发掘数据价值重构营销体系-中国移动大数据营销探索与实践

发掘数据价值，重构营销体系

中国移动大数据营销探索与实践

随着信息化，特别是互联网、移动互联网、云计算、物联网技术及应用的发展，数据呈爆炸

性增长态势，全球进入数据ZB时代。据IDC研究报告，未来10年全球数据量将以40%以上

的速度增长，到2020年全球数据量将达到35ZB。全人类的数据资产将达到前所未有的规

模，大数据时代的画卷已经展开。2012年4月14日，美国政府宣布“大数据研究与发展计

划”，试图通过该计划提高从大规模复杂数据中提取知识和观点的能力，加快大数据在科学

与工程中的应用步伐，加强国家信息安全研究，并改善大数据教学研究。

对于中国移动来说，作为“数据矿产”的天然拥有者，一方面，需要找准自身在大数据时代

的企业定位，积极研究大数据实现技术，搭建大数据能力平台与运营平台，探索大数据在改

善企业内部管理、创新商业模式等方面的应用机会，建立数据驱动型的企业运营机制以及大

数据产品创新机制，提高大数据运营能力，最终实现将“数据矿产”转变为“数据资产”的

目标；另一方面，需要发挥自身的数据资产优势和社会责任优势，开展大数据生态环境研

究，建设开放的大数据运营平台，推动全社会的大数据应用创新，助力经济社会进步，为广

大人民群众创造更加便利的信息生活环境。

一移动互联网催生大数据时代到来

广义的移动互联网是指包括狭义移动互联网、固定网络、物联网在内的万物互联网络，其快

速发展是催生大数据时代的主要动力。移动互联网时刻在线、人人互联、随时交互的特点使

全社会的数据生产能力在时间、空间、主体、内容等方面得到了极大释放，数据的丰富程

度、实时性、信息量、价值指数等特性也得到极大增强。

从移动互联网功能架构来看，可以分为端、管、云三个层面要素。

在端的层面，Apple通过iPhone与iPad等产品的创新，突破了移动互联网的用户体验临界

点，释放了人们对智能移动终端的想象空间，培育与引领了移动终端的真实用户需求，带来

了终端层面的第一次变革；Google主导的Android开放联盟通过终端硬件、操作系统、软

件开发等层面的开放框架，加速了低价智能终端的上市进程，100美元以下的智能终端推

出，突破了智能终端价格临界点，使更多的移动互联网需求在终端层面得以满足，带来了终

端层面的第二次变革。智能终端在用户体验、价格、性能上均得到了快速发展，已经成为用

户肢体和大脑的延伸。

在云的层面，应用商店等商业模式的出现，支持应用开发厂商与第三方开发者以更低的成本

进行内容和应用的创新，并驱动了整个生态体系的持续创新。目前，各应用商店的累计应用

数量超过200万，用户可以便捷、低成本地通过智能终端获得工作、生活、学习、娱乐、购

物、投资等各个方面的应用与内容服务。开放平台等云开发模式的成熟，以云API的形式为

开发者提供云服务接口，以封装的服务降低了原有开发模式复杂度，以创新的服务创造了新

的服务能力。Amazon的EC2、S3以及其他云服务厂商推出的云资源服务，支持计算与存储

资源的租赁与托管服务，通过云的能力克服了移动终端计算能力有限、存储能力有限的不

足，同时价格低至10美分/小时，为应用与内容开发商、运营商提供更具性价比的资源和更

可靠的云API接口服务，降低了移动互联网应用开发与运行的资源门槛与应用复杂度门槛，

促进了更多基于云模式的移动互联网服务推出。应用商店、开放平台、云资源租用等云层面

商业模式的成熟，推动了移动互联网商业模式不断走向成熟，也导致了越来越多的数据被生

产并沉积在云端。

在管的层面，随着4G时代到来，网络变革与技术创新使移动互联网在流量带宽、流量控

