【IT168 方案】

    1 背景

    经过多年的发展，国内移动通讯市场已经发展成为拥有数千亿规模的巨大产业，尽管总体规模还是在持续增长着，但是其问题已经非常明显的显现出来，主要是市场趋向饱和、市场环境产品和服务丰富、客户忠诚度降低、品牌忠诚度弱化等。

    为了进一步拓展市场，保持市场领导地位，提高运营收入和利润，电信运营商市场竞争和发展的重点逐渐从争夺增量市场、向规模要效益转变为以保存量、拉动存量需求、以增量销售带动收入发展。为了拉动需求，促进销售，现在电信运营商基本上每月都会进行一些相应的营销活动，但是营销方案目标人员/群是否是最适合的人员/群，怎样才能把营销方案精确的介绍给相应的客户，何时何地给相应的客户介绍相关的营销活动才不会对客户造成过度打扰、影响客户满意度，成为营销活动/营销方案推广中最迫切需要知道的事情，而这样的事情，靠手工是无法做到有效的控制、提醒、信息共享、甚至主动发出最合适营销活动条件通知。而在3G正式投入运营后，业务的种类要更丰富、内容要更加多元化，如何充分挖掘客户信息，预测客户的潜在需求，以便能进行有针对性的营销、将种类繁多的产品精确的给不同需求的客户，成为电信运营商在未来市场成功的核心竞争力。

    而广州从兴电子开发有限公司开发的基于数据挖掘技术的营销综合管理系统就可以利用数据挖掘分析的结果，指导营销活动的策划、推广、执行从而达到有的放矢，提高电信运营商工作效率，从而保持不败之地。

    2 系统概述

    营销综合管理系统主要分为两部分，数据挖掘分析和营销活动管理。在数据挖掘部分中建立客户细分，客户相应，流失预警等分析模型，对客户的行为数据进行挖掘分析。

    营销活动管理功能模块中，利用数据挖掘的结果，制定相应的营销活动，包含了营销分析，营销策划，营销实施，营销分解，营销监控，营销评估六个环节，形成一个完整的闭环管理。支撑主动服务营销活动的有效开展，保障资费沟通、渠道分流、渠道个性化服务营销等应用开发的实现;优化营销服务管理模块闭环流程，实现服务营销活动的活动流程定制、目标客户筛选、渠道内容策划、渠道偏好研究、营销活动实施和分析跟踪、预警提醒、营销成本分析和效益评估、知识沉淀的闭环管理;强化对客户接触点信息的分析支撑，实现客户接触信息的统一管理，并与营销服务管理模块相融合，规范服务营销活动的开展，促成对客户的合理接触。

    2.1 系统架构图

    营销综合管理系统由数据分析挖掘与营销活动管理两模块组成。数据挖掘模块，从外部系统如经分、BOSS、网管等部分获取的数据，建立分析模型，市场人员利用这些分析模型了解市场行为和客户需求。在营销活动管理平台模块，市场人员可以利用分析挖掘结果，制定相应的营销活动，然后通过平台进行营销活动的策划、实施、分解，把营销活动推送到不同的渠道，并通过反馈，了解营销活动的实施情况，进行监控和管理，形成一个完整的闭环。

    2.2 系统平台功能

    营销活动管理平台，实现服务营销活动从分析、策划、执行到监控评估的系统闭环流程管理，加强对门户网站等渠道对客户接触点的拓展，在众多接触点实施一体化的服务营销，加强接触点信息的分析，增强主动营销服务管理的支撑功能成为营销活动管理平台的建设目标。

    2.2.1 逻辑结构图

    2.2.2 系统功能

    营销活动管理平台包含了营销分析，营销策划，营销实施，营销分解，营销监控，营销评估这六大功能主题。

    2.3 数据挖掘

    数据挖掘模块是营销综合管理系统的一个重要组成部分，在营销综合管理中利用数据挖掘的方法，分析客户行为，得到有意义和有价值的结果，来指导市场人员有针对性的制动营销活动。

    2.3.1 数据挖掘模块

    电信运营商的利润来源是客户，在给客户提供一定水平服务的基础上，客户的获取、保持、提升、维持、挽留是移动公司的重要业务，在电信运营商目前的客户保有量情况下，维持和挽留是最重要的，对于稳定的客户，再进一步采用客户价值提升模型在数据挖掘部分，本文以下内容主要介绍如何实现客户细分模型、客户生命周期模型、客户流失预警这三个比较重要的模型。

