面向精确营销的用户行为分析模型研究与应用_第1页
面向精确营销的用户行为分析模型研究与应用_第2页
面向精确营销的用户行为分析模型研究与应用_第3页
面向精确营销的用户行为分析模型研究与应用_第4页
面向精确营销的用户行为分析模型研究与应用_第5页
已阅读5页,还剩42页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

中国移动集团重点 /联合研发项目结题汇报报告 项目名称:面向精确营销的用户行为分析模型研究与应用 项目编号: 第 2页 一 . 开题计划完成情况 目 录 二、主要研究成果(整合后) 第 3页 1.1 研究背景及目标(开题报告) 市场竞争日趋激烈, 特别是在高校、家庭市场,音乐、终端、移动互联网等领域,需要更精准的营销 。 市场营销活动中缺乏模型及工具支持 ,特别是有效的内容模型、社会关系模型、用户偏好模型、精准推荐模型等,导致许多用户数据没有得到充分应用 , 营销活动往往凭经验人工设定规则选取营销目标,无法满足精确营销要求 项目背景 1. 研究用户行为分析算法 ,为公司面向特定群体、特定业务的精确营销奠定基础,提升公司精准营销水平 2. 通过所研究算法的应用,为无线音乐业务营销、终端及相关业务营销、家庭及高校市场营销、用户关系营销、移动互联网等 具体营销领域提供支撑 项目目标 第 4页 1.2 项目研究主要内容及分工(开题报告) 方法研究 (研究院 ) - 社会关系网络研究 - 推荐算法 (包括文本、 web挖掘)及平台研究 应用研究 (各省公司) - 家庭客户研究 (上海) : 家庭客户的定义、挖掘、特征及营销方案; - 号立方研究(江苏) :挖掘用户之间的关系,并对关系进行管理与营销。 - 高校客户研究(广东) : 通过客户基站通信归属等算法定位高校客户;分析高校客户的通话数据和数据业务使用情况,描绘高校竞争情况的全景图。 - 无线音乐用户研究(四川) : 通过对全网音乐市场、用户构成、消费习惯、内容偏好、用户欺诈等用户相关行为,营销渠道数据等进行全面的分析,建立用户 /产品 /渠道的用户行为分析体系 - 12530WAP音乐推荐研究(四川) :实现对会员用户的个性化音乐推荐、音乐与咨询的互动推荐。 - 用户手机上网行为分析研究(四川) :通过对用户手机上网套餐、用户手机上网访问内容的分析,分析用户使用手机上网的热门网站、热点关键字、时间规律、终端情况等。 - 基于 wap日志的用户偏好模型研究(安徽) :通过手机用户 wap上网日志,对用户访问内容进行分析,分析用户的内容偏好,为内容产品营销奠定基础。 - Wlan用户上网分析研究(广东) :研究 wlan用户的上网行为,从多个系统中整合wlan数据,从多个角度分析和展现 wlan用户的上网习惯,为营销提供支撑。 - 定制终端研究(湖南) : 通过单个客户终端补贴效益分析模型、多维度终端捆绑客户分析模型、移动客户终端消费行为分析模型,建设终端营销方案决策支持系统 第 5页 1.3 开题计划完成情况总结 项目总体研究框架 交往圈 数据整合 方法研究 (研究院) 上网日志 应用研究 业务推荐 内容推荐 营销支持与目标选择 社会网络分析 社区发现 关系类型挖掘 精准推荐算法及平台 基于内容推荐 基于行为推荐 音乐日志 位置信息 终端补贴数据 家庭社区发现与营销 (上海 ) 无线音乐用户偏好分析与欺诈分析(四川) 高校用户特征挖掘与营销 (广东 ) Wap音乐个性化推荐(四川) 用户偏好分类与推荐系统(安徽 ) Wlan用户分析挖掘系统 (广东) 定制终端消费分析与营销(湖南) ”号立方“关系管理系统 (江苏 ) 移动互联网分析平台(四川) 第 6页 1.3 开题计划完成情况总结 成果一览 单位 主要成果 初步应用效果 研究院 推荐平台系统 (含推荐平台系统、社会网络关系分析系统、基于内容的用户偏好分析模型等) 提交专利申请 3项 labs流量 提升 20%以上,跳出率减小 一半 以上; 研究成果应用于 :四川公司子项目音乐基地 wap音乐推荐、安徽公司子项目基于 wap的推荐系统、上海公司子项目家庭客户挖掘、江苏公司子项目号立方系统及其他项目中。 