【正文】 貫穿并銜接4大環(huán)節(jié)以及組成各大環(huán)節(jié)的內(nèi)部各小環(huán)節(jié)之間。第二類：數(shù)據(jù)流的支撐。比如，在執(zhí)行客戶洞察工作中客戶分群挖掘模型的建立，需要客戶統(tǒng)一特征視圖和套餐資料庫的數(shù)據(jù)采集支撐。此類支撐主要針對各環(huán)節(jié)中需要運行數(shù)據(jù)挖掘模型，獲取客戶洞察結(jié)果的環(huán)節(jié)。依據(jù)上述思路，“聚焦客戶”營銷管理流程的IT系統(tǒng)功能架構(gòu)可設計如下，如圖2所示。根據(jù)以上系統(tǒng)功能設計思路，并結(jié)合目前企業(yè)IT支撐系統(tǒng)現(xiàn)狀，可設計“聚焦客戶”營銷管理IT支撐系統(tǒng)架構(gòu)如圖3所示?？蛻舳床煜到y(tǒng)包括兩部分功能：? 以客戶統(tǒng)一特征視圖、套餐資料庫為主要內(nèi)容的數(shù)據(jù)集市，主要支撐客戶洞察、數(shù)據(jù)挖掘工作的數(shù)據(jù)采集以及營銷管理流程各環(huán)節(jié)中的數(shù)據(jù)查詢；? 數(shù)據(jù)挖掘模型，并將模型模板化，以高效推動數(shù)據(jù)挖掘技術對企業(yè)各層級營銷工作的應用網(wǎng)上電信客戶洞察系統(tǒng)技術方案 5 支撐。③建立客戶洞察系統(tǒng)、營銷管控平臺與各客戶接觸界面系統(tǒng)，以及其與企業(yè)內(nèi)部辦公網(wǎng)OA之間的接口關系，保證數(shù)據(jù)挖掘結(jié)果能夠直接指導一線客戶經(jīng)理的營銷執(zhí)行工作，同時，營銷活動結(jié)果信息也能及時反饋到客戶洞察系統(tǒng)，幫助更新數(shù)據(jù)集市的數(shù)據(jù)、支撐營銷效果評估并調(diào)優(yōu)原有的數(shù)據(jù)挖掘模型。如果企業(yè)缺乏貫穿整個營銷流程各環(huán)節(jié)的IT系統(tǒng)支撐，客戶洞察系統(tǒng)與企業(yè)的IBSS/CMMS /10000等客戶接觸界面系統(tǒng)沒能建立數(shù)據(jù)接口，數(shù)據(jù)挖掘結(jié)果不能實現(xiàn)系統(tǒng)間的自動高效傳送，只能通過文件的方式給到一線營銷經(jīng)理，仍然達不到客戶洞察對整個營銷流程高效支撐的目的。目前，營銷管理IT支撐系統(tǒng)的建設已經(jīng)全面開展，某分公司率先立項，和網(wǎng)上電信營業(yè)系統(tǒng)的開發(fā)商——某市某數(shù)碼科技有限公司合作，于2022年，開發(fā)和實施電信客戶特征視圖系統(tǒng)項目，按照已定義的客戶特征要素，自動化生成客戶特征庫，實現(xiàn)為營業(yè)員、客戶經(jīng)理、10000號等一線客服人員提供快捷的、方便的、靈活的、安全的客戶特征視圖展現(xiàn)服務，系統(tǒng)性能為實時響應時間小于3秒。建設電信客戶洞察系統(tǒng)，項目開發(fā)方還須注重以下方面的工作，方可真正落實“聚焦客戶”的目標。電信與其他行業(yè)相比，內(nèi)部數(shù)據(jù)資源方面有極大的優(yōu)勢。因為電信企業(yè)內(nèi)部數(shù)據(jù)具備外部市場調(diào)查數(shù)據(jù)所不可比擬的全面性、完整性、真實性等特點，因此，從國內(nèi)外電信運營商客戶洞察、數(shù)據(jù)挖掘的工作開展來看，均是充分利用企業(yè)內(nèi)部數(shù)據(jù)，建立數(shù)據(jù)倉庫，作為支撐客戶洞察工作長期開展、持續(xù)優(yōu)化并直接應用于營銷推廣的重要數(shù)據(jù)來源。