【正文】 進(jìn)行電信客戶細(xì)分方法對(duì)客戶的行為特征進(jìn)行客戶細(xì)分，將客戶的幾十個(gè)甚至上百個(gè)變量納入客戶細(xì)分過程，充分考慮消費(fèi)結(jié)構(gòu)、消費(fèi)行為等因素，同時(shí)，客戶細(xì)分不需要依賴經(jīng)驗(yàn)，采用Kmeans 聚類算法自動(dòng)地根據(jù)消費(fèi)結(jié)果、消費(fèi)行為等屬性將客戶分群，每個(gè)組的客戶的特性表現(xiàn)相對(duì)接近，而不同組的客戶的特性又很不相同，并且各群體人數(shù)之間比較均衡，各群體人數(shù)逐月變化較?。茨Ｐ托阅芊€(wěn)定） ，因此更具實(shí)用價(jià)值。應(yīng)用服務(wù)器為雙CPU、內(nèi)存4GB、硬盤存儲(chǔ)空間200GB以上的高性能PC Server，系統(tǒng)安裝數(shù)據(jù)挖掘算法服務(wù)端軟件。①低迷組、節(jié)儉組的群體人數(shù)非常多， 但是ARPU 值相對(duì)較低，需要重點(diǎn)營銷，提高這部分人群的消費(fèi)額度，是重要的收入提升點(diǎn)。其他群體屬于較穩(wěn)定的用戶，需要適度關(guān)注，繼續(xù)保持；②被網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 18 叫通話組內(nèi)用戶主要以被叫通話為主，高端組和長途組內(nèi)用戶主、被叫通話都非常多，是使用非?；钴S的用戶。實(shí)驗(yàn)結(jié)果業(yè)務(wù)解釋如下：①客戶群1： 元，通話行為非常少，通話小區(qū)數(shù)和交往圈人數(shù)都很少，定義為低迷組；②客戶群2：這類用戶被叫通話很多，是一類以被叫通話為主的用戶，定義為被叫通話組；③客戶群3：這類用戶ARPU 元，通話行為非常多，長途通話非常多，通話小區(qū)數(shù)和交往圈人數(shù)都非常多，定義為高端組；④客戶群4：這類用戶漫游通話較多，是一類經(jīng)常去往外地的用戶，定義為漫游組；⑤客戶群5：這類用戶長途通話非常多，定義為長途組；⑥客戶群6：這類用戶以網(wǎng)內(nèi)通話為主，發(fā)送短信也較多，定義為網(wǎng)內(nèi)通話組；⑦客戶群7：這類用戶以漫游通話為主，以網(wǎng)外通話為主，撥打移動(dòng)和聯(lián)通客服電話很多，發(fā)送短信也很多，定義為活躍組；⑧客戶群8：這類用戶通話行為少，發(fā)送短信也少，通話小區(qū)數(shù)和交往圈人數(shù)較小，定義為節(jié)儉組；⑨客戶群9：這類用戶通話行為比較活躍，屬于中上水平，定義為普通組1；⑩客戶群10：這類用戶絕大多數(shù)通話行為、發(fā)送點(diǎn)對(duì)點(diǎn)短信接近各個(gè)群體的平均值，定義為普通組2。下一步的研究工作是將數(shù)據(jù)挖掘技術(shù)應(yīng)用于電信客戶流失預(yù)警模型、客戶價(jià)值模型、客戶信用度評(píng)估、交叉銷售模型和提升銷售模型的建立與分析。如何挽留客戶，這是一個(gè)復(fù)雜而系統(tǒng)的問題，回答這個(gè)問題首先需要做的就是找出哪些客戶是易于流失的。對(duì)于這樣的命題，國內(nèi)外運(yùn)營商已經(jīng)廣泛地引人數(shù)據(jù)挖掘方法來進(jìn)行分析研究。為了得到分類模型，首先準(zhǔn)備訓(xùn)練樣本數(shù)據(jù)，樣本數(shù)據(jù)包括樣本拆機(jī)用戶和樣本未拆機(jī)用戶，樣本拆機(jī)用戶使用上述主動(dòng)拆機(jī)用戶387人，而樣本未拆機(jī)用戶取上述在用用戶18779人中的800人，%，樣本濃度需要在建模中反復(fù)調(diào)整以得到最佳模型，樣本濃度過濃會(huì)導(dǎo)致過度訓(xùn)練，而低了則會(huì)導(dǎo)致流失客戶在樣本中被淹沒，這個(gè)濃度的選取是參考后面測試結(jié)果和實(shí)際拆機(jī)% 這個(gè)指標(biāo)選定的?；谝欢ǖ纳虡I(yè)理解，我們在計(jì)費(fèi)系統(tǒng)和賬務(wù)選取本地移動(dòng)聯(lián)通次數(shù)(b_mobile_t)，本地移動(dòng)聯(lián)通時(shí)長(ls_mobile_sc)，本地區(qū)內(nèi)次數(shù)(ls_zone_t)，本地區(qū)內(nèi)時(shí)長(ls_zone_sc) ，信息費(fèi)(PHS 點(diǎn)對(duì)點(diǎn)短消息網(wǎng)內(nèi))(sms_fee)，信息費(fèi)(PHS點(diǎn)對(duì)點(diǎn)短消息網(wǎng)間)(mobile_sms_fee)，在網(wǎng)時(shí)間(stay_year)等21個(gè)緯度。因?yàn)闃颖緦?duì)象是a月的流失的，所以考察其a2月的緯度，空下一個(gè)月用于進(jìn)行挽留活動(dòng)。決策樹通過計(jì)算節(jié)點(diǎn)的純度來對(duì)樣本進(jìn)行切分。各種算法形成模型樹的形狀也不同。