【正文】 項(xiàng)目的工作安排大致為：30%的時(shí)間做系統(tǒng)分析和設(shè)計(jì)，具體編程實(shí)現(xiàn)和基本測(cè)試占 40%，30%的時(shí)間為測(cè)試、聯(lián)調(diào)和交付。構(gòu)造判斷矩陣時(shí)，矩陣中各元素是由相應(yīng)的因素i和j 進(jìn)行相對(duì)重要性比較來(lái)確定的 (即重要性比較標(biāo)度)。一般情況只有一個(gè)目標(biāo)，如果有多個(gè)目標(biāo)時(shí)，可以在下一層設(shè)立一個(gè)子目標(biāo)層。 層次分析法的步驟層次分析法分析的一般步驟依次為：①建立層次結(jié)構(gòu)模型?，F(xiàn)階段流行的數(shù)據(jù)挖掘方法論很多，如SPSS 的CRISPDM，SAS的SEMMA等，其中SPSS 的CRISPDM 以其商用領(lǐng)域的廣泛應(yīng)用已經(jīng)成為了事實(shí)上的工業(yè)標(biāo)準(zhǔn)。如果搜索局限于一個(gè)小區(qū)域，此區(qū)域可以通過(guò)指定每個(gè)點(diǎn)的鄰居集來(lái)定義，這樣采用強(qiáng)力搜索方法就可以找到局部最優(yōu)解。對(duì)于一般聚類(lèi)問(wèn)題，綜合考慮下面幾個(gè)問(wèn)題：? 處理不同類(lèi)型屬性的能力? 任意數(shù)據(jù)分布的聚類(lèi)? 初始參數(shù)的敏感性? 處理噪聲數(shù)據(jù)的能力? 高維性以下介紹Kmeans和LKM兩種算法，可以參照對(duì)比使用其分析效果，主要適應(yīng)于數(shù)據(jù)樣本特性去匹配；Kmeans算法是簡(jiǎn)單而有效的統(tǒng)計(jì)聚類(lèi)技術(shù)，但對(duì)噪聲數(shù)據(jù)和初始中心敏感的缺陷，局部搜索Kmeans(LKM)來(lái)解決噪聲數(shù)據(jù)的敏感性和解決初始中心的選擇。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 24 基于聯(lián)機(jī)分析(OLAP)技術(shù)的細(xì)分算法傳統(tǒng)的客戶(hù)細(xì)分是根據(jù)客戶(hù)某方面的屬性進(jìn)行OLAP分析。③進(jìn)行層次單排序及其一致性檢驗(yàn)。因此，客戶(hù)信用度信息包括上述這六種影響客戶(hù)信用度的因素信息。 客戶(hù)信用度評(píng)分 電信客戶(hù)信用度評(píng)分的意義客戶(hù)信用管理機(jī)制是對(duì)客戶(hù)信用相關(guān)信息進(jìn)行收集、管理在對(duì)客戶(hù)信用信息有效的管理基礎(chǔ)之上，通過(guò)一定算法進(jìn)行運(yùn)算，得到客戶(hù)實(shí)際的信用度評(píng)分以及信用等級(jí)評(píng)價(jià)，對(duì)信用等級(jí)高的客戶(hù)就可以實(shí)施特殊的服務(wù)。測(cè)試數(shù)據(jù)集使用a1月份流失用戶(hù)和在用用戶(hù)計(jì)算好緯度后在數(shù)據(jù)庫(kù)建表 testing。決策樹(shù)通過(guò)計(jì)算節(jié)點(diǎn)的純度來(lái)對(duì)樣本進(jìn)行切分。對(duì)于這樣的命題，國(guó)內(nèi)外運(yùn)營(yíng)商已經(jīng)廣泛地引人數(shù)據(jù)挖掘方法來(lái)進(jìn)行分析研究。其他群體屬于較穩(wěn)定的用戶(hù)，需要適度關(guān)注，繼續(xù)保持；②被網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 18 叫通話(huà)組內(nèi)用戶(hù)主要以被叫通話(huà)為主，高端組和長(zhǎng)途組內(nèi)用戶(hù)主、被叫通話(huà)都非常多，是使用非?；钴S的用戶(hù)。