【正文】 行 為分 析 模 型終 端 及 補(bǔ) 貼 活 動(dòng) 推 薦移 動(dòng) 用 戶貢 獻(xiàn) 度 計(jì) 算 模 型貢 獻(xiàn) 度 計(jì) 算及 活 動(dòng) 評(píng) 估多 維 度 終 端 捆 綁用 戶 分 析 模 型發(fā) 現(xiàn) 規(guī) 律數(shù) 據(jù) 沉 淀移 動(dòng) 用 戶貢 獻(xiàn) 度 計(jì) 算 模 型+移 動(dòng) 用 戶終 端 消 費(fèi) 行 為分 析 模 型單 個(gè) 用 戶 終 端補(bǔ) 貼 效 益 模 型+預(yù) 測(cè) 潛 在 用 戶 群預(yù) 測(cè) 未 來(lái) 收 益活 動(dòng) 前活 動(dòng) 后?終端補(bǔ)貼活動(dòng)前，根據(jù)活動(dòng)的基本信息結(jié)合 移動(dòng)用戶終端消費(fèi)行為分析模型 可以對(duì)該活動(dòng)面向的用戶群進(jìn)行預(yù)測(cè)（主要針對(duì)ARPU值），根據(jù)預(yù)測(cè)的 ARPU值的結(jié)果及單個(gè)用戶終端補(bǔ)貼模型 可以對(duì)用戶參加活動(dòng)后的 ARPU進(jìn)行簡(jiǎn)單預(yù)測(cè)，結(jié)合 絕對(duì)貢獻(xiàn)度模型 可以計(jì)算出該類(lèi)用戶的絕對(duì)貢獻(xiàn)度 ?終端補(bǔ)貼活動(dòng)期間，可以根據(jù)用戶的ARPU值結(jié)合 移動(dòng)用戶終端消費(fèi)行為分析模型 對(duì)該用戶進(jìn)行終端推薦及活動(dòng)推薦。 9月高校迎新期間 ，發(fā)展高校新增活躍客戶超過(guò) 24萬(wàn) ， 同比增加 17%， 全面取得了高校迎新的勝利 。 通過(guò)對(duì)無(wú)線音樂(lè)用戶行為分析，欺詐行為模式結(jié)果和監(jiān)測(cè)系統(tǒng)進(jìn)行結(jié)合，提高監(jiān)測(cè)系統(tǒng)的效率和準(zhǔn)確度。 ?計(jì)算指標(biāo)為“命中率”，即記錄推薦用戶中有多少用戶成功訪問(wèn)推薦的信息。 第一組實(shí)驗(yàn)：普通上網(wǎng)用戶隨機(jī)推薦命中率 %，個(gè)性化推薦命中率 %， 命中率提高 。 高 頻 用 戶 中 頻 用 戶 低 頻 用 戶 SlopeOne 按照用戶歷史訪問(wèn)項(xiàng)目集合，根據(jù)音樂(lè)間的線性擬合評(píng)分偏差，預(yù)測(cè)推薦期望最高的音樂(lè) 關(guān)聯(lián)規(guī)則 查找與某一音樂(lè)共現(xiàn)的其他音樂(lè)，用歌曲熱度、用戶訪問(wèn)時(shí)間、頻次等加權(quán)進(jìn)行相關(guān)性排序 TOPN 根據(jù)歌曲熱門(mén)程度、流行程度、推薦程度、下載次數(shù)等進(jìn)行排序，選取最大的 N個(gè)進(jìn)行推薦 每個(gè)用戶的音樂(lè)推薦列表 運(yùn)營(yíng)規(guī)則干預(yù) 原則：針對(duì)不同類(lèi)型的用戶采用與之相應(yīng)的推薦算法 第 31頁(yè) 12530WAP個(gè)性化音樂(lè)推薦產(chǎn)品 應(yīng)用形式 首頁(yè) 1 2 原暢銷(xiāo)歌曲頁(yè) 3 個(gè)性化推薦頁(yè) 第 32頁(yè) 12530WAP個(gè)性化音樂(lè)推薦產(chǎn)品 應(yīng)用效果 實(shí)驗(yàn)前推薦頁(yè)轉(zhuǎn)化率 實(shí)驗(yàn)后推薦頁(yè)轉(zhuǎn)化率 20% 將個(gè)性化推薦模型部署在 12530 WAP現(xiàn)網(wǎng)系統(tǒng)的 1臺(tái)前端機(jī)中，進(jìn)行了近 20天的實(shí)驗(yàn)，結(jié)果表明推薦模型大幅提升頁(yè)面訪問(wèn)的轉(zhuǎn)化率。同一用戶群，同一 PUHS內(nèi)容在用戶上網(wǎng)高峰期，可以獲得更高營(yíng)銷(xiāo)響應(yīng)率。