歌曲下载业务潜在用户模型（三季度）

歌曲下载业务 潜在用户模型 第 1页 研究背景 建模过程 模型检验及应用 目录 第 2页 2010 定义：歌曲下载是指为客户提供完整的、高品质的正版数字音乐的单曲，下载的音乐全部是完整的，绝非高潮部分的试听版本的音乐。 特征： 提供 完整 、 高品质的正版数字音乐 ； 曲库丰富 ， 歌曲更新快；资费低廉，付费灵活 。 手机下载 电脑网站 下载 音乐随身听 渠道 歌曲下载业务渠道和资费 资费 手机访问移动梦网首页 ,进入“海量 或直接访问； 通过登录，根据网站提示下载 下载音乐随身听客户端，实现对音乐的下载播放和管理 什么是歌曲下载业务？ 单曲按次 下载 包月租赁 套餐 用户每下载一首歌曲，收取一次费用；在文件没有删除的情况下，用户购买的音乐可以无限制下载， 13元 /次 5元（包含可租赁 50首歌曲下载） 10元（包含可租赁 200首歌曲下载） 第 3页 手机阅读业务发展目标 业务发展目标 提高业务收入 扩大用户规模 提高活跃 激活沉默 增加黏性 拉劢新增 高活跃用户推荐客户端 已有用户推荐偏好内容 潜在用户推荐阅读业务 第 4页 潜在用户挖掘流程 目标选择 用户群 1：上月歌曲下载活跃用户 5万 用户群 0：近 三个月内无歌曲下载、包月行为的用户 10万 逻辑回归 通过数据分析和逻辑回归模型，计算潜在用户推荐指数 顺序选取 按推荐指数排序，根据营销目标按顺序选择最值得推荐的用户 具体 内容 两个用户群的用户做对比分析，看有什么丌同的用户特征 计算潜在用户推荐指数 按潜在用户推荐指数决定入选优先级别 目 的 第 5页 逻辑回归模型简介 相应变量是类如是否的一二分类变量（如是否流失、是否购买等） 连续概率转换函数为 ： 采用极大似然方法获得相关参数的估计 模型的统计诊断也主要包括模型的拟合优度诊断以及回归系数的显著性诊断两个方面 过上述的方程式计算相应概率的过程，即： 其中： 逻辑回归模型定义 )1(1)(lo g )1( nn 110第 6页 研究背景 建模过程 模型检验及应用 目录 第 7页 研究方法 研究工具 使用 对提取的 15择全曲下载活跃用户 5选择丌活跃的约 10者比例为 1： 2的样本，其中一份用于建立逻辑回归模型，得出逻辑回归计算公式用于预测；另一份用于根据逻辑回归模型进行虚拟的预测，将预测结果不实际情况进行比对以检验模型的准确性幵优化模型。模型建成后对预测用户打分，从而选择优质用户。 研究方法不研究工具 第 8页 模型优化 4 模型建立 3 变量筛选 2 数据预处理 1 数据需求分析 数据抽样提取和数据 核查 数据预处理 探索分析 建模属性分析 业务经验筛选 特征建模（卡方检验等）筛选 数据质量筛选 相关分析筛选 建立基于逻辑回归算法的潜在用户预测模型 建模方法选择：进入法，逐步法等 模型类型选择：主效应、全效应 测试预测模型预测效果 准确率 查全率 提升度 模型优化 属性分析方案优化 抽样比例优化 属性选择优化 数据准备 建模和优化 逻辑回归的预测步骤 第 9页 数据预处理步骤变量筛选及结果 业务经验筛选 特征建模筛选 数据质量筛选 相关分析筛选 1 2 3 4 5 终端是否支持 终端是否支持 端信息 全曲下载业务字段选择 基本信息 年龄 区域归属类型 是否集团成员 品牌 飞信用户标识 来电提醒用户标识 业务订购 新业务费 12530短信上行条数 彩铃下载次数 数据业务费用 消费行为 第 10页 模型建立过程 使用 立逻辑回归分析模型。 第 11页 模型建立过程 根据模型得出逻辑回归打分公式： 其中 = (豫通卡 +地通 +(标准神州行 +(全球通 (预付费 )+(动感地带 +(神州行亲情卡 +(神州行乡情卡 +(神州行休闲卡 +(神州行大众卡 +来电提醒用户标示 =1)+(集团成员标识 =1)+(是否飞信用户 =1) +(终端是否支持 ) +彩铃下载次数 0 铃下载次数 10 铃下载次数 50) +据业务费用 +1)+业务费用 +1) +10 0 0 50) +10 0) +年龄 20 龄 40 龄 60 龄 99) +(0 +( +地域属性 =县城 )+地域属性 =城市 ) +12530短信上行次数 0 2530短信上行次数 10 2530短信上行次数 50) +()1( 第 12页 研究背景 建模过程 模型检验及应用 目录 第 13页 预测模型收益评估较高 模型收益较高，尤其是对于潜在度较高的用户，模型预测较为理想 覆盖率图 纵轴为 查全率 ， 即筛选用户中目标用户在候选用户中所有目标用户中的占比 ， 表明模型筛选用户在候选用户中占比 。 这个图说明模型筛选出 50%的用户可以预测到接近目标用户的 90% 第 14页 预测模型准确率检验 卡方系数 自由度 显著性 步骤 16 步骤 1 块 1 模型 1 省的显著性水平），由此可以推断自变量整体对因变量有显著的解释能力，模型整体拟合较好。 否 全曲下载 活跃用户 曲下载 活跃用户 否 全曲下载 活跃用户 分区 测试数据 正确率 8513 750 5263 用测试的数据对模型进行检验，用户群为全曲下载活跃用户，共 25263户，模型准确预测到 18513户，模型具有可用性。 第 15页 模型的应用 模型结果落地 根据逻辑回归的结果计算所有用户接受全曲下载业务可能性的得分，将得分结果沉淀入客户研究平台。 营销目