智能化业务精准推荐系统

1 成果上报申请书 成果名称 智能化业务精准推荐系统 成果申报单位 辽宁 省（自治区 /直辖市）公司 成果 承担 部门 /分 公司 业务支撑中心 部门 / 分 公司 项目负责人姓名 项目负责人联系电话 和 Email 成果专业类别 * 业务支撑 所属专业部门 * 业务支撑中心 成果研究类别 * 其他类成果 省内评审结果 * 通过 关键词索引（ 3 5 个） 增值业务、 VGOP 系统、 精准推荐 应用投资 10 万元（指别的省引入应用大致需要的投资金额） 产品版权归属单位 中国移动 对企业现有标准规范的符合度： （按填写说明 5） 增值业务 统一营销体系 的开发依托于 VGOP 系统，项目的开发符合增值业务综合运营平台接口规范省级平台分册 V1.0.0； 平台展现的数据是通过调用经营分析系统的数据获取，数据获取方式符合 NG1-BASS2.0规范。 如果该成果来源于研发项目，请填写研发项目的年度、名称和类型（类型包括：集团重点研发项目、集团联合研发项目、省公司重点研发项目、其他研发项目），可填写多个： 2010 年 增值 业务统一推荐系统 省公司研发项目 成果简介 ： 简要描述成果目的和意义，解决的问题，取得的社会和经济效益。 随着移动增值业务的快速发展， 业务种类日益繁多，新业务 层出不穷，且用户规模不断壮大，增值业务市场前景广阔，但 营销工作也面临着巨大的挑战。首先，客户对移动公司种类繁多的增值业务不够了解，不知道哪种业务适合自己，也不懂得如何使用新出台的业务；其次，营销人员对客户的个性化需求难以把握，存在过多打扰客户，引起客户反感；再次，各系统独立运作，系统间协同能力差，业务操作流程复杂，对业务推荐过程中产生的问题不能及时解决，引起不必要的投诉。以上问题均不利于快速扩大 增值业务用户使用规模，增强客户粘性，促进业务持续健康发展。 为应对传统营销中存在问题，突破业务营销盲目性，避免对客户过多的打扰， 2 辽宁公司以 VGOP 为引擎，与 BOSS 系统及各渠道互联互通，实现以客户为中心，挖掘客户喜好，对客户进行精准推荐，为其提供个性化服务。基于客户自然属性、社会属性等信息、 增值业务 消费行为，构建 增值业务 精准营销模型、制定业务推荐目标客户筛选规则分析、挖掘客户需求，为客户提供 “量身定做 ”的服务。充分利用客户在各类渠道业务接触时机，开展 增值业务 推荐，实现一次接触机会，进行多种产品精准营销，实现 “一站式服务 ”。 解决的问题 ： 本成果解决的问题有： （ 1） 以 VGOP 为依托，与各系统互连互通，解决了系统间协同能力差、业务操作流程复杂的问题； （ 2） 精准定位目标客户，匹配合适业务，提高营销效率，避免盲目营销和对客户的过多打扰，提高客户的满意度。 （ 3） 通过多渠道营销推荐，实现客户快速业务体验，提供及时引导服务，打消客户顾虑，提升客户对新业务的认知和好感。 （ 4） 通过客户反馈的营销结果，及时调整营销策略，有利于公司决策管理、为营销考核管理提供了数据支撑，避免了决策人员 “一抹黑 ”的情况。 本成果的主要创新点 ： 多系统有机互联 ， 实现 闭环 管理 本系统依托 VGOP，与 BOSS 及各渠道有机互联互通， 实现对客户、产品、渠道、营销各类知识的整合管理与共享 ，提升 增值 业务 精准 营销的信息支撑能力。 首先 VGOP 从 BOSS 系统抽取源数据，根据 CPC（客户 -产品 -渠道）模型挖掘推荐数据，并将推荐结果传输至各渠道 ，最后 VGOP 汇总各业务的推荐反馈结果。 