成都分公司武侯區(qū)營(yíng)業(yè)廳在 11月 1日 5日利用顧問(wèn)營(yíng)銷(xiāo)系統(tǒng)進(jìn)行手機(jī)上網(wǎng)套餐推薦的試驗(yàn)數(shù)據(jù)證明，該模型能夠提升推薦成功率 100%以上 (注：原推薦成功率約 10%)。 ?通過(guò)用戶手機(jī)上網(wǎng)行為軌跡的分析，為內(nèi)容運(yùn)營(yíng)提供依據(jù)，提升用戶活性。 按興趣推薦內(nèi)容或相關(guān)標(biāo)簽 ? 博文 ? 報(bào)告 /視頻 ? 新聞 ? 帖子 實(shí)際應(yīng)用效果： Labs推薦上線后，平均提升了 20%的流量，跳出率較少 一半多，平均頁(yè)面停留時(shí)間增長(zhǎng) 3%。 第 9頁(yè) 一 . 開(kāi)題計(jì)劃完成情況 目 錄 二、主要研究成果（整合后） 第 10頁(yè) 研究成果介紹 ? 方法研究 社會(huì)網(wǎng)絡(luò)關(guān)系判定與社區(qū)發(fā)現(xiàn) 推薦算法與平臺(tái) ? 應(yīng)用研究 業(yè)務(wù)推薦 家庭客戶挖掘模型與統(tǒng)一視圖 號(hào)立方用戶關(guān)系管理平臺(tái) 移動(dòng)互聯(lián)網(wǎng)分析平臺(tái) 內(nèi)容推薦 12530WAP個(gè)性化音樂(lè)推薦產(chǎn)品 基于 wap日志的用戶偏好分析及推薦系統(tǒng) 無(wú)線音樂(lè)用戶使用偏好模型及欺詐行為識(shí)別模型 營(yíng)銷(xiāo)支持與目標(biāo)選擇 高校用戶特征挖掘模型 Wlan用戶分析與挖掘系統(tǒng) 定制終端營(yíng)銷(xiāo)決策支持模型 第 11頁(yè) 社會(huì)網(wǎng)絡(luò)關(guān)系判定與社區(qū)發(fā)現(xiàn)研究 目標(biāo) ? 識(shí)別社會(huì)網(wǎng)絡(luò)中兩個(gè)人之間交往關(guān)系的本質(zhì)，為潛在家庭客戶、集團(tuán)客戶、圈子產(chǎn)品營(yíng)銷(xiāo)提供支持。 ?研究中也存在一些不足。并申請(qǐng)專(zhuān)利 3項(xiàng)； ?完成在家庭用戶、高校用戶、 wlan用戶、手機(jī)上網(wǎng)用戶、無(wú)線音樂(lè)用戶行為分析、終端補(bǔ)貼用戶等應(yīng)用領(lǐng)域的行為分析和挖掘，成果均進(jìn)行了部署、測(cè)試和效果評(píng)估，部分成果取得了良好的效益。 上海公司 家庭客戶挖掘模型、統(tǒng)一視圖及營(yíng)銷(xiāo)方案 模型實(shí)際驗(yàn)證 準(zhǔn)確率 79%；實(shí)際營(yíng)銷(xiāo)成功率 提高 3倍 以上 四川公司 無(wú)線音樂(lè)用戶使用偏好模型及欺詐行為識(shí)別模型； 移動(dòng)互聯(lián)網(wǎng)分析平臺(tái) 12530WAP個(gè)性化音樂(lè)推薦產(chǎn)品 使用偏好模型進(jìn)行無(wú)線音樂(lè)營(yíng)銷(xiāo)，成功率 提升 %,欺詐模型發(fā)現(xiàn) 95%的欺詐用戶； 使用移動(dòng)互聯(lián)網(wǎng)分析平臺(tái)，上網(wǎng)套餐推薦成功率 提升一倍以上； 使用個(gè)性化音樂(lè)推薦，推薦頁(yè)面訪問(wèn)轉(zhuǎn)化率 提升 % 湖南公司 定制終端營(yíng)銷(xiāo)決策支持模型 模型驗(yàn)證表明模型預(yù)測(cè)的 arpu與實(shí)際 arpu擬合度達(dá) 90%以上。 用戶手機(jī)上網(wǎng)行為分析研究（四川） ：通過(guò)對(duì)用戶手機(jī)上網(wǎng)套餐、用戶手機(jī)上網(wǎng)訪問(wèn)內(nèi)容的分析，分析用戶使用手機(jī)上網(wǎng)的熱門(mén)網(wǎng)站、熱點(diǎn)關(guān)鍵字、時(shí)間規(guī)律、終端情況等。