【正文】 洞察作為營銷管理流程的起始環(huán)節(jié)，也即強(qiáng)調(diào)了“聚焦客戶”在企業(yè)營銷管理中的關(guān)鍵核心地位。目前電信企業(yè)的數(shù)據(jù)倉庫架構(gòu)以支撐傳統(tǒng)的OLAP分析為主，導(dǎo)致數(shù)據(jù)挖掘項(xiàng)目過程中數(shù)據(jù)抽取、整合、變量生成耗時過長，企業(yè)缺乏數(shù)據(jù)挖掘?qū)I(yè)人員等問題，均直接影響數(shù)據(jù)挖掘在企業(yè)的高效執(zhí)行，客戶洞察在整個營銷閉環(huán)流程中關(guān)鍵核心地位未能真正發(fā)揮?；谝陨夏繕?biāo)，細(xì)化營銷管理流程各環(huán)節(jié)所包含的各項(xiàng)工作，將這些細(xì)化后的工作內(nèi)容根據(jù)IT支撐功能的性質(zhì)歸類，可以歸納總結(jié)為3種性質(zhì)的支撐：第一類：工作流的支撐。此類支撐主要針對營銷管理流程中對于數(shù)據(jù)查詢、報表查詢或數(shù)據(jù)獲取的環(huán)節(jié)。比如：在營銷執(zhí)行環(huán)節(jié)，需要對營銷活動進(jìn)行目標(biāo)客戶定位，則可以直接運(yùn)行系統(tǒng)中已經(jīng)建立的目標(biāo)客戶定位模型，獲得相關(guān)的目標(biāo)客戶名單，實(shí)行有的放矢的營銷執(zhí)行，提高營銷活動的命中率。圖3 “聚焦客戶”營銷管理流程IT支撐系統(tǒng)架構(gòu)①建立客戶洞察系統(tǒng)，主要支撐營銷管理流程中各環(huán)節(jié)所涉及的客戶分群、流失預(yù)警、目標(biāo)客戶定位、營銷評估等客戶洞察、數(shù)據(jù)挖掘工作。洞察力營銷理念于2022年提出，而“聚焦客戶”營銷管理IT支撐系統(tǒng)的全面提出則在2022年。客戶特征要素包括基本信息、溫馨提示、客戶聯(lián)系和決策信息、客戶經(jīng)理、產(chǎn)品結(jié)構(gòu)、客戶協(xié)議、語音分析、產(chǎn)品訂購、協(xié)議簽訂、客戶抱怨、客戶催繳、客戶關(guān)懷、主動營銷、客戶價值、客戶信用、客戶預(yù)測、客戶風(fēng)險和電信事件十八類屬性的數(shù)據(jù)集市，為建設(shè)電信客戶洞察系統(tǒng)打下了牢固的基礎(chǔ)。因?yàn)橛嬞M(fèi)的需要，電信客戶每次電話呼叫、每次上網(wǎng)、每次短信等電信消費(fèi)行為均在企業(yè)內(nèi)部系統(tǒng)中留下記錄，依據(jù)這些記錄，可以分析刻畫所有客戶的消費(fèi)習(xí)慣、消費(fèi)特征，比如大到分析客戶所屬價值段，電信消費(fèi)結(jié)構(gòu)和變化趨勢，消費(fèi)是否出現(xiàn)異常，小到分析客戶習(xí)慣什么時段打電話，通話方向的集中度如何，客戶是否習(xí)慣網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 6 “煲電話粥”，等等。與傳統(tǒng)的統(tǒng)計分析技術(shù)不同，數(shù)據(jù)挖掘是一種高效處理海量數(shù)據(jù)，并從紛繁復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和可用信息的技術(shù)；與統(tǒng)計分析工作相比，數(shù)據(jù)挖掘模型的研發(fā)耗時長，技術(shù)含量高，工作量大，占用資源也更多；同為營銷支撐，統(tǒng)計分析工作的最終結(jié)果是判斷營銷問題、發(fā)現(xiàn)營銷機(jī)會，支撐到分產(chǎn)品分客戶群的營銷策略，而數(shù)據(jù)挖掘模型的結(jié)果則可以到最細(xì)粒度的營銷支撐，直接支撐到每個客戶的差異化營銷策略。從事電信數(shù)據(jù)挖掘研究的人員，不僅需要有統(tǒng)計分析、數(shù)據(jù)庫管理的專業(yè)背景，更需要對電信客戶、營銷工作以及企業(yè)內(nèi)部數(shù)據(jù)資源有充分的了解。