某運(yùn)營(yíng)商數(shù)據(jù)挖掘項(xiàng)目匯報(bào)(ppt37頁(yè))6-文庫(kù)吧資料
2025-01-06 00:54本頁(yè)面
【正文】 的線性擬合表達(dá)式，應(yīng)用模型時(shí)輸入為用戶當(dāng)前在建模變量上的值，輸出為用戶的流失概率 ? 下圖展示了建模變量的重要性（調(diào)整后的實(shí)際建模變量） 變量重要性 28 用戶集： 09年 07月入網(wǎng)、08月仍然正常的用戶 ； 模型篩選用戶： 通過(guò)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(zhǔn)確率） 分別為 16%、 34%和48%，比用戶集中用戶的流失率（不使用模型篩選的準(zhǔn)確率）提升度分別為 、 。概率最大的目標(biāo)類被指定為該記錄的預(yù)測(cè)輸出值 。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(lián)系起來(lái)。它采用自頂向下的遞歸方式，在決策樹(shù)的內(nèi)部節(jié)點(diǎn)進(jìn)行屬性的比較，并根據(jù)不同屬性值判斷從該節(jié)點(diǎn)向下的分支，在決策樹(shù)的葉節(jié)點(diǎn)得到結(jié)論。 層次聚類可以分為兩種：凝聚的方式和分割的方式，凝聚是一種至底向上的方法，將每一條記錄看作一個(gè)類，然后根據(jù)一些規(guī)則將他們聚合成越來(lái)越大的類，直到滿足一些預(yù)先設(shè)定的條件。準(zhǔn)確率和查全率 ? 模型的優(yōu)化 ? 建模訓(xùn)練集比例 ? 異常值處理 ? 建模變量 ? 建模方法 ? 模型參數(shù) – 顯著性檢驗(yàn)方法 – 顯著性檢驗(yàn)變量剔除閾值 – 樹(shù)的深度和頁(yè)節(jié)點(diǎn)記錄個(gè)數(shù) – …… 15 數(shù)據(jù)提取 數(shù)據(jù)清洗 數(shù)據(jù)審核 數(shù)據(jù)集成 ? 數(shù)據(jù)挖掘?qū)挶順?gòu)建 ? 缺失數(shù)據(jù)處理 ? 極值數(shù)據(jù)處理 ? 錯(cuò)誤數(shù)據(jù)處理 ? 冗余數(shù)據(jù)處理 ? 數(shù)據(jù)統(tǒng)計(jì)錯(cuò)誤審核 ? 數(shù)據(jù)源錯(cuò)誤審核 ? 數(shù)據(jù)統(tǒng)計(jì)口徑審核 數(shù)據(jù)準(zhǔn)備確保建模數(shù)據(jù)的完整性、可用性和完整性 ? 提取建模所需數(shù)據(jù) 數(shù)據(jù)準(zhǔn)備 16 篩選建模變量、根據(jù)模型要求進(jìn)行數(shù)據(jù)變換 建模準(zhǔn)備 經(jīng)分?jǐn)?shù)據(jù) 挖掘?qū)挶? 變量轉(zhuǎn)換 變量篩選 健康度建 模指標(biāo)庫(kù) 變量清洗 17 用戶細(xì)分采用凝聚層次聚類算法 選擇 初始化 更新 結(jié)束 ?計(jì)算包含每對(duì)樣本間距離（如歐氏距離）的相似矩陣，把每個(gè)樣本作為一個(gè)簇 ?使用相似矩陣查找最相似的兩個(gè)簇 ?將兩個(gè)簇合并為一個(gè)簇，簇的個(gè)數(shù)通過(guò)合并被更新；同時(shí)更新相似矩陣，將兩個(gè)簇的兩行（兩列）距離用 1行（ 1列）距離替換反映合并操作。