移动用户相关行为特征的分析与研究.doc

成果上报申请书成果名称移动用户相关行为特征的分析与研究成果申报单位成果承担部门/分公司项目负责人姓名成果专业类别*支撑网成果研究类别*其他类省内评审结果*通过关键词索引（35个）BASS，行为模型，决策树，渠道应用投资产品版权归属单位对企业现有标准规范的符合度： 成果简介：本项目在明确、统一相关数据来源及口径的基础上，结合上海移动不同品牌、不同地域、不同时段的用户使用行为以及用户业务使用偏好，消费能力、交往圈等，进行定性定量的分析，建立移动用户特征行为模型。通过大量业务数据的训练，对决定用户职业，内容喜好、接触渠道偏好，活动场所等方面的关键因素予以确认，建立用户行为数据源的采集及清洗系统，定期（每月）采集目标用户的各类业务数据，通过模型精确捕捉符合不同营销活动所需的用户群体。目的是根据用户使用通信产品的特征，研究对市场精确营销以及用户服务工作有参考价值的分析方法及相关参数的研究，提供指导性的建议。省内试运行效果：目前对个体客户的行为特征缺少准确细致的勾画，本科研项目着力于通过数据挖掘的技术，运用主成因分析，从个体客户的职业定位，内容喜好，渠道偏好等分析角度，对客户进行分群，较为深入地探究用户内在特性与规律。基于此用户行为业务模型，使营销活动的开展能有更为精细准确的目标用户群，起到降低营销成本；提高营销成功率的效益目标。从项目试运行的三个模型来看，目前应用效果良好。文章主体：移动用户相关行为特征的分析与研究一、 背景情况 随着移动通信市场的不断发展，上海公司手机用户饱和度高，对片区精细营销提出更高的要求。 从公司，从市场，从业务支撑系统本身，都提出了需要加大对客户信息分析挖掘的需求。包括加强对海量客户信息数据的收集整理，还有深入的分析挖掘。希望能够从客户的海量信息中，提炼出对我们真正有价值的客户特征。用于我们更清晰的了解客户，了解市场。也便于我们更好的进行精细化的运营和精细化的营销工作。2008年在加强经分应用研究方面，提出了珍惜数据资产，深入客户行为和应用数据模型研究的工作目标。而目前对个体客户的行为特征缺少准确细致的勾画，本科研项目着力于通过数据挖掘的技术，运用主成因分析，从个体客户的职业定位，业务使用喜好，渠道接触偏好等角度，对客户进行分群，较为深入地探究用户内在特性与规律，沉淀客户洞察知识，以“客户为中心”匹配信息产品。基于此用户行为业务模型，使营销活动的开展能有更为精细准确的目标用户群，起到降低营销成本；提高营销成功率的效益目标。二、 技术方案1. 用户特征信息特性随着手机已经深入我们的日常生活之中，每一个客户在他的日常生活行为中，都会隐隐约约的将他的很多生活特征和习惯融入其中。不管客户是经意的还是不经意的，这样的信息流入都是必然存在的。作为电信运营公司，经营分析数据仓库中，所掌握的虽然仅仅是客户的通信行为信息，但通过对其中的深入挖掘，通过分析这个信息痕迹，经过提炼就能够得到这些通信信息背后的客户的生活习惯和行为特征。2. 层次化特征信息结构用户的特征信息需要我们在海量的数据中加以总结和归纳，分层次分角度地去不断认识客户：从客户特征信息从易到难的获取程度来说，可以分为5个层次，分别为用户的自然属性，客户的消费行为，消费行为所衍生出来的信息，客户的知识信息，以及营销推荐的直接结论。从结果上来说，前3种客户特征信息是显形的知识，而后2种是客户的隐形知识。从了解客户行为，到了解客户习惯特征的过程中，也是从简到繁，从容易到复杂的。在确立了客户行为特征研究目标以后，就需要解决： 如何从经营分析系统中，海量的客户信息数据中，提取以用户为中心，从用户特征角度将系统可能有的数据归类整理，输出用户特征属性 根据总结和归纳，我们在本次项目中确定了以下二项提炼用户特征知识的方法论：显性知识与隐性知识的提炼，分别采取“业务经验模型”和“挖掘模型”来进行提炼。