制、流量价格等多个维度上的需求得到满足。更大的带宽，保证了高流量消耗的内容服务具

备在移动互联网环境下流畅使用的条件；更精细的带宽控制策略，保证了移动互联网服务的

使用体验和商业模式的创新发展；更便宜的流量价格，保证了用户的移动互联需求能够最大

程度上得以释放。4G推出后，中国移动的智能管道能力将进一步增强，实现流量、用户、

内容等方面的全面精细可控，从而成为支撑与加速移动互联网发展的有力保证。

毫无疑问，端、管、云三个层面要素的完善与升级促进了产业链的成熟，推动了移动互联网

的发展，加快了个体活动从物理世界向数据世界的迁移步伐，并各自产生了一批有代表性的

移动互联网企业及相应的商业模式。作为物理世界向数字世界迁移、物理世界与数字世界融

合的产物，数据可获取性极大增强，规模急剧加大，催生了大数据时代的加速到来。而端、

管、云三个层面的功能架构，也导致了每个层面有机会生产、捕获并累积越来越大量的数据

资产，各层上的优势厂商以及数据拥有者结合自身的数据特点与现有商业模式进行了大数据

方面的探索与创新。比如，三星借助手机健康管理服务，收集用户健康数据，进而为用户提

供更有针对性的健康服务方案；阿里巴巴利用电商云平台的用户交易数据，面向商家提供精

确推荐服务与营销分析服务；Telefonica利用移动网络中的用户位置数据与人群流量数据

推出SmartSteps大数据解决方案，为商家提供店铺选址服务，为公共服务机构提供公共停

车场修设建议等服务。

二移动互联网挑战与大数据机遇

移动互联网时代，用户的互联网行为与需求模式发生变化，用户互联需求与业务内容从基础

通信向应用和内容迁移，从语音向数据流量迁移，并呈现现实化、碎片化、瞬态化、富媒体

化、大众化、移动化、OTT化等“七化”趋势。

现实化方面，020类应用在移动互联网时代发展迅速，智能终端的移动特点，使得线上、线

下的协同更加高效，如在线预订、团购、导航类应用等。碎片化方面，移动终端的随身特

点，使用户的移动互联网行为呈现出离散状态，用户往往利用休闲、娱乐、途中、睡前等间

隙时间上网搜索、阅读、游戏、聊天，导致上网行为片状化。瞬态化方面，用户的无线上网

行为往往具有即兴的特点，其行为内容和持续时间无法预料，上网表现出的需求仅在当时有

效。富媒体化方面，由于终端屏幕增大和带宽扩大，用户对移动互联网内容与应用服务形式

的要求越来越高，对视频、图片社交应用等高流量消耗型应用的需求不断增加。大众化方

面，手机终端的高普及率、智能终端的用户体验改进以及移动互联网应用的持续丰富，不同

地区、不同种族、不同年龄、不同知识背景的人们均具备移动互联的条件，并且能够从移动

互联网获得自身所需的服务。移动化方面，越来越多的内容和应用通过移动互联网提供服

务，并基于用户在移动状态下的需求特点与行为特点涌现出更加丰富的、更具适用性的内容

和应用消费形式。0TT化方面，将出现更多的移动互联网应用，发挥移动互联网对现有的传

统产业的替代作用，如通信、电视、金融服务等，逐步实现个人行为从真实世界到虚拟世界

的迁移过程。

移动互联网时代的用户行为变化，给中国移动带来了全方位挑战。移动化、0TT化带来了对

传统通信业务的挑战，如对语音、短信业务的替代，用户基础通信需求将被压缩。富媒体化

和大众化带来了对网络能力和市场运营能力的挑战，用户对普及型互联网服务要求提高，需

要满足更大规模群体的基本移动互联网需求。碎片化和瞬态化带来了对业务营销与服务的挑

战，用户注意力成为稀缺资源，产品选择范围与影响面显著扩大，市场营销变得更为复杂，

需要提供更为个性化的产品和服务。现实化带来了线上、线下协同的挑战，不仅需要提供更

