业支中心经分应用案例季度上报材料_构建三位一体中高端客户保有模型,精确制导中高端客户保有工作

构建三位一体中高端客户保有模型 精确制导中高端客户保有工作 单位：中国移动辽宁公司 时间： 2010年 6月 录 一 建模背景 二 建模方案 三 应用案例 四 创新点及效益评估 五 未来展望 市场状况 辽宁移动中高端客户保有 中高端客户是辽宁移动利润主要来源 中高端客户是辽宁移动争夺 3中高端客户是辽宁移动未来新业务获利的目标人群 中高端客户是辽宁移动话务量提升的主体人群 中高端市场占有率是辽宁移动品牌价值的体现 电信行业市场成熟度高，市场趋近于饱和，市场占有率争夺由新增市场转向存量市场 电信行业重组及 3导致市场竞争更加白热化，存量市场是未来 3题现状 1 2 3 4 愿有中高端客户流失预警模型建模的出发点都是基于对离网客户的流失预警 ， 预警提前期短 ， 且无法监控中高端客户价值流失风险程度 ， 而实际客户在离网前价值已经流失殆尽 定制终端存在产品缺陷且在定价和机型选择上存在盲目性 ， 导致辽宁移动终端捆绑营销受电信和联通的冲击很大 ， 阻碍终端捆绑率提升 资费捆绑定价缺乏依据 ， 优惠力度不够 ， 且资费回馈模式单一 ，无法吸引中高端客户 ， 阻碍资费捆绑率提升 中高端客户对资费套餐及其各类语音和新业务叠加包的了解程度不够 ，业务捆绑营销缺乏精细化数据支持 ，导致移动和客户双向沟通不畅 保有现状 当前的中高端客户保有大多是孤立和零散的，没有有效和全面的了解客户的全貌，这样使得大量的中高端客户保有工作还处于比较低级的阶段，盲目性较高，且浪费了大量的成本，最终的效果却并不理想 建模目的 资费捆绑定价模型 中高端客户细分模型 终端偏好模型 业务偏好模型 价值流失预警模型 将中高端客户根据消费行为和业务特征分为不同特征的细分组别，可通过对不同细分组推荐辽宁移动不同类型业务套餐包的方式，为中高端客户提供差异化产品服务 通过终端偏好模型识别中高端客户最优推荐机型和备选机型，为大规模开展线上终端捆绑精准营销提供依据，节约短信字段、热线服务时间等营销服务资源，提升中高端客户对辽宁移动的服务认知度 通过业务偏好模型识别中高端客户偏好业务，为在捆绑营销活动中形成 终端 +业务和资费 +业务的捆绑营销组合，提升中高端客户捆绑率 通过资费捆绑定价模型界定中高端客户 5档匹配资费额和 5档激励资费额，资费捆绑营销活动的定价提供依据，规避定价风险，降低营销成本，实现资费捆绑精细化 通过价值流失预警模型区分中高端客户保有优先级，以利用有限的时间和资源，保有价值流失严重的重点人群 以上 4个方面的问题，暴露了中高端客户保有存在的盲目性和缺乏时效性，由此可延伸出模型建设的目的如下： 录 一 建模背景 二 建模方案 三 应用案例 四 创新点及效益评估 五 未来展望 高端客户价值流失预警模型 根据用户前 3个月 （ 相对于当前月 ） 的消费能力和行为预测用户未来 2个月（ 包括当前月 ） 连续价值流失的可能性 ， 以量化中高端客户的价值流失风险 ， 为中高端客户价值保有提供关键参考 中高端客户细分模型 结合用户消费行为特征、用户消费能力等因素对 3个月前（相对于当前月）的中高端客户进行细分，以便根据用户相应特征制定不同的中高端客户保有策略 2 1 3 4 5 中高端客户终端偏好模型 通过用户基本信息、换机前终端信息、通话行为、业务消费行为等因素建立决策树模型，匹配用户最优推荐机型，并考虑品牌忠诚度和用户消费能力，匹配用户第 1、 2备选推荐机型，精确到用户级 