從原始數(shù)據(jù)到有用的信息，需要數(shù)據(jù)加工、數(shù)據(jù)分析的過程。一個自商業(yè)理解開始、至模型部署結(jié)束、經(jīng)過CRISPDM六環(huán)節(jié)的數(shù)據(jù)挖掘模型研發(fā)工作，通常需歷時兩個月才能完成，加強模型研發(fā)的持續(xù)性優(yōu)化，無論從完善模型的推廣應用效果，還是提高研發(fā)資源的效率，都極具意義。數(shù)據(jù)挖掘是一門專業(yè)性較強的技術。優(yōu)秀的數(shù)據(jù)挖掘研究人員不是一朝一夕就能成就，通常需要大概三年的培養(yǎng)期；一項數(shù)據(jù)挖掘模型研發(fā)工作決不是單打獨斗就能完成，需要分工合作，群策群力，團隊作戰(zhàn)，方可最終完成。這就要求有一支穩(wěn)定的數(shù)據(jù)挖掘團隊的長期支撐。那么，“聚焦客戶”的目標也將越來越遠。開發(fā)框架采用 Spring+Hibernate+Struts+Ajax 結(jié)構(gòu)。? Hibernate 技術Hibernate 是一個數(shù)據(jù)持久層框架，是一種實現(xiàn)對象和關系之間映射的工具，對JDBC 進行了輕量級的對象封裝，使程序員可以使用對象編程思想來操作數(shù)據(jù)庫。相對于使用JDBC 和SQL 來操作數(shù)據(jù)庫，使用Hibernate能大大地提高實現(xiàn)的效率。通過使用HQL 語句將復雜的關系算法用對象的方式描述，在很大程度上簡化了對數(shù)據(jù)的查詢，加快了開發(fā)的效率。要創(chuàng)建或修改這些對象，只需在程序中與其交互，然后告訴Hibernate 保存即可。在此基礎之上，Spring 提供了AOP的實現(xiàn)，用它來提供非管理環(huán)境下申明方式的事務、安全等服務；對Bean 工廠的擴展ApplicationContext 更方便實現(xiàn)J2EE 的應用；DAO/ORM 的實現(xiàn)方便進行數(shù)據(jù)庫的開發(fā)；Web MVC 和Spring Web 提供了Java Web 應用的框架或與其他流行的Web 框架進行集成。 數(shù)據(jù)倉庫的體系結(jié)構(gòu)數(shù)據(jù)倉庫不是軟件產(chǎn)品或應用程序，而是一種系統(tǒng)體系結(jié)構(gòu)。作為一個完整的系統(tǒng)，數(shù)據(jù)倉庫應該包括四大模塊:數(shù)據(jù)獲取模塊、數(shù)據(jù)存儲模塊、管理模塊和數(shù)據(jù)訪問模塊，如圖5所示。在這個過程中，要對數(shù)據(jù)進行檢驗和整理，包括記錄或字段重組以及檢查數(shù)據(jù)的完整性和一致性，保證數(shù)據(jù)是干凈的、準確的，并且有通用的含義。? 數(shù)據(jù)存儲模塊數(shù)據(jù)倉庫中的數(shù)據(jù)既可以存儲在關系型數(shù)據(jù)庫，也可以存儲在多維數(shù)據(jù)庫中。多維數(shù)據(jù)庫其數(shù)據(jù)組織采用多維數(shù)組結(jié)構(gòu)文件進行數(shù)據(jù)存儲，并有維護索引及相應的元數(shù)據(jù)管理文件與數(shù)據(jù)相對應。這些服務包括管理數(shù)據(jù)獲取操作、將倉庫數(shù)據(jù)歸檔、備份和恢復數(shù)據(jù)、訪問倉庫數(shù)據(jù)的授權，以及管理和調(diào)試數(shù)據(jù)訪問操作等。