3. 显性特征方法和隐性特征方法a. 显性知识的提炼方法通过“业务经验模型”实现的内容根据知识点需要，分析与知识点与其相关的业务的关键因素，通过配置不同的业务分支与权重建立业务经验模型。然后根据经分系统中的海量信息为基础，将用户已经明显表现出来的行为，通过业务经验判定逻辑，得到的客户知识特征。这类特征我们称之为显性的。 b. 隐性知识的提炼方法通过“挖掘模型”实现的内容以知识点结果为目标，通过挖掘工具分析出影响用户行为的关键因素，将已经得出的显性用户知识作为模型训练的数据基础，通过不断调优模型来确定关键因素信息与用户行为之间的潜在关联关系。用确定的准确的模型对尚未表现出直观行为的客户进行规则打分及群体归类，以此方法得到的客户特征我们称之为隐性的。 c. 整体认识客户的过程：显性知识+隐性知识客户的行为是复杂多样的，部分行为可能已经直接表现，部分特征需要我们通过模型加以训练后得到。通过“业务经验模型”与“挖掘模型”相结合的方式，分别提炼出显性客户知识特征与隐性客户知识特征，然后予以汇总，得到我们对用户特征的准确判断。 4. 用户统一信息库通过将客户显性信息和隐性信息的结合，共同结合起来对客户的行为特征进行表述。这样的方式在所有的客户信息分析和挖掘上都是互通的。通过种种客户信息整理和研究结果的整合，共同形成一个认识客户的整体。上海公司就这样的客户信息整体的梳理，管理，应用，打造成“客户统一信息库”。通过建设客户统一信息库，我们对客户信息的使用和管理水平上了一个新台阶。通过客户信息的种种融合，种种交叉，综合起来，就能有效的支撑各类应用。本期科研项目的研究成果，也将作为客户统一信息库的一部份。通过整个信息库结合具体的应用。来发挥价值。5. 交叉业务价值权重在研究过程中，我们发现当确定用户的某一知识特征的时候，可能会遇到不同的业务行为交叉的问题。例如：在评价用户对于渠道的偏好程度的时候，用户访问访问一次网上营业厅与用户发送一次短信营业厅的指令是否可以看作同等的价值。如何平衡用户不同的业务行为在互相结合的时候，所起到的价值作用？通过与业务部门紧密协作，结合其业务经验和给出的业务建议，在模型的建立过程中，对不同的业务行为的价值补充进行权重控制。通过不断的修正业务因素的权重，达到调优模型的作用。三、 项目成果 用户渠道偏好研究成果渠道形式多样化。随着电信业务的发展，用户对渠道形式的偏好呈现多样化趋势。过去用户习惯于去传统的营业厅、代办点办理业务。但是随着互联网和电子商务的逐渐普及。网上营业厅，短信营业厅，自助式服务终端的形式越来越被人们所应用。热线也成为用户办理业务的另外一个重要渠道。公司可以更多地通过热线为客户提供有关业务受理、营销、咨询、申诉以及其他社会化的综合性服务。本次研究主要从用户接触公司各个渠道为切入点，从用户与各渠道间交互的历史信息，用户联络时间的分布，接受服务的内容，咨询以及投诉的信息等方面进行研究，并结合时间的维度进行挖掘分析，建立起用户渠道偏好模型。 渠道偏好评分为了将零散信息集中处理并加以量化，我们采用评分的方法。评分越高，用户依赖某渠道的程度越高。评分越低，依赖程度越低。某用户至少有3次渠道接触的人为是客户直接表现出渠道偏好的用户。根据业务经验模型，对各个业务因素进行打分并汇总。对没有3次渠道接触用户的，根据挖掘模型进行打分。根据用户趋向此目标的概率值得出每用户对各个渠道的偏好积分。由此得出我们的渠道价值显性评分。渠道偏好评分的原理是借用数据挖掘的决策树分类原理，计算出趋向某一接触渠道可能性，将客户以往相互关联又繁杂凌乱的各种涉及渠道接触表现的资料量化，以概率形式表述用户对各个渠道的依赖程度。