【正文】 精確營(yíng)銷要求 項(xiàng)目背景 1. 研究用戶行為分析算法 ，為公司面向特定群體、特定業(yè)務(wù)的精確營(yíng)銷奠定基礎(chǔ)，提升公司精準(zhǔn)營(yíng)銷水平 2. 通過(guò)所研究算法的應(yīng)用，為無(wú)線音樂(lè)業(yè)務(wù)營(yíng)銷、終端及相關(guān)業(yè)務(wù)營(yíng)銷、家庭及高校市場(chǎng)營(yíng)銷、用戶關(guān)系營(yíng)銷、移動(dòng)互聯(lián)網(wǎng)等 具體營(yíng)銷領(lǐng)域提供支撐 項(xiàng)目目標(biāo) 第 4頁(yè) 項(xiàng)目研究主要內(nèi)容及分工（開(kāi)題報(bào)告） ? 方法研究 (研究院 ) 社會(huì)關(guān)系網(wǎng)絡(luò)研究 推薦算法 (包括文本、 web挖掘）及平臺(tái)研究 ? 應(yīng)用研究 (各省公司） 家庭客戶研究 (上海） ： 家庭客戶的定義、挖掘、特征及營(yíng)銷方案； 號(hào)立方研究（江蘇） ：挖掘用戶之間的關(guān)系，并對(duì)關(guān)系進(jìn)行管理與營(yíng)銷。 廣東公司 高校用戶特征挖掘模型 Wlan用戶分析與挖掘系統(tǒng) 在迎新期間進(jìn)行競(jìng)爭(zhēng)態(tài)勢(shì)監(jiān)控和營(yíng)銷， 發(fā)展高校新增活躍客戶超過(guò) 24萬(wàn)， 同比增加 17%。 ? 由于時(shí)間限制，小部分成果還有待進(jìn)一步的應(yīng)用檢驗(yàn)。 第 19頁(yè) 方法研究 實(shí)際應(yīng)用 江蘇公司號(hào)立方 (本聯(lián)合項(xiàng)目 ) 上海公司家庭用戶挖掘 (本聯(lián)合項(xiàng)目） 河南公司基于位置的關(guān)系挖掘 (11年聯(lián)合項(xiàng)目） 研究院 Labs推薦 音樂(lè)基地 wap音樂(lè)推薦 (本聯(lián)合項(xiàng)目） 安徽公司 wap用戶偏好推薦 (本聯(lián)合項(xiàng)目） 第 20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)銷決策支持模型 第 21頁(yè) 家庭用戶標(biāo)簽 家庭用戶分類 小小靈通 家有電信 三口之家 兩口之家 親密無(wú)間 竊竊私語(yǔ) 短信情長(zhǎng) 高消費(fèi)型 經(jīng)濟(jì)型 家庭營(yíng)銷 信息來(lái)源 登記信息 業(yè)務(wù)使用信息 用戶話單信息 用戶行為 業(yè)務(wù) 家庭客戶 挖掘 家庭客戶 位置信息 直接外呼 BOSS營(yíng)銷 點(diǎn)對(duì)點(diǎn)短信 Mail 嵌入電子渠道 家庭客戶挖掘模型與統(tǒng)一視圖 (上海 ) 目標(biāo)與研究框架 物理 家庭客戶 重點(diǎn) 目標(biāo)：家庭用戶定義和區(qū)分方法，研究家庭客戶挖掘模型的方法，家庭客戶統(tǒng)一視圖的建立，分析其特點(diǎn)，捕捉精細(xì)化的營(yíng)銷機(jī)會(huì)。 PUSH時(shí)間 用戶樣本 響應(yīng)用戶 響應(yīng)率 8:00 5000 1145 % 11:00 5000 868 % 17:00 5000 1277 % 19:00 5000 933 % 通過(guò)用戶上網(wǎng)行為的分析，整體用戶手機(jī)上網(wǎng)集中在上午 79點(diǎn)、下午 1618點(diǎn)、晚上 24點(diǎn)，三個(gè)時(shí)段。 % 使用個(gè)性化推薦模型之后 推薦頁(yè)面訪問(wèn)轉(zhuǎn)化率提升了 % 同時(shí)， WAP門(mén)戶每用戶訪問(wèn)頁(yè)面深度增加，表明推薦模型能提升用戶黏性。計(jì)算公式：命中率 =訪問(wèn)用戶數(shù)（推薦內(nèi)） /推薦用戶數(shù) 第 36頁(yè) 目標(biāo)：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)行為以及營(yíng)銷渠道等進(jìn)行全面的分析，建立一個(gè)用戶、產(chǎn)品、渠道的用戶行為分析體系，指導(dǎo)實(shí)際營(yíng)銷和管理應(yīng)用。 1 高校用戶特征挖掘模型 應(yīng)用案例 案例介紹 ?建立高校學(xué)生通信及業(yè)務(wù)特征模型 ， 深刻把握學(xué)生的需求和通信喜好 ， 制定有針對(duì)性的營(yíng)銷策略 ， 提升市場(chǎng)拓展及精細(xì)化運(yùn)營(yíng)水平 。 ? 在聯(lián)合項(xiàng)目中，研究院與多個(gè)省公司探索了合作模式，進(jìn)行了緊密合作，推動(dòng)了研究成果的落地應(yīng)用。她抬起頭，朝窗外望了望：陽(yáng)光很純凈，很嫵媚，果然是個(gè)陽(yáng)光燦爛的日子。 初三第一學(xué)期期末，我的成績(jī)有所進(jìn)步，開(kāi)家長(zhǎng)會(huì)的時(shí)候，老師表?yè)P(yáng)了我，媽媽特高興。 可以上網(wǎng)了 ,我就天天呆在電腦前。 楊一一之所以敢在學(xué)校里放肆，我們認(rèn)為是因?yàn)樗睦习帧? 我們很聊得來(lái) ,我們都不愿學(xué)習(xí)，都討厭上課，都愛(ài)玩游戲，所以在相處了一周后，我們自然而然地戀愛(ài)了。只要他的頭像是彩色的，我的心跳就會(huì)加快，我知道這是幸福的味道。雖然是虛的，但我依然當(dāng)真，面帶笑容，臉上泛著紅暈。 上課時(shí)，我悄悄地掏出手機(jī)，和他短信傳情。但我覺(jué)得“壞”是一件光榮的事情，這樣，我和楊一一的心才會(huì)貼得更近。我把書(shū)本嘩啦啦扔到地上，鎮(zhèn)定自若地走出教室。 突然，他輕輕地俯下身子，抬起我的臉，在我的唇上輕輕吻了一下，只那輕輕地一點(diǎn)，我感覺(jué)臉上熱辣辣的，心跳加速，我要窒息了。它單純，不虛偽，也不奸詐。有了我，他心目中那些曾經(jīng)的花花草草都隨風(fēng)而逝了。久而久之，同學(xué)們便不和他攀比了，就當(dāng)他真的是臭狗屎了。 要知道，楊一一是我們學(xué)校有名的帥哥，不僅人長(zhǎng)得帥，而且歌也唱得特別好。 我爸再也不去找工作了，他開(kāi)了個(gè)棋牌室，名譽(yù)上是棋牌室，其實(shí)就是召集村里的閑人賭博；我媽整天在鏡子前描眉畫(huà)眼，試圖把自己捯飭成一個(gè)美女。雖然進(jìn)考場(chǎng)時(shí)，她曾賭氣地想，要做一個(gè)白卷先生，把老師氣死。 這漫長(zhǎng)的兩個(gè)小時(shí)怎么過(guò)？老班在考場(chǎng)外盯著他們這些差生呢，怕他們?cè)缭绯鋈?，影響了成?jī)。 ?