专业的产品和服务，提供线上、线下的一致体验也成为判断营销能力、服务能力是否精细化

的一个重要方面。总体来说，移动互联网给用户行为模式带来改变的同时，也导致了用户需

求从基础服务向普及型服务、从个性化服务到专业化服务的不断上升的趋势，中国移动作为

基础通信服务商，必须主动迎合这些变化，积极实现转型。

除了要看到移动互联网带来的挑战，也要看到其中蕴藏的企业转型与发展的机遇。一方面，

中国移动需要找到更好的办法，改变自身的运营与管理模式，适应市场和用户的变化趋势；

另一方面，中国移动也需要找到新的价值增长点，在传统的网络运营模式基础上，创造新的

商业模式。而大数据是移动互联网时代的产物，同时也是应对互联网挑战的钥匙，是把握新

的创新机遇的关键要素。通过将大数据作为一种新型生产力和生产工具，对内改善管理与运

营，实现智能的管道、体验良好的产品和个性化的营销；对外创新商业模式，实现数据价值

货币化，打造围绕大数据运营的生态系统，更好地发挥运营商的平台作用。

三中国移动的大数据资产概述

中国移动是国内最大的移动网络运营商，在提供基础通信服务、数据增值服务、互联网应用

服务、智能终端等产品与服务的同时，也提供了覆盖线上、线下的全方位产品销售与用户服

务渠道，是国内最大规模的数据资产拥有者之一。目前，中国移动拥有7.4亿客户、100万

座基站、10万个各类营业网点、9大互联网业务基地，每分钟产生800万次通话、每秒发送

短信2.4万条、每秒无线上网流量达33GB、每分钟应用下载1142人次、每小时销售TD终

端5万部。如此庞大的移动网络、客户规模、服务网点和业务能力生产了规模巨大的数据，

目前中国移动的话单类数据达10TB/天、信令数据达100TB/天、上网日志数据达300TB/

天，累计数据存储容量达80PB左右，并以每年约50%的速度快速增长。

从数据的来源看，中国移动的数据资产主要分为四类：第一类是通信业务数据，主要来自于

BSS域各类系统，如CRM、BOSS、BAS等，数据内容包括用户资料、用户产品订购关系、用

户通信类业务话单、用户互联网类业务账单、用户账单费用等，以及通过数据分析工具加工

的各类数据，如客户标签库、客户交往圈等数据；第二类是业务平台数据，主要来自于各数

据业务和中国移动九大增值业务基地的业务域平台或系统，数据内容包括用户业务订购关

系、用户业务详细使用行为、用户在各平台的访问日志等，记录了用户在业务使用与交互过

程中的数据信息，以及用户业务内容数据等；第三类是移动网络数据，主要来自于OSS域的

各类网络监测与管理系统，数据内容包括CS域信令数据、PS域信令数据、DPI深度解析数

据、WLAN网关日志、互联网网关日志、网络资源信息以及其他网络运营采集数据等各类数

据；第四类是渠道接触类数据，主要包括各个渠道系统的用户访问数据等，数据内容包括用

户登录数据、用户服务数据、用户点击流数据、用户行为日志数据等。

以上四类数据构成了中国移动最主要的数据资产，成为大数据时代中国移动的核心竞争资

源，并具有显著的大数据4V特征：大容量性(Volume)方面，海量的信令数据、海量的移

动互联网数据、海量的话单数据以及九大增值业务基地数据，构成了中国移动数据资产的超

大容量规模，且在快速增长中；多样性(Variety)方面，数据类型包括文本数据、WAP/WEB

日志、语音数据、短信数据、图片与视频等多媒体数据等，数据来源与数据特征复杂多样，

既有结构化数据，也有半结构化以及非结构化数据；快速性(Velocity)方面，互联网用户

点击流、网络信令数据按秒级到毫秒级生成，具有高速、实时的数据流特点，同时在业务上

要求能够对高速数据流进行实时访问和处理；准确性(Veracity)方面，中国移动的数据由

