 长长途直拨拨通话时话时 长长 40794602223171977926 本地拨拨打本地时时 长长 368528919479591761489 本地被叫通话时话时 长长 62383646911172143852372 省内漫游通话时话时 长长 17148706533270127 省际际漫游通话时话时 长长 21532952827328178 点对对点短信条数1811491029135 客户细分分群特征 套餐适配4条原则 没有使用套餐用户，使用适配套餐后可以节省话费 当前用户通话行为特征明显达不到当前套餐消费标准，建议 降低套餐档次 当前用户通话行为特征明显高于当前套餐消费标准，建议提 高套餐档次 当前套餐类型明显不适合的用户，建议进行套餐迁移 定期检查、调整，迁移那些又出现不适配套 餐的用户 套餐适配流程 客户 细分 群体 群体 匹配 套餐 用户个 性化适 配套餐 群体行为特征规则用户行为特征 全网 用户 行为 特征 客户细分 客户细分套餐匹配 & 个人客户价值管理体系总体思路 & 维系挽留 & 客户细分 & 价值提升 内容提要 根据用户属性（社会属性、行为属性），选准交叉销售（cross-sell）、追加销售（up-sell）的 对象 提高用户钱包份额（wallet share），提升用户忠诚度 交叉销售（ cross-sell） 卖给客户尚未使用的业务 提升销售（up-sell） 向某业务客户卖更高档次的该类业 务 预测某一用户对各种业务的购买概率： 客户价值提升 提升模型提升模型提升实施提升实施提升效果提升效果营销策略营销策略 根据挖掘结果 得到选择某提 升产品的用户 清单 客户资料客户资料通话详单通话详单 数据整合 帐单信息帐单信息 业务分析业务分析 通过短信平台、外呼中心 、客户经理对预测提升用 户进行业务推荐 模型优化模型优化 价值提升整体流程