上海公司 家庭客户挖掘模型、统一视图及营销方案 模型实际验证 准确率 79%;实际营销成功率 提高 3倍 以上 四川公司 无线音乐用户使用偏好模型及欺诈行为识别模型; 移动互联网分析平台 12530WAP个性化音乐推荐产品 使用偏好模型进行无线音乐营销,成功率 提升 13.5%,欺诈模型发现 95%的欺诈用户; 使用移动互联网分析平台,上网套餐推荐成功率 提升一倍以上; 使用个性化音乐推荐,推荐页面访问转化率 提升 68.5% 湖南公司 定制终端营销决策支持模型 模型验证表明模型预测的 arpu与实际 arpu拟合度达 90%以上。 广东公司 高校用户特征挖掘模型 Wlan用户分析与挖掘系统 在迎新期间进行竞争态势监控和营销, 发展高校新增活跃客户超过 24万, 同比增加 17%。 使用 wlan分析挖掘系统,合理规划热点,挖掘用户上网习惯,进行针对性营销。 江苏公司 号立方用户关系管理平台 求职通订购数 上升 59%; 139邮箱活跃用户 提升 55% 安徽公司 基于 wap日志的用户偏好分析及推荐系统 对用户偏好进行分类,推荐相应的内容,用户响应率 提升6-10倍 第 7页 1.3 开题计划完成情况总结 项目成果总结 完成推荐平台、社会网络、基于内容的用户偏好分析等新型用户分析模型的研究及系统开发,并在实际项目中进行了模型验证,效果良好。并申请专利 3项; 完成在家庭用户、高校用户、 wlan用户、手机上网用户、无线音乐用户行为分析、终端补贴用户等应用领域的行为分析和挖掘,成果均进行了部署、测试和效果评估,部分成果取得了良好的效益。 探索了研究院和省公司的合作模式。通过 充分结合研究院在算法模型研发和方案设计等方面优势,及省公司在市场需求洞察和营销推广的实战经验,在四川、上海、安徽、江苏等省公司实现了了研发成果的应用落地,取得了较好的经济效益和社会效益。 提出营销需求 分析 需求 样本数据需求 提取样本数据 算法模型试验 预期效果和资源需求 制定部署方案 评估及协调资源 提供模型、接口文档 远程或本地部署 精确营销实验 营销效果评估 省公司 研究院 第 8页 1.3 开题计划完成情况总结 -研发情况总结 项目研发总结 项目的时间安排、人员分工、成果达到了开题计划中的预计目标 , 绝大部分成果取得了良好的效益。 研究中也存在一些不足。 由于时间限制,小部分成果还有待进一步的应用检验。 项目对各种用户行为数据的挖掘均进行了探索,取得了一定的成绩,但在某些子项目上,研究方法、应用推广上仍嫌不足,有待进一步提高。 由于联合项目较多等等原因,研究院未能在所有子项目上均进行模型和方法支持,而只是在四个子项目上进行了支持。 第 9页 一 . 开题计划完成情况 目 录 二、主要研究成果(整合后) 第 10页 2.2 研究成果介绍 2.2.1 方法研究 - 社会网络关系判定与社区发现 - 推荐算法与平台 2.2.2 应用研究 业务推荐 - 家庭客户挖掘模型与统一视图 - 号立方用户关系管理平台 - 移动互联网分析平台 内容推荐 - 12530WAP个性化音乐推荐产品 - 基于 wap日志的用户偏好分析及推荐系统 - 无线音乐用户使用偏好模型及欺诈行为识别模型 营销支持与目标选择 - 高校用户特征挖掘模型 - Wlan用户分析与挖掘系统 - 定制终端营销决策支持模型 第 11页 社会网络关系判定与社区发现研究 -目标 识别社会网络中两个人之间交往关系的本质,为潜在家庭客户、集团客户、圈子产品营销提供支持。 第 12页 社会网络关系判定与社区发现研究 -技术路线 1 利用用户移动轨迹数据,发现用户 居住地 ( O) 和工作地 ( D)及其它泊点。 