客户真实行为产生，如真实的语音/短信数据、网络运营维护数据、用户数据和业务数据

等，并且，在客户实名制后所有行为均能对应到真实个体，数据准确性高、价值大。

大规模、高价值的大数据资产构成了中国移动在大数据时代的独特优势，要充分利用这一优

势，需要制定清晰的大数据运营策略，建设及完善大数据的运营能力和组织能力，从而形成

基于大数据的竞争能力。概括来说，中国移动大数据运营策略包括三个方向：一是利用大数

据提高业务创新能力，实现对客户需求的深度洞察，指导产品的设计与开发；持续分析客户

的真实产品使用行为，提升产品的客户体验与运行质量。二是利用大数据提高营销效率，通

过大数据分析实现精细的客户标签，帮助精确筛选目标客户、精准匹配产品，捕捉客户的最

佳营销时刻，并精确匹配用户偏好渠道，进而开展基于细分市场和精确定位的精细化营销。

三是利用大数据探索新型赢利模式，在前向模式下，重点为客户提供更优质的业务体验和差

异化的服务内容；在后向模式下，重点开展大数据商业产品的创新以及大数据共享平台的创

新，为合作伙伴提供创新数据分析服务，构建以大数据为基础的运营平台，推进大数据生态

系统的完善与成熟。其中，利用大数据提高营销效率是目前重点开展的应用领域，在利用大

数据探索新型赢利模式方面也进行了初步实践。下文将重点介绍中国移动的“大数据、超细

分、微营销”的大数据营销体系，并介绍中国移动目前的部分大数据应用案例。

四”大数据、超细分、微营销”体系

结合移动互联网时代的变化趋势，中国移动转变传统市场营销思路，在大数据能力基础上，

以“大数据、超细分”为核心，驱动以客户为中心的资费、渠道、服务、传播能力匹配，最

终建立符合移动互联网特点的“微营销”能力，从而实现营销效率跃升，推动自身营销服务

体系的转型。整个“大数据、超细分、微营销”体系主要包括大数据能力层、超细分层、市

场能力匹配层、微营销运营四层架构。

1.大数据能力层

实现对客户、位置、业务等各类数据的深度聚合，通过大数据技术的挖掘分析，还原客户的

业务使用场景与真实需求，支撑精准客户画像和精确营销。同时，借助大数据技术实现对实

时数据流的分析，发现客户当前的接触事件与业务行为中隐藏的实质需求，解决移动互联网

背景下的客户行为瞬态化、碎片化等问题，把握最佳营销时机。

2.超细分层

基于大数据处理能力构建全方位的客户标签库，从而建立以客户个体为粒度的超细分客户洞

察体系。通过客户标签体系，精确深度洞悉客户需求与特征，为市场营销能力建设提供必要

依据，为小众化、精细化的微营销活动开展提供支撑。同时，借助事件模型实现的关键时刻

识别与细分能力，提高了用户细分的粒度和时效性，为开展更实时、个性化的微营销活动创

造条件。

3.市场能力匹配层

以大数据分析与客户洞察结果为依据，以微营销需求为牵引，实现渠道、服务、资费、促销

的能力转型，推动业务能力、终端能力、网络能力、支撑系统、渠道系统等相关能力建设，

确保微营销开展所必备的各项能力和条件到位。

4.微营销运营

沉淀与挖掘一系列营销模板与营销规则，涵盖营销相关要素，同时通过细化营销活动颗粒

度，实现基于对个体客户需求的精准把握，并借助跨渠道的客户接触感知与营销推荐能力，

开展个性化、精确化、场景化、多触点的细微营销，形成覆盖客户全生命周期的营销感知网

络，以系统化的手段，将合适的业务在合适的时间通过合适的渠道提供给合适的客户。

五大数据能力在微营销体系的体现

在“大数据、超细分、微营销”的四层架构中，大数据能力集中表现在两个方面：一方面是

客户标签体系，另一方面是关键事件体系。两方面能力相辅相成、密切配合：客户标签体系