中高端客户业务偏好模型 通过新业务在各用户细分组中渗透率排序、业务消费行为和能力等因素，匹配用户第 1、 2、 3偏好数据业务，精确到用户细分组 中高端客户资费捆绑定价模型 根据四西格玛原则对 581 元的 3个月前（相对于当前月）的中高端客户 后根据决策树模型进行分档，将全体中高端客户 档，再将每个中高端客户前 3个月（相对于当前月）的平均档进行匹配，分档均值为第 1资费档次、分档上限为第 2资费档次，为资费捆绑定价提供依据 中高端保有 精细化模型支撑 建模思路 据提取 数据清洗 数据审核 数据集成 数据挖掘宽表构建 缺失数据处理 极值数据处理 错误数据处理 冗余数据处理 数据统计错误审核 数据源错误审核 数据统计口径审核 提取建模所需数据 数据准备 数据准备确保建模数据的准确性、可用性和完整性 分类算法： C 价值流失预警模型 终端偏好模型 资费捆绑定价模型 聚类算法： 步聚类 中高端客户细分模型 资费捆绑定价模型 数据分析 中高端客户业务偏好模型 模型算法 选择合适的建模算法确保建模过程和输出结果的精细化、简约化和合理化 业务需求沟通 业务现状分析 业务问题诊断 目标用户特征分析 建模目标确定 根据建模要求和现有数据情况，构思和确定建模数据提取需求 提取数据 数据质量审核 数据探索 异常用户的识别和剔除 数据抽样。确定建模用户集合 建模衍生变量计算。根据提取的基础数据计算衍生变量，构建宽表 建模变量筛选 特征建模分析 卡方分析 方差分析 双变量分析 相关性分析 显著性检验 建模变量数据转换 对数变换 标准化变换 确定建模训练数据集 确定建模测试数据集 采用合适的算法，建立模型 评估模型效果，主要评估指标有相应率、查全率和提升度 业务解释建模结果 调整模型参数和建模变量，直到得到满意结果 模型的评估 提升图、收益图 混淆矩阵。准确率和查全率 模型的优化 模型数据集调整 数据质量的优化 建模变量的筛选 建模方法的选择 模型参数的调整 业务与数据分析 数据准备 建模准备 模型构建 模型评估 和优化 建模过程 建模结果 模型输入 预警用户确定 预警用户细分 预警用户偏好 模型输出 语音消费细分 新业务消费细分 捆绑资费定价依据 业务偏好模型 价值流失预警用户 流失可信度 价值流失风险概率 价值等级 最优匹配机型 备选推荐机型 语音消费组别 新业务消费组别 新业务偏好匹配 匹配消费额度 激励消费额度 候选中高端用户 自然属性 消费行为 终端信息 终端偏好模型 客户细分模型 资费捆绑定价模型 (客户价值细分 ) 价值流失预警模型 通过上述建模过程，按照下列建模的逻辑架构可以输出模型结果如下： 录 一 建模背景 二 建模方案 三 应用案例 四 创新点及效益评估 五 未来展望 过资费捆绑定价模型输出的客户匹配资费额和激励资费额，结合先前标注出的客户数据业务偏好和客户细分组特征，制定资费捆绑营销方案，对语音类细分组采用预存返话费 +语音优惠包的营销组合，对新业务类细分组采用预存返话费 +新业务优惠包的营销组合方式 通过客户业务偏好模型结合客户细分模型结果，匹配各细分组别的数据业务偏好 应用路径 价值流失预警模型 目标客户细分模型 资费捆绑定价模型 客户终端偏好模型 客户业务偏好模型 输入全体中高端客户名单 1 2 通过价值流失预警模型标识全体中高端客户的价值流失风险等级，配合辽宁移动蓝、绿、黄、红、白这5个流失预警区，确定中高端客户保有工作的优先级和重点人群 3 4 5 5 