移動網絡信令處理平臺精準營銷分析的研究

楊 勇，張治中，賈會林

(重慶郵電大學重慶高校通信網測試技術工程研究中心，重慶400065)

隨著移動網絡技術的不斷進步，移動技術更緊密地拉近了與消費者的對位關系，移動網絡的精準營銷將創造精準營銷的新時代。由于中國移動自身業務的不斷發展，對用戶的精細化分析及自有業務精準營銷的需求也日益強烈。因此，如何才能科學、合理、準確地做到真正意義上的精準營銷呢?

在文中，運用了Sasty［1］教授提出的AHP算法，構建了客戶消費等級模型，該模型用于精準營銷分析。李靈玥［2］雖然也做了用戶消費等級的研究，但其只注重于模型的建立，沒有從實際的通信事件中得到驗證。而為了解決這些問題，本文從通信數據的采集、算法的構建、模型的建立、現網數據的驗證以及多客戶行為的多角度分析等方面，最終證實了該設計方案的有效性，能夠更加科學、合理、準確地做到廣告的精準投放，從而提高移動自有業務的營銷效率、業務的激活率或者訂購率，進而提高自有業務收入，以增強其市場競爭力，降低營銷成本和營銷投入的風險。

1 研究內容及思路

1.1 研究內容

精準營銷分析應能根據指定條件(如區域、撥打號碼、短信、手機型號等)對移動網絡特定用戶實時監測以實現用戶分析，最終實現最有價值的廣告精準投放，達到精準營銷的目的。本課題基于北京移動信令處理基礎能力平臺，對客戶通信數據進行采集，然后進行算法設計，建立模型并驗證，多角度分析，得出結論，最終達到精準營銷的目的。

1.2 研究思路

本課題研究思路如圖1所示，基礎平臺接收信令數據，作為臨時數據，存儲在臨時數據區;臨時數據，結合網絡參數等基礎數據，經過預處理過程，生成細節數據，存儲在細節數據庫;細節數據經過ETL工具處理，根據業務需求，生成多維報表數據，存儲在相應的DW中。然后，根據已設計好的滿足精準營銷分析的算法對數據倉庫中的數據進行分析，得出結論，并以圖表直觀呈現。

2 計算移動客戶消費等級值

計算移動客戶消費等級值應按照如下過程進行:采集數據→確定算法→模型建立及驗證→結果及分析。

2.1 數據采集過程

本課題是充分利用移動運營商網絡的現有數據，通過對現網全網相關接口(A接口、Mc接口、HSTP等)的海量用戶信令基礎信息，進行存儲分析(以下所有的數據表都是本課題存儲數據所必需的表，為了簡潔，不再贅述)。

客戶所屬群組:連接人口屬性表(mfs_user_onregion)與區域信息表(mfb_region)查詢指定區域的人口屬性，將人口屬性分類為非常駐人口、工作人口、居住人口三類。

客戶年齡:連接人口屬性表(mfs_user_onregion)與區域信息表(mfb_region)查詢指定區域的客戶年齡(user_age)。

手機號碼和手機型號:連接最新用戶事件表(mf_user_lastevent)與小區CELL關聯表(mf_region_cell)查詢指定區域指定時間范圍內用戶的手機號碼(MSISDN)和手機型號(IMSI)信息。通過比對價格表可以查到對應手機價格和手機號碼價格。

客戶業務屬性值:連接用戶業務表(mfs_user_business)與區域信息表(mfb_region)查詢指定區域指定用戶的業務屬性，經過處理得到指定用戶的相關業務值，即平均欠費總額、累計欠費時長、月平均消費額、累計銷帳總額、月平均充值額和卡種套餐資費。

客戶行為軌跡值:連接用戶手機額外消費表(mfs_user_mobileExtraCustom)與區域信息表(mfb_region)查詢指定區域指定用戶的手機娛樂消費(amusementfees)、手機購物總額(shoppingfees)。

最后，將以上查詢結果按照對應的字段插入到客戶消費表(clientcustom)中，作為采樣數據。

2.2 客戶消費等級值的計算過程

本文計算客戶消費等級值，是基于AHP算法［2－4］實現的。依據該算法，構建一個用于判斷客戶消費級別的客戶消費等級模型，并且要根據各個屬性對客戶消費等級值的影響程度為其賦予不同的權值。客戶消費等級值越高，表明客戶越偏向于高消費產品。可表示為