重在对客户历史行为的分析，通过历史分析洞察客户的潜在需求与行为趋势；关键事件体系

重在对客户当前行为的分析，通过实时分析捕捉客户的当前需求与行为特征。通过大数据，

实现历史分析与实时分析的结合，从而更好地定位目标客户、捕捉营销时机。

客户标签能力是大数据能力的重要组成部分。在客户标签建设过程中，一方面需要从业务需

求、客户认知角度出发，建立科学的客户标签分类体系；另一方面需要定义每一个标签的分

析模型、分析口径和分析周期，其中分析模型既可以来自直观统计，也可以来自人工经验和

数据挖掘模型结果。基于客户标签体系以及可获得的数据，运用大数据能力，能够实现对客

户标签结果的周期性计算与更新。大数据能力解决了客户标签计算方面的大数据量处理与存

储的需求，也解决了数据处理速度高、数据吞吐量大的难题，保证了客户标签结果的及时

性。

目前，中国移动已经在全网提炼出“基本属性、业务特征、消费特征、营销活动偏好、终端

偏好、渠道偏好、内容偏好、服务偏好”等八类一级客户标签，216个二级分类，基本实现

了对客户不同角度、不同维度的超细分与洞察，为微营销的开展提供了基础保障。在客户标

签基础上，建设微营销目标客户群筛选功能，将所有标签以及标签取值条件开放为可供选择

的筛选条件。在客户群筛选界面上，根据具体的微营销策略，可以通过不同客户标签的选择

和取值，快速筛选满足标签条件定义的客户名单，并支撑客户群的合并、交集、差集、细

分、精选等各类运算，从而实现真正意义上的精确目标客户选择。

客户标签体系所实现的精确目标客户定位只是大数据能力的一个方面，同样基于大数据能

力、能够对客户当前行为和关键事件进行实时感知的事件模型体系，是提高营销精确度、个

性化的另一保障。具体做法上，包括事件模型、大数据实时分析引擎、事件驱动的营销规则

配置、实时规则匹配、营销反馈实时响应等五个方面。

一是事件模型，作为客户标签体系的补充，结合客户通信行为、上网行为、渠道接触、消费

行为、位置行为所表现出的行为特点，总结与梳理不同种类、不同场景的关键时刻模型；二

是大数据实时分析引擎，通过数据流分析引擎，实时地从不同来源的数据流中分析与探测与

关键事件模型匹配的业务事件；三是事件驱动的微营销活动与规则的配置，在微营销活动或

规则配置过程中，可通过营销事件选择页面，从已有的事件模型列表中选择相关事件作为微

营销活动的触发事件，实现事件驱动营销规则，提高营销行为的精确度与针对性；四是营销

活动的实时规则匹配能力，通过营销调度引擎，实时地将数据分析引擎输出的事件与微营销

活动进行匹配，当事件所关联的用户号码、事件类型与营销活动的目标客户群及事件定义相

匹配时，则通过相应渠道触发营销指令；五是对用户反馈进行实时采集与在线交互，捕捉客

户对于营销动作的反馈，并实时决策下一步的营销动作。

一级标签二级标签三级标签标签名称说明

图1标签分类

感知所有客户事件（网络行为、平台跨所有接触渠道实现营销

访问.服务渠道、社会化）

「、.互联网访问]通过携程预定行程推荐商务助理类

、、客户标签

零°[短黄）杳询个人账户余额推荐掌上营业厅Pl

田O

推荐数据产品

（y加变方3更换智能手机

O7，一、一一推荐手机视频

—[ntc益瞰I■]:]观蓑觉鳏契

推荐飞信

0露』一一即附二）\推荐优惠购机旧力

。流（访同竞争对手啊造I研

实时智能推荐某套餐

.—卜1夜号谦二挽序计划

-10086邮件营销

[网方浏览]搜索产品决策规则挖掘模型动态内容

：微幅议论~）谈论某业芬触发相关流程

过滤识别实时决策展开行动

图2微营销

六中国移动大数据实践案例

目前，中国移动的大数据实践主要包含两个层面：一个层面是前向增强业务营销能力，主要

