东莞流动人口市场专题分析报告20111120.ppt

东莞流动人口市场专题分析报告 市场部市场分析室2011年11月 2 目录 背景与目标 背景 3 挽留措施 通过模型测算出客户的挽留机会 客户价值 了解哪些客户挽留更有意义 同时通过模型测算出客户的捆绑偏好 业务偏好 渠道偏好和优惠偏好 为精确营销 有针对性地挽留提供依据 预警分析 通过模型测算目标客户的流失概率 价值下降比例 识别出哪些客户有可能流失 流动客户识别 通过对去年春节识别的流动客户进行分析 了解其当前现状 同时根据分析结果提取流动客户筛选规则 识别出当前的流动客户 问题 东莞拥有大量的外来工 在春节期间会出现返乡高峰 在这过程中 由于换工作 漫游高消费 竞争对手诱惑等各方面的冲击可能导致流失 换卡 低消费现象产生 已做工作 2011年初已对春节流出客户做了分析 发现流动客户群体确实很大 817万 并了解了春节流动地域分布 返乡通话行为 停留时间和消费规律等情况 目 标 后续工作 去年春节流动客户现在情况如何 是否继续在网 通话是否活跃 今年又有哪些流动客户 他们的规模和现状如何 哪些可能流失 有无挽留机会 需要如何去挽留 去年成果介绍 今年的思考 4 该部分客户是否还在网 规模是否缩减 去年春节流动客户分析结论 今年的思考 流出客户规模大 停留时间长 流动客户8175162人 超过八成的流出客户在家乡停留一个星期以上 流出客户区域分布较集中 客户流出前主要分布在长安 虎门 厚街和东城4大镇 流出后主要分布在广东 湖南 广西和江西4大省 省外客户比省内客户通话更谨慎 但上网行为比较活跃 且消费行为变化面广 流出客户被叫费用上升 主叫长途下降 短彩信发送量和GPRS流量均有上升 流出客户消费受业务 优惠影响较明显 且产品业务关系规律性强 两城一家 赠送活动明显促进客户消费 且语音和短信呈 同向 变化 语音和Gprs流量也呈现 同向 变化 重点该对哪些省份 地市客户做活动 省内省外客户该区分对待 可考虑通过两城一家 赠送活动来加强捆绑 短信对语音通话无分流效果 可以双管齐下 整体分析思路 5 去年春节流动客户分析 流动客户识别 预警分析 对去年春节流动客户的现状进行分析 位置信息 长途情况 漫游情况 关键业务办理情况 流动客户判定规则 春节流动至今在网 办理了关键业务 长途多且集中 定时定地漫游 预测客户的流失危机 流失概率 价值下降比例 客户挽留 为客户挽留做准备 挽留机会 客户价值 业务偏好 捆绑偏好 渠道偏好 优惠偏好 此处流动客户特指 外来务工人员 6 目录 7 去年春节流出客户现状 1 2011年春节流动客户至今存活率65 2 动感地带客户离网率很高 全球通基本不离网 仅0 6 的离网率 动感地带客户占比12 9 离网率达到63 7 值得关注 3 离网客户从年初起呈上升趋势 7月后有所缓解 8 去年春节流出客户当前特点 长途量大且集中 流动客户长途通话率高 通话量多 且占比大 流动客户的长途通话时长均值达80分钟 占比超过23 远高出不流动客户的46分钟 15 省内客户表现尤为明显 长途时长均值达132分钟 占比达29 分别接近不流动客户的3倍 2倍 流动客户长途通话集中 通话最多的地市的长途通话时长多 均值达50分钟 省内流动客户大量省内长途 省外流动客户大量长途至4大流出大省 省内流动客户十一期间漫游通话集中度高 省内流动客户十一期间漫游活跃 且在漫游地集中通话时长达25分钟 远高出不流动客户的4分钟 省内流动客户十一返乡客户量大 同一地方停留时间久 省内流动客户长途通话和漫游通话地市一致性高 一致的客户占比达47 4 远高于不流动客户的15 2 省外流动客户平时不漫游重要节假日漫游客户占比稍高 十一漫游归省内 关键业务归省外 省外流动客户是两城一家的主要办理客户 9成以上的两城一家客户是春节省外流动客户 大量今年新增流动客户办理了定向长途 