2 基于用户 OD、交往圈等信息,精准判别用户之间的关系 3 对相同关系用户进行判别,获得相同关系的社区,如家庭用户、集团用户、朋友圈等 实际测试模型准确度约: 79% 第 13页 社会网络关系判定与社区发现研究 -可视化 一个家庭所在地和成员工作地点 家庭的两个成员回家的动态轨迹 一个用户从家上班的典型轨迹 一个集团的位置和成员家庭位置 第 14页 推荐算法与平台研究 -目标 使用 SaaS模式为中国移动各门户、 业务平台提供远程推荐及分析服务 具备支持资讯、电子商务、音乐 等应用场景的个性化精准推荐能力 具备不良信息过滤能力 部署容易,无需后台系统改造 支持匿名推荐,确保用户隐私不受侵犯 支持实时行为计算与推荐,结果个性化 程度和相关性高 云计算架构,支持大规模并发用户推荐, 易于扩展处理能力 分析功能强大,可帮助站点进行改进 中国移动 精准营销 推荐服务 平台 在中国移动自有平台上实现推荐服务的整合应用,促进产品销售 第 15页 推荐算法与平台研究 -技术路线 音乐平台 资讯类网站 电子商务类网站 数据获取 数据 预处理 推荐模型 配置训练 推荐生成 推荐平台 页面插码 页面嵌入 JS代码 (采集和推荐) 推荐内容 网站为您推荐的资讯 浏览该资讯的用户还看过 同主题资讯推荐 推荐内容 网站为您推荐的产品 购买该产品的用户还买过 相似产品推荐 推荐内容 网站为您推荐的歌曲 喜欢该音乐的用户还喜欢 同类音乐推荐 云计算平台 第 16页 推荐算法与平台研究 -算法模块 第 17页 推荐算法与平台研究 -应用形式 Labs上访问过此内容的用户还访问过 Labs给你推荐的相关资讯、博文和话题 Labs相关标签扩展阅读 前台产品 第 18页 推荐算法与平台研究 -应用效果评测 推荐结果:主题相符或相近内容占比 80%以上,较之关键字匹配,在扩展性和精准性方面都有所提升。 原文示例: 国外运营商 LTE市场发展与策略分析 推荐结果:主题相符或相近内容占比 80%以上,较之关键字匹配,在扩展性和精准性方面都有很大提升。 按兴趣推荐内容或相关标签 博文 报告 /视频 新闻 帖子 实际应用效果: Labs推荐上线后,平均提升了 20%的流量,跳出率较少 一半多,平均页面停留时间增长 3%。 第 19页 方法研究 -实际应用 江苏公司号立方 (本联合项目 ) 上海公司家庭用户挖掘 (本联合项目) 河南公司基于位置的关系挖掘 (11年联合项目) 研究院 Labs推荐 音乐基地 wap音乐推荐 (本联合项目) 安徽公司 wap用户偏好推荐 (本联合项目) 第 20页 2.2 研究成果介绍 2.2.1 方法研究 - 社会网络关系判定与社区发现 - 推荐算法与平台 2.2.2 应用研究 业务推荐 - 家庭客户挖掘模型与统一视图 - 号立方用户关系管理平台 - 移动互联网分析平台 内容推荐 - 12530WAP个性化音乐推荐产品 - 基于 wap日志的用户偏好分析及推荐系统 - 无线音乐用户使用偏好模型及欺诈行为识别模型 营销支持与目标选择 - 高校用户特征挖掘模型 - Wlan用户分析与挖掘系统 - 定制终端营销决策支持模型 第 21页 家庭用户标签 家庭用户分类 小小灵通 家有电信 三口之家 两口之家 亲密无间 窃窃私语 短信情长 高消费型 经济型 家庭营销 信息来源 登记信息 业务使用信息 用户话单信息 用户行为 业务 家庭客户 挖掘 家庭客户 位置信息 直接外呼 BOSS营销 点对点短信 Mail 嵌入电子渠道 家庭客户挖掘模型与统一视图 (上海 ) - 目标与研究框架 物理 家庭客户 重点 目标:家庭用户定义和区分方法,研究家庭客户挖掘模型的方法,家庭客户统一视图的建立,分析其特点,捕捉精细化的营销机会。 