活動(dòng)結(jié)束后，通過(guò) 移動(dòng)用戶貢獻(xiàn)度計(jì)算模型 ，對(duì)活動(dòng)的收益進(jìn)行評(píng)估，同時(shí)，通過(guò) 多維度捆綁終端用戶分析模型 從不同的維度對(duì)活動(dòng)中取得的收益進(jìn)行分析，發(fā)現(xiàn)問(wèn)題，并進(jìn)行數(shù)據(jù)沉淀。在進(jìn)行全曲的實(shí)時(shí)的欺詐監(jiān)控中，能夠發(fā)現(xiàn)發(fā)現(xiàn) 95％ 以上的欺詐用戶，占整個(gè)全曲量的 11％ 以上。 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 。 3 用戶活躍度提升 。 主要研究目標(biāo) 用戶群類型 對(duì)應(yīng)生命周期 分群規(guī)則 潛在目標(biāo)用戶 考察期 500K5M，未訂購(gòu)資費(fèi)套餐 嘗試性用戶 形成期 連續(xù)三月使用量低于套餐流量 30% 活躍用戶 穩(wěn)定期 連續(xù) 3個(gè)月高于套餐流量 30% 危機(jī)用戶 退化期 1. 當(dāng)月退訂套餐用戶 2. 下月套餐到期用戶 3. 當(dāng)月使用量較三月平均值下降 50% 根據(jù)用戶生命周期理論構(gòu)建合理的用戶分群模型，以實(shí)現(xiàn)差異化的用戶維系和價(jià)值提升策略。 第 12頁(yè) 社會(huì)網(wǎng)絡(luò)關(guān)系判定與社區(qū)發(fā)現(xiàn)研究 技術(shù)路線 ? 1 利用用戶移動(dòng)軌跡數(shù)據(jù)，發(fā)現(xiàn)用戶 居住地 （ O） 和工作地 （ D）及其它泊點(diǎn)。 ?探索了研究院和省公司的合作模式。 基于 wap日志的用戶偏好模型研究（安徽） ：通過(guò)手機(jī)用戶 wap上網(wǎng)日志，對(duì)用戶訪問(wèn)內(nèi)容進(jìn)行分析，分析用戶的內(nèi)容偏好，為內(nèi)容產(chǎn)品營(yíng)銷奠定基礎(chǔ)。 高?？蛻粞芯浚◤V東） ： 通過(guò)客戶基站通信歸屬等算法定位高?？蛻?；分析高校客戶的通話數(shù)據(jù)和數(shù)據(jù)業(yè)務(wù)使用情況，描繪高校競(jìng)爭(zhēng)情況的全景圖。 使用 wlan分析挖掘系統(tǒng)，合理規(guī)劃熱點(diǎn)，挖掘用戶上網(wǎng)習(xí)慣，進(jìn)行針對(duì)性營(yíng)銷。 ? 項(xiàng)目對(duì)各種用戶行為數(shù)據(jù)的挖掘均進(jìn)行了探索，取得了一定的成績(jī)，但在某些子項(xiàng)目上，研究方法、應(yīng)用推廣上仍嫌不足，有待進(jìn)一步提高。 第 22頁(yè) 家庭客戶挖掘模型與統(tǒng)一視圖 – 技術(shù)路線 第 23頁(yè) 家庭客戶挖掘模型與統(tǒng)一視圖 – 統(tǒng)一視圖及模型驗(yàn)證 家庭成員 57％ 其它關(guān)系 22％ 樣本 經(jīng)分員工 密友 21％ 抽樣驗(yàn)證準(zhǔn)確率 家庭成員部分： 個(gè)人基本信息：年齡、 ARPU等、通話時(shí)長(zhǎng)、通話分鐘數(shù)、短信條數(shù)等 與戶主對(duì)應(yīng)關(guān)系： 與戶主交往情況：各時(shí)段通話次數(shù)以及占比，各時(shí)段通話分鐘數(shù)以及占比、各時(shí)段短信條數(shù)以及占比 與戶主位置關(guān)系：重合的基站數(shù) 家庭客戶部分： 家庭整體情況：成員數(shù)、固話數(shù)、小靈通數(shù)等等、家庭的