中國(guó)移動(dòng)集團(tuán)重點(diǎn) /聯(lián)合研發(fā)項(xiàng)目結(jié)題匯報(bào)報(bào)告 項(xiàng)目名稱(chēng)：面向精確營(yíng)銷(xiāo)的用戶行為分析模型研究與應(yīng)用 項(xiàng)目編號(hào)： 第 2頁(yè) 一 . 開(kāi)題計(jì)劃完成情況 目 錄 二、主要研究成果（整合后） 第 3頁(yè) 研究背景及目標(biāo)（開(kāi)題報(bào)告） ? 市場(chǎng)競(jìng)爭(zhēng)日趨激烈， 特別是在高校、家庭市場(chǎng)，音樂(lè)、終端、移動(dòng)互聯(lián)網(wǎng)等領(lǐng)域，需要更精準(zhǔn)的營(yíng)銷(xiāo) 。 無(wú)線音樂(lè)用戶研究（四川） ： 通過(guò)對(duì)全網(wǎng)音樂(lè)市場(chǎng)、用戶構(gòu)成、消費(fèi)習(xí)慣、內(nèi)容偏好、用戶欺詐等用戶相關(guān)行為，營(yíng)銷(xiāo)渠道數(shù)據(jù)等進(jìn)行全面的分析，建立用戶 /產(chǎn)品 /渠道的用戶行為分析體系 12530WAP音樂(lè)推薦研究（四川） ：實(shí)現(xiàn)對(duì)會(huì)員用戶的個(gè)性化音樂(lè)推薦、音樂(lè)與咨詢的互動(dòng)推薦。 定制終端研究（湖南） ： 通過(guò)單個(gè)客戶終端補(bǔ)貼效益分析模型、多維度終端捆綁客戶分析模型、移動(dòng)客戶終端消費(fèi)行為分析模型，建設(shè)終端營(yíng)銷(xiāo)方案決策支持系統(tǒng) 第 5頁(yè) 開(kāi)題計(jì)劃完成情況總結(jié) – 項(xiàng)目總體研究框架 交往圈 數(shù)據(jù)整合 方法研究 (研究院） 上網(wǎng)日志 應(yīng)用研究 業(yè)務(wù)推薦 內(nèi)容推薦 營(yíng)銷(xiāo)支持與目標(biāo)選擇 社會(huì)網(wǎng)絡(luò)分析 社區(qū)發(fā)現(xiàn) 關(guān)系類(lèi)型挖掘 精準(zhǔn)推薦算法及平臺(tái) 基于內(nèi)容推薦 基于行為推薦 音樂(lè)日志 位置信息 終端補(bǔ)貼數(shù)據(jù) 家庭社區(qū)發(fā)現(xiàn)與營(yíng)銷(xiāo) (上海 ) 無(wú)線音樂(lè)用戶偏好分析與欺詐分析(四川） 高校用戶特征挖掘與營(yíng)銷(xiāo) (廣東 ) Wap音樂(lè)個(gè)性化推薦(四川） 用戶偏好分類(lèi)與推薦系統(tǒng)(安徽 ) Wlan用戶分析挖掘系統(tǒng) (廣東） 定制終端消費(fèi)分析與營(yíng)銷(xiāo)（湖南） ”號(hào)立方“關(guān)系管理系統(tǒng) (江蘇 ) 移動(dòng)互聯(lián)網(wǎng)分析平臺(tái)(四川） 第 6頁(yè) 開(kāi)題計(jì)劃完成情況總結(jié) – 成果一覽 單位 主要成果 初步應(yīng)用效果 研究院 推薦平臺(tái)系統(tǒng) (含推薦平臺(tái)系統(tǒng)、社會(huì)網(wǎng)絡(luò)關(guān)系分析系統(tǒng)、基于內(nèi)容的用戶偏好分析模型等） 提交專(zhuān)利申請(qǐng) 3項(xiàng) labs流量 提升 20%以上，跳出率減小 一半 以上； 研究成果應(yīng)用于 :四川公司子項(xiàng)目音樂(lè)基地 wap音樂(lè)推薦、安徽公司子項(xiàng)目基于 wap的推薦系統(tǒng)、上海公司子項(xiàng)目家庭客戶挖掘、江蘇公司子項(xiàng)目號(hào)立方系統(tǒng)及其他項(xiàng)目中。 江蘇公司 號(hào)立方用戶關(guān)系管理平臺(tái) 求職通訂購(gòu)數(shù) 上升 59%； 139郵箱活躍用戶 提升 55% 安徽公司 基于 wap日志的用戶偏好分析及推薦系統(tǒng) 對(duì)用戶偏好進(jìn)行分類(lèi)，推薦相應(yīng)的內(nèi)容，用戶響應(yīng)率 提升610倍 第 7頁(yè)