圖10：CART算法形成分類方法可見stay_year對(duì)實(shí)際的分類效果起了決定性的作用，可以看出stay_year 是易流失客戶的一個(gè)比較重要的特征，另一方面其他屬性完全被這個(gè)屬性淹沒，所以第二步剔除stay_year進(jìn)行第二次建模。圖11：除去stay一year 字段的分類方法網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 21 由于易流失客戶占全量客戶的比例很小，所以使用特征來精確提取是很困難的。測試數(shù)據(jù)集使用a1月份流失用戶和在用用戶計(jì)算好緯度后在數(shù)據(jù)庫建表 testing。 測試實(shí)驗(yàn)對(duì)測試數(shù)據(jù)集提供了10步排除最后得到結(jié)果：a1月份市區(qū)主動(dòng)拆機(jī) b套餐用戶和在用用戶分別為307人，19621人；a2月份市區(qū)主動(dòng)拆機(jī)b套餐用戶和在用用戶分別為 330人，19819人。a1 % ，%；a2月取出了b套餐全量的%；覆蓋b套餐流失客戶 %。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 22 客戶流失預(yù)警建模分析小結(jié)在建立分類的過程中緯度的選取始終是最重要的工作之一，在選擇緯度時(shí)不僅需要考慮到數(shù)據(jù)的統(tǒng)計(jì)要的是考慮緯度的商業(yè)特征，比如，用戶投訴次數(shù)這種緯度就有可能會(huì)對(duì)流失產(chǎn)生比較大的影響。 客戶信用度評(píng)分 電信客戶信用度評(píng)分的意義客戶信用管理機(jī)制是對(duì)客戶信用相關(guān)信息進(jìn)行收集、管理在對(duì)客戶信用信息有效的管理基礎(chǔ)之上，通過一定算法進(jìn)行運(yùn)算，得到客戶實(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)高的客戶就可以實(shí)施特殊的服務(wù)。 客戶信用度信息客戶信用度信息是指影響客戶信用度的因素信息，影響客戶信用度的具體因素包括以下幾個(gè)方面：①客戶性質(zhì)：包括黨政軍機(jī)關(guān)客戶、社會(huì)公益事業(yè)客戶、其他重要客戶、其他大客戶、其他公眾客戶。③通信設(shè)備：包括普通電話、中繼線、公用電話、ISDN、800卡電話等。⑤通信費(fèi)用：包括50元以下、50~100元、100~200元、200~500元、500~1000元、1000~5000元、5000~10000元、10000元以上,并對(duì)其進(jìn)行權(quán)值劃分。因此，客戶信用度信息包括上述這六種影響客戶信用度的因素信息。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 23 客戶信用評(píng)分和實(shí)驗(yàn)性能評(píng)測由于各種復(fù)雜因素對(duì)信用度的分析有著不同的影響，因此，將這些因素之間的關(guān)系加以條理化，并以此為依據(jù)測算出各具體因素對(duì)信用度的權(quán)值大小。使用定性定量相結(jié)合的層次分析法(AHP)來對(duì)各具體因素對(duì)信用度的權(quán)值大小進(jìn)行估算。試驗(yàn)樣例：選取政企客戶省軍區(qū)、郵政和市政府三個(gè)客戶作為信用對(duì)比的對(duì)象，依次①建立層次結(jié)構(gòu)模型。③進(jìn)行層次單排序及其一致性檢驗(yàn)。⑤通過排序結(jié)果分析，解決實(shí)際問題。根據(jù)表1的數(shù)據(jù)可以看出,所選擇的三個(gè)用戶在某電信的信用度從高到低的順序依次是省軍區(qū)()、市郵政 ()、市政府 ()，通過分析可以看出以上三個(gè)企業(yè)對(duì)某電信的信用度是不同的，要對(duì)信用度高的用戶提供更好的服務(wù)，使其對(duì)某電信的忠誠度更加牢固，對(duì)其信用度低的用戶采取相應(yīng)的政策使其提高對(duì)某電信的信用度。此類支撐主要針對(duì)各環(huán)節(jié)中需要運(yùn)行數(shù)據(jù)挖掘模型，獲取客戶洞察結(jié)果的環(huán)節(jié)。網(wǎng)上電信客戶洞察系統(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)的客戶細(xì)分是根據(jù)客戶某方面的屬性進(jìn)行OLAP分析。選擇客戶細(xì)分的維度為用戶ARPU(Average Revenue Per User)值，根據(jù)每用戶平均收入ARPU 值進(jìn)行分類，根據(jù)客戶的消費(fèi)額高低將客戶分成高中低幾檔客戶。而且細(xì)分的成功過分依賴經(jīng)驗(yàn)。 基于數(shù)據(jù)挖掘的聚類算法目前，聚類算法在客戶細(xì)分問題中得到大量的應(yīng)用。對(duì)于一般聚類問題，綜合考慮下面幾個(gè)問題：? 處理不同類型屬性的能力? 任意數(shù)據(jù)分布的聚類? 