通过一次接触机会，进行多种产品精准营销，实现 闭环式管理 ，从而提升营销成功率。 运用数据挖掘，实现精准 推荐 通 过细分客户类型，研究客户的 增值 业务消费行为、预测客户 增值 业务消费潜力， 建立 以数学挖掘算法为基础的 增值 业 务精准营销分析模型，并与业务特征 相结合， 制定适合推荐目标客户 的 筛选规则 ，完成 对 目标客户 的业务推荐 ，使营业人员快速精准定位客户需求，完成业务推荐。 多渠道协同管理 ，实现 差异性推荐 3 目前业务推荐渠道众多，根据渠道的不同特征，进行差异性推荐，增加了客户与不同业务的接触机会 。 渠道反馈推荐结果， VGOP 进行稽核分析 渠道对业务推荐结果进行反馈， VGOP 根据反馈结果修改 CPC 模型策略，加强了精准营销力度，并对推荐结果进行稽核分析，在 VGOP 前台进行集中展示。 经济效益 ： 通过对客户 增值业务 需求的统一管理、精准投递，多 种业务的发展呈现上升态势，提升效果显著。本精准推荐系统可以向省内 1711.5 万客户进行业务推荐，据不完全统计，截止到六月份仅实体营业厅就向 5.77 万客户成功推荐并开通某项 增值业务 。目前 139 邮箱、手机电视、号簿管家订购用户分别为 156.84 万、 12.52 万、 64.47万，较精准推荐之前增幅分别为 47.02%、 415.23%、 98.31%，歌曲下载的用户数、次数和收入环比增幅分别为 51%、 44%和 35%。 4 社会效益： 依托 VGOP 平台，打通与各系统的数据接口，以客户为中心，实现一次接触机会，进行多 种产品精准营销，实现 “一站式服务 ”。 以数学挖掘算法为基础的精准营销分析模型与增值业务特征相结合，为客户打造 “量身定做 ”服务，快速精准的完成业务推荐。 辅助营业人员发挥主观能动性，避免盲目营销，实现快速寻找业务推荐工作切入点，提高推荐业务的成功率。 VGOP 配置各业务宣传及体验信息，并下发至客户，客户可免费快速业务体验，提升客户的体验服务感知。 针对 增值业务 精准推荐反馈的结果， VGOP 统一进行统计与分析，跟踪与分析推荐工作开展成效，为公司决策调整、营销考核管理提供了数据支撑。 省内试运行效果： 描述成 果引入后在本省试运行方案、取得的效果、推广价值和建议 等。 省内试运行方案： 试商用范围：辽宁全省 14 个市公司。 试商用期： 2010 年 8 月至 2011 年 2 月。 目前本系统已正式推广应用，且二期优化改造工作已经完成。 推广价值： 此成果复制壁垒较低，目前多数省份已经完成 VGOP 平台建设，开始进行业务支撑，本系统以 VGOP 为引擎，与 BOSS 系统及各渠道互联互通，实现以客户为中心，提供个性化服务，兄弟公司可以应用该模式，简单复制，快速移植推广。 推广建议： （ 1）根据本省各系统间的接口情况进行联动配合，实现系 统间协同管理。 5 （ 2）进行市场调研，根据本省的实际情况适当的调整精准推荐的具体模型。 文章主体（ 3000 字以上，可附在表格后）： 根据成果研究类别，主体内容的要求有差异，具体要求见表格后的“填写说明 6”。 1.项目背景 3G 时代来临之后，传统语音业务趋于市场饱和，以内容运营为主要特征的 增值业务成为推动各大电信运营商持续健康发展的核心竞争力之一。目前，移动 增值业务 发展势头良好，用户规模不断壮大，然而，面对如此繁多的 增值业务 类型，如何为不同客户提供其所偏好的业务，并进行有效推荐，同时避免盲目营 销，减少负面影响，是我们所面临的严峻考验。