第 22页 家庭客户挖掘模型与统一视图 技术路线 第 23页 家庭客户挖掘模型与统一视图 统一视图及模型验证 家庭成员 57 其它关系 22 样本 经分员工 密友 21 抽样验证准确率 家庭成员部分: 个人基本信息:年龄、 ARPU等、通话时长、通话分钟数、短信条数等 与户主对应关系: 与户主交往情况:各时段通话次数以及占比,各时段通话分钟数以及占比、各时段短信条数以及占比 与户主位置关系:重合的基站数 家庭客户部分: 家庭整体情况:成员数、固话数、小灵通数等等、家庭的 ARPU、通话次数、通话分钟数、平均在网时长、年龄等 家庭内指标:与户主的各时段通话次数、短信条数、通话分钟数等 家庭位置信息:与户主平均位置重合情况 家庭标签:基于位置、交往圈大小、交往密切情况、家庭平均年龄等等打上标签 家庭客户统一视图 结果集 1 目标家庭数: 660万 总成员数: 1000万 结果集 2 目标家庭数: 200万 总成员数: 300万 根据营销的规模选择相应的结果集 目标家庭客户 模型准确率: 79% 青浦属地自营厅外呼总数 7835,其中考虑用户占35%, 2742位,拒绝用户(拒绝 +挂机)占 33%,2585;关机 停机 销户等非正常状态客户占 13%,1081位,直接愿意办理用户占 2%,共 157户;无人接听占 17%,共 1332户;相比原先随机抽取用户的外呼模式 (随机选取 arpu30的用户,考虑用户占 10%, 直接愿意办理的用户 0.7% ),该模型提升 营销成功率 3倍 以上。 营销验证 第 24页 号立方用户关系管理平台 (江苏 )-目标与路线 目标:通过用户的通信行为挖掘用户之间的关系,并对关系进行管理与营销 第 25页 号立方用户关系管理平台 -应用:求职通 在基于号立方进行精确营销之后, 6月份和 7月份,求职通订购人数明显上升, 提升比例超过: 59% 第 26页 号立方用户关系管理平台 -应用: 139邮箱 139邮箱活跃用户数在基于号立方进行精确营销之后的活跃用户人数比之前提升比例超过: 55% 第 27页 移动互联网分析平台 (四川 )-目标与技术路线 通过用户手机上网套餐流量分析,为用户的发展与维系提供目标用户。 通过用户手机上网行为轨迹的分析,为内容运营提供依据,提升用户活性。 主要研究目标 用户群类型 对应生命周期 分群规则 潜在目标用户 考察期 500K-5M,未订购资费套餐 尝试性用户 形成期 连续三月使用量低于套餐流量 30% 活跃用户 稳定期 连续 3个月高于套餐流量 30% 危机用户 退化期 1. 当月退订套餐用户 2. 下月套餐到期用户 3. 当月使用量较三月平均值下降 50% 根据用户生命周期理论构建合理的用户分群模型,以实现差异化的用户维系和价值提升策略。 热门网站分类 网站内容爬取与分类 根据用户访问的分类确定 用户偏好。 用户其他行为如上网时段、使用业务等分析 第 28页 移动互联网分析平台 -应用 营业厅 推荐套餐订购尝试数 套餐成功订购数 推荐套餐升级尝试数 套餐成功升级数 推荐成功率 青羊营业厅 115 22 20 7 21% 少城营业厅 43 9 8 2 22% 八宝街营业厅 52 13 9 2 25% 人东厅 244 49 55 21 23% 合计 454 93 92 32 23% 1 上网套餐推荐成功率上升 。成都分公司武侯区营业厅在 11月 1日 -5日利用顾问营销系统进行手机上网套餐推荐的试验数据证明,该模型能够提升推荐成功率 100%以上 (注:原推荐成功率约 10%)。 PUSH时间 用户样本 响应用户 响应率 8:00 5000 1145 5.73% 11:00 5000 868 4.34% 17:00 5000 1277 6.38% 19:00 5000 933 4.66% 通过用户上网行为的分析,整体用户手机上网集中在上午 7-9点、下午 16-18点、晚上 24点,三个时段。