精细营销客户预测专题培训课程

1、2内容内容精细营销对于客户预测的要求精细营销对于客户预测的要求日常营销目标客户预测的现状日常营销目标客户预测的现状精细营销客户预测专题介绍精细营销客户预测专题介绍精细营销客户预测专题营销支撑精细营销客户预测专题营销支撑总结总结3精细营销对于客户预测的要求 随着移动通信行业由成长趋向成熟，以及市场竞争格局的逐步演变，对我们的市场精细营销能力提出了新的要求：群发营销外呼营销交叉营销实时营销以产品为中心以客户为中心 实现精确的客户预测是精细营销的基础！实现精确的客户预测是精细营销的基础！精确的客户预测是基础精确的客户预测是基础谁会使用我们的产品？4内容内容日常营销目标客户预测的现状日常营销目标客户预

2、测的现状精细营销对于客户预测的要求精细营销对于客户预测的要求精细营销客户预测专题设计思路精细营销客户预测专题设计思路精细营销客户预测专题模块介绍精细营销客户预测专题模块介绍精细营销客户预测专题实施考虑精细营销客户预测专题实施考虑5日常营销客户定位存在的问题前期营销管理前期营销管理存在的问题存在的问题 、目标客户群的大小、目标客户群的大小难以科学灵活控制难以科学灵活控制、客户群依懒人工临、客户群依懒人工临时从后台提取时从后台提取、目标用户定位依然以、目标用户定位依然以业务经验为主业务经验为主、业务人员仅得到有限、业务人员仅得到有限的报表数据支撑的报表数据支撑、目标用户定位较粗、目标用户定位较粗不

3、利于控制成本不利于控制成本、目标用户定位较粗、目标用户定位较粗容易引起投诉容易引起投诉、6日常营销客户定位存在的问题日常的如短信群发、外呼等营销手段，目标用户群的选取仍然采用业务人员经验指定的方式，经验为导向的目标客户群选取容易产生定位不准，客户响应度不高，营销效率较低等情况，特别是当前推出的大量新业务，对于目标客户群的精准选取提出了更高要求用户群定位精度不够往往只能采用扩大目标用户群的方式弥补，这样就会增加营销成本，在营销高峰期，容易导致资源紧张p目标用户定位较粗不利于控制营销成本p目标用户定位依然以业务经验为主p业务人员仅得到有限的报表数据支撑现有的经分系统在提供日常用户群精细分析的支撑能

4、力还有限，业务人员仅能通过有限的报表相关数据获取帮助7日常营销客户定位存在的问题长期向非目标用户进行营销容易引起客户的反感，特别是对产品不感兴趣的用户，导致投诉的增加，不利于满意度提高 客户群提取从需求提出、审核、代码编写，运行及审核，经历的环节很多，一方面时间上难以控制，往往受限于系统性能，另一方面重复、反复及修改提取的现象也很多，效率有待提高p客户群依懒人工临时从后台提取p目标用户定位较粗容易引起投诉p目标客户群的大小难以科学灵活控制目标客户群在选取中没有重要程度的区别，对于营销来说每个客户的权重都一样，为了控制营销量只能采用随机抽取的方式进行，缺乏科学的控制手段8内容内容精细营销客户预测

5、专题介绍精细营销客户预测专题介绍日常营销目标客户预测的现状日常营销目标客户预测的现状精细营销对于客户预测的要求精细营销对于客户预测的要求精细营销客户预测专题营销支撑精细营销客户预测专题营销支撑总结总结9客户预测专题建设目标实现效率提升!群发营销交叉营销外呼营销提升精确客户预测能力提升经分数据挖掘能力()建立典型新业务数据挖掘模型建立典型新业务数据挖掘模型()数据挖掘技术支撑数据挖掘技术支撑()建立数据挖掘专题架构建立数据挖掘专题架构()构建基于数据挖掘的统一视图构建基于数据挖掘的统一视图通过客户定位专题的建设，初步实现：支撑精细营销10一、 数据挖掘技术 按既定业务目标，对大量的企业数据进行探

6、索，揭示隐藏其中的规律性，并进一步将其模型化的先进、有效的方法什么是数据挖掘经典案例：啤酒和尿布的故事11一、数据挖掘技术客户预测挖掘采用方法（以飞信为例子） 基于现有飞信用户和普通用户样本，搜集和判断影响用户成为飞信用户的要素，采用逻辑回归的方法训练样本得到回归模型，用以计算未来用户成为飞信用户的概率 小知识：数据挖掘方法：包括关联、序列、分类及聚类，客户预测属于分类分类采用如下的技术：如决策树，神经网络、逻辑回归等，客户预测采用逻辑回归121.抽样2.探索3.修改4.建模5.评估从数据挖掘专用库中随机抽取用户作为训练样本，确保普遍性原则采用直方图等方式初步分析各变量对于结果的影响程度定义业

