【正文】 特征建模分析 ? 卡方分析 ? 方差分析 ? 雙變量分析 ? Pearson相關分析 ? wald顯著性檢驗 ? 量重要性分析 ? 建模變量數據轉換 ? 對數變換 ? 標準化變換 ? 確定建模用戶集 ? 確定建模用戶數據集 ? 采用 Two Step聚類算法，建立用戶細分模型 ? 月數據用戶細分模型（高價值 用戶和在網 2月及 2月以上的新增用戶細分 ? 日數據用戶細分模型（在網 1月新增用戶細分） ? 業(yè)務解釋聚類結果，調整模型參數和建模變量，直到得到滿意結果 ? 確定建模用戶集 ? 確定建模用戶數據集 ? 采用邏輯回歸和決策樹算法建立流失預警模型 ? 在網 2月新增用戶流失預警模型 ? 在網 2月以上新增用戶流失預警模型 ? 在網 1月新增用戶流失預警模型 ?采用生存分析算法建立高價值用戶流失預警模型 ? 模型的評估 ? 提升圖、收益圖 ? 混淆矩陣。 % * 提升度 =模型篩選用戶流失率 /用戶集中用戶流失率 考察模型篩選用戶三個月流失情況，模型準確率為 48% 在網 2月以上新增用戶流失預警模型 ?分別采用邏輯回歸算法和決策樹算法建模，比較模型預測效果，確定使用邏輯回歸算法 3月 4月 5月 6月 7月 8月 9月 10月 11月 3月 4月 5月 6月 7月 8月 9月 10月 11月 3月 4月 5月 6月 7月 8月 9月 10月 11月 3月 4月 5月 6月 7月 8月 9月 10月 11月 建模時間窗口 測試時間窗口 建模變量 基本情況 語音通話情況 數據業(yè)務使用情況 品牌 ARPU 余額 套餐名稱 … 月數據 時間段變化趨勢數據 月數據 時間段變化趨勢數據 本地通話次數 長途通話次數 漫游通話次數 … 本地通話次數波動率 長途通話次數波動率 漫游通話次數波動率 … 數據業(yè)務費用 數據業(yè)務消費占比 數據業(yè)務使用種類數 … 數據業(yè)務費用波動率 … 3月 4月 5月 6月 7月 8月 9月 10月 11月 3月 4月 5月 6月 7月 8月 9月 10月 11月 3月 4月 5月 6月 7月 8月 9月 10月 11月 建模結果 余額 本地被叫通話次數 欠費金額 本地被叫次數波動率 通話標志 通話時長大于 5分鐘標志 多次充值標志 其他費用 本地主叫次數波動率 新業(yè)務費 通話次數 月租費 ARPU 彩鈴訂購標志 長途通話次數 漫游通話次數 本地主叫次數 ? 所有的數據經過對數變換和標準化變換，消除不同變量和不同月份對模型的影響 ? 回歸分析方法和參數設臵同在在網 2月新增用戶流失預警模型 ? 模型的結果為對數流失風險比的線性擬合表達式 ? 用戶余額、本地被叫通話次數、欠費金額、本地被叫次數波動率、通話標志、通話時長大于 5分鐘標志變量重要 變量重要性 模型預警 20%的正常用戶，包含 61%的下月流失用戶 用戶集： 09年 06月 （包括06月）以前 入網、 08月仍然正常的用戶 ； 模型篩選用戶： 通過模型篩選出的用戶集中 20%的用戶，其中， ? 包含了用戶集中 %的9月流失用戶； ? 模型篩選用戶 9月、 10月和 11月的流失率 （模型準確率） 分別為 %、 36%和43%，比用戶集中用戶的流失率（不使用模型篩選的準確率）提升度分別為 、 。 流失異動用戶 營銷捆綁 日常維系及 異動監(jiān)控 辦理 未辦理 模型匹配 低網齡用戶 流失高危用戶 是否流失 流失 未流失 1 1 2 一級匹配和維系； 二級匹配和維系。 ? 2個或以上號碼登記身份證號一致 這些號碼為疑似養(yǎng)卡號碼 ?ARPU： 渠道新增用戶中， 30%以上或 100人以上的用戶入網當月和次月ARPU低于 5元，該渠道為疑似養(yǎng)卡渠道 □ 渠道養(yǎng)卡識別與監(jiān)控 ■ 重入網與反復重入網管理 □ 正常低網齡用戶維系 新增用戶維系 重入網與反復重入網（跳蚤）用戶識別規(guī)則 N N+1 N6 N4 N5 N2 N3 N1 新入網激活月 新入網激活后第 1月 新入網激活月前半年的存量用戶歷史 IMEI庫或身份證庫 N月在網用戶，區(qū)分新增和存量用戶 判斷重入網用戶 判斷新入網用戶的有效 IMEI或身份證號碼 N月新入網用戶中的重入網和反復重入網用戶名單 剔除無效IMEI或身份證號碼 生成、維護歷史有效 IMEI庫或身份證號庫 ? 重入網： 新用戶 IMEI或身份證號與歷史 IMEI或身份證號碼能夠匹配（ 6個月以內）。 ? 加強欠費管理，減少無效欠費； ? 主卡付費 +親情網； ? 賬戶低余額時充值提示； ? 優(yōu)惠或免費補卡； ? 推薦帶號轉品牌或帶號轉套餐。它采用自頂向下的遞歸方式，在決策樹的內部節(jié)點進行屬性的比較，并根據不同屬性值判斷從該節(jié)點向下的分支，在決策樹的葉節(jié)點得到結論。Logistic回歸建立一組方程，把輸入屬性值與輸出字段每一類的概率聯系起來。運用數據挖掘方法，識別出不同流失預警級別的用戶，針對高危用戶和異動用戶分別采取針對性的營銷捆綁手段進行維系，同時結合網齡營銷，延長用戶生命周期。 ■ 渠道養(yǎng)卡識別與監(jiān)控 □ 重入網與反復重入網管理 □ 正常低網齡用戶維系 新增用戶維系 柳州渠道養(yǎng)卡行為特征及監(jiān)控思路建議 ? 產品： 渠道養(yǎng)卡一般選擇無月租或最低月租的產品，以降低養(yǎng)卡的成本，研究發(fā)現柳州 2種類型產品均被渠道選擇使用 ? ARPU： 渠道養(yǎng)卡號碼消費額一般較低，研究發(fā)現柳州養(yǎng)卡號碼月均消費一般低于 15元 ? 主叫時長： 渠道養(yǎng)卡號碼主叫時長非常低，研究發(fā)現柳州有 70%以上無通話行為，有通話行為用戶主叫時長主要集中在 3分鐘以內 ? 用戶狀態(tài)： 研究發(fā)現柳州渠道養(yǎng)卡新增