目前 增值业务 营销工作所需的挑战有：一、业务种类日益繁多，客户对新业务认知不足，且客户终端设备多样化，不同终端对业务的支持差异性大；二、传统业务推荐存在过多打扰客户，且客户体验过程中相关问题不能及时解决；三、各支撑系统独立运作，业务推荐流程复杂，协同能力差等。以上所述问题不利于快速扩大业务用户使用规模，增强客户粘性，促进业务持续健康发展。 为了实现业务精准营销，突破业务营销盲目性，避免对客户过多的打扰，减少负面影响，辽宁移动公司开发了智能化业务统一推荐系统。该系统以 VGOP 为引擎，与 BOSS系统及各渠道互联互通，实现以客户为中心，挖掘用户喜好，为客户提供个性化服务。充分利用客户在各类渠道业务接触时机，开展 增值业务 推荐，实现一次接触机会，进行多种产品精准营销，实现 “一站式服务 ”。基于客户自然属性、社会属性等信息、 增值业务 消费行为，构建 增值业务 精准营销模型、制定业务推荐目标客户筛选规则分析、挖掘客户需求，为客户提供 “量身定做 ”的服务。 2.实现方案 2.1 系统概述 智能化业务精准推荐系统的设计宗旨是为客户提供精准的推荐业务，避免盲目营销， 6 减少对客户的打扰，提高客户对推荐业务 的好感。本系统以 VGOP 系统为引擎，为客户深度挖掘其偏好的业务，并且与 BOSS 系统及各渠道互联互通，从 BOSS 系统抽取原数据，并将 处理好 的推荐业务推送至各渠道，从而实现一次接触机会，进行多种产品精准营销，实现 “一站式服务 ”。本系统流程图如图 1 所示： 本流程图中红框部分为 增值业务 精准营销模型生成的结果，即向客户进行精准推荐的 增值业务 集合；斜方形表示各部门数据表，浅蓝色虚框表示系统中已有的数据，深蓝色实框表示在该系统生成的数据；灰色框表示此数据不是由该系统生成，而是完全从其它系统抽取而来。 图 1 智能化业务精准推荐系统流程图 本系统的整个数据流程为： （ 1） BOSS 生成各业务订购关系数据，并提供用户信息数据； （ 2） VGOP 每日从 BOSS 抽取各 增值业务 订购关系和用户信息数据，并根CPC(客户 -产品 -渠道 )模型生成 CPC 数据结果数据； （ 3） VGOP 将 CPC 结果传输到各渠道，并在渠道前段进行展示； （ 4） 各渠道每日将客户反馈结果汇总后，回传至 VGOP ，至此， CPC 营销渠道应用的数据传输过程完成。 2.2 系统详细设计 2.2.1CPC 模型设 计 CPC 模型实施方案 VGOP BOSS 各渠道 传输 汇总 客户 各业务订购关系 （每日增量更新） CPC 结果表 （每月更新） 推荐 反馈 推荐反馈表 （每日更新） 汇总 推荐 记录 反馈 模型生成 CPC 结 果表 （每月更新） 各业务订购关系 （实时更新） 汇总 传输 推荐反馈表 （每日更新） 用户信息表 每月增量更新 用户信息表 每日更新 7 增值业务 精准营销基于研究用户的 增值业务 消费行为，分析用户 增值业务 的消费潜力，以数据挖掘算法为依托，得到与用户匹配的业务、渠道等营销数据，旨在为客户定制从产品、渠道到服务的个性化营销体系，实施方案图如图 2 所示。图 2 CPC 实施方案图 （ 1） 增值业务 分析，梳理需要推荐的业务，分析每种业务的特征 。 （ 2）数据准备， 数据准备确保建模数据的完整性、可用性和完整性 。对每种业务订购用户进行抽样分析，对所有的抽样用户按组别提取属性数据 。 （ 3）建模准备，筛选建模变量，根据模型要求进行数据变换 。 （ 4）模型设计，建立业务分类预测模型、业务关联模型、用户新业务类型偏好模型的指数层次模型等数学模型。 （ 5）模型结果分析，多模型输出结果进行分析，持续优化 。 CPC 模型技术实现 为了寻找客户喜好的业务，我们从 3 个层次建立了独立的数据挖掘模型，然后根据不同的算法，将模型汇总并得到最后的用户客户潜在推荐业务。本模型总体逻辑结构图如图 3 所示： 8 图 3 CPC 模型总体逻辑结构图 模型的应用分成三个步骤：第一步，对用户独立应用关联模型、类型偏好模型和特征匹配模型 3 个基础模型，分别得到业务关联指数、类型偏好指数和业务倾向指数；第二步，应用 增值业务 关系模型，得到用户的 增值业务 关系指数；第三步，应用因子分析法将关系模型和特征匹配模型结果导入 增值业务 推荐模型，得到 增值业务 推荐指数。 模型的系统固化对应分为 5 个模块：关联模型、类型偏好模型、特征匹配模型、业务关系模型和业务推荐模型；其中，前三个模型相互独立，前两个模型输出为第四个模型的输入，第三和第四 个模型的输出为最后 1 个模型的输入。 图 4 为各模型与之对应的算法。 用户 增值业务关系模型 特征匹配模型 关联模型 增值业务推荐模型 类型偏好模型 增值业务推荐指数 业务倾向指数 业务关系指数 类型偏好指数 业务关联指数 9 图 4 各模型与之对应的算法 （ 1）业务关联模型 业务关联模型应用 Apriori 关联算法， Apriori算法是一种最有影响的挖掘 布尔 关联规则频繁项集的算法 ，通过运用该算法，得出业务的关联指数。 （ 2）类型偏好模型 类型偏好模型根据 用户在各业务的使用力度进行评分， 然后计算 用户在各业务类型下的偏好程度，计算过程简述如下： 加分规则：客户在响应某业务后，响应的业务属性获得加分 新分数 =原分数 +（ 1-活动响应率） 10 减分规则：如果客户未响应某业务，则该业务属性减分 新分数 =原分数 -活动响应率 10 衰减规则：系统定期为所有客户的量化指标减分 新分数 =原分数 0.95 响应信息是一个逐步积累的过程，用户的初始化分数为 60 分，满分为 100 分，最高不超过 100 分，最低不低于 0 分。通过本模型计算出客户对业务的偏好指数。 （ 3）特征匹配模型 特征匹配模型采用 Logistic 回归算法， Logistic 回归建立一组方程，把输入属性值与输出字段每一类 的概率联系起来。一旦生成模型，便可用于估计新记录属于某类的概率， 10 概率最大的目标类被指定为该记录的预测输出值。 Logistic 回归算法 具有训练集和测试集预测准确率的差异是最小、精确程度较高、可以精确控制营销用户群大小的优点 。通过本模型，我们得到业务倾向指数。 （ 4）业务关系模型 本模型采用因子分析法，从业务关联指数和业务偏好指数中提取共性因子，得到两者的权重，然后进行加权求和后得出业务关系指数 （ 5）业务推荐模型 本模型也采用因子分析法，对业务关系指 数和业务倾向指数进行因子分析，最终得到业务对客户的推荐指数。 2.2.2 渠道推荐应用 CPC 模型的结果将布放到各大渠道，渠道可分为主动推广渠道和触发响应渠道两大类别，主动推广渠道可以选择时机，通过彩信、短信、 Wap、 Push 和外呼的方式向客户推销业务；客户也可以通过网上营业厅、掌上营业厅、短信营业厅、自助终端和 10086IVR来获悉各项推荐业务。