137万春节不流动的客户办理了定向长途 占定向长途客户5成以上 该部分很可能是今年东莞新增的流动人口 定向长途比两城一家的办理率高 且省外流动客户的关键业务办理多 定向长途总办理率19 3 两城一家办理率为2 9 而省外流动客户的办理率分别为27 和9 1 远高出平均办理率 注 详细分析介绍见附录 9 流动人口识别判定规则与结果 综合前面分析春节流动客户的分析 筛选出流动人口识别4条规则 满足任意一条即为流动客户 客户大部分来自春节流动客户 同时根据长途 漫游和业务办理情况分别筛选了部分客户 最终识别出流动客户7757053人 10 去年春节流动与11年9月流动客户对比 9月流动客户规模与去年春节重合率达到70 但规模比春节略有减少 从817万降至775万 9月流动客户和去年春节流动客户位置分布基本相同 排名前10的微区域 籍贯均有9个相同 9月流动与去年春节流动客户分布类似 11 目录 12 预警情况 流失预警 价值下降预警 识别出的775万流动客户 目前有102万面临流失高风险 123万价值大幅下降 值得关注 尽快采取措施 流动客户识别 目前情况如何 流失预警模型 13 2 1022196人 的客户流失概率超过0 5 需重点挽留 通过ARPU波动计算价值下降幅度 价值波动一般在 3 1 之间 ARPU波动 0 5的客户下降幅度较大 人数达1234346 占比16 警铃已响 问题严峻 需速速采取措施 首先哪些客户急需挽留 178万客户急需挽留 13 挽留机会 其次挽留成功的可能性如何 注 详细模型介绍见附录 挽留概率 挽留分类 再次如何有限的资源挽回最多的价值 14 客户价值 客户价值高的优先挽留 历史价值 客户入网以来至评价日期3个月前为企业带来的现金流量 利润 大小 当前价值 客户在评价日期最近3个月为移动公司带来的现金流量 利润 大小 未来价值 指如果客户得到保持 客户将在未来三个月内给企业带来的现金流量 收入 大小 影响价值 指客户影响他人购买移动产品或服务和推荐他人购买移动产品或服务的意愿的度量 15 挽留方法 偏好模型 4大类客户标签 客户标签输出结果 示例 为更好地实现客户有效挽留 有针对性地进行营销活动 我们进行360度的客户需求偏好分析 构建了3类捆绑偏好 5大渠道偏好 3大优惠偏好 业务偏好5大类数据挖掘分析 同时评估出客户各类型中最偏好的方式 怎样有效地进行挽留 16 目录 17 1400万 营销目标客户360万 春节前夕 移动公司通过短信告诉我充400送400元购物卡的活动 移动真是服务好 很开心地办理 暂时还是先不换卡好了 成功挽留 营销场景介绍 18 节前挖掘名单应用介绍 中高价值 中低价值客户保有名单剔除余额充足的客户剔除流失概率很低的客户剔除挽留机会较低的客户剔除挽留价值低的部分客户 未办理定向长途或两城一家的客户名单剔除同时办理了办理定向长途和两城一家的客户 黏性业务客户捆绑名单以中高价值客户保有名单为基础根据客户的捆绑偏好对客户群体进行划分 提供三份名单 中高价值客户保有名单 中低价值客户保有名单和黏性业务客户捆绑名单 流动客户775万 分为中高价值 中低价值两个群 剔除余额 500的客户 剔除流失概率 0 1的客户 剔除挽留类型为 无需挽留 和 难以挽留 的客户 剔除客户价值低于30的客户 营销资源导航 按需取量 按流失概率筛选 根据偏好选择挽留方式 1 19 流动人口专题后续计划 挽留机会模型效果评估根据返回数据挽留手段评估挽留成本评估价值提升策略 进一步分析 分阶段对春节前后流动客户进行分析对整个流动人口池进行常态化运营监控 20 目录 21 口径说明 春节流出客户 网优1 1至2 2号 年三十 数据 基本属性 品牌 在网时长 所属微区域取2011 9月数据所属籍贯 春节流出客户归属地 2011 9月份业务办理定向地 2011 7 2011 