营销场景应用模型.docx

场景应用模型以业务应用为目标，总结提炼流量包营销、换机营销、流量分流等几大类应用场景的13个分析模型，提升流量精确营销和四网协同支撑效率。业务应用应用场景业务目标应用模型自有业务推广自有业务精准营销激活业务沉默用户自有业务沉默用户模型终端营销终端精确营销服务提升主推智能机客户终端偏好模型、潜在换机用户识别模型流量套餐营销流量套餐升档套餐进阶用户和流量套餐匹配分析模型流量套餐精准营销激发用户短期突发上网需求，资源分流加油包潜在客户模型评估手机上网用户价值手机上网用户价值评估评估上网用户价值手机上网用户价值评估模型内容精确营销推荐适合产品提升产品价值用户内容偏好模型精确营销优化过热或沉默的WLAN热点提升过热热点的网络能力，改善沉默热点的使用WLAN热点健康度评估模型WLAN推广WLAN潜在用户营销识别潜在WLAN用户WLAN潜在用户识别模型渠道适配匹配营销渠道产品和营销渠道的精准匹配流量产品渠道偏好分析模型热点应用推荐第三方应用推荐关联交叉营销推荐，促进第三方业务流量应用关联模型四网协同运营WLAN精确选址支撑WLAN热点选址，有效分流潜在分流区域识别模型T网流量提升促进T网用户TD流量使用率潜在分流用户模型1. 自有业务沉默用户模型1.1 建模目标通过分析用户的历史使用行为，判断用户是否为相应业务沉默客户，为沉默用户的激活和引导服务提供目标客户支撑。下面以和阅读（手机阅读）业务为例进行建模介绍。1.2 模型描述步骤一：根据业务情况和专家经验，对沉默用户进行分类。步骤二：筛选判断指标，通过近三个月的使用情况选择指标，包括但不限于阅读费用、使用次数等。表-自有业务沉默用户模型指标沉默类型具体指标数据源持续沉默客户自订购时间起截止到本期，无业务使用用户业务订购信息业务使用行为数据长期沉默客户历史有活跃（集团活跃定义）情况，近三个月无业务使用用户业务订购信息业务使用行为数据短期沉默客户上月有使用行为而本月无业务使用用户业务订购信息业务使用行为数据包月长期低使用客户自订购包月起近三个月低使用量（每月阅读次数等于1次）行为用户业务订购信息业务使用行为数据包月短期低使用客户自订购包月起历史有高活跃情况，近两个月低使用（每月阅读次数等于1次）行为用户业务订购信息业务使用行为数据非包月无付费长期低使用客户非包月无付费近三个月低使用量（每月阅读次数等于1次且无手机阅读收入）行为用户业务订购信息业务使用行为数据非包月无付费短期低使用客户非包月无付费历史有高活跃情况，近两个月低使用（每月阅读次数等于1次且无手机阅读收入）行为用户业务订购信息业务使用行为数据非包月有付费长期低使用客户非包月有付费近三个月低使用量（每月阅读次数等于1次且有手机阅读收入）行为用户业务订购信息业务使用行为数据非包月有付费短期低使用客户非包月有付费历史有高活跃情况，近两个月低使用（每月阅读次数等于1次且有手机阅读收入）行为用户业务订购信息业务使用行为数据在实际操作中，具体指标可选取采用专家评估法或其他挖掘算法。步骤三：根据上述业务指标初步得到沉默用户清单，为防止由于营销引起用户投诉，需要对清单进一步进行分析，结合客服投诉记录信息等排除可能引起投诉的客户。步骤四：进一步的提取规则包括但不限于：高ARPU、其他数据业务高收入占比用户；其他自有业务存在使用记录；智能终端用户。1.3 模型输入与输出模型输入：品牌、手机终端系统类型、ARPU、数据业务ARPU、订购自有业务种类、自有业务订购时间、近3个月的该自有业务使用行为数据、该自有业务ARPU；模型输出：月份、用户号码、沉默用户分类。2. 客户终端偏好模型2.1 建模目标建立终端投放目标客户挖掘模型，通过建立潜在用户与TD终端的适配关系，有效定位TD终端目标客户群，并为目标客户群匹配合适终端及合约方案，促进目标客户进行换机，提高TD终端销售的成功率发挥TD终端拉动流量增长的同时，有效进行流量分流，降低2G网络的压力，释放T网流量。