在電信客戶(hù)特征視圖系統(tǒng)項(xiàng)目中，系統(tǒng)建設(shè)目標(biāo)在于按照從電信客戶(hù)洞察角度定義的客戶(hù)特征要素，采集生成客戶(hù)特征庫(kù)，而使用基于OLAP 的電信客戶(hù)細(xì)分方法評(píng)估，得出實(shí)驗(yàn)樣本的分析結(jié)果精度如表4。ARPU值維度的用戶(hù)細(xì)分如表4所示。細(xì)分變量數(shù)據(jù)結(jié)構(gòu)如表2所示。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 13 價(jià)值維度主要包含以下屬性:（1）電信收入：如電話(huà)費(fèi)、月租費(fèi)、上網(wǎng)費(fèi)、增值服務(wù)費(fèi)等等；（2)為客戶(hù)提供服務(wù)所帶來(lái)的成本:如網(wǎng)絡(luò)費(fèi)用、安裝費(fèi)用、客戶(hù)撥打呼叫中心咨詢(xún)業(yè)務(wù)所發(fā)生的費(fèi)用（當(dāng)然對(duì)于客戶(hù)來(lái)說(shuō)這是免費(fèi)的）等等；（3)為了獲取客戶(hù)所需要的成本:如廣告費(fèi)用、促銷(xiāo)費(fèi)用等等；（4)客戶(hù)生命周期價(jià)值:根據(jù)客戶(hù)帶給公司的利潤(rùn)以及客戶(hù)接受公司服務(wù)的時(shí)間長(zhǎng)短，用現(xiàn)金流折現(xiàn)法得出客戶(hù)對(duì)于公司的價(jià)值。以人口統(tǒng)計(jì)學(xué)等靜態(tài)屬性為細(xì)分屬性，在市場(chǎng)競(jìng)爭(zhēng)的初期，對(duì)電信行業(yè)的營(yíng)銷(xiāo)策略具有一定的成效。在現(xiàn)有的屬性集中，屬性的均值、波動(dòng)和趨勢(shì)無(wú)法體現(xiàn)，因此在已有屬性的基礎(chǔ)上要設(shè)計(jì)一些衍生屬性。(4)提升客戶(hù)價(jià)值?？蛻?hù)細(xì)分是指企業(yè)在明網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 11 確的戰(zhàn)略、業(yè)務(wù)模式和特定的市場(chǎng)中，根據(jù)客戶(hù)的屬性、行為、需求、偏好等因素對(duì)客戶(hù)進(jìn)行分類(lèi)，并提供有針對(duì)性的產(chǎn)品、服務(wù)和營(yíng)銷(xiāo)模式的過(guò)程。一類(lèi)是客戶(hù)的自然屬性、特征、狀態(tài)等基本保持不變的維度，如性別、教育程度、職業(yè)、居住地區(qū)等。這些服務(wù)包括管理數(shù)據(jù)獲取操作、將倉(cāng)庫(kù)數(shù)據(jù)歸檔、備份和恢復(fù)數(shù)據(jù)、訪(fǎng)問(wèn)倉(cāng)庫(kù)數(shù)據(jù)的授權(quán)，以及管理和調(diào)試數(shù)據(jù)訪(fǎng)問(wèn)操作等。作為一個(gè)完整的系統(tǒng)，數(shù)據(jù)倉(cāng)庫(kù)應(yīng)該包括四大模塊:數(shù)據(jù)獲取模塊、數(shù)據(jù)存儲(chǔ)模塊、管理模塊和數(shù)據(jù)訪(fǎng)問(wèn)模塊，如圖5所示。通過(guò)使用HQL 語(yǔ)句將復(fù)雜的關(guān)系算法用對(duì)象的方式描述，在很大程度上簡(jiǎn)化了對(duì)數(shù)據(jù)的查詢(xún)，加快了開(kāi)發(fā)的效率。那么，“聚焦客戶(hù)”的目標(biāo)也將越來(lái)越遠(yuǎn)。一個(gè)自商業(yè)理解開(kāi)始、至模型部署結(jié)束、經(jīng)過(guò)CRISPDM六環(huán)節(jié)的數(shù)據(jù)挖掘模型研發(fā)工作，通常需歷時(shí)兩個(gè)月才能完成，加強(qiáng)模型研發(fā)的持續(xù)性?xún)?yōu)化，無(wú)論從完善模型的推廣應(yīng)用效果，還是提高研發(fā)資源的效率，都極具意義。