建立在大数据微营销体系基础之上；另一个层面是后向提供合作伙伴产品服务能力。前一个

层面重点针对个人客户，主要是实现大数据能力支持的自有业务精准营销、智慧营销，并在

微营销能力基础上，针对不同需求特点和价值水平的客户，提供个性化性产品服务形态，提

高营销收益与价值。后一个层面重点面向合作伙伴与企业客户，主要是利用中国移动的大数

据能力，帮助合作伙伴更深入地了解客户，更快速、更有效率地实现产品销售，提升业务体

验和业务竞争力。

具体的实践案例有：定向精确的终端营销、实时可信的流量查询、个性化的内容业务推荐、

创新的套餐余量置换、差异化合作伙伴后向能力保障、双赢的商户店铺选址、智慧的城市管

理等。

•案例1：定向精确的终端营销

利用大数据能力定位目标客户，提高终端营销的针对性，避免过度打扰客户与过度营销资源

投入。为此，建立四类终端营销大数据分析模型，包含客户标签类和关键事件类两个方面。

一是遗失补卡模型，将遗失补卡作为一个关键事件，当客户在任意渠道办理遗失补卡业务

时，触发这个关键事件；二是终端评测网站访问模型，将终端评测网站访问作为客户的一个

标签，建立相应的标签分析模型以及配套知识库，由大数据分析引擎周期性对用户上网行为

日志进行分析，将有终端评测网站行为的客户打上相应标签；三是手机大卖场驻留模型，将

手机大卖场驻留作为客户的另一个标签，建立相应的标签分析模型，同时建立终端卖场与基

站位置的映射关系，通过对客户位置更新信令数据的事后分析，发现客户的手机大卖场驻留

行为，并识别为潜在的购机客户；四是上网关键词匹配模型，作为一个关键事件，实时发现

用户上网行为中与指定关键词匹配的事件，如搜索关键词、网页主题词等，建立相应的事件

分析模型以及对应的关键词库，如华为、三星、诺基亚、S4、P6、苹果等，每当客户上网内

容中出现与之匹配的关键词时，则触发一个关键事件。

基于以上四个模型的输出，可精确定位手机终端的潜在购买客户，并进一步根据目标客户的

个性特点，如视频业务偏好、分期支付偏好等，策划个性化的终端营销活动。例如，针对搜

索“三星S4”并喜欢通过手机看视频的客户，开展“购买三星S4手机叠加土豆视频流量包

赠送”的营销活动，同时依据用户渠道接触数据分析和渠道偏好标签，精确选择个性化的营

销渠道展呈营销内容。在以上营销要素配置完成后，微营销正式启动，实现真正意义上的

“一客一策”，如上述活动中，针对经常在营业厅附近区域活动同时有营业厅渠道偏好的客

户，当其再次出现在营业厅附近时，通过短信推荐并提示可到附近营业厅办理，营销过程实

时、精准、高效。

•案例2：实时可信的流量查询

针对流量消费敏感的问题，通过用户移动互联网上网行为数据的采集分析，向客户提供流量

清单实时查询、流量实时监测提醒及流量套餐推荐服务，提高流量服务质量，保障用户对流

量业务敢于使用、用得放心，释放中国移动当前面临的流量收入和流量客户满意度的双重压

力。

一是通过大数据能力实现流量话单、DPI数据的实时采集，实现海量URL、APP的快速识

别，建立URL、APP对流量消耗的对应关系，实现对7亿客户、日均10TB以上的流量话单的

支持。二是开放流量实时查询页面，可通过流量查询APP实时查询当前OTT业务的流量消耗

分布，让客户明明白白消费，并通过共享内存等大数据技术提高流量实时查询响应速度。三

是实现对用户流量消耗关键节点、流量消耗异动时刻的探测与提醒，基于客户流量资费订

购、历史流量使用行为、当前流量使用量等数据，在流量消耗过快等关键时刻触发对客户的

提醒，向客户推荐更合适的主资费、流量可选包、加油包等，提示客户进行流量升档、主资

费升档等动作，实现流量服务与营销的一体化。