因此在通过 WAP PUSH的方式,刺激用户活性时,尽可能利用前两个高峰期(第三个高峰期时间段不适宜进行线上营销)。 2 营销响应率提升 。同一用户群,同一 PUHS内容在用户上网高峰期,可以获得更高营销响应率。 3 用户活跃度提升 。借助用户内容偏好分析的结论,利用我省四川风采的WAP网站进行内容资源的整合,为尝试期的用户进行针对性的内容投放,逐步培育用户上网行为。 第 29页 2.2 研究成果介绍 2.2.1 方法研究 - 社会网络关系判定与社区发现 - 推荐算法与平台 2.2.2 应用研究 业务推荐 - 家庭客户挖掘模型与统一视图 - 号立方用户关系管理平台 - 移动互联网分析平台 内容推荐 - 12530WAP个性化音乐推荐产品 - 基于 wap日志的用户偏好分析及推荐系统 - 无线音乐用户使用偏好模型及欺诈行为识别模型 营销支持与目标选择 - 高校用户特征挖掘模型 - Wlan用户分析与挖掘系统 - 定制终端营销决策支持模型 第 30页 12530WAP个性化音乐推荐产品 (四川 )-目标与技术路线 目标 通过个性化推荐,增强用户粘性,增加用户的回访率,提升用户的转化率,培养一批具有高价值、高活性会员用户群体。 高 频 用 户 中 频 用 户 低 频 用 户 SlopeOne 按照用户历史访问项目集合,根据音乐间的线性拟合评分偏差,预测推荐期望最高的音乐 关联规则 查找与某一音乐共现的其他音乐,用歌曲热度、用户访问时间、频次等加权进行相关性排序 TOPN 根据歌曲热门程度、流行程度、推荐程度、下载次数等进行排序,选取最大的 N个进行推荐 每个用户的音乐推荐列表 运营规则干预 原则:针对不同类型的用户采用与之相应的推荐算法 第 31页 12530WAP个性化音乐推荐产品 -应用形式 首页 1 2 原畅销歌曲页 3 个性化推荐页 第 32页 12530WAP个性化音乐推荐产品 -应用效果 实验前推荐页转化率 实验后推荐页转化率 20% 将个性化推荐模型部署在 12530 WAP现网系统的 1台前端机中,进行了近 20天的实验,结果表明推荐模型大幅提升页面访问的转化率。 33.7% 使用个性化推荐模型之后 推荐页面访问转化率提升了 68.5% 同时, WAP门户每用户访问页面深度增加,表明推荐模型能提升用户黏性。 使用个性化推荐模型之后 每用户访问页面深度增加 1.2个 (13%) 实验前每用户访问页面数 实验后每用户访问页面数 9.2 10.4 第 33页 基于 wap日志的用户偏好分析及推荐系统 (安徽) -目标与技术路线 WAP网关记录 数据清理 资讯访问记录 资讯类型标注 资讯类型访问记录 聚类分析 用户群体聚类结果 计算群体偏好 数据采样 群体对各资讯类的偏好 存储隶属关系 数据清理 推荐模型合成 用户内容偏好模型 待推荐资讯 用户内容 偏好模型 类型特征矢量 标注类型 类型标注 模型匹配 产生推荐列表 排序 用户喜好程度 推荐列表 模型构建 模型应用 目标:建立客户内容偏好标签,开展内容营销 根据客户偏好, 有效细分客户,结合业务本身特性,设计增值业务产品包,开展内容营销,引导第三方产品到移动自有产品的迁移 第 34页 基于 wap日志的用户偏好分析及推荐系统 -应用方案 507850 697538 702314 938627 1186351 1271182 1415249 1420311 1468784 1865701 2993337 8598955 9309672 体育 科技 八卦 财经证券 文学 影视娱乐 健康 商旅 时尚 游戏 交友 生活便民 新闻 /时事 各类偏好用户分布 各偏好客户细分 细分客户群 通过对客户的偏好梳理,可将客户细分为不同偏好用户群。 