式中:G表示用戶消費等級值;ci和wi分別為第i個屬性值的指標值和權重。

2.2.1 消費等級模型的構建

從整個移動業務的分析來看，影響客戶消費等級判斷的主要因素有:月平均消費額、累計銷賬總額、月平均充值額、卡種套餐資費、平均欠費次數、平均欠費總額、累計欠費時長、手機娛樂消費、手機購物總額等。基于以上這些因素，可以確定對應的模型，具體過程如下文所述。

本文基于層次分析法［1，5－8］建立的客戶消費等級模型如圖2所示，自上而下分為3層，第1層是目標層(O層)，是計算等級值所要達到的目標。第2層是屬性層(P層)，屬性層中的內容分別為客戶手機信息、客戶欠費屬性、客戶基本信息、客戶業務屬性和客戶行為軌跡。第3層是因素層(F層)，該層中所有因素均是影響客戶消費等級判斷的主要因素。

圖2 客戶消費等級層次分析結構模型

2.2.2 消費等級各因素指標權重的計算

1)構造對應的判別矩陣

根據各層中相鄰因素的相對優劣程度(即重要性比較標度)來確定矩陣的元素，進而構造出對應的判別矩陣［6］。各標度值及其含義如表1所示。

表1 各標度值及其含義

因此，針對圖2給定的層次結構模型，參照表1，根據資料、專家、決策分析人員的意見，反復研究后給出兩因素之間的標度值，并將標度值作為判別矩陣的元素，進而得到以下判別矩陣，其中屬性層P的判別矩陣為P，因素層中關于客戶基本信息、手機信息、欠費屬性、業務屬性、行為軌跡的判別矩陣分別對應 F1，F2，F3，F4，F5。

2)檢驗判別矩陣的一致性

依據AHP［1］算法給出的檢驗標準，對以上數據進行一致性檢驗(為節省篇幅，相關計算過程不再贅述，僅給出一致性檢驗結果)，其結果如下:

P 層中，C·I=0.017 0，R·I=1.120 0，C·R=0.015 2＜0.1，因而矩陣P一致性檢驗通過。

F層中，由于客戶基本信息、客戶手機信息、客戶行為軌跡的判別矩陣維數均是2，因而矩陣F1，F2，F5一致性檢驗通過。客戶欠費屬性C·I=0.026 81，R·I=0.026 81，C·R=0.026 81＜0.1，矩陣F3一致性檢驗通過。客戶業務類屬性C·I=0.018 82，R·I=0.960 0，C·R=0.019 6＜0.1，矩陣F4一致性檢驗通過。

3)權重計算及消費等級模型確定

通過以上可知，所有判別矩陣均通過了一致性檢驗，因而構造的判別矩陣均是合理的。表2列出了通過計算所得到的各因素指標的具體權重 (具體計算過程不再累述)。

表2 各因素指標的權重

將以上給出的權重，代入式(1)中，得到對應客戶消費等級為

式中:ci為第i個屬性值的指標值。

2.3 客戶消費等級值的計算及分析

2.3.1 客戶通信事件采樣及處理

1)客戶通信事件采樣

通過查詢語句“select* from clientcustom where id＜5”，查詢客戶消費信息表clientcustom的前5條數據如圖3所示。

圖3 客戶消費信息表原始數據(截圖)

2)構造當量值轉化函數

為了便于計算，表3給出客戶基本信息與客戶手機信息對應的當量值。構造4個當量值轉化的PL/SQL函數，分別為 UserTypeValueConvert，AgeValueConvert，MobileBrand-ValueConvert，MobileNumValueConvert。下 文 為 AgeValue-Convert的函數體，其他3個函數同理，不再贅述。

create function AgeValueConvert

(age in number)return number is begin

if 0＜age and age＜20 or age=20 then

return 20;

elsif20＜age and age＜60 or age=60 then

return 30;

elsif age＞60 then

return 0;

end if;

end;

表3 當量值屬性表

3)經過當量值轉化函數轉化后的數據如圖4所示。

4)通過查詢語句查詢得到各因素屬性值的最大值和最小值分別如圖5、圖6所示。

圖4 當量值轉化函數轉化后對應的數據(截圖)