建設(shè)電信客戶(hù)洞察系統(tǒng)，項(xiàng)目開(kāi)發(fā)方還須注重以下方面的工作，方可真正落實(shí)“聚焦客戶(hù)”的目標(biāo)?？蛻?hù)洞察系統(tǒng)包括兩部分功能：? 以客戶(hù)統(tǒng)一特征視圖、套餐資料庫(kù)為主要內(nèi)容的數(shù)據(jù)集市，主要支撐客戶(hù)洞察、數(shù)據(jù)挖掘工作的數(shù)據(jù)采集以及營(yíng)銷(xiāo)管理流程各環(huán)節(jié)中的數(shù)據(jù)查詢(xún)；? 數(shù)據(jù)挖掘模型，并將模型模板化，以高效推動(dòng)數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)各層級(jí)營(yíng)銷(xiāo)工作的應(yīng)用網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 5 支撐。比如，在執(zhí)行客戶(hù)洞察工作中客戶(hù)分群挖掘模型的建立，需要客戶(hù)統(tǒng)一特征視圖和套餐資料庫(kù)的數(shù)據(jù)采集支撐。這兩個(gè)致命問(wèn)題的存在，營(yíng)銷(xiāo)閉環(huán)管理各環(huán)節(jié)之間不能環(huán)環(huán)相扣，數(shù)據(jù)挖掘成果不能普及，導(dǎo)致洞察力營(yíng)銷(xiāo)這一先進(jìn)營(yíng)銷(xiāo)理念在企業(yè)的落實(shí)受到嚴(yán)重影響，從而使“聚焦客戶(hù)”流于形式。2022年王曉初總經(jīng)理提出“精確營(yíng)銷(xiāo)”的理念，預(yù)示著中國(guó)電信以營(yíng)銷(xiāo)為導(dǎo)向的經(jīng)營(yíng)理念轉(zhuǎn)變，而客戶(hù)品牌的明確劃分和部署，則意味著中國(guó)電信真正以客戶(hù)導(dǎo)向?yàn)楹诵臓I(yíng)銷(xiāo)時(shí)代的正式到來(lái)。這個(gè)階段屬于產(chǎn)品導(dǎo)向型。①由于缺乏IT手段的有效支撐，營(yíng)銷(xiāo)活動(dòng)流程閉環(huán)管理僅停留于理念層面，并未真正落實(shí)。比如，構(gòu)成營(yíng)銷(xiāo)策劃的營(yíng)銷(xiāo)目標(biāo)確定、營(yíng)銷(xiāo)方案設(shè)計(jì)、方案審批和營(yíng)銷(xiāo)測(cè)試等細(xì)化環(huán)節(jié)之間需要工作流支撐，方可實(shí)現(xiàn)環(huán)節(jié)間的銜接和連貫。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 4 圖2 “聚焦客戶(hù)”營(yíng)銷(xiāo)管理流程IT支撐功能設(shè)計(jì)要真正地實(shí)現(xiàn)“聚焦客戶(hù)”，還要建立并優(yōu)化相應(yīng)IT支撐系統(tǒng)，保證“聚焦客戶(hù)”營(yíng)銷(xiāo)管理流程在企業(yè)的真正落實(shí)。這與電信企業(yè)營(yíng)銷(xiāo)工作中反應(yīng)出來(lái)對(duì)客戶(hù)洞察的迫切需求形成強(qiáng)烈反差。(2) 數(shù)據(jù)挖掘模型研發(fā)的持續(xù)性?xún)?yōu)化?？蛻?hù)洞察系統(tǒng)作為營(yíng)銷(xiāo)管理流程IT支撐系統(tǒng)的起點(diǎn)子系統(tǒng)和核心子系統(tǒng)，并非一個(gè)功能性的系統(tǒng)，而是應(yīng)用型系統(tǒng)，需要持續(xù)的模型研發(fā)和優(yōu)化，才能發(fā)揮其作用。不僅提供了從Java 類(lèi)到數(shù)據(jù)表的映射，也提供了數(shù)據(jù)查詢(xún)和恢復(fù)機(jī)制。? 