华院中国移动数据挖掘报告 .ppt

1、金矿就在您的脚下基于数据挖掘技术的精确智能营销,中国 海口华院分析技术有限公司2003年12月9日,2.,华院分析公司简介,提供面向市场营销、风险管理和决策支持的数据分析应用咨询和软件解决方案 专著于电信和金融行业的数据挖掘解决方案为客户提供以下建模解决方案客户行为细分模型客户离网预警模型客户综合价值评估模型交叉销售模型客户信用评估模型欺诈行为预警模型.,3.,华院分析为客户提供数据挖掘整体解决方案,4.,华院分析团队介绍,5.,在中国移动集团内部的主要工作介绍,6.,议 题,移动通信行业营销热点话题回顾规模型发展向规模效益型发展转变运营商深陷“价格漩涡”虚增放号增大销售成本用户离网严重营销收

2、入与利润攻守平衡成为移动营销转型的关键新业务推广仍需努力客户服务与客户期望有差距数据挖掘模型与案例选讲数据挖掘项目工作方法,7.,移动通信市场竞争迫使移动由规模型发展向规模效益型发展转型,联通份额持续攀升,小灵通来势汹汹,存量市场争夺凸显,MOU潜力有限,MOU,8.,价格战与渠道的唯利是图导致移动公司深陷“价格漩涡”,渠道终端影响力提高,诱发新一轮价格战,提高市场费用，频繁促销,平均ARPU值下降,通过“价格战”竞争夺取市场份额,竞争对手的发展导致竞争升级,用户价格敏感度提高，部分用户群在利益趋势下频繁转网,“不断降低的新用户质量,降价应对,动荡的用户群基础,盈利能力降低,渠道利用运营商之间

3、的竞争提出新要求,渠道成本上升,渠道因利益驱使引起用户转网,更低的毛利,进一步动荡的用户群,更低的ARPU,公司价值贬值,.,陷入僵局,超越竞争，摆脱“价格旋涡”,9.,虚增放号与不稳定的用户群体进一步增大了销售成本,某分公司2002年1-9月活动用户数变化情况,累计放号与净增用户对比,1,2,3,4,5,6,7,8,9,金卡神州行,全球通,联通G网,联通,有效放号率9.6%,有效放号率21.7%,累计放号,净增用户,累计放号,移动,净增用户,10.,客户离网正严重影响着中移动的收入与利润,ARPU群,600300-600200-300200,平均ARPU（人民币元）,958415244112

4、,客户数（万）,47136141447,离网率（1）,18%19%19%26%23%,估计离网对收入的影响（人民币亿元）,4.96.43.97.823.0,估计离网对税前利润的影响（人民币亿元）,3.23.81.90.79.6,亿,亿,平均：,11.,ARPU,平均ARPU指标,100%,93%,59%,客户保留成本：新客户获取成本,1,5,：,攻守之间的平衡成为移动营销转型的关键,12.,新业务种类繁多，仍需努力推广,某省新业务普及率抽样调查,新业务收入及其占业务收入的比重,中国移动新业务种类繁多,新业务比重与国际运营商比较,13.,客户服务与客户期望有差距，深层次理解用户需求成为关键,如果

5、通讯优惠和非通讯优惠只可以二选其一.,客户百分比,通讯优惠,非通讯优惠,14.,全球最佳管理实践提示：现阶段是数据挖掘应用的关键时期,企业客户,个人客户,个人客户,企业客户,客户,满满足大众市场的基本需求简单的产品/服务无差别化的服务,完全分离的组织各自拥有计费功能自有的IT系统各自的管理机构渠道体系分离,提供差别化的服务不同的定价模型不同的信用政策交叉销售新业务流失用户预警开始注重企业用户相同的计费与客服系统相同的IT系统,企业客户营销,个人客户营销,客服,IT/管理,基础设施,计费,1,2,3,起步阶段(第一/第二代移动通讯),成长/差别化阶段(第二代移动通讯),新游戏规则阶段(第三代移动