流量营销服务大数据支持

•流量话单实时采集

•海量URL、APPIR另lj

・7亿用户，日均10TB

流量话单

・用户当前流量套餐

・用户实时流量消耗

・用户历史流量使用状

况及分布

匹配于用户流量消

耗状况以及业务特

点的套餐推荐

图3实时可信的流量查询

•案例3：个性化的内容业务推荐

内容型业务消费具有鲜明的个性化特点，不同的客户对于内容业务的喜好具有显著的区别，

且其内容偏好比较容易通过分析手段进行精确识别。因此，通过汇聚阅读、视频、游戏、音

乐、动漫等基地产品信息，以及借助网页爬取手段从各大主流网站获得热点内容排行榜信

息，结合客户标签，为每个客户匹配合适的内容产品，实现个性化的内容适配能力，从而提

高互联网内容类产品的精细化运营能力。

首先，根据不同内容型业务的特点，建立不同的内容分类体系，如游戏业务分类体系、阅读

业务分类体系等。其次，基于内容分类体系，建立对应的客户标签体系，并建立起客户标签

与业务分类的映射关系。再次，对客户上网行为进行跟踪分析，如通过跟踪客户对互联网游

戏类业务的下载与使用行为，发现其在游戏业务领域的行为特点与内容偏好，从而为用户打

上对应的游戏内容标签。最后，基于客户业务需求标签以及产品内容分类标签，建立起客户

需求与具体产品的对应关系，从而策划个性化的内容业务营销，通过合适的渠道向客户推送

推荐内容，提高营销成功率。例如，发现某客户具有显著的励志类阅读内容的偏好特点，针

对该情况，提取手机阅读基地的励志类阅读内容，并选择热门内容进行营销策划，当客户下

次访问手机阅读门户或者合作渠道时，则针对性地显示热门的励志类阅读内容。

•案例4：创新的套餐余量置换

余量置换是改善客户资费满意度、提高网络服务质量的有效手段，目前由于对客户余量的实

时监控与分析能力不足，且客户自己对于置换目标也缺乏清晰认识，余量置换在实施中较难

得到落实。针对该特点，利用大数据技术，通过对客户习惯、终端性能等数据进行实时分

析，制定合理的客户套餐余量置换比率，针对性地提醒客户进行余量置换并推荐可置换的商

品。

通过大数据技术的实时置换提醒以及精确置换建议，有助于精准掌握客户的置换需求和兴趣

点。通过余额置换的创新实施，以及合理的置换比率设置，可以盘活客户在网资产，提升客

户活跃度和满意度，有助于实现客户保有，同时可以避免月底突击消费造成的网络冲击，是

利用大数据能力改善客户服务、改进网络质量、提高客户满意度的又一有力手段。

(3.•M■13:4。

临近月底，系统自动推送消息提示用户

套餐节余置换

G，进行套餐余量置换，用户登录客户端后

可查看当月套餐内容的剩余情况

*便网

iiie«Ml巴侵m

mm'・"no

SORMSMHWM

300M

*40WM

■Mff0000

0

选择好要置换的量后，点击置换按钮进

行置换

图4创新的套餐余量置换

•案例5：差异化的合作伙伴后向能力保障

差异化的合作伙伴后向能力保障有助于提升流量价值，帮助合作伙伴实现其业务模式与营销

模式的创新。通过大数据技术的实施，一方面让合作伙伴更加了解客户，另一方面为合作伙

伴提供差异化的服务质量保障。这两个措施在优化中国移动自身网络资源配置的同时，提升

了合作伙伴的业务竞争力，为打造4G时代的流量经营创新模式打下基础。

首先，建立基于大数据的SLA服务能力保障平台。一是从CRM系统实时接入签约与订购数

据，保证仅在用户访问特定CP的特定应用时才有SLA保障；二是从网络资源管理侧实时采

集网络能力数据，获得当前网络的能力，以根据网络忙闲情况采用不同的SLA服务策略；三

是接入实时DPI数据，以通过DPI能力获得当前用户访问的CP以及具体应用等。以上三个