财经偏好群 1 游戏偏好群 2 体育偏好群 3 时尚娱乐偏好群 4 影视偏好群 5 选择地市偏好类型 将客户偏好部署到营销管理平台中,营销人员可方便利用平台分析客户偏好需求: 可筛选各类别偏好的客户群; 可筛选各数据及信息业务的不同偏好客户群; 指导地市开展内容型业务营销; 第 35页 基于 wap日志的用户偏好分析及推荐系统 -应用效果 经过安徽公司对有手机上网行为的用户进行随机抽取营销和个性化推荐营销发现,用户对推荐内容的响应率要远高于随机发送的内容。 第一组实验:普通上网用户随机推荐命中率 0.043%,个性化推荐命中率 0.29%, 命中率提高 6.7倍 。 第一组实验:普通上网用户随机推荐命中率 0.049%,个性化推荐命中率 0.51%, 命中率提高 10.4倍 。 实验方案 : 11月 30 12月 3,对有手机上网行为的 20万左右普通用户推荐手机上网助手的内容 (URL); 对 2.4万分析了上网偏好的用户,根据其兴趣偏好推荐上网内容 (URL)。 所有用户进行两次实验,前后两次推送的内容不同。 计算指标为“命中率”,即记录推荐用户中有多少用户成功访问推荐的信息。计算公式:命中率 =访问用户数(推荐内) /推荐用户数 第 36页 目标:通过对全网音乐市场、用户构成、消费习惯、内容偏好、用户欺诈等用户相关行为以及营销渠道等进行全面的分析,建立一个用户、产品、渠道的用户行为分析体系,指导实际营销和管理应用。 无线音乐用户使用偏好模型及欺诈行为识别模型(四川 )-目标与技术路线 号码 ID 139* Web登录次数 20 Web试听次数 25 Web购买次数 5 Wap登录次数 10 Wap试听次数 30 Wap购买次数 1 层次分析法定权 维度 权重 登录次数 1 试听次数 2 购买次数 5 号码 ID 139* Web偏好得分 95 Wap偏好得分 85 门户使用数据 偏好打分方法 各门户偏好得分 门户偏好确定 把门户、渠道、产品等偏好进行交叉组合形成用户偏好 取最大的偏好得分为该用户的第一偏好 用户偏好沉淀 结果传输到营销平台进行针对的营销 用户偏好营销 用此方法确定用户的偏好,确定了门户、渠道、歌手、歌曲四个方面等28个大类,上百个交叉组合的子类的用户偏好 第 37页 无线音乐用户使用偏好模型及欺诈行为识别模型 -欺诈识别模型 我们以全曲业务为例来简单介绍欺诈用户模式识别的过程。 号码 ID 139* 当天下载量 20 包月开通时间 20100115 当天下载歌曲数 5 当天每首歌曲平均下载量 4 当天下载 CP数 2 当天每家 CP平均下载量 10 当天单 CP最大下载量 15 当天下载方式的个数 1 确定的欺诈用户标记 1 历史数据 决策树算法 神经网络算法 数据挖掘算法 1天内下载量 10-20首并且 cp3次 发现欺诈规律,提取欺诈规则 号码 ID 138* 订购时间 201003310528 歌曲 id 600902000007513015 歌曲 id 600749 订购方式 002 实时数据 实时数据处理,进行规则匹配 实时监测 号码 ID 135* 136* 欺诈号码 平台预警、封堵处理 实时反馈 欺诈模式发现模型 欺诈实时监测及反馈模型 第 38页 无线音乐用户使用偏好模型及欺诈行为识别模型 -成果及应用 通过对无线音乐用户行为分析,把分析的结果和推荐系统进行结合,使歌曲的营销成功率有大幅度提高,达到 13.5 。 通过对无线音乐用户行为分析,欺诈行为模式结果和监测系统进行结合,提高监测系统的效率和准确度。在进行全曲的实时的欺诈监控中,能够发现发现 95 以上的欺诈用户,占整个全曲量的 11 以上。 