6、通讯),基于数据挖掘技术,15.,中国移动集团结合国内外实际情况提出数据挖掘营销应用规划,客户行为细分模型,客户流失倾向预警模型,价格敏感度模型,客户信用评分模型,交叉销售模型,营销效果预测模型,客户价值评估模型,16.,议 题,移动通信行业营销热点话题回顾数据挖掘模型与案例选讲客户行为细分模型及案例选讲客户离网预警模型及案例选讲客户交叉销售模型与案例简介客户信用评分模型与案例简介客户综合价值模型与案例简介数据挖掘项目工作方法,17.,三类用户细分方法介绍,易于辩认易于集中媒介沟通渠道易于组织分销,描述性的因素, 不足以预测其未来购买行为,知道品牌X牙膏主要俏于南方, 购买者是教育程度高的女性

7、,是驱动因素(好处是什么?)在市场日趋成熟复杂和多样化的形势下更显重要可以帮助营销活动的方方面面建立策略, 赢得目标人群,如果不结合其他信息就用处不大,知道品牌X牙膏使用者在寻找具有防止牙龋有效手段的产品优惠,是驱动因素(为什么有这种要求)为消费者人格背景提供更完整的信息为广告渠道策划提供思路,对产品/服务的具体方向往往不能给出明确的方向,知道品牌X的消费者非常关心自已和家人的健康, 具有责任心强的品质,好处,问题,举例,对行为的预测性提高,18.,为什么要建立客户行为细分模型,低端,中端,高端,ARPU值相似的客户需求特点却差别很大,客户细分之谜,根据ARPU值进行客户细分的方法,基于数据挖

8、掘技术的以需求为基准的细分,客户行为价值细分模型,海量客户行为数据/特征数据,组内行为特点相似组间行为差异较大的客户分组,19.,客户行为细分模型通过上百个变量描述客户,性别,年龄,建档时间,证件号码,缴款方式,信息费,应收金额,优惠金额,滞纳金应收,SMS次数,国际呼叫,呼入/呼出比例,短消息话单类型,信息长度,赠送费用,呼转类型,漫游话费,通话时长,赠送分钟数,费用类型,动态漫游号,IMSI号码,月均基本通话,月均国内长途,工作日呼叫次数,工作日呼叫时间,WAP呼叫时间,繁忙时段呼叫次数,非繁忙时段呼叫次数,SMS次数,WAP次数,IP呼叫次数,语音呼叫次数,非语音呼叫次数,月均国际长途,

9、非IP呼叫时间,20.,自动生成影响客户分组的主要因子,21.,客户根据自身所具有的特征自动聚为一些行为特点相似的群体,1,2,8,4,5,3,7,6,因素二（国内呼叫次数）,因素三（IP呼叫次数）,因素一（繁忙时段呼叫次数）,22.,16个组中呈现出差别明显的优势、弱势特征,23.,各类客户人数及收入贡献一览,人数百分比,收入贡献百分比,59.61%,56.41%,15.08%,28.51%,14.89%,25.91%,优质,普通,弱势,24.,某移动公司全球通（后付费）客户的17个客户分组,注意：每个客户分组的组名代表本组客户与其他客户分组的客户相比较所具有的显著特点，而不是指本组客户只有

10、此特点,25.,对细分客户组进行特征描述,26.,针对性的业务推广与客户服务建议,本组市场建议业务推广建议彩信业务统计分析发现本组客户彩信使用人数比例明显大于其他16个客户分组GPRS业务估计本组客户中有相当部分人群是商务人士客户服务建议免费赠送香港天气预报与航空公司里程积点互换空港VIP休息室,27.,研究整个客户结构的动态变化情况,优质组、普通组、弱势组人数百分比变化趋势,优势,普通,弱势,28.,研究各分组客户人数的变化，指导营销策略制定,29.,客户群体变动分析,优质组客户群体流入、流出分析,单位：个,占57月份优势组人数10.53%,占57月份优势组人数31.46%,占810月份优势

11、组人数9.47%,占810月份优势组人数21.40%,新增及流失之和,占57月份优势组人数51.30%仍然留在优势组,30.,研究各分组客户ARPU的变化，指导营销策略制定,月均话费贡献,ARPU差异,31.,结合客户行为分组观察客户对长途资费的敏感度,某移动全球通客户（后付费）IP呼叫比例各组分布,注释：IP呼叫比例=本组客户月均IP呼叫次数/本组客户月均包含IP通话的长途通话总次数,从17个组比较来看，第10组热衷IP组是对长途通话资费最敏感的客户群体（经济型），而第4组业务繁忙组则是对长途通话资费最不敏感的客户群体（效率型）。,本组客户对价格极不敏感,本组客户有较强IP使用习惯,本组客户