2.2 模型描述基于对客户终端大数据的挖掘分析，结合用户消费能力、业务捆绑、品牌忠诚等因数，将潜在用户分为换机发烧类、潜在换机类、价值导向类、品牌忠诚类，如下表所示：终端销售客户群类别业务定义终端匹配思路换机发烧友类换机次数大于等于2次，换机周期小于6个月结合用户消费能力、业务捆绑、品牌忠诚等，着重向用户推荐新上市机型潜在换机类1） 在网时间超2年，且2内年换机次数=0的客户或2） 合约机到期时间小于等于3个月结合用户消费能力、业务捆绑、品牌忠诚等，为用户匹配感兴趣的机型； 价值导向类用户三个月平均ARPU值大于本省三个月平均ARPU值的50%结合用户消费能力，推荐符合用户消费能力价位的机型，再结合业务捆绑、品牌忠诚、换机周期等筛选机型品牌忠诚类1、在网时间内（网龄）使用手机同一类品牌（换机均为同一类手机品牌）2、网龄=1年3、在网时间内（网龄）操作系统次数=2次或2、在网时间内(网龄)换机周期全省近三个月平均ARPU值的50%500以下501-9991000-14991500-19992000-29993000-39994000-49995000以上品牌忠诚类1、在网时间内（网龄）使用手机同一类品牌（换机均为同一类手机品牌）2、网龄=12个月3、在网时间内（网龄）操作系统次数120）（4）、剔除非语音号码（如GPS、随E行等）和非正常状态号码(包括停机、销号、空号等)；（5）、套餐流量使用率 近三个月月均使用流量 / （主套餐包含流量+GPRS套餐包含流量+流量包+叠加包）* 100%（6）、所有流量单位为MB；10元进阶20元近三个月套餐流量使用率均值 = 60%,120%20元进阶30元近三个月套餐流量使用率均值 = 60%,120%30元进阶50元近三个月套餐流量使用率均值 = 60%,120%50元进阶100元近三个月套餐流量使用率均值 = 60%,120%100元进阶200元近三个月套餐流量使用率均值 = 60%,120% 叠加包推荐类：目前只针对5元叠加包用户群推荐运营叠加包推荐客户群客户群分群条件分类口径定义5月叠加包推荐近三个月套餐流量使用率均值 = 50%,80%，且没有叠加包（1）、目标号码请剔除黑名单（2）、请剔除公务机、劳务机、测试机、生产测试用机、社会监督员、客户服务专用号、客户体验号码等号码（3）、剔重资费不敏感客户；（近三个月饱和度120）（4）、剔除非语音号码（如GPS、随E行等）和非正常状态号码(包括停机、销号、空号等)；（5）、套餐流量使用率 近三个月月均使用流量 / （主套餐包含流量+GPRS套餐包含流量+流量包+叠加包）* 100%（6）、所有流量单位为MB； 套餐新增类：目前只针对5元套餐和5月包月闲事包新增用户群推荐运营套餐新增客户群客户群分群条件分类口径定义5元新增 1、无GPRS套餐2、近三个月月均流量大于5M（1）、目标号码请剔除黑名单（2）、请剔除公务机、劳务机、测试机、生产测试用机、社会监督员、客户服务专用号、客户体验号码等号码（3）、剔重资费不敏感客户；（近三个月饱和度120）（4）、剔除非语音号码（如GPS、随E行等）和非正常状态号码(包括停机、销号、空号等)；（5）、套餐流量使用率 近三个月月均使用流量 / （主套餐包含流量+GPRS套餐包含流量+流量包+叠加包）* 100%（6）、所有流量单位为MB；5. 加油包潜在客户模型5.1 建模目标流量加油包的精确营销模型支撑包括两种手段：一是采用挖掘模型，通过深入分析加油包订购用户特点，对比订购用户与未订购用户各方面的属性，发现用户订购加油包的驱动因素，建立流量加油包潜在客户模型，用于加油包主动营销推荐；二是采用简单规则匹配，在流量包适配模型（参见章节7.1.2.1）目标客户发生触点事件（例如流量余量提醒、用户主动上行短信查询流量信息等）时，除向其推荐流量包标准套餐或进阶套餐外，同时按预先制定的推荐规则向其推荐加油包套餐，支撑触点追尾营销。5.2 模型描述若采用挖掘模型，则结合流量包应用场景中描述的目标用户群体特征和各地域用户选取规则，从用户基本属性、通信属性和行为属性三个维度选取指标来衡量用户特征，将用户基本属性、通信属性及行为属性合并，筛选指标建立宽表，采用决策树模型挖掘，结合数据分析、模型分析及业务分析，最终确定流量加油包潜在客户的特征规则，详见“模型算法”描述。