假若沒有穩(wěn)定的專業(yè)團(tuán)隊(duì)，就不可能有持續(xù)性的模型研發(fā)和優(yōu)化；假若沒有持續(xù)性的模型研發(fā)和優(yōu)化，便不能解決企業(yè)不斷出現(xiàn)的營銷新問題，客戶洞察系統(tǒng)將形同虛設(shè)。如圖4所示：網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 7 圖4：J2EE系統(tǒng)結(jié)構(gòu)邏輯圖? Struts 技術(shù)Struts 是典型的基于MVC 模式應(yīng)用架構(gòu)的框架，MVC是模型（Model）、視圖（Viewer）、控制（Controller）的縮寫，Struts 分別對這三個類提供了實(shí)現(xiàn)組件。Hibernate 框架用配置文件的形式來定義Java 對象和數(shù)據(jù)表之間的映射關(guān)系，同時在更深的層面將數(shù)據(jù)表之間的關(guān)系解釋為Java 對象之間的繼承及包含等關(guān)系。? Spring 技術(shù)Spring 是一個輕型容器，其核心是Bean 工廠，用以構(gòu)造所需要的M（Mode1）。它提供了一種模式，在這種模式中，應(yīng)用程序之間相互緊密鏈接，而且與硬件、操作系統(tǒng)、數(shù)據(jù)庫、網(wǎng)絡(luò)及接口軟件集成起來，并與業(yè)務(wù)過程進(jìn)行交叉引用。然后，要按照數(shù)據(jù)倉庫的設(shè)計要求，對網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 9 數(shù)據(jù)進(jìn)行重新組織和加工，裝載到數(shù)據(jù)倉庫中，并能周期性的刷新數(shù)據(jù)倉庫以反映數(shù)據(jù)源的變化。? 管理模塊管理模塊包括一整套用于監(jiān)控、維護(hù)數(shù)據(jù)倉庫環(huán)境的系統(tǒng)管理服務(wù)。它通過提供一整套用來維護(hù)和觀察數(shù)據(jù)倉庫元數(shù)據(jù)的工具來實(shí)現(xiàn)這一功能。在電信客戶數(shù)據(jù)倉庫中，分析的維度一般兩大類。這些字段的缺失或失實(shí)大大影響了數(shù)據(jù)質(zhì)量，在很大程度上制約了數(shù)據(jù)倉庫基礎(chǔ)上的OLAP和數(shù)據(jù)挖掘。作為客戶洞察系統(tǒng)的核心理念之一，電信客戶細(xì)分已經(jīng)成為一種基礎(chǔ)性的分析功能，并將為包括操作層、戰(zhàn)術(shù)層以及戰(zhàn)略層在內(nèi)的企業(yè)管理和營銷提供全面的信息支持。(2)減少客戶流失。例如將呼叫轉(zhuǎn)移功能與非高峰時段服務(wù)進(jìn)行捆綁就可以滿足那些相對固定在辦公室上班的用戶的基本產(chǎn)品消費(fèi)需求。監(jiān)控每個客戶群的產(chǎn)品使用和獲利情況，建立不同的銷售渠道，根據(jù)客戶需求定制個性化服務(wù)產(chǎn)品，及時洞悉客戶的產(chǎn)品使用情況，提高客戶產(chǎn)品使用滿意度。系統(tǒng)依據(jù)細(xì)分的挖掘算法和細(xì)分目標(biāo)要求，對數(shù)據(jù)庫中的眾多屬性進(jìn)行選擇。參與細(xì)分的屬性既不宜太多也不宜太少，讓最能決定細(xì)分目的的屬性參與細(xì)分，其它屬性用于特征刻畫和輔助分析。這種反映客戶統(tǒng)計學(xué)特征的細(xì)分屬性為多數(shù)電信企業(yè)在早期所采用，而后各個電信企業(yè)根據(jù)各自的實(shí)際情況再進(jìn)行細(xì)化。同時，客戶的基本屬性在電信系統(tǒng)中信息不完備，且是離散屬性，在細(xì)分過程中主要作為客戶群的特征刻畫的輔助分析。同時，成本和生命周期價值等也是非常重要的屬性，應(yīng)該盡量獲取，當(dāng)然這和電信企業(yè)的IT系統(tǒng)有密切關(guān)系。