采用AJAX減少生成圖表的頁(yè)面延遲由于采用的是B/S 結(jié)構(gòu)，不可能像C/S 結(jié)構(gòu)那樣在客戶(hù)端時(shí)實(shí)生成圖表，B/S 結(jié)構(gòu)必須由客戶(hù)端向服務(wù)器端提出請(qǐng)求，由服務(wù)器端生成圖表，再傳遞給客戶(hù)端，這樣就牽扯到頁(yè)面刷新的問(wèn)題，網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 8 會(huì)使使用者有延遲的感覺(jué)，這里必須采用AJAX 技術(shù)，減少這種延遲?；陉P(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)方式是將數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)的表結(jié)構(gòu)中，在元數(shù)據(jù)的管理下完成數(shù)據(jù)倉(cāng)庫(kù)的功能。這些數(shù)據(jù)訪(fǎng)問(wèn)工具分為以下幾類(lèi):（1）查詢(xún)、報(bào)表生成和數(shù)據(jù)分析工具；（2）訪(fǎng)問(wèn)關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)的多維數(shù)據(jù)分析工具；（3）訪(fǎng)問(wèn)多維數(shù)據(jù)庫(kù)管理系統(tǒng)的多維數(shù)據(jù)分析工具；（4）運(yùn)用了4GL或可視程序設(shè)計(jì)語(yǔ)言的Dss應(yīng)用程序開(kāi)發(fā)工具。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 10 表1：電信客戶(hù)數(shù)據(jù)倉(cāng)庫(kù)主要分析維度表所示3 項(xiàng)目?jī)?nèi)容 項(xiàng)目概述“網(wǎng)上電信客戶(hù)洞察系統(tǒng)”是結(jié)合我公司和某市某數(shù)碼科技有限公司多年來(lái)在某電信網(wǎng)上營(yíng)業(yè)IT支撐領(lǐng)域上的數(shù)據(jù)采集和挖掘技術(shù)，采用目前最流行的J2EE分布式體系結(jié)構(gòu)，融合聯(lián)機(jī)分析、聚類(lèi)、分類(lèi)和層次分析法的數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)電信客戶(hù)細(xì)分、電信客戶(hù)流失預(yù)警和客戶(hù)價(jià)值的分析模型的IT支撐。(3)降低服務(wù)成本，提高企業(yè)的運(yùn)營(yíng)效率。通過(guò)熟悉各個(gè)細(xì)分客戶(hù)群的特征，為其定制專(zhuān)門(mén)的價(jià)格、渠道、促銷(xiāo)和個(gè)性化產(chǎn)品。基于數(shù)據(jù)挖掘技術(shù)的客戶(hù)細(xì)分在屬性選擇上主要從三個(gè)維度考慮，即客戶(hù)基本屬性、客戶(hù)消費(fèi)行為屬性和客戶(hù)價(jià)值屬性。? 價(jià)值屬性?xún)r(jià)值屬性包括客戶(hù)給電信企業(yè)帶來(lái)的收入c電話(huà)費(fèi)、上網(wǎng)費(fèi)等等)、為客戶(hù)提供服務(wù)所需要的成本、為了獲取客戶(hù)所需要的成本、客戶(hù)能夠給電信企業(yè)帶來(lái)的生命周期價(jià)值等等。行為維度主要包含以下屬性:（1）使用量:各個(gè)產(chǎn)品和服務(wù)的使用量，如長(zhǎng)話(huà)、市話(huà)、寬帶、小靈通等；（2)根據(jù)使用量推導(dǎo)出的各種屬性:如使用量變化率、長(zhǎng)話(huà)和市話(huà)的比例等等；（3)欠費(fèi)情況:客戶(hù)繳費(fèi)的及時(shí)性。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 15 圖7：用戶(hù)通話(huà)行為類(lèi)數(shù)據(jù)程序流程 電信客戶(hù)細(xì)分建模方法與實(shí)驗(yàn)性能評(píng)測(cè) 基于OLAP技術(shù)的電信客戶(hù)細(xì)分傳統(tǒng)的客戶(hù)細(xì)分是根據(jù)客戶(hù)某方面的屬性進(jìn)行OLAP分析。