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算法是簡單而有效的統(tǒng)計(jì)聚類技術(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)來解決噪聲數(shù)據(jù)的敏感性和解決初始中心的選擇。若定義n為樣本個(gè)數(shù)， K為聚類數(shù)，則算法的基本步驟可表述如下：網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 25 Kmeans算法具有很高的效率，但無法解決噪聲敏感問題。LKM算法與Kmeans算法的主要區(qū)別在于移動(dòng)數(shù)據(jù)的標(biāo)準(zhǔn)不同。? LS算法LS是一種常用的尋找函數(shù)局部最優(yōu)解的算法，對(duì)于一個(gè)定義在有限集合的效用函數(shù)，采用強(qiáng)力搜索方法從理論上是可以找到全局最優(yōu)解的。如果搜索局限于一個(gè)小區(qū)域，此區(qū)域可以通過指定每個(gè)點(diǎn)的鄰居集來定義，這樣采用強(qiáng)力搜索方法就可以找到局部最優(yōu)解。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 26 顯然，上述算法最終收斂到了一個(gè)局部最優(yōu)解，此時(shí)沒有數(shù)據(jù)從一類移到另一類可以降低目標(biāo)函數(shù)值。記p = {X1 ,X2 ,L ,Xk}，p’ = { X 1 ,L , Xk’}，x 0 ∈ X 是被考慮要移動(dòng)的樣本，則網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 27 否則，轉(zhuǎn)(2)；網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 28 (5)最近一次沒有數(shù)據(jù)移動(dòng)，則算法停止。 基于數(shù)據(jù)挖掘的分類技術(shù)數(shù)據(jù)挖掘方法具有極其廣泛的范疇，可對(duì)應(yīng)于易流失客戶分析這一命題的分支稱做分類技術(shù)。現(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)。為了便于理解和說明，可以不考慮細(xì)節(jié)地把一個(gè)分類過程分為以下幾個(gè)階段(結(jié)合預(yù)測客戶流失命題) ：(l)選取一些確定已流失的客戶(如拆機(jī)用戶) 和一些確定沒流失的用戶(如在網(wǎng)用戶)作為樣本數(shù)據(jù)。(3)將用戶對(duì)應(yīng)其緯度信息來形成一個(gè)集合，使用特定分類算法來分析記錄集合并建立模型，比如分類樹。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 29 基于層次分析法的信用度評(píng)分算法層次分析法(Analytic Hierarchy Process，AHP)是一種用來確定某一目標(biāo)的各影響因素權(quán)值的綜合分析方法。 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。③進(jìn)行層次單排序及其一致性檢驗(yàn)。⑤通過排序結(jié)果分析，解決實(shí)際問題。最簡單的層次結(jié)構(gòu)為三層，即目標(biāo)層、準(zhǔn)則層和指標(biāo)層/因素層，如圖 12所示。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。最下一層是指標(biāo)層/因素層，其中排列了各種影響目標(biāo)的具體指標(biāo)/因素。 構(gòu)造對(duì)比矩陣建立了層次結(jié)構(gòu)模型后，就可以逐層逐項(xiàng)進(jìn)行兩兩比較。因?yàn)閷?duì)某一單一目標(biāo)或準(zhǔn)則來說，兩個(gè)準(zhǔn)則或指標(biāo)/因素進(jìn)行比較總能夠分出優(yōu)劣。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)重要性比較來確定的 (即重要性比較標(biāo)度)。矩陣的表示形式： 計(jì)算權(quán)向量并作一致性檢驗(yàn)網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 31 由權(quán)向量的公式：因此按照層次分析法一致性檢驗(yàn)通過。網(wǎng)上電信客戶洞察系統(tǒng)技術(shù)方案 32 根據(jù)表8的數(shù)據(jù)可以看出，所選擇的三個(gè)用戶在電信營運(yùn)商的信用度從高到低的順序依次是、。另外，可以結(jié)合不同的信用對(duì)比需求，組織不同的客戶信用屬性值進(jìn)行比較，得出試驗(yàn)的結(jié)果。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)和基本測試占 40%，30%的時(shí)間為測試、聯(lián)調(diào)和交付。? 2022/06 月，系統(tǒng)部署