若采用简单规则匹配，则结合流量包适配模型的输出和业务经验，按客户流量分档建立不同余量场景下对流量包适配模型目标客户的加油包适配规则表，用于触点营销。5.3 模型输入输出以下说明针对挖掘模型方法，若采用简单规则匹配请见5.3。模型输入包括：用户基本属性、通信属性、上网属性特征相关指标；表-流量加油包潜在客户模型输入指标描述指标类型指标名称指标说明基本属性品牌神州行、动感地带、全球通用户年龄用户年龄特征在网时长用户入网月份数是否智能机用户最近使用终端是否为智能机通信属性月均ARPU指定周期内的月均出账收入短信上行次数指定周期内的发送短信次数短信下行次数指定周期内的接收短信次数上网属性总流量用户使用总流量（套餐实际流量+非套餐计费流量）上网频度指定周期月份内上网天数上网时长指定周期内上网的累计时长上网流量贡献度指定周期内流量费/ARPU上网时段偏好用户上网时段偏好特征移动互联网应用访问偏好移动互联网应用偏好特征移动互联网内容访问偏好移动互联网内容偏好特征模型输出信息包含但不仅限于如下信息：表-流量加油包潜在用户模型输出指标描述指标名称指标描述用户号码潜在用户的手机号码地区潜在用户所属地区县市潜在用户所属县市在网时长潜在用户在网时长月均ARPU近三个月月均出账收入月均上网时长近三个月平均上网时长流量贡献度近三个月平均流量贡献度（流量收入/ARPU）内容偏好近三个月访问内容流量排名前三位分类应用偏好近三个月访问应用流量排名前三位分类5.4 模型算法（1）挖掘模型方法算法描述如下：1、首先建立模型使用的数据分为训练数据集和验证数据集两部分，通过训练数据进行潜在用户规则的整合，并采用验证数据对训练的数据规则模型进行验证及评估。验证数据集与训练数据集不重复。2、将用户基本属性、通信属性及上网行为属性合并，建立宽表，结合业务经验进行初步指标筛选。3、采用决策树算法，以覆盖实例数高于10000个，置信度大于80%，生成规则；选择覆盖度最高的规则进行分析。4、经过上述数据分析，流量叠加包潜在用户的数据分析识别规则有15条（例），采用相应规则下订购用户占比、非订购用户占比两个指标进行衡量，筛选比较强的规则。表-流量加油包潜在用户识别规则表潜在用户识别规则订购用户占比未订购用户占比占比差值短信下行次数60 84%22%62%手机上网流量贡献度0.187%37%50%手机上网时长60小时 85%43%42%品牌：动感地带 34%21%13%年龄：16-27 54%28%26%在网时长：0-25 67%18%49%月均ARPU: 55 76%54%22%短信上行次数30 76%44%32%上网总流量40M 80%70%10%手机上网天数20 80%50%30%终端：智能机 74%51%23%上网时段：22-07 13%12%1%访问内容：软件、音乐、游戏72%45%27%访问应用：P2P下载、手机视频、手机音乐82%46%36%强规则定义：订购用户占比高，未订购用户占比较低，二者差值较大。这样的规则识别潜在用户才最有效。具体的订购用户占比高到多少、占比差值大到多少，需结合业务经验确定，这里以订购用户占比=70%、占比差值=25%为例，则筛选出来的规则为：如果 短信下行次数60 并且 手机上网流量贡献度0.1并且 手机上网时长60小时 并且 短信上行次数30 并且 手机上网天数20 并且 访问内容：软件、音乐、游戏并且 访问应用：P2P下载、手机视频、手机音乐则 流量加油包潜在用户6、模型结论：结合数据分析、模型分析及业务分析，流量加油包潜在用户定义规则如下：表-规则1-用于拥有套餐包资源的用户的规则结论表维度规则备注基本属性月均ARPU值大于56.88元在网时长超过9个月无流量属性手机上网时长超过14小时流量贡献度大于0.177提数前一天有手机上网行为偏好P2P下载、手机视频、手机音乐偏好软件、音乐、游戏若过渡追求营销精准度，对营销规模关注度低，建议内容及应用偏好规则可加入内通信属性短信下行条数超过80无业务属性套餐包资源累计使用率P阈值:01日-10日 0.7511日-12日 0.613日-14日 0.6515日-16日 0.717日-18日 0.7519日-21日 0.822日-25日 0.8526日-28日 0.9无规则2-用于无套餐包资源的用户：免费流量资源为0、流量通信费大于等于3元、前一天有手机上网行为。