9长途通话集中地 流动人口识别 客户基本信息 长途信息 2011 7 201109三个月数据 漫游信息 2011 7 2011 8作为平时漫游 因为这两个月没有什么大的节日 2011 10 1 2011 10 7作为节假日漫游数据 业务办理 2011 9月份业务办理情况 流动客户 价值下降 2011 9与2011 7 2011 9三个月均值的比较流失预警 客户价值 4大偏好模型 2011 9数据 预警挽留模型 22 流动客户识别 1 23 去年春节流动客户当月整体情况 春节流动客户8175362 至今仍在网6315153 春节流动至今有效客户5385708 剔除了离网后重新投入使用的号码 即剔除在网时长 3个月 为了分析流动客户的特点 将东莞全网在网客户中在网时长 3个月的客户分三类进行分析 春节不流动客户 春节省内流动客户和春节省外流动客户 春节流动客户规模较大 大部分客户至今有效 总流动客户达到817万 538万至今仍为有效流动客户 剩余279万客户已离网 其中93万号码已重新投入使用 全网客户中大部分春节不流动 春节流动客户中大部分是省外流动 全网客户13564808人 春节不流动占比达60 省外流动 29 是省内流动的近3倍 24 去年春节流动客户分析 长途分析 流动客户长途通话多 占比大 特别是省内流动客户较明显 省外流动客户的长途通话时长均值达80分钟 占比超过23 特别是省内客户 长途时长均值达132分钟 接近不流动客户的3倍 占比达29 接近不流动客户的2倍 流动客户长途通话集中 流动客户通话最多的地市的长途通话时长多 均值均超过50分钟 特别是省内流动客户 均值达到94分钟 是不流动客户的3 1倍 体现长途集中度 25 去年春节流动客户分析 长途分析 春节流动客户长途通话率高 占比大 特别是省内流动客户较明显 春节流动客户的长途通话率超过85 远高于不流动客户的70 且省内客户的通话占比近30 超过0 4 春节流动客户长途通话集中 20 以上的春节流动同一地市长途通话超过3个小时 特别是省内流动 客户占比达到31 是不流动客户的2 5倍 从分布上看 单位 分钟 单位 分钟 26 去年春节流动客户分析 长途分析 流出后归属地 省内流动客户大量省内长途 春节省内流动客户72 5 的9月长途归属地为省内 省外流动客户大量长途至4大流出大省 省外流动客户9月长途归属地为广西 湖北 湖南和江西的占比大 远高于其他两类群体 省内流动打省内长途 省外流动较多省外长途 27 去年春节流动客户分析 漫游分析 单位 分钟 省内流动客户十一期间漫游通话集中度高 省内流动客户十一期间在漫游地集中通话时长达25分钟 远高出其他两类客户 省内流动客户十一返乡客户量大 同一地方停留时间久 平时漫游取的是2011年7 8月份数据 重要节假日漫游 漫游集中度取十一期间漫游数据 省内流动客户长途通话和漫游通话地市一致性高 一致的客户占比达47 4 远高于其他两类客户 省外流动客户平时不漫游 重要节假日漫游占比稍高 占比达5 7 略高于其他两类地市 部分省外流动客户选择十一返乡 但大部分还是不返乡 28 去年春节流动客户分析 业务办理分析 定向长途比两城一家的办理率高 且省外流动客户的关键业务办理多 定向长途和两城一家省外流动客户的办理率分别为27 和9 1 远高出其他两类客户 大量今年新增流动客户办理了定向长途 137万春节不流动的客户办理了定向长途 占定向长途客户5成以上 该部分很可能是今年东莞新增的流动人口 两城一家基本被省外流动客户覆盖 9成以上的两城一家客户是春节省外流动客户 两城一家未出现定向长途类似的情况主要在于两城一家重点是春节期间办理人数较多 29 去年春节流动与2011年9月流动客户对比 9月流动客户7757053 两次重合客户5385708 春节流动后已重新投入使用929445 春节流动客户8175362 