在Kmeans 模型節(jié)點(diǎn)的 “專(zhuān)家”Expert 選項(xiàng)卡中，模式選擇專(zhuān)家，停止條件選擇定制，最大迭代次數(shù)選擇50，；⑤將生成的Kmeans 聚類(lèi)模型代入到數(shù)據(jù)中，剔除異常用戶(hù)后再進(jìn)行聚類(lèi)。經(jīng)過(guò)數(shù)據(jù)整理、聚類(lèi)建模、分析評(píng)估等過(guò)程，我們實(shí)現(xiàn)了以客戶(hù)行為的電信客戶(hù)細(xì)分，圖8和圖9給出了實(shí)驗(yàn)的部分交互查詢(xún)結(jié)果。網(wǎng)上電信客戶(hù)洞察系統(tǒng)技術(shù)方案 19 電信客戶(hù)流失預(yù)警模型 電信客戶(hù)流失預(yù)警的意義Gartner公司的調(diào)查數(shù)據(jù)表明，開(kāi)發(fā)一個(gè)新客戶(hù)的費(fèi)用是維持一個(gè)老客戶(hù)成本的4一5倍，對(duì)于每個(gè)運(yùn)營(yíng)商這個(gè)數(shù)字可能會(huì)有或多或少的差別，但可以肯定的是在現(xiàn)階段激烈競(jìng)爭(zhēng)的市場(chǎng)環(huán)境下，降低客戶(hù)流失率已成為各運(yùn)營(yíng)商需要考慮的重要問(wèn)題。并追加flag字段用來(lái)標(biāo)示類(lèi)，流失客戶(hù)為1，未流失客戶(hù)為0。得到分類(lèi)樹(shù)如下圖所示。模型在選取較少量的全量用戶(hù)集合的情況下覆蓋了較多的流失客戶(hù)，具有一定的應(yīng)用價(jià)值。④交費(fèi)及時(shí)情況：包括按時(shí)交費(fèi)、延期交費(fèi)。采用層次分析法的優(yōu)點(diǎn)在于，能夠?qū)⒍糠治龊投ㄐ苑治鲇袡C(jī)地結(jié)合起來(lái)，達(dá)到定量地分析一些難以精確定量的定性決策問(wèn)題；并且，在分析過(guò)程中，決策者、決策分析者、專(zhuān)家之間可以進(jìn)行相互交流，利用大家所共同認(rèn)可的評(píng)價(jià)標(biāo)準(zhǔn)來(lái)做出最終的決策。4 項(xiàng)目的關(guān)鍵技術(shù)融合聯(lián)機(jī)分析、聚類(lèi)、分類(lèi)和層次分析法的數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)電信客戶(hù)細(xì)分、電信客戶(hù)流失預(yù)警和客戶(hù)價(jià)值的分析模型的IT支撐。隨著客戶(hù)需求的日趨多樣化，以及移動(dòng)運(yùn)營(yíng)商新業(yè)務(wù)的不斷創(chuàng)新，這種以客戶(hù)消費(fèi)額度進(jìn)行客戶(hù)細(xì)分的方法就顯現(xiàn)出明顯的缺點(diǎn)。 LKM算法由于LKM是建立在局部搜索算法基礎(chǔ)上，為了描述方便，首先給出局部搜索算法((LS) 的主要過(guò)程。 算法比較LKM和K一menas都是局部尋優(yōu)算法，對(duì)于LKM而言，樣本劃分的標(biāo)準(zhǔn)是通過(guò)算法比較，LKM算法在消除噪聲問(wèn)題方面優(yōu)于K一mena算法。(4)把未分類(lèi)用戶(hù)的緯度算出來(lái)輸人模型，根據(jù)前面的模型形成的特點(diǎn)把這些未知類(lèi)別的用戶(hù)進(jìn)行歸類(lèi)，預(yù)測(cè)其是否流失類(lèi)型。 建立遞階層次結(jié)構(gòu)模型根據(jù)系統(tǒng)的性質(zhì)和要達(dá)到的目標(biāo)，將其分解成不同的組成因素，再按各因素間的相互影響及隸屬關(guān)系，將各因素按不同層次聚類(lèi)，形成一個(gè)多層次結(jié)構(gòu)模型，如目標(biāo)層、子目標(biāo)層、準(zhǔn)則層、子準(zhǔn)則層、指標(biāo)層、因素層等，并采用框圖