圖5 各因素屬性值的最大值(截圖)

圖6 各因素屬性值的最小值(截圖)

2.3.2 各因素屬性值無量綱化

根據2.2.1所確定的模型，計算客戶消費等級值。由于式(8)中各個因素指標的度量單位不一樣，所以首先要對各因素無量綱化處理得到標準值，然后再代入式(8)計算，得到的客戶消費等級值就是一個無量綱化的數值。由式(9)來確定各因素無量綱化的標準值

式中:Ci代表樣本值的真實值;Max代表因素樣本值中的最大值;Min代表樣本因素值中的最小值;ci為經過無量綱化后的標準值。

通過式(9)得到無量綱化后的對應數據如圖7所示。

圖7 無量綱化后的對應數據(截圖)

2.3.3 客戶消費等級值的計算

1)根據客戶消費等級公式計算出客戶消費等級值，并通過圖表呈現，最終的結果值如圖8所示。

圖8 客戶消費等級值(截圖)

2)通過多角度對消費群體進行劃分，結果如圖9所示。

圖9 消費群體劃分及各部分比重(截圖)

2.3.4 結果分析

1)從圖8中可知，客戶1和客戶4屬于低消費客戶，營銷時應該推送低檔低消費品或者打折信息的廣告;客戶2屬于中消費客戶，應該推送中檔中消費品的廣告;客戶3和5屬于高消費客戶，應該推送高檔高消費品或者奢侈品的廣告，進而達到精準營銷的目的。

2)圖9所示，是從多角度多層面進行消費群組劃分的。按照從左到右、從上到下的順序，分別為客戶消費總值消費群組、客戶基本信息值消費群組、客戶手機信息值消費群組、客戶欠費信息值消費群組、客戶業務類型消費值消費群組、客戶行為軌跡值消費群組。

客戶消費總值消費群組:高消費客戶在樣本中所占比重僅為13.33%，針對該類型用戶推送高檔高消費品或者奢侈品的廣告;反之，推送中、低檔消費品廣告。

客戶基本信息值消費群組:針對形成期客戶多推送一些比較新鮮事物之類的廣告;針對考察期的客戶多推送一些比較有吸引力的廣告;針對穩定期的客戶適當保持即可。

客戶手機信息值消費群組:針對各等級客戶推送相應等值價位的手機產品。

客戶欠費信息值消費群組:針對高欠費客戶推送一些基本通話費優惠信息之類的廣告。

客戶欠費信息值消費群組:針對各等級客戶推送相應等值的業務套餐類型廣告。

客戶行為軌跡值消費群組:針對各等級客戶推送相應等值網購或團購信息之類的廣告。

通過以上分析，本文所設計的精準營銷方案是有效的、可行的。

3 結束語

客戶消費等級值是由客戶手機信息、客戶欠費屬性、客戶基本信息、客戶業務屬性和客戶行為軌跡來共同確定的。本文基于AHP算法，構建合理的模型，準確地計算出客戶消費等級值。通過文中圖表呈現的結果，可以驗證所設計的相關算法以及所建立的模型都是有效可行的，并能達到精準營銷分析的目的。

［1］何晶，張偉.層次分析法在網絡電視臺技術架構評價中的應用［J］.電視技術，2012，36(20):74－76.

［2］許樹柏.使用決策方法－層次分析法原理［M］.天津:天津大學出版社，1988.

［3］安立奎，韓麗艷.層次分析法中判斷矩陣一致性校驗的C算法實現［J］.電腦知識與技術，2007(12):1654－1655.

［4］李靈玥，邵玉斌.基于AHP法的智能手機用戶消費等級研究［J］.計算機技術與發展，2012，22(5):191－194.

［5］王麗萍，李多全.基于AHP方法計算電信用戶信用度［J］.計算機工程與應用，2008，44(32):232－236.

［6］江衛東.基于AHP的企業R＆D主管勝任力模糊綜合評價［J］.科學學與科學技術管理，2007(9):189－193.

［7］ XU Z S，WEIC P.A consistency improving method in the ana－lytic hierarchy process［J］.European Journal of Operational Research，1999，116(2):443－449.

［8］ SASTY T L.The analytic hierarchy process［M］.New York:McGraw－Hill，1980.