確定建模用戶集合 ? 建模衍生變量計(jì)算。 1 2 13 正常低網(wǎng)齡用戶細(xì)分、預(yù)警及維系框架 精準(zhǔn)營(yíng)銷模型 新增用戶細(xì)分模型 用戶價(jià)值 在網(wǎng)時(shí)長(zhǎng) 渠道偏好 促銷偏好 用戶號(hào)碼 消費(fèi)特征 用戶清單 話費(fèi)余額 新增網(wǎng)用戶流失模型 商務(wù)高端用戶群 長(zhǎng)途話務(wù)突出群 本地話務(wù)突出群 本地低端用戶群 數(shù)據(jù)業(yè)務(wù)發(fā)燒群 …… 漫游突出用戶群 數(shù)據(jù)業(yè)務(wù)興趣群 本地話務(wù)偏好群 在網(wǎng)異動(dòng)用戶 流失高危用戶 長(zhǎng)途話務(wù)突出群 本地話務(wù)突出群 本地低端用戶群 …… 漫游突出用戶群 數(shù)據(jù)業(yè)務(wù)突出群 本地話務(wù)偏好群 當(dāng)月新增用戶 其他新增用戶 營(yíng)銷案 14 用戶流失預(yù)警和細(xì)分建模過(guò)程 ? 流失現(xiàn)狀分析 ? 流失原因分析 ? 流失用戶特征分析 ? 流失預(yù)警建模目標(biāo)溝通確定 ? 流失細(xì)分模型目標(biāo)溝通確定 ? 根據(jù)建模要求和現(xiàn)有數(shù)據(jù)情況，構(gòu)思、溝通和確定建模數(shù)據(jù)提取需求 ? 提取 09年 110月新增用戶在 110月的自然屬性和消費(fèi)行為數(shù)據(jù) ? 提取 09年 10月新增用戶在 10月的日消費(fèi)行為數(shù)據(jù) ? 數(shù)據(jù)質(zhì)量審核 ? 數(shù)據(jù)探索 ? 非正常用戶的剔除。 細(xì)分用戶群 基本策略 流失高危 用戶 在網(wǎng)異動(dòng) 用戶 相對(duì)穩(wěn)定 用戶 12 多級(jí)預(yù)警，多級(jí)維系 在模型挖掘的基礎(chǔ)上，準(zhǔn)確判別正常低網(wǎng)齡用戶的流失傾向，根據(jù)用戶流失概率的高低分別實(shí)施針對(duì)性的維系策略和措施，對(duì)可能流失的用戶提前預(yù)防，多級(jí)維系，有效地防止用戶流失。 ? 力保： 針對(duì)異動(dòng)用戶尚處于流失猶豫期、還具有一定黏性的特點(diǎn)，維系策略將以強(qiáng)化用戶的業(yè)務(wù)黏性為重點(diǎn)，以業(yè)務(wù)捆綁和較長(zhǎng)返還周期的財(cái)務(wù)捆綁為主，以服務(wù)捆綁為輔。運(yùn)用數(shù)據(jù)挖掘方法，識(shí)別出不同流失預(yù)警級(jí)別的用戶，針對(duì)高危用戶和異動(dòng)用戶分別采取針對(duì)性的營(yíng)銷捆綁手段進(jìn)行維系，同時(shí)結(jié)合網(wǎng)齡營(yíng)銷，延長(zhǎng)用戶生命周期。 ? 加強(qiáng)欠費(fèi)管理，減少無(wú)效欠費(fèi)； ? 主卡付費(fèi) +親情網(wǎng)； ? 賬戶低余額時(shí)充值提示； ? 優(yōu)惠或免費(fèi)補(bǔ)卡； ? 推薦帶號(hào)轉(zhuǎn)品牌或帶號(hào)轉(zhuǎn)套餐。 產(chǎn)品 /促銷 傳播 渠道 服務(wù) ? 加強(qiáng)（社會(huì)）渠道掌控，規(guī)范渠道行為，減少系統(tǒng)性離網(wǎng)行為。