管理模塊還包括了元數(shù)據(jù)的存儲和管理模塊，元數(shù)據(jù)描述了數(shù)據(jù)倉庫中的源數(shù)據(jù)和目標數(shù)據(jù)本身的信息，并定義了源數(shù)據(jù)到目標數(shù)據(jù)的轉(zhuǎn)換過程，能幫助技術用戶和業(yè)務用戶訪問和利用數(shù)據(jù)倉庫系統(tǒng)。? 數(shù)據(jù)訪問模塊數(shù)據(jù)訪問模塊所提供的數(shù)據(jù)訪問工具使最終用戶能夠訪問和分析倉庫中的數(shù)據(jù)。 分析維度數(shù)據(jù)倉庫的分析維度是開展多維分析的必要因素，維度的設計影響到分析所能達到的效果。一類是客戶的自然屬性、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。由于歷史的原因，目前信息系統(tǒng)中存儲的客戶資料與真實情況有較大偏差，可信程度較差。根據(jù)電信客戶數(shù)據(jù)倉庫集成數(shù)據(jù)模型的數(shù)據(jù)特征，可以建立以下幾個分析維度，如表1所示。即：主要解決營銷管理流程中各環(huán)節(jié)所涉及的客戶分群、流失預警、目標客戶定位、營銷評估等客戶洞察和數(shù)據(jù)挖掘工作，為建立未來的營銷管控平臺打下牢固的基礎?？蛻艏毞质侵钙髽I(yè)在明網(wǎng)上電信客戶洞察系統(tǒng)技術方案 11 確的戰(zhàn)略、業(yè)務模式和特定的市場中，根據(jù)客戶的屬性、行為、需求、偏好等因素對客戶進行分類，并提供有針對性的產(chǎn)品、服務和營銷模式的過程。根據(jù)對現(xiàn)有客戶分析，識別潛在客戶，提高市場反應速度，優(yōu)化銷售渠道結(jié)構(gòu)，提供差異化產(chǎn)品。了解流失率較高的客戶群特征，特別是獲利較多客戶的個性特征，通過客戶細分監(jiān)控具有類似個性特征的客戶發(fā)展動態(tài)，提高客戶流失預測準確率，提前預防客戶流失。通過細致地分析用于各個用戶群的服務成本，用最優(yōu)投資方案定位于目標市場，設計出針對各個細分市場的目標策略。(4)提升客戶價值。(5)提高滿意度。(6)制定精確化營銷策略。 客戶特征屬性選擇細分屬性取自于已建立的電信客戶特征數(shù)據(jù)集市，目前所建立的客戶特征數(shù)據(jù)庫的屬性多達數(shù)百個。在現(xiàn)有的屬性集中，屬性的均值、波動和趨勢無法體現(xiàn)，因此在已有屬性的基礎上要設計一些衍生屬性。屬性選擇是科學加藝術的活動，需要有豐富的經(jīng)驗，并在實踐中反復探索驗證，最終才能作出合理的選擇并達到理想的效果。屬性選擇應結(jié)合業(yè)務意義、細分目的、數(shù)據(jù)質(zhì)量、數(shù)據(jù)探索來選擇，主要原則：(1)從業(yè)務的角度看，無分析意義的屬性不參與細分；(2)離散屬性、取值個數(shù)較少的及數(shù)據(jù)質(zhì)量較差的屬性不參與細分；網(wǎng)上電信客戶洞察系統(tǒng)技術方案 12 (3)互相之間可以派生(相關性太強 )的屬性不全部參與細分；(4)總量和分量不一起參與細分；(5)屬性選擇要盡可能地涵蓋電信用戶所選擇的各種電信業(yè)務。如圖6所示，圖6：細分三維屬性? 客戶基本屬性客戶基本屬性包括年齡、性別、家庭、種族、職業(yè)、教育狀況、收入等多種內(nèi)容。以人口統(tǒng)計學等靜態(tài)屬性為細分屬性，在市場競爭的初期，對電信行業(yè)的營銷策略具有一定的成效。研究表明，客戶的基本屬性特征對客戶消費行為的預測存在信息放大、偏離的可能，從而導致信息失真，對營銷決策產(chǎn)生誤導。因此，在電信客戶細分屬性選擇上重點考慮的是客戶行為屬性和價值屬性?？