（2）简单规则匹配算法描述如下：对流量包适配模型（参见章节7.1.2.1）的目标客户，根据客户的上月流量等信息，匹配当月应给该客户推荐的加油包类型，在客户当前流量包套餐流量剩余的不同触点（例如余量提醒短信下发时），同时向其推荐其适配的流量包进阶套餐和加油包套餐，加油包匹配表举例如下（可有不同的推荐规则）：上月使用流量推荐方案余量20M触点余量5M触点余量0M触点09M2元叠加是是是3元叠加否否否5元叠加否否否921M2元叠加是否是3元叠加否否否5元叠加否否否2145M2元叠加是否是3元叠加否否否5元叠加否否否4565M2元叠加否是是3元叠加否否否5元叠加否否否65105M2元叠加否否否3元叠加否是是5元叠加否否否105300M2元叠加否否否3元叠加否是是5元叠加否否否6. 手机上网用户价值评估模型6.1 建模目标手机用户上网价值评估模型用以评估手机用户的价值，通过分析用户收入和流量特征，对用户进行分级输出，为业务人员评价上网用户价值提供参考依据。6.2 模型描述该模型根据用户流量评估指标、用户收入评估指标、用户流量边界评估指标输出用户的分级信息。模型算法为：首先选取总流量和流量总收入大于或小于一定阈值的用户作为观察对象，然后选取关键指标进行判别，如果这些指标存在超出阈值的情况，则直接判定为高价值用户；否则通过变量（可根据实际情况进行选取）加权计算得到用户价值评分，得出用户等级用户。各项指标如下表，其中各指标的预警阈值，各省可根据具体情况调整：模型涉及到的指标如下表所示：表-手机上网用户价值评估指标指标类型指标名称指标标志指标定义用户流量评估指标用户总流量CT（N）用户使用总体流量（套餐实际流量+非套餐计费流量）套餐实际流量R(N)实际使用量未超出套餐包含流量部分非套餐计费流量NP(N)实际使用量超出套餐包含流量部分套餐计费流量(套餐名义流量)P(N)套餐内包含的流量计费WLAN流量W(N)产生费用的WLAN流量计费T网流量T(N)产生费用的T网流量计费G网流G(N)产生费用的G网流量内容计费流量C(N)只收功能费的业务，并且被核减的流量非内容计费流量NC(N)GPRS流量减去内容计费流量用户收入评估指标流量总收入GI(N)GPRS收入套餐内流量收入P(N)套餐内收入超出套餐流量收入PN(N)超出套餐部分收入使用TD终端用户收入RT(N)使用TD终端用户收入使用2G终端用户收入RG（N）使用2G终端用户收入WLAN收入WL(N)使用WLAN流量收入自有业务收入（功能费+信息费）WI(N)自有包括：无线音乐、手机报、手机阅读、手机游戏、手机动漫、手机电视、手机视频、12580、12582、139邮箱、飞信MobileMarket、移动微博、号簿管家、手机导航、手机证券、手机冲浪、手机支付用户流量边际评估指标交往圈用户流量（短信，语音）BP(N)交往最密切的前个人户均数据流量交往圈用户流量收益（短信，语音）BN(N)交往最密切的前个人户均流量收入6.3 模型输入输出模型输入：用户流量评估指标，用户收入评估指标，用户流量边际评估指标； 模型输出：用户标识，用户价值（高价值，、中价值，、低价值）。6.4 模型算法1.具体算法描述如下：筛选：用户总流量CT（N），流量总收入GI(N)，当CT(N)CT(0)、GI(N)GI(0)或CT(N)CT(0)、GI(N)价值评估阈值X1（参数可配）；中价值：如果M价值评估阈值X2，或者M价值评估阈值X1（参数可配）；低价值：如果M B（0）或B（N）热点预警阈值X1（参数可配，建议阈值：100%），预警等级设为优秀；良好：如果M热点预警阈值X2（参数可配，建议阈值：150%），预警等级设为良好；一般：如果M热点预警阈值X3（参数可配，建议阈值：200%），预警等级设为一般；较差：如果M热点预警阈值X4（参数可配，建议阈值：250%），预警等级设为较差。