第 39页 2.2 研究成果介绍 2.2.1 方法研究 - 社会网络关系判定与社区发现 - 推荐算法与平台 2.2.2 应用研究 业务推荐 - 家庭客户挖掘模型与统一视图 - 号立方用户关系管理平台 - 移动互联网分析平台 内容推荐 - 12530WAP个性化音乐推荐产品 - 基于 wap日志的用户偏好分析及推荐系统 - 无线音乐用户使用偏好模型及欺诈行为识别模型 营销支持与目标选择 - 高校用户特征挖掘模型 - Wlan用户分析与挖掘系统 - 定制终端营销决策支持模型 第 40页 高校用户特征挖掘模型 (广东 )-目标与技术路线 获 取 高 校 基站 数 据获 取 移 动 、电 信 、 联 通客 户 通 话 信息 数 据获 取 当 月 存量 和 新 增 客户 数 据按 照 通 信 归 属 原 则计 算 各 各 大 运 营 商的 客 户 归 属( 1 ) 移 动 客 户 按 照 通 话 时 长 、 通 话 次 数 归 属 到 各 个 高校 基 站( 2 ) 竞 争 对 手 客 户 按 照 和 我 方 通 话 时 长 、 通 话 次 数 归属 到 各 个 高 校 基 站( 3 ) 由 于 高 校 学 生 通 话 行 为 集 中 , 因 此 可 使 用 竞 争 对手 与 我 司 通 话 的 记 录 , 替 代 竞 争 对 手 全 部 通 话 的 行 为获 得 移 动 、 电信 、 联 通 的 各个 高 校 的 客 户数 量 及 明 细竞 争 对 手 数 据 微 调后 , 计 算 各 高 校 实际 客 户 数 量 信 息客 户 数 据 业务 使 用 信 息客 户 集 团 业务 使 用 信 息根 据 移 动 客 户 明细 , 综 合 数 业 、 集客 业 务 信 息 , 建 立客 户 特 征 模 型分 析 客 户 的 需 求 、喜 好 和 行 为 特 征 ,获 取 各 个 高 校 学 生的 行 为 特 点制 定 有 针 对 性 的 营销 策 略 , 深 度 运 营高 校 市 场按 照 既 定 算 法 , 获 取月 频 度 或 者 日 频 度 的累 计 和 当 日 市 场 占 有率 ( 存 量 、 新 增 )目标:针对高校学生市场进行研究,根据基站定位及客户通信情况划分各大运营商的高校客户的通信归属,进一步进行高校竞争态势监控和高校市场客户特征数据挖掘。 第 41页 高校迎新客户发展支撑 案例介绍 对市场新增客户发展情况及占有率进行全天候 24小时监控 , 制定新增异常应急预案 , 及时抑制竞争对手发展 , 集中火力进攻客户新增重点区域 。 9月高校迎新期间 ,发展高校新增活跃客户超过 24万 , 同比增加 17%, 全面取得了高校迎新的胜利 。 1 高校用户特征挖掘模型 -应用案例 案例介绍 建立高校学生通信及业务特征模型 , 深刻把握学生的需求和通信喜好 , 制定有针对性的营销策略 , 提升市场拓展及精细化运营水平 。 高校客户深度运营 2 系统数据分析: 10年新生特征 长途需求旺盛 新生长途话费占比老生高出 12% 数据业务活跃度低于老生 飞信活跃度 40%,老生 60% 手机邮箱活跃度 6%,老生 10% 应对营销政策: 刺激话务:充 50送 20, 10万学生客户参与 提升长途:长途午夜畅聊,学生参与超过 24万人 数据业务运营:星光校园客户超过 15万人 第 42页 Wlan用户分析与挖掘系统 (广东 )-目标与技术路线 数据转换 数据加载 采集层 网络运维 工程建设 网络优化 IPNET WLAN统一OMC 数据抽取 接口适配器 公共 消息 服务 系统 管理 对外 信息 共享 市场营销 华为防火墙监控平台 Radius认证系统 AP、 AC、 SW等设备管理资料 处理 层 数据库 关联模型 元数据管理 指标引擎服务 模型分析服务 报表服务 OLAP分析服务 应用层 多维分析 信息发布 自定义报表 业务行为分析 用户行为分析 区域行为分析 业务综合分析 信息维护 目标:构建 Wlan用户分析与挖掘系统,收集并分析散落在不同地方的 WLAN用户的使用行为和访问特性,为业务部门的营销策略制定、营销效果验证, WLAN规划部门的业务规划和网络规划,为 WLAN维护部门的网

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论