數(shù)據(jù)挖掘在電信行業(yè)客戶價(jià)值提升中的應(yīng)用

【摘要】本文在研究數(shù)據(jù)挖掘目前在電信業(yè)已有應(yīng)用的基礎(chǔ)上，結(jié)合客戶價(jià)值理論，提出對(duì)中高端客戶實(shí)施價(jià)值提升的研究方案，利用CRISP-DM標(biāo)準(zhǔn)方法和C5.O算法建立了價(jià)值提升客戶模型，并將模型應(yīng)用于移動(dòng)某分公司的客戶關(guān)系管理系統(tǒng)，取得了良好的實(shí)際應(yīng)用效果。

【關(guān)鍵詞】電信行業(yè)；數(shù)據(jù)挖掘；客戶價(jià)值；C5.0算法

【中圖分類號(hào)】F62 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1672-5158（2012）09-0061-02

一、引言

近年來，隨著電信市場的不斷開放，電信行業(yè)的競爭也日趨激烈。各大運(yùn)營商都在竭力尋求在提升服務(wù)質(zhì)量、下調(diào)資費(fèi)的同時(shí)，又保持收入平穩(wěn)、提高的方法。數(shù)據(jù)挖掘無疑是幫助企業(yè)有效分析客戶數(shù)據(jù)，提升企業(yè)競爭力的有力工具。數(shù)據(jù)挖掘能夠于從海量數(shù)據(jù)中挖掘出隱含在其中的礦藏——知識(shí)。它以現(xiàn)實(shí)數(shù)據(jù)為依據(jù)，以信息技術(shù)為手段，通過對(duì)大量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析、綜合和推理，來指導(dǎo)對(duì)實(shí)際問題的求解，并能對(duì)未來的發(fā)展趨勢做出預(yù)測。

目前，數(shù)據(jù)挖掘在電信業(yè)中的應(yīng)用主要有：分析市場狀況，制定營銷策略，進(jìn)行客戶細(xì)分和針對(duì)性營銷，開展客戶流失預(yù)警和客戶保持。本文在借鑒以上這些做法的基礎(chǔ)上，基于帕累托所謂“關(guān)鍵的少數(shù)與次要的多數(shù)”的關(guān)于市場分布的一般規(guī)律，提出對(duì)中高端客戶進(jìn)行價(jià)值提升的方法與應(yīng)用。為移動(dòng)通信類企業(yè)在解決競爭加劇、資費(fèi)下調(diào)與保持收入持續(xù)增長的矛盾中，提供了一條新的解決思路。

二、客戶價(jià)值提升方案

本次挖掘簡言之就是發(fā)現(xiàn)有價(jià)值提升潛力的中高端客戶進(jìn)而實(shí)施客戶價(jià)值提升。具體做法為，利用移動(dòng)某分公司現(xiàn)有的的數(shù)據(jù)倉庫，運(yùn)用數(shù)據(jù)挖掘工具SPSSClementine找出有價(jià)值提升潛力的中高端客戶，再借助企業(yè)營銷管理平臺(tái)對(duì)其開展針對(duì)性營銷，以幫助企業(yè)充分發(fā)掘中高端客戶存量市場的潛力。

三、基于clementine的價(jià)值客戶挖掘

1.業(yè)務(wù)理解

本文的中高端客戶指高ARPu值（ARPU-Average Revenue PerUser，用戶平均收入）和高M(jìn)OU值（MOU—minutes ofusage，用戶通話時(shí)長）的客戶。ARPU值和MOU值分別指客戶的月消費(fèi)金額和月通話時(shí)長，它們是反映客戶消費(fèi)行為的兩個(gè)重要指標(biāo)。因此，本次挖掘?qū)⒅懈叨丝蛻舳x為：月ARPU值不低于120元，且當(dāng)月主叫MOU值不低于100分鐘的月末在網(wǎng)客戶。

2.建立模型

本次建模選擇決策樹中的C5.0算法。C5.0算法是C4.5算法的商業(yè)化版本，它采用信息增益比例選擇分割屬性，是C4.5應(yīng)用于大數(shù)據(jù)集上的分類算法，主要在執(zhí)行效率和內(nèi)存使用方面做了改進(jìn)，同時(shí)提高了分類精度。使用C5.0算法主要考慮了以下幾點(diǎn)：