通过目标客户细分模型将中高端客户进一步细分为不同消费能力和业务特征的组别，以保有策略匹配，可以针对语音类细分组别制定语音业务捆绑策略，奉送语音优惠包 输出终端或资费捆绑营销活动目标客户名单 通过客户终端模型输出的客户最优推荐机型和第 1、 2备选机型，结合先前标注出的客户数据业务偏好，制定终端捆绑营销方案，采用终端补贴 +新业务优惠的营销组合方式 输出业务捆绑营销活动目标客户名单 线 人工 座席 自助语音 电话经理 电子渠道 网站 短信 营业厅 自有 营业厅 基于保有模型的终端捆绑精准营销 自有实体营业厅 历 客户去营业厅购买定制终端 电子渠道 ： 根据目标客户名单所标注的客户定制终端偏好及新业务偏好，通过手机报、短信方式对 个月以下的目标客户进行信息告知（不重复使用外呼告知方式）； 于价值流失风险等级 1、 2、 3的目标客户由短信告之 自有营业厅 ： 传册、台历、平面广告等也节前提前 3天到位；在自由营业厅销售 热线 ： 电话经理根据目标客户名单所标注的客户定制终端偏好及新业务偏好，对 个月以上目标客户外呼告之活动信息（不重复使用短信告之方式）。 对于价值流失风险等级 4、 5的目标客户主要由电话经理外呼告之 辽宁移动运用价值流失预警模型、终端偏好模型、业务偏好模型在 2010年 4月 28日 8日之间精选 8款知名品牌的 3展了中高端客户 过价值流失预警模型删选出目标客户，通过终端偏好模型匹配推荐 过业务偏好模型确定奉送的数据业务，以 3数据业务的营销组合模式，实现了终端捆绑营销活动的精细化和差异化。 应用举例 录 一 建模背景 二 建模方案 三 应用案例 四 创新点及效益评估 五 未来展望 创新评估 创新 创新建立了资费、终端、业务三位一体营销支撑。以分析中高端客户终端偏好、业务偏好，和消费能力分档层次为核心，为资费捆绑定价提供依据，为终端捆绑和业务捆绑信息匹配提供支撑。方便管理层制定一体化的保有策略提高了完整的数据支撑，为市场一线人员全方位了解客户全貌提高了合理的切入点 创新建立了中高端客户价值流失预警模型，转换客户预警角度，从离网预警转变为客户价值流失预警并根据预警结果匹配相应的终端、资费及业务偏好，增强了中高端客户保有的时效性，精确制导中高端客户保有工作 本次中高端客户保有 5大模型建设，以实现中高端客户的三位一体化营销服务为出发点，以为中高端客户保有工作提供一站式准确模型和数据支撑为最终目标，主要包括了 2大方面的创新点： 效益评估 通过最优化中高端客户保有成本配置增加经济效益 ， 人均保有成本较模型应用前减少约 20元 ， 本次中高端客户保有 50万客户 ， 则节约成本20 50万 =1000万元 从客户保有的角度上来说 ，一个中高端客户的拓展成本则约为 1000元 。 模型应用前后对比分析得知 ， 中高端客户保有量较之前月均多5000户 ， 则从客户保有的角度来说 ， 月中高端客户保有 带 来 的 收 益 为 ：5000 1000元 =500万 经济效益 通过模型构建，为客户量体裁衣，使得市场一线人员能更为完整和精准的获取客户在终端、业务、资费方面的资讯，也因此能够为客户提供良好的差异化个性服务。从而大幅提升了中高端客户满意度 通过提高中高端客户在终端、资费和业务方面的捆绑率和捆绑期，提升了中高端客户保有量，同时在保有量上稳步上涨 社会效益 传统的中高端客户保有策略只是简单和孤立的构建模型，各模型之间是孤立的、分散的，不具备兼容性和协同性，无法掌控目标客户全貌。本项目构建的五大模型，通过三位一体的设计，实现了客户信息的多维度分析，可以完整、全方位的了解客户终端偏好、新业务偏