一份个人渠道偏好程度报告不仅打出个人的渠道偏好评分，还标示等级并给出比例。比如，按计算出的不同的概率值进行分档，将用户依赖某渠道的程度共分为分成5个等级：0-20%为基本不接触；20-40%为偶尔接触；40-60%为普通依赖；60-80%为较依赖；80%-100%为依赖。同时，渠道偏好报告还给出每一等级用户的比例。 用户信息内容偏好研究成果本次研究根据用户使用公司的各类新业务产品以及服务功能入手，从用户选择的产品类型，使用产品的内容及频率，享受的客户服务，用户的影响力等方面进行研究，建立相关业务模型。主要分析客户对“新闻类” “商务类” “财经类” “体育类”“娱乐类” “生活类”“文化类”“游戏类” 这八类内容信息的偏好程度。首先，从分析客户显性特征上，我们制定了详细的业务经验模型。主要通过一些有明显内容信息承载的新业务来进行，这样的新业务包括：手机报、彩铃音乐、wap网页访问等方面。然后，还包括从客户的语音通话、短信收发情况、GPRS网站访问情况作为补充。通过分析用户对一些特定号码，比如娱乐短信的定购，每日笑话短信的定购等方面。将这些信息融合起来形成客户的内容偏好业务经验模型，用来分析客户的显性特征。其次，通过决策树挖掘模型，结合从显性用户的样本数据信息，来建立分析挖掘模型，分析出潜在的内容偏好特征用户。模型需要有反复的训练和验证。将显性信息内容融合隐性信息内容的综合结果，就完成了整个的客户内容信息偏好打分。 用户职业定位研究成果以用户为中心，从用户的特征角度将可能获取的数据进行归类整理，从用户的个人基本信息，使用语音业务，增值业务的使用习惯，活动场所的变化等方面对用户的职业进行刻画，建立相关用户细分模型。 根据用户的基本信息，从客户通话的时间，通话的地点，通话时长，长途漫游类型，对端号码的离散程度，新业务收入比重，使用SP服务类型，频次，用户通话基站变化情况等多方面去排列组合，根据用户的行为特征将用户区分不同的职业定位。本次科研主要分析客户中“学生” “商务人士” “外来务工者”“年轻白领”“低收入人群”“司机” 这六类职业的特征偏向程。在分析用户职业定位研究成果的过程中，根据不同的职业制定有针对性的业务经验模型进行打分判断。比如针对商务人士，主要引用到的客户行为信息包括，客户的语音通话行为、客户短信收发行为，在这两项之中，尤其关注一些特殊号码的用户拨打使用情况，比如“餐饮专线”57575757等。针对用户漫游使用情况、长途使用情况，接受呼转的情况等等。四、 项目应用推广情况通过将用户相关行为特征分析结果的整合，再结合客户的一些基本行为信息。我们就能在具体的应用进行应用。1. 支撑精确营销全过程通过分析研究整个精确营销支撑全过程的情况后，我们发现，客户内容偏好，客户渠道偏好，客户职业定位可以在精确营销的三个关键步骤中进行有力的支撑。首先，通过客户职业定位可以精确化的提取出我们的目标客户群，来解决应该像哪些客户推荐产品和服务的问题。在随后，可以使用客户内容偏好结果来解决向这些客户推荐什么样的有针对性的产品和服务的问题。最后，在营销执行的过程中，需要解决通过哪种接触点向客户进行服务是最有效的问题。通过整个三个过程的应用，来整体提升精确营销的全过程。2.支撑渠道管理将客户的渠道偏好也可以运用在支撑渠道管理相关应用中。通过对客户渠道使用行为的精确化了解得出的客户渠道偏好结果，可以为公司推广电子渠道，分流常规实体渠道压力的工作做出指导性借鉴。上海公司在完成渠道偏好后结合市场部、财务部、数据部、客户服务中心，一起进行的电子渠道分流应用，取得了良好的效果。8月份与业务部门（市场部、数据部、财务部、客户服务中心）共同合作，将“ 电子渠道分流”作为一项工作予以实施。针对客户不同的渠道偏好的情况，尤其针对10086热线偏好和营业厅偏好的用