9. WLAN潜在用户识别模型9.1 建模目标根据WLAN潜在用户模型的识别规则，在全网用户范围内识别出潜在的WLAN用户支撑WLAN潜在用户营销。9.2 模型描述WLAN潜在用户模型主要通过细分WLAN业务的用户，挖掘出WLAN高频率用户的共性特征，从全网用户中按共性特征筛选WLAN手机潜在用户和其他WLAN潜在客户。其中，WLAN手机潜在客户可以是注册或使用了WLAN但未用手机接入WLAN的用户，其他WLAN潜在客户主要是未注册使用WLAN业务的用户。9.3 模型输入输出模型输入包括：用户上网特征、使用套餐特征、订购业务特征、使用流量特征、网络特征、终端特征、地理位置特征相关指标，详见下表。其中，WLAN手机潜在客户识别模型输入要素还可以先筛选支持Wifi的手机用户，再补充考虑通过PC方式使用WLAN的情况，如WLAN计费时长、WLAN流量、WLAN流量占无线流量之比、WLAN收入占比、用户高流量区域WLAN热点数量等。表-WLAN潜在用户模型输入指标描述指标类型指标名称指标说明上网特征上网次数指定周期内的上网次数上网时段可选择每日以小时级分段套餐特征套餐类型纯流量套餐（专门针对GPRS流量优惠设计的套餐，如国内移动数据5元套餐）、融合套餐（附带赠送少量流量优惠的套餐，如全球通88系列套餐）套餐月租档次只针对纯流量套餐，如0元、1-2元、5元、10元、20元、50元、100元、200元，各省可按实际情况自行定义套餐流量档次针对所有流量套餐，如0M、0-30M、30-60M、60-100M、100-150M、150-200M、200-500M、500M-1G、1G-2G、2G-5G、5G以上，各省可按实际情况自行定义套餐使用率套餐实际作用产生的流量/套餐内包含流量套餐活跃率套餐使用用户数/套餐订购用户数订购业务特征是否订购*业务是否订购：无线音乐、手机报、手机游戏、手机阅读、手机动漫、移动MM、手机电视、手机视频、飞信、139邮箱、移动微博、号簿管家、手机导航、手机证券、手机支付、手机冲浪。各省可在此基础上根据实际情况自行拓展使用流量特征总流量用户使用总流量（套餐实际流量+非套餐计费流量）套餐实际流量实际使用量未超出套餐包含流量部分非套餐计费流量实际使用量超出套餐包含流量部分计费T网流量产生费用的T网流量计费G网流量产生费用的G网流量网络特征网络承载模式TD网、2G网终端特征终端类型Iphone、2G智能终端、3G智能终端、3G功能终端、2G功能终端，其他终端终端特性是否智能终端、是否TD终端、操作系统、是否支持wifi、终端价格、终端品牌，型号地理位置热点位置热点名称、位置信息模型输出信息包含但不仅限于如下信息：表-WLAN潜在用户模型输出指标描述指标名称指标描述用户号码WLAN潜在用户的手机号码是否是潜在用户是或否9.4 模型算法算法描述如下：模型算法根据模型输入中的各种特征信息进行WLAN潜在用户识别，最终按月周期，输出WLAN潜在用户信息。模型算法流程图：图 WLAN潜在用户模型算法流程图10. 流量产品渠道偏好分析模型10.1建模目标通过构建流量产品渠道偏好分析模型，实现产品与营销渠道的精准匹配，为营销活动支撑提供数据基础。10.2 模型描述建立流量产品与渠道偏好模型主要考虑两方面因素，首先分析用户与各渠道的接触情况，例如：用户在各渠道的业务办理次数、查询次数、接触成功率（成功接触的用户数/目标用户数）、业务办理成功率、信息反馈等指标，其次是从产品角度分析产品的健康情况，例如：产品活跃率、产品退订率等。通过两方面的综合考虑，从而构建出流量产品接触渠道偏好模型。10.3 模型输入输出建模输入：用户在实体渠道、10086人工热线、12580、网站、短信服务厅、掌上服务厅渠道、自助终端等渠道上，办理业务的次数、接触时间、接触时长、业务办理成功次数、业务办理失败次数、产品活跃率、产品退订率等。模型输出：需要输出渠道偏好情况，参考示例如下：表 流量产品渠道偏好分析模型输出结果示例业务产品子业务名称10086网厅短厅偏好WAP渠道偏好营业厅渠道偏好139邮箱渠道偏好飞信飞信基础业务高高中高高手机视频CCTV手机电视高低高中高10.4 模型算法流量产品渠道偏好分析模型算法描述如下：1. 