另外，客戶對某種產(chǎn)品的使用（如長途電話、本地電話、寬帶等)、客戶對某種銷售渠道的使用（如呼叫中心、營業(yè)廳、網(wǎng)上營業(yè)等)都是客戶行為的反映。其中，為了使分群保持一定的穩(wěn)定性，使用用戶的三個月行為數(shù)據(jù)的均值來代替用戶當(dāng)月的行為數(shù)據(jù)；為了更好地總結(jié)各個群體的特征，使用描述變量來輔助描述群體特征。用戶群選擇只考慮最近連續(xù)3個月出賬用戶；去掉測試、公免、無線公話、無線固話、商務(wù)電話用戶。選擇客戶細(xì)分的維度為用戶ARPU(Average Revenue Per User)值，根據(jù)每用戶平均收入ARPU 值進(jìn)行分類，根據(jù)客戶的消費(fèi)額高低將客戶分成高中低幾檔客戶。保持默認(rèn)設(shè)置；④使用Kmeans 模型節(jié)點(diǎn)進(jìn)行聚類以生成 Kmeans聚類模型。 電信客戶細(xì)分結(jié)果對比分析（1）基于OLAP 的電信客戶細(xì)分方法評估基于OLAP 技術(shù)的細(xì)分模型的結(jié)果精度采用如表4 所示的細(xì)分得到的最近若干個月的各群體人數(shù)及標(biāo)準(zhǔn)差來表述。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 17 表6： 基于聯(lián)機(jī)分析和聚類方法的細(xì)分情況實(shí)驗(yàn)在4CPU 、 8GB 內(nèi)存的數(shù)據(jù)庫服務(wù)器環(huán)境下進(jìn)行，操作系統(tǒng)為64位windows 2022 Server 操作系統(tǒng)，數(shù)據(jù)庫管理系統(tǒng)為Orcale。高端組、長途組、活躍組的群體人數(shù)較少，但是這部分人群的收入貢獻(xiàn)很高，需要重點(diǎn)關(guān)注。 電信客戶細(xì)分建模分析小結(jié)融合聯(lián)機(jī)分析和聚類的電信客戶細(xì)分建模方法以客戶的行為特征進(jìn)行客戶細(xì)分，將客戶的幾十個甚至上百個變量納入客戶細(xì)分過程，充分考慮消費(fèi)結(jié)構(gòu)、消費(fèi)行為等因素，客戶細(xì)分不需要依賴經(jīng)驗(yàn)，采用Kmeans 聚類算法自動地根據(jù)消費(fèi)結(jié)果、消費(fèi)行為等屬性將客戶分群，每個組的客戶的特性表現(xiàn)相對接近，而不同組的客戶的特性又很不相同；并且各群體人數(shù)之間比較均衡，各群體人數(shù)逐月變化較?。Ｐ托阅芊€(wěn)定） ，實(shí)驗(yàn)結(jié)果表明這種方法具有更好的實(shí)用價值?？蛻粼谑褂眠\(yùn)營商服務(wù)的同時在各種各樣的系統(tǒng)留下了大量的數(shù)據(jù)，這些數(shù)據(jù)是否能告訴我們一些客戶的消費(fèi)習(xí)慣，體現(xiàn)客戶的一些消費(fèi)特征。 數(shù)據(jù)樣本對象選取選定樣本對象后需要選取樣本對象的考察緯度，就是說需要選取能夠體現(xiàn)易流失客戶特征的緯度。 建?？紤]使用決策樹來建立需要的分類模型。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 20 以CART算法為例，分析計算輸入樣本可以得到圖 10所示的分類樹。本項(xiàng)目采用排除法，根據(jù)模型生成一些高價值路徑形成SQL在全量客戶中進(jìn)行排除，剩余的客戶就是疑似易流失客戶群。經(jīng)過模型后。另外模型是需要進(jìn)行比較長時間的測試與完善才可以進(jìn)行使用的。②交費(fèi)方式：包括逐月交費(fèi)方式、預(yù)交費(fèi)方式、銀行托收代扣、郵政代扣、信用卡交費(fèi)、網(wǎng)上交費(fèi)。⑥污點(diǎn)行為：包括欠費(fèi)原因造成停機(jī)、違章使用電信產(chǎn)品、破壞通信設(shè)施行為。為此，需要一個綜合評價方法體系加以分析，以便可以綜合考慮可量化和非量化因素的影響力。②構(gòu)造成對比較矩陣。