    2.3.1.1 客户细分

    客户群体细分以客户的历史数据为基础，通过适当的统计分析手段，综合考察客户在价值、风险、背景、行为等方面的差异，建立可以在一定范围内操作和评估的群体细分模型，客户群体细分是指通过聚类分析对客户进行总体的类别划分。可以在特征变量较多，无法使用人工方法统计分类的情况下，把行为上相似的用户分为若干个群，群和群之间有较大的差异性，而每个群内的用户具有较大的相似性。细分的过程中选取尽可能多的描述客户各方面行为特征的变量，通过聚类算法实现分群，揭示不同群中客户的行为特征。

    客户细分模型是为管理部门提供关键客户群体列表和相关评估指标，以便进一步采取针对性措施，合理分配市场和服务资源，按照不同群体的特征制定有效策略，通过提高细分群体的关键运作指标来提升客户总体的关键运作指标;同时整个过程中得到的各种数据规律，也可以作为优化业务工作的重要依据。

    模型实现

    客户价值贡献分群：从客户的价值贡献来考察客户对的贡献度，包括ARPU收益、通话价值成色、数据业务收益、综合成色等4个中观分群，以及13种微观分群。

    客户发展趋势分群：从价值贡献的角度来描述客户在一定的考察期内的消费趋势，以判断客户在该考察期内的总体发展趋势

    客户生命周期分群：从客户的年龄及相对于电信运营商的消费行为生命期角度来考察客户消费服务/产品的持续性。

    客户套餐使用分群：考察电信运营商全球通客户的当前套餐是否匹配自己的消费特征，找出不相匹配的客户以对其实施相应的套餐更新计划。

    客户离网预警分群：考察客户与竞争对手运营商的通信行为，以达到提前预警客户离网的可能性。

    客户通话行为分群：从不同统计口径、不同统计内容来考察客户的通话时长、通话次数、数据业务等具体消费行为特征。

    模型应用

    数据分析与挖掘的结果是要用于生产活动当中，为市场人员服务，针对不同的客户制定不同的营销方案。根据以上的用户细分可以制定如下的推广新业务的营销方案。

    2.3.1.2客户生命周期

    模型介绍

    客户具有价值和生命周期。客户生命周期理论也称客户关系生命周期理论是指从企业与客户建立业务关系到完全终止关系的全过程，是客户关系水平随时间变化的发展轨迹，它动态地描述了客户关系在不同阶段的总体特征。客户生命周期可分为考察期、形成期、稳定期和退化期等四个阶段。考察期是客户关系的孕育期，形成期是客户关系的快速发展阶段，稳定期是客户关系的成熟期和理想阶段，退化期是客户关系水平发生逆转的阶段。

    模型实现

    客户生命周期分析最常用的成长曲线形式有Logistic曲线, Gompertz曲线和多项式曲线。前两个都可以在一定条件下展开成多项式级数。

    不同阶段特征迥异。由粗至精的拟合过程：

    通过全线的拟合结果，选择主要阶段分界时点，将曲线切分;对每一大段再通过类拟过程，进一步细分成更多小段;反复细分，直至识别出各个在网阶段。

    数据来源：

    一般地，构建前述分析模型主要需要以下几类数据：

    用户基本资料用户帐单资料用户相关产品使用状况资料用户清单资料

    这些数据主要分布在如下源业务系统中：

    区域BOSS系统计费系统

    2.3.1.3 客户流失预警

    模型介绍

    客户流失是电信行业普遍面临的业务问题，尤其是在市场成熟期阶段，竞争异常激烈，市场的渗透比率很高，以至于电信运营商必须从其竞争对手处‘盗窃’客户；另一方面，电信运营商的客户也会被其它竞争对手‘盗窃’。当被‘盗窃’客户的数量很高的时候就成为严重的流失问题。

    客户流失预测分析专题的目标是建立客户流失预测模型并且产生最可能流失的用户的名单，然后有针对地进行用户挽留，以保持电信运营商的营业收入和维持用户忠诚度。

    模型实现

    流失预警模型的构建第一步是采用数据挖掘中的聚类、神经网络、决策树等分析技术，通过对数据的探索和分析概括归纳出具有高度客户流失倾向的用户普遍特征，然后是从当前在网的用户中找出具有类似特征的用户群，通过大量的对比分析，最终利用用户的历史行为数据将不同的用户归入不同的群组，并对不同的用户群的流失倾向给予评分，形成对客户流失可能性的预测。

    采用决策树算法来实现流失预警模型的工作过程。

    首先选取变量，也就是数据准备，模型中包括的数据有五大部分：流失基础客户群、客户基本资料、客户接触资料、客户帐单资料、客户通话资料。