首先对所有渠道的流量产品营销效果进行分析，例如：查询业务次数，成功办理业务次数、营销成功率、接触客户时间、接触客户反馈信息等；2. 其次分析流量产品的健康情况，例如：产品到达客户数、产品营销客户数、产品营销成功率、产品活跃度、用户退订率等；3. 最后通过指标权重的方式计算流量产品渠道偏好的综合指数，具体指标与权重省公司可根据实际情况设定；例如：产品与渠道偏好指数=指标1*权重1% + 指标2*权重2%等。（各省公司可以根据实际情况自己定义指标和权重）4. 根据产品渠道偏好指数进行产品渠道偏好分层，例如：高、中、低；图 流量产品渠道偏好分析模型算法流程图11. 应用关联模型11.1 建模目标通过对用户访问的流量内容的类型进行跟踪监控，掌握客户互联网访问内容类型及对应 的第三方应用，结合用户使用第三方应用的情况进行关联分析，以及其他消费行为，深入分析第三方应用在不同用户的使用特征和同一用户使用不同应用的特征，从而给出关联第三方应用的推荐方案。11.2 模型描述为了能够准确了解用户在访问互联网过程中的行为特征，需要对用户的访问行为进行购物篮分析，从而获知一个用户经常使用的互联网产品有哪些。本模型依据手机上网用户使用互联网使用日志、结合DPI解析第三方应用使用情况，利用URL内容解析规则，得出用户在各类内容的使用标签，建立内容分类与第三方应用的对应关系，最终形成用户-第三方应用的适配关系。结合用户-第三方应用的使用清单，计算其统计相关性，其一般形式为X1XnYC,S，表示由X1Xn可以预测Y，其中可信度为C，支持度为S。在此假设最小支持度min_support=5% 且最小可信度min_confidence=70%。因此符合此在第三方应用推荐的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则微信，美图秀秀，满足下列条件，将可接受微信，美图秀秀的关联规则。用公式可以描述Support(微信，美图秀秀)=5%且Confidence(微信，美图秀秀)=70%。其中，Support(微信，美图秀秀)=5%于此模型中的意义为：在所有的第三方应用使用用户中，至少有5%的使用量（如该应用产生总流量或总使用次数）呈现微信与美图秀秀这两项应用被同时使用的行为。Confidence(微信，美图秀秀)=70%于此模型中的意义为：在所有微信用户的使用记录中，至少有70%的用户会同时下载使用美图秀秀。因此，今后若有用户出现下载并使用微信的行为，一线业务人员可向其推荐美图秀秀的应用。这个第三方应用推荐的行为则是根据微信，美图秀秀关联规则，因为就用户访问互联网中使用第三方应用情况而言，支持了“大部份下载并使用微信的用户，会同时使用美图秀秀”的上网行为。11.3 模型输入输出 输入指标：l 用户标识：用户号码；l 用户标识:用户号码；l 内容分类规则:经过域名分析和网页文本挖掘分析生成的URL与访问内容分类关系；l 第三方应用名称:将第三方应用与内容分类建立对应关系或第三方应用；l 使用开始时间:用户使用第三方应用或者访问互联网内容的开始时间。 输出指标：l 用户标识:用户号码；l 第三方应用A:用户偏好产品列表；l 第三方应用B:推荐产品列表；l 支持度:A、B两项第三方应用同时被使用的比例；l 可信度:使用A应用的用户中使用B应用的比例。12. 潜在分流区域识别模型12.1 建模目标潜在分流区域模型根据用户的流量使用情况、终端使用情况和网络利用情况进行分析，发现网络建设存在的问题，达到精准分流选址的目的，为帮助业务人员对潜在分流区域进行分流提供支撑。12.2 模型描述将潜在分流区域分为T网流量提升区域、T网时分优化区域、T网新建站区域、TD智能终端推广区域。表-潜在分流区域类别表分流区域类别业务界定分析思路T网流量提升区域网格内有TD基站、TD客户规模大、T网户均通话时长高、T网户均流量低通过分析TD客户规模、T网户均通