7、务问题定义业务问题数据准备数据准备模型发布模型发布回顾和评价回顾和评价采用逻辑回归方法训练得到预测模型，得到预测概率方程式采用十分位方法验证健壮性，采用重采样防止过适应采用专用数据挖掘软件，利用逻辑回归中的后向、逐步及评分方法得出权重较高的影响变量集一、数据挖掘技术实施步骤13数据仓库数据挖掘专用数据层手机报模型手机证券模型飞信模型其它数据挖掘模型二、系统架构系统客服系统外围数据源清单查询清单导出数据接口营销管理平台前台短信中心彩信中心外呼中心网站经营分析系统经营分析系统14 数据挖掘对于数据的组织形式有特定的要求，以往以月为单位的历史信息存储无法满足深度挖掘的需要，需要转化成月均宽表的形式，

8、可以极大提升数据挖掘数据准备的效率何谓专用数据层二、系统架构数据挖掘专用数据层15二、系统架构数据挖掘专用数据层DW(数据仓库层)DWD(数据仓库明细层)ODS(操作数据存储层 )ST(汇总层)报表主题KPI即席查询语音消费信息归整集(2年)短信消费信息归整集(2年)彩信消费信息归整集(2年)GPRS消费信息归整集(2年)梦网消费信息归整集(2年)梦网注册信息归整集(2年)产品注册信息归整集(2年)营销活动信息归整集(2年)（预缴、终端捆绑、促销等）自然属性信息归整集(2年)其它信息(2年)涵盖了当前能够获得的用户所有信息数据挖掘专用数据层将仓库数据转化为数据挖掘易于使用的数据专题数据仓库数据

9、流经营分析系统应用挖掘引擎挖掘模型专用数据层16三、构建典型新业务模型 新业务相对于语音业务，用户市场呈现小而多的特点，如何准确的找到潜在的新业务用户群是面临的重要课题，本专题从典型新业务入手，如飞信、手机报等，尝试采用客户预测的方法，找到每类新业务的潜在用户群，从而实现新业务的精细营销 下面以实现的第一个新业务模型飞信为例进行原理介绍17实施实施步骤步骤选择样本用户分析影响因素选择重要变量建立预测模型验证评估模型三、飞信模型介绍18飞信样本飞信样本普通样本普通样本训练样本 在网三个月以上 月注册成飞信 月连续活跃 共万用户 随机抽取普通 用户 共万用户样本一样本二 样本用户的选择需要确保其能

10、真实体现飞信或普通用户的一般特征，剔除由于促销活动等引发的“非正常”用户样本需体现普遍性 选择样本用户19 (代表最近值、代表频度值、代表币值) 是将客户特征化的经典方法，最早应用于目录营销服务行业 我们认为年龄、性别、品牌、交往圈及终端等自然属性是影响用户成为飞信用户的关键因素变量自然属性 用户使用移动通信语音、短信、彩信、等服务产生的业务量及收入也作为可能的影响因子纳入进来消费特征哪些方面的因素是飞信用户区别于普通用户的特征呢？ 分析影响因素20 我们认为假如用户最近定购过新业务类或梦网类产品，或者近年定购的次数比较多，则用户继续定购新业务产品（比如飞信）的可能性会比较高，因此纳入以下变量

11、：近年新业务产品定购次数、最近新业务产品定购间隔、新业务产品当前有效个数短信类、彩信类、类、类、手机邮箱类、语音增值类、来电助手类基础通信类商务类、博客类、手机报类、音乐类、彩信类生活娱乐商务类由于梦网产品无明确细分方法，只能以总的为依据梦网类新业务细分注：彩铃、来电助手等由于捆绑性质居多，无法体现真实用户使用趋向，这里统一未纳入考虑三大变量 分析影响因素变量21 我们认为年龄、品牌、交往圈及终端等自然属性是影响用户成为飞信用户的关键因素通过单变量回归分析，发现岁是一个比较显著的飞信用户分水岭年龄飞信用户以交流为主，因此用户交往圈的大小具有重要意义，通过单变量回归分析发现，在一定时间段内有次以

12、上在不同天有通话的对端用户才是有效交往用户交往圈是否属于动感地带用户是一个重要布尔变量品牌是否终端支持性别在网时长 分析影响因素自然属性22 用户使用移动通信语音、短信、彩信、等服务产生的业务量及收入也作为可能的影响因子纳入进来。 为了降低短时间内异常消费行为的影响，比如促销，所有的消费行为数据都以近年的月均消费为基准。近年收入近年优惠收入近年费收入收入类(个)近年通话时长近年本地通话时长近年省内漫游通话时长近年省际漫游通话时长语音类(个)近年短信发送条数近年彩信发送条数近年次数近年彩铃下载次数新业务类(个) 分析影响因素消费特征23 共规整收集个变量，采用后向、逐步回归方法，逐步淘汰不相共规

13、整收集个变量，采用后向、逐步回归方法，逐步淘汰不相关变量，最终选择稳定的排名前的变量作为飞信影响因素关变量，最终选择稳定的排名前的变量作为飞信影响因素( (模型输入变量模型输入变量) )值得关注的现象： 、等常规用户价值度量与飞信用户相关性非常小，变量则体现出其价值 选择重要变量24实际模型：() （代表成为飞信用户的概率）* （品牌） * （是否动感地带）* （年龄是否小于）* （交往圈是否小于）* （交往圈是否在与之间） * （交往圈是否在与之间）* （交往圈是否大于）* （是否飞信终端）* （最近定购的音乐产品间隔 倒数）* （上网次数 平方根）* （近两年月均产品定购次数）* （近两年