分析示意如下：用戶在 N月入網(wǎng)并激活（有話單產(chǎn)生），則在 N+1月（計(jì)算月）對(duì) N月入網(wǎng)并激活的所有用戶進(jìn)行重入網(wǎng)分析。 ?識(shí)別規(guī)則： 通過(guò)對(duì)新入網(wǎng)用戶使用手機(jī)的 IMEI號(hào)（或身份證號(hào)碼）與存量用戶的 IMEI號(hào)歷史庫(kù)（或身份證號(hào)碼歷史庫(kù)）進(jìn)行分析識(shí)別出重入網(wǎng)和反復(fù)重入網(wǎng)用戶。如， 9月新入網(wǎng)用戶IMEI或身份證號(hào)與 3月到 8月用戶 IMEI或身份證號(hào)碼庫(kù)匹配后，得到 9月新入網(wǎng)用戶中重入網(wǎng)用戶。 疑似養(yǎng)卡渠道和養(yǎng)卡號(hào)碼判斷規(guī)則 疑 似 養(yǎng) 卡 渠 道 ?產(chǎn)品： 渠道新增用戶中， 30%以上的用戶都為兩廣情零聽(tīng)計(jì)劃或都市“零聽(tīng)”計(jì)劃二，該渠道為疑似養(yǎng)卡渠道 ?主叫時(shí)長(zhǎng) ：渠道新增用戶中， 50%以上或 100人以上的用戶入網(wǎng)當(dāng)月和次月主叫時(shí)長(zhǎng)在 3分鐘內(nèi)，該渠道為疑似養(yǎng)卡渠道 ?用戶狀態(tài)： 渠道新增用戶中，入網(wǎng)后在第 3個(gè)月， 30%以上的用戶狀態(tài)為停機(jī)流失，該渠道為疑似養(yǎng)卡渠道 疑 似 養(yǎng) 卡 號(hào) 碼 ?消費(fèi)情況 : ? 5個(gè)或以上號(hào)碼號(hào)碼入網(wǎng)當(dāng)月和次月主叫時(shí)長(zhǎng)都在 3分鐘內(nèi)； ? 5個(gè)或以上號(hào)碼號(hào)碼入網(wǎng)當(dāng)月和次月消費(fèi)在 5元以內(nèi)； ? 2個(gè)以上號(hào)碼入網(wǎng)當(dāng)月或次月應(yīng)收費(fèi)完全一致， 這些號(hào)碼為疑似養(yǎng)卡號(hào)碼 ?激活情況： ? 5個(gè)或以上號(hào)碼號(hào)碼激活I(lǐng)MEI一致 。某運(yùn)營(yíng)商數(shù)據(jù)挖掘項(xiàng)目匯報(bào) _新增用戶維系 2023年 3月 2 新增用戶維系基本流程 采用生存分析法，對(duì)有流失傾向的用戶進(jìn)行提前預(yù)警，并可根據(jù)用戶流失概率的高低劃定預(yù)警級(jí)別 ? 流失高危用戶群 ? 在網(wǎng)異動(dòng)用戶群 ? 正常用戶群 異動(dòng)預(yù)警監(jiān)控 維系策略方案生成 ? 渠道養(yǎng)卡監(jiān)管措施 ? 重入網(wǎng)與反復(fù)用戶管控措施 ? 正常低網(wǎng)齡用戶維系措施 維系方案實(shí)施 ? 營(yíng)銷案實(shí)施流程 ? 維系渠道 ? 維系方式 維系策略及方案 維系情況反饋 目標(biāo)達(dá)成情況 維系效果評(píng)估： ? 渠道養(yǎng)卡識(shí)別及監(jiān)管 ? 重入網(wǎng)與反復(fù)重入網(wǎng) ? 正常低網(wǎng)齡用戶維系 維系效果評(píng)估 新增用戶分群： ? 渠道養(yǎng)卡 ? 重入網(wǎng)與反復(fù)重入網(wǎng)用戶 ? 正常低網(wǎng)齡用戶細(xì)分 根
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1