結(jié)果如下：根據(jù)不同客戶在不同準(zhǔn)則上的比較，應(yīng)用層次分析法的步驟可以得到表7的結(jié)果。另外，還可以將數(shù)據(jù)挖掘技術(shù)應(yīng)用于交叉銷售模型和提升銷售模型的建立與分析?；贠LAP 的細(xì)分算法的優(yōu)點(diǎn)是比較簡單、易操作，但是這種分類方法比較粗糙，用戶的消費(fèi)結(jié)構(gòu)、消費(fèi)行為等因素沒有得到充分考慮，沒有真正將整個客戶群體分出幾個客觀的、反映內(nèi)在特性的客戶分組。聚類算法的選擇取決于數(shù)據(jù)的類型、細(xì)分的目的和應(yīng)用。通過一種局部搜索算法(Local Search. LS)來改進(jìn)Kmeans算法，解決聚類結(jié)果對噪聲的敏感性問題，該算法簡稱LKM算法。但是實(shí)際中往往不采用這種方法，因?yàn)檫\(yùn)用此方法的成本太高。? LKM算法考慮LS算法樣本移動的增量變化來計算 Kmeans算法的最優(yōu)準(zhǔn)則函數(shù)。分類是一個標(biāo)準(zhǔn)的數(shù)據(jù)挖掘過程，需要遵循數(shù)據(jù)挖掘的基本流程。(2)為這些用戶選取考察緯度，例如通話時長、在網(wǎng)時間、費(fèi)用等。層次分析法的基本原理是：根據(jù)系統(tǒng)的具體性質(zhì)和目標(biāo)要求，首先建立關(guān)于系統(tǒng)屬性的各因素多級遞階結(jié)構(gòu)；再按照某一規(guī)定準(zhǔn)則，對每一層次上的因素進(jìn)行逐對比較，得到其關(guān)于上一層次因素重要性比較的標(biāo)度,建立判斷矩陣；進(jìn)而通過計算判斷矩陣的特征值和特征向量，得到各層次因素關(guān)于上一層次因素的相對權(quán)重(層次單排序權(quán)值)，并可自上而下地用上一層次各因素的相對權(quán)重加權(quán)求和，求出各層次因素關(guān)于系統(tǒng)整體屬性(總目標(biāo) )的綜合重要度(層次總排序權(quán)值)；最后通過排序結(jié)果分析，解決實(shí)際問題。④進(jìn)行層次總排序及其一致性檢驗(yàn)。圖12：用戶信用度層次結(jié)構(gòu)圖最上層是目標(biāo)層，是系統(tǒng)所要達(dá)到的目標(biāo)。由于考慮到是否達(dá)到目標(biāo)要用各個準(zhǔn)則來衡量，所以準(zhǔn)則層各準(zhǔn)則和目標(biāo)層目標(biāo)網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 30 用線相連接(全連接)；各種影響目標(biāo)的指標(biāo)/ 因素需要用相應(yīng)準(zhǔn)則來檢查，因而指標(biāo)層/因素層中各指標(biāo)/因素與準(zhǔn)則層中相應(yīng)準(zhǔn)則也用線相連接 (不一定全連接，視具體情況而定)。具體比較時，可從最低層開始，也可從最高層開始。 計算組合權(quán)向量并作一致性檢驗(yàn)不同客戶在不同準(zhǔn)則上的比較矩陣如下：根據(jù)不同客戶在不同準(zhǔn)則上的比較，應(yīng)用層次分析法的步驟可以得到下表1的結(jié)果。5 系統(tǒng)建設(shè)周期本項(xiàng)目的建設(shè)周期為 2022 年 11 月～2022 年 6 月，約 8 個月。初步計劃如下：? 2022/11/01～2022/11/31 完成客戶洞察系統(tǒng)的需求分析與功能調(diào)研；? 2022/11/31～2022/01/31，完成客戶洞察系統(tǒng)的系統(tǒng)設(shè)計與數(shù)據(jù)準(zhǔn)備；? 2022/12/01～2022/02/31，完成系統(tǒng)的編碼、測試、聯(lián)調(diào)與優(yōu)化；? 2022/03/01～2022/04/31，系統(tǒng)的客戶批量歷史數(shù)據(jù)、建模、分析、業(yè)務(wù)評估? 2022/04/01～2022/05/31，改進(jìn)算