14、月均产品定购次数 ）* （近个月内是否定购过产品）* （最近定购的产品间隔 ） * （近两年月均音乐产品定购次数 立方的倒数）* （近两年月均产品定购次数）* （最近定购的手机报产品间隔 倒数）* （近两年月均手机报定购次数 平方根）* （近两年月均手机邮箱定购次数 平方根）* （最近是否定购过短信产品）* （最近定购的商务类产品间隔 ）* （最近定购产品的间隔 倒数）* （最近定购产品的间隔 倒数）* （最近定购梦网产品的间隔 倒数）* （近两年月均语音增值产品次数 立方的倒数）* （近两年月均短信发送次数 平方根）* （近两年月均流量 ）* （近两年月均彩铃产品定购次数 立方的倒数） 针对

15、所选变量采用逻辑回归方法，训练得到拟合方程式:()其中： 代表成为飞信的概率 、等代表所选的变量（影响因素） 、等代表计算得到的系数 即为计算得到的飞信活跃用户的概率 模型确立后，只要数据收集完整，非常容易推广和应用到实际的营销中，由于是以概率为度量，可以对营销数量进行灵活的控制 建立预测模型25假如某用户资料如下：品牌：全球通年龄：交往圈：终端：支持飞信最近一次订购音乐类产品的时间间隔：个月最近年月均上网次数：次最近年月均产品定购次数：次最近增值类产品参加时间间隔：个月最近年月均时长：分钟最近一次订购梦网类产品的时间间隔：个月最近年月均短信发送次数：条最近年月均流量：则计算其成为飞信活跃用户

16、的概率为： 建立预测模型(举例)26十分位分析十分位样本量预测概率实际比例 十分位分析是验证模型健壮性的常用方法，其将样本按照预测概率高低排序等分为等份，通过以下两种方式来检查模型的强壮性：（）每个等分内预测概率与实际情况的差异（）最高最低等分预测概率的差异 预测概率均值与实际情况相差很小最佳十分位是最差十分位预测概率的倍非常好的区分性能注：为了防止模型的过渡适应，即它吸收了数据中的非规则元素，往往还需采用重采样方式来验证模型健壮性 模型验证27四、 构建数据挖掘统一视图未来将构建预测统一视图，实现常态化精细营销支撑归属飞信品牌手机报套餐手机证券在网时长全曲下载入网渠道彩铃年龄手机上网其它等彩

17、信彩信开通属性其它彩铃开通属性欠费概率GPRS开通属性离网概率手机报开通属性短信飞信开通属性10086其它等网站短信发送条数营业厅彩信发送条数GPRS流量彩铃下载次数通话次数其它等ARPU新业务费语音费用增值业务费其它等投诉次数建议次数咨询次数业务受理次数其它等客户消费属性接触属性客户预测统一视图其它新业务偏好度离网偏好度渠道偏好度客户基本属性产品开通属性客户行为属性预先生成用户对每类新业务（也可以扩展到其它领域）的偏好程度，实现客户预测常态化，并将预测结果纳入客户统一视图28内容内容精细营销客户预测专题营销支撑精细营销客户预测专题营销支撑日常营销目标客户预测的现状日常营销目标客户预测的现状精

18、细营销对于客户预测的要求精细营销对于客户预测的要求精细营销客户预测专题介绍精细营销客户预测专题介绍总结总结29一、预测数据对于精确营销的意义用户群定位精细科学化用户群定位精细科学化用户群大小可控制化用户群大小可控制化用户群提取的高效化用户群提取的高效化由经验和简单的目标用户删选判断方法转向深度分由经验和简单的目标用户删选判断方法转向深度分析挖掘为依据析挖掘为依据营销目标用户群都可以预先挖掘生成营销目标用户群都可以预先挖掘生成预测概率使得每个用户对于某个营销活动都是有重预测概率使得每个用户对于某个营销活动都是有重要程度的区别的要程度的区别的预测概率使得用户群是精确可控的，群发可根据轻预测概率使得

19、用户群是精确可控的，群发可根据轻重缓急灵活调整重缓急灵活调整很多目标用户预先生成，缩短了目标客户群提取周期很多目标用户预先生成，缩短了目标客户群提取周期营销价值营销价值对于提高客户的响应率，降对于提高客户的响应率，降低客户投诉，提升营销效率，低客户投诉，提升营销效率，都具有意义都具有意义30二、营销数据推送接口前台查询前台导出营销管理平台营销管理平台营销渠道营销渠道营业前台客服系统短信彩信中心网站客户经理离网专题精细客户预测专题精细客户预测专题经营分析系统经营分析系统飞信、手机报、手机证券用户清单等直接推送目标客户删选和控制业务受理营销活动执行经营分析系统中建立精细客户预测专题，根据需要建立飞信等挖掘模型，定期生成预测清单和