表 1 为 CPC 模型结果传输渠道 表 1 CPC 模型结果传输 渠道 渠道类别 描述 布放 渠道 主动推广渠道 可主动选择时机和对象 与客户接触并沟通的渠道 VGOP（含彩信、短信、 Wap Push） 外呼 触发响应渠道 只有当客户主动接触时可以被动响应的渠道，此类渠道本身无法主动接触客户 实体营业厅 网上营业厅 掌上营业厅 自助终端 短 信营业 厅 10086IVR CPC 结果传输至各渠道之后，各渠道应用 CPC 模型结果进行业务推荐，并向 VGOP 反馈客户行为 信息 ，以下以网上营业厅为例进行说明。业务推荐以及客户行为反馈信息收集流程见 图 5： 11 C P C 结 果 表用 户 编 码手 机 号 码推 荐 业 务 编 码业 务 评 分推 荐 结 果 表推 荐 记 录 编 号用 户 编 码手 机 号 码推 荐 业 务 编 码推 荐 结 果推 荐 时 间业 务 订 购 关 系 表用 户 编 码手 机 号 码业 务 编 码订 购 状 态更 新 日 期业 务 维 度 表业 务 编 码业 务 名 称 _ 英业 务 名 称 _ 中网 厅 日 志 表用 户 编 码手 机 号 码用 户 动 作动 作 时 间业 务 办 理 记 录 表用 户 编 码手 机 号 码办 理 业 务办 理 时 间网 厅 显 示推 荐 业 务 名 称用 户 登 录手 机 号 码用 户 点 击 办 理 业 务图 5 渠道推荐数据 流程图 下面以 网厅为例，介绍渠道推荐的数据流程和信息反馈的整体过程，如图 6 所示： 图 6 网厅业务推荐图 首先客户登陆网厅，网厅根据 VGOP 传送的 CPC 结果数据，展示三项推荐业务（按业务评分由高到低）。客户点击网厅上的推荐业务，后台的网厅日志对这一行为进行记录。VGOP 对推荐结果进行汇总，先查看日志表中是否有点击推荐业务的链接，再看 BOSS 侧是否产生订购关系：（ a） 如果日志表中有客户点击推荐业务的记录，且当天 办理 了该业务，业务办理时间晚于点击推荐业务 链接的时间，则 记录客户对此推荐业务 “成功”； (b) 如客户基本消费信息 精准推荐业务 12 果日志表中有客户点击推荐业务的记录 ,但当日没有办理该业务， 则 记录客户对此推荐业务“感兴趣 ” 。 CPC 模型会根据反馈结果，调整推荐策略，对推荐成功的业务不再推荐，对客户感兴趣的业务重点推荐。 其它渠道与网厅的推荐过程基本一致，在此不再赘述。 2.2.3 依托 VGOP，与其它系统有机互通 VGOP 与 BOSS 互联 基于 VGOP 的精准推荐系统建立了与 BOSS 系统的准实时接口，通过 FTP 方式每日0:30 准时从 BOSS 抽取各业务订购关系数据和客户信息表 。 通过与 BOSS 系统互联，确保了 BOSS 侧数据的及时提供，为精准推荐提供了必要的数据支持 VGOP 与各渠道互联 （ 1）信息群发及短信互动 基于 VGOP 的精准推荐系统可根据推荐结果，通过短信、彩信、 WAP、 PUSH 向目标客户群发营销信息，并接收客户的上传短信，根据上传短信内容进行逻辑解析，及时响应客户的需求。 本功能灵活、高效、实用性强，可灵活多样的配置群发任务并稳定的向大批量客户下发信息。稳定、可靠的短信互动功能是本系统的重要特点之一，通过多线程技术保障用户短信交互过程的高效响应。 （ 2）与触发渠道实时互通 触发类渠道 包括实体营业厅、网上营业厅、掌上营业厅及短信营业厅等，是需要客户主动接触的渠道。本系统依托 VGOP，实时接口采用 http+soap 协议进行信息的交互，实现了基于开放标准的 Web Services 服务。 通过实时接口，为各营销渠道提供了便捷的接入方式，实时、高效、安全可靠地进行数据传送，保证了客户对推荐业务的及时感知。 3.解决的问题 本成果解决的问题有： （ 1） 以 VGOP 为