紤]到獲取數(shù)據(jù)的難易程度，收入是最常用的一個屬性。網(wǎng)上電信客戶洞察系統(tǒng)技術方案 13 價值維度主要包含以下屬性:（1）電信收入：如電話費、月租費、上網(wǎng)費、增值服務費等等；（2)為客戶提供服務所帶來的成本:如網(wǎng)絡費用、安裝費用、客戶撥打呼叫中心咨詢業(yè)務所發(fā)生的費用（當然對于客戶來說這是免費的）等等；（3)為了獲取客戶所需要的成本:如廣告費用、促銷費用等等；（4)客戶生命周期價值:根據(jù)客戶帶給公司的利潤以及客戶接受公司服務的時間長短，用現(xiàn)金流折現(xiàn)法得出客戶對于公司的價值。比如說使用量(MOU)就是最常見的行為屬性，不同的客戶月使用量是不同的，而且使用量的變化率也常常是不同的。顯然，行為維度所需要的數(shù)據(jù)對于電信企業(yè)來說是比較容易獲得的，而且對于市場營銷也有很強的指導意義。 電信客戶細分數(shù)據(jù)結(jié)構(gòu)與流程設計在對某電信客戶的各種通話行為、消費行為進行數(shù)據(jù)采集和分析的基礎上，通過確定細分變量與描述變量，基于客戶細分需求，并結(jié)合以上數(shù)據(jù)行為特征選取的方向，定義幾組數(shù)據(jù)作為細分變量。細分變量數(shù)據(jù)結(jié)構(gòu)如表2所示。表3：描述變量電信客戶細分基礎數(shù)據(jù)包括： ①用戶基本資料：用戶資料各變量描述的是用戶的靜態(tài)屬性，這部分數(shù)據(jù)主要存儲了用戶購買移動服務的一些信息；②用戶帳務類數(shù)據(jù)：以用戶為單位對清單進行合并后形成的明細費用項集合，記錄了用戶的費用信息，可作為預測主題中的用戶行為數(shù)據(jù)的一部分；③用戶通話行為數(shù)據(jù)：描述的是用戶語音服務使用的詳細記錄，數(shù)據(jù)的質(zhì)量相對較高，但數(shù)據(jù)量巨大。生成模型預選變量的數(shù)據(jù)聚合過程如下：①用戶基本資料準備程序流程：抽取合約用戶基本資料、刪除無線公話、無線固話和商務電話用戶；②用戶通話行為類數(shù)據(jù)準備程序流程，具體過程如圖7所示；③生成挖掘?qū)挶恚簩斣碌臄?shù)據(jù)插入臨時表；將前一月的數(shù)據(jù)插入臨時表；將前兩個月的數(shù)據(jù)插入臨時表；匯總3個月的數(shù)據(jù)，計算平均值、最大值和最小值。OLAP的目標是滿足決策支持或者滿足在多維環(huán)境下特定的查詢和報表需求，它的技術核心是“維”(dimension)這個概念，通過把一個實體的多項重要屬性定義為多個維，使用戶能對不同維上的數(shù)據(jù)進行比較。ARPU值維度的用戶細分如表4所示。因為Kmeans 建模只是對用戶的細分變量進網(wǎng)上電信客戶洞察系統(tǒng)技術方案 16 行聚類，描述變量等不需要進入Kmeans 聚類；③讀取數(shù)值（Read Values） 。在Kmeans 模型節(jié)點的“模型”Model 選項卡中：在“指定的聚類數(shù)”欄中填寫聚類的數(shù)目，用戶行為細分模型聚成了10 類，在聚類標簽欄中選擇數(shù)值10。不斷重復進行代入模型、剔除異常群體的操作，直到得到比較理想的聚類結(jié)果，使得各個群體有一定的人數(shù)，群體特征比較明顯，有營銷價值為止。在電信客戶特征視圖系統(tǒng)項目中，系統(tǒng)建設目標在于按照從電信客戶洞察角度定義的客戶特征要素，采集生成客戶特征庫，而使用基于OLAP 的電信客戶細分方法評估，得出實驗樣本的分析結(jié)果精度如表4。融合聯(lián)機分析和數(shù)據(jù)挖掘技術