能力均需对海量数据进行快速处理，必须建立在大数据能力基础之上。

其次，通过两个模式提供面向合作伙伴的SLA服务。模式一是由合作伙伴根据其客户等级，

主动调用SLA服务能力保障平台的带宽保障服务，为不同等级客户提供不同等级的带宽服

务；模式二是由运营商根据其与合作伙伴的关系以及客户的套餐订购关系，自行决定客户服

务等级，并为客户分配不同等级的服务。

最后，通过前端、后端两个方向的大数据能力，支持SLA服务保障平台的服务策略控制，为

后续的合作伙伴合作模式创新、业务创新和营销创新提供基础条件。

c>合作伙伴为其普通用户提供户

常规服务保障

X2easiH

模L«*-rB・A，Z■K”

签约与订购数据：£加跳式皿*

用户访问特定CP的特

I_B

定应用才有保障S

LI能力开kooleam»

AI放接口fwvwhU«合作伙伴为其VIP用户提供高

带宽的服务保障

网络能力数据：服合作orrVIP用户

实时采集与获得当前务

网络的能力保

障

平

实时DPI数据：o

台非誉:户

通过DPI实时获得当中国移动为没有合作关系的orr

及其用户提供常规服务保障

前用户访问的CP以/回

+H-V-^BANK

及具体应用

；苗人

-kkooleam»

中国移物为有合作关系的。及

其专属碌订购用户提供高带IT宽

服务保障A

合作orr套餐用户

图5差异化的合作伙伴后向能力保障

•案例6：双赢的商户店铺选址

在大数据产品化应用方面，中国移动也积极开展了探索。通过大数据资产的汇聚，以及在行

业信息化过程中对客户数据分析需求的了解，凭借多年来积累的数据分析经验与分析专家团

队，开发面向不同行业的标准化数据分析产品，重点解决中小企业在经营决策中面临的数据

来源不足、分析能力有限等问题。

例如，面对连锁型商户的店铺选址需求，利用中国移动的基站信令数据、WLAN网关日志数

据、用户标签数据等，建立不同热点的人群聚集密度、人流量、人群构成分析模型，为连锁

商户提供精确的店铺选址咨询服务。商户只需要选择具体热点或商圈，即可快速得到以上模

型的分析结果，为选址决策提供全面的数据支撑。

店铺选址服务同样利用到更丰富的相关分析决策场景，如旅游景点的客流分析、公共停车场

的选址决策等，未来中国移动将在这类大数据应用领域进行进一步探索，并形成产品化能

力。

•案例7：智慧的城市管理

在利用大数据能力获得商业价值的同时，中国移动同样重视大数据在智慧城市中的应用。借

助自身数据资产和从相关部门获得的行业数据，中国移动开发包括城市公共应急智慧、交通

路径规划、城市拥堵疏导分析等综合解决方案，在政府与个人两个层面提供智能分析服务,

提高整个城市的智能管理水平。

在智能交通领域，移动运营商具有天然优势。中国移动基于客户在通勤时段的基站位置数

据，结合政府交通管理部门的大数据，如视频牌照数据、RFID线圈感知数据等，对居民出

行特征进行分析，建立整个城市的通勤特征、通勤趋势分析模型，为交通规划、公交线路设

计、通勤时段的出行疏导提供第一手的分析报告。同时，针对居民个体，通过对居民历史出

行特性的了解，以及在多个实时数据源分析基础上掌握的实时交通状况，为个人提供及时的

通勤建议，从而起到城市交通疏导的效果。

在城市公共管理领域，移动运营商同样可以发挥出自身的数据优势。基于中国移动的基站数

据，可以进行城市热点的人群密度实时分析，从而为城市公共事件应急响应提供决策依据。

如针对2014年南京青奥会的热点事件，中国移动与南京市政府合作开发青奥会公共应急指

挥模块，针对赛事场馆、旅游景点、热点商圈进行人群密度和人流趋势的分析