1）本次建模的預(yù)測目標(biāo)變量Flag Tag，它只有兩種結(jié)果，是典型的離散型變量，適合于決策樹分類；

2）參與建模的變量很多是連續(xù)型字段，如本月消費(fèi)值、本地通話時(shí)長、本地通話費(fèi)等，要考慮能處理連續(xù)屬性的算法；

3）從模型的建模速度和準(zhǔn)確率角度看，C5.0算法的分類速度較快且準(zhǔn)確率較高；

4）從模型的可解釋性和實(shí)用性角度考慮，C5.0算法也是很容易理解、解釋和指導(dǎo)實(shí)踐的算法。

采用C5.0算法建立價(jià)值提升客戶分類模型，其目標(biāo)字段為Flag Tag，輸入字段為前面經(jīng)過變量選擇篩選出的字段。建模流程圖如圖2：

經(jīng)過反復(fù)訓(xùn)練，比較模型評(píng)價(jià)結(jié)果，最終模型參數(shù)設(shè)置如圖3：參數(shù)設(shè)置說明：

1）設(shè)置輸出類型為“決策樹”，便于了解模型預(yù)測過程，發(fā)現(xiàn)對(duì)預(yù)測起關(guān)鍵作用的變量和分割點(diǎn)；

2）選擇“使用推進(jìn)”，將實(shí)驗(yàn)次數(shù)設(shè)為3，推進(jìn)是C5，0算法特有的技術(shù)，通過他能顯著提高模型精確度，但也會(huì)增加模型訓(xùn)練的時(shí)間。

3）將參數(shù)設(shè)置模式選擇為“專家”，并設(shè)置“每個(gè)子分支的最小記錄數(shù)”為200，這樣在兼顧模型準(zhǔn)確率的同時(shí)能避免過度擬合和決策樹深度過深。

此外，在判斷一個(gè)用戶是否為價(jià)值提升客戶時(shí)，將沒有價(jià)值提升潛力的客戶誤打?yàn)門和將有價(jià)值提升潛力的客戶誤打?yàn)镕，兩者給電信帶來的損失是不同的，為增強(qiáng)對(duì)價(jià)值提升客戶的覆蓋率，加入誤分類損失，將T打?yàn)镕的誤分類成本由1提高到2。執(zhí)行生成C5.0模型。

4、模型結(jié)果及評(píng)價(jià)

經(jīng)過模型數(shù)據(jù)的多次篩選及調(diào)整，最終模型整體準(zhǔn)確率達(dá)93.21%。將模型應(yīng)用于測試樣本，通過建模找到的前18%的客戶就占到總體價(jià)值提升客戶數(shù)的98.5%（如圖4），可見建模收益還是很好的。

5、模型實(shí)施

將模型應(yīng)用于企業(yè)營銷管理平臺(tái)，由營銷模型庫對(duì)模型產(chǎn)生的目標(biāo)客戶進(jìn)行營銷套餐匹配，進(jìn)而指導(dǎo)外呼人員開展針對(duì)性營銷。從表1客戶營銷執(zhí)行結(jié)果中可以看到，在外呼接通客戶數(shù)上，通過模型挖掘找到的客戶其外呼接通率略大于隨機(jī)抽取的客戶，在營銷成功比例上，模型挖掘客戶的營銷成功率遠(yuǎn)遠(yuǎn)高于隨機(jī)抽取的客戶，甚至能達(dá)到6倍，可見，本次數(shù)據(jù)挖掘的結(jié)果對(duì)營銷執(zhí)行是很有意義的。

四、結(jié)束語

本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于電信業(yè)的客戶價(jià)值提升中。基于客戶價(jià)值分布理論，提出對(duì)中高端客戶實(shí)施價(jià)值提升的方案，采用C5.0算法實(shí)現(xiàn)了價(jià)值客戶挖掘，并通過營銷執(zhí)行，有效實(shí)現(xiàn)了中高端客戶的價(jià)值提升，進(jìn)一步驗(yàn)證了對(duì)中高端客戶實(shí)施價(jià)值挖掘的可行性和有效性。為移動(dòng)通信類企業(yè)在解決競爭加劇、資費(fèi)下調(diào)與保持收入持續(xù)增長的矛盾中，提供了一條新的解決思路。