9月流动客户比春节略有减少 从817万降至775万 且两次流动分析客户重合率高 客户微区域分布基本相同 重合率达到70 且排名前10的微区域有9个相同 30 去年春节流动与2011年9月流动客户对比 9月流出客户 春节流出客户 9月流动客户相对春节流动客户动感地带客户有所增加 动感地带客户占比从13 升至17 可能与新推出网聊卡有关 9月流动和春节流动客户籍贯分布基本相同 省内流动人数有所下降 排名前10的省份有9个相同 且人数分布差异不大 但省内流动客户从春节的236万降至9月的188万 31 去年春节流动目前已离网客户分析 2011年春节流动客户 目前已离网有1956476人 该部分客户何时离网 品牌分布如何 全球通客户基本不离网 仅0 6 的离网率 动感地带客户离网率高 动感地带客户占比仅12 9 但离网客户中动感地带客户占比达到34 5 且离网率达到63 7 值得关注 春节流动客户从年初呈上升趋势 在7月份达到离网高峰 8 9月份有所缓解 32 预警模型 2 33 流失预警 流失概率 0 5的客户占比达86 8 通过流失预警模型对识别出的流动客户 7757053 的流失概率进行测算 13 2 1022196人 的客户流失概率超过0 5 需重点挽留 34 价值下降预警 92 的客户ARPU波动都在 3 1 之间 即客户一般情况ARPU在最近三个月均值的1 4至2倍之间波动 ARPU波动 0 5的客户下降幅度较大 人数达1234346 占比16 ARPU波动小于0 则表示ARPU减少 值越小 减少幅度越大 ARPU波动大于0 则表示ARPU增加 值越小 增加幅度越大 35 挽留机会模型 3 36 模型方法与思路 分析不同挽留机会得分下各指标的客户分布 因子分析 打分与归类 模型评估 变量选取 变量选取 通过业务分析和经验 选取体现客户流失倾向的显著变量 变量合理性 通过TWM的相关性分析 分析选取变量的合理性 因子分析 通过TWM的因子分析方法 将选取的变量转换为体现目标的因子变量 因子含义分析 根据因子的变量组合 分析因子业务含义 挽留机会归类 根据打分结果 并结合4个业务规则微调 对客户进行归类 根据因子分析的结果对选取的变量进行加权组合 37 指标选取 根据业务理解 分析客户的离网过程 选取体现客户挽留机会的6个显著变量 是否不正常沉默离网原因层级是否重入网 当月账户余额是否VIP 在网时长 离网倾向如何 为什么离网 已经处于离网的何种阶段 对移动的粘性如何 离网原因层级 关键变量介绍 当月通话时长 30分钟通话时长波动 0 5 通过离网原因预测规则树对客户的离网原因进行预测 分为11个小类 并根据离网原因对挽留机会的影响分为4个层级 不正常沉默 得分越大 挽留机会越大 是否重入网 最近三个月东莞新增客户与目标流动客户进行imei匹配 如果匹配到 则为重入网 38 模型结果 因子分析 由于选取变量个数较多 变量之间的关系及重要性大小无法直接判断 TWM的因子分析可将多个变量简化为因子 其中单个因子为原变量的组合 该因子可理解为从某个角度对个体进行评估 TWM的因子分析结果 不正常客户 挽留机会更小 离网原因层级越高 挽留机会更大 重入网客户已离网 挽留机会小账户余额越大 挽留机会越大 VIP客户 在网时长长的客户忠诚度高 挽留机会大 符合业务理解 挽留机会得分 0 457429 账户余额 60 14481 99 92989 0 403454 在网时长 29 83232 24 26005 0 061457 离网原因层级 3 038324 1 412206 0 111084 是否重入网 0 02118200 0 143992 0 342642 是否VIP客户 0 009414 0 09656900 0 349418 是否不正常沉默 0 2903990 0 453947 指标归一化 39 模型打