12、长途通话需求大，对价格有一定敏感性,32.,分组大类的客户管理与营销策略,（平均人数：21865）,差异化手段巩固发展这些客户都是有潜力，但对话费有一定敏感性的客户ARPU高于均值，各类人群习惯差异较大,33.,研究只有应用于营销实践才会产生真正的价值,指导数据业务推广,协助快速培养新品牌,转变1860为主动营销窗口,如GPRS业务,如动感地带,1860营销,34.,记录客户反馈衡量活动效果,设计市场活动方案,应用示例：GPRS业务推广,确定最可能对GPRS感兴趣的客户,初步选定第4组业务繁忙组、第14组国内长途组、第12组商务潜力组根据每组客户的具体情况及活动预算，设定对处于本组内哪一话费段

13、的客户进行活动产生具体的客户列表及每个客户的月人均话费、组别、客户帐单邮寄地址,业务介绍方案开通业务热线电话或业务登记反馈表格网上业务受理网址,各类业务受理渠道客户反馈记录哪些客户购买？哪些客户查询业务？购买和查询的时间？哪些客户没有反应？,35.,客户细分模型为新业务推广助力,消费者购买新业务的行为模式,新业务最广最佳实践,各省级移动运营商普遍做的工作,各省级移动运营商相对薄弱的工作环节,迅速有效的推广,36.,利用已有研究成果拓展1860营销新渠道,客户细分模型,客户价值指数客户通话行为特点业务推荐指数,主动营销,37.,研究成果还可以应用于以下方面,识别新的营销机会指导差异化套餐设计指导

14、差异化客户服务指导增值业务推广指导促销活动目标选择指导保“高”计划指导“忠诚”计划指导集团客户开发,38.,客户行为细分模型在指导营销应用方面具有显著特点,可以获得每个客户分组中所有客户或部分客户的名单可以灵活的对形成的各客户分组进行宏观观察和微观细分可以借助计算机程序动态观测客户行为的变化及其所属客户细分群体的变化可以灵活的基于各种不同的营销目标或客户服务目标进行应用,39.,用户离网预警模型工作原理简介,基于离网预警模型的用户挽留,用户数据话单数据帐单数据套餐与产品数据用户信息数据,流失预测模型,未来12个月用户具有高离网概率的用户名单,40.,用户流失预测模型变量与参数示例,移动用户,高

15、危用户,流失可能低,满足该规则,满足该规则,如果 在网时间115天，并且第三个月无本地通话,如果 曾使用套餐总数大于2种，且第二个月IP呼叫时间小于68分钟，且第三个月呼入次数少于63次, ,41.,用户离网预警模型产生需要挽留的客户名单,流失倾向评分说明该客户流失可能的大小,营销人员可迅速确定客户的开户地区，以便采取行动,营销人员可以更准确地抓住具有潜在流失倾向的客户,营销人员可以根据ARPU确定客户挽留活动的目标群体,了解潜在流失客户的行为特点，开展针对性的客户挽留,综合客户流失倾向与ARPU，给出建议行动优先级供参考,42.,伊犁分公司离网挽留活动效果分析,伊犁分公司是最早完成流失预测模

16、型建模的公司，也在2003年年初最早开始客户关怀和挽留活动。经过半年左右的离网挽留工作实践，伊犁分公司的客户保持工作取得了比较显著的成绩。,节选自某移动内部报告,43.,伊犁分公司离网挽留活动效果分析,相比于其他较晚开始或还没有开始的地区，流失率明显偏低，可是通话用户的增长率却名列前茅。这使我们认识到，离网挽留工作不仅仅是留住了要离开的客户，还推动了更多的客户使用我们的业务。,节选自某移动内部报告,44.,彩信,手机银行,全球呼,IP,GPRS,语音信箱,移动秘书,产品之间的正关联与负关联,交叉销售模型,用户产品关联,45.,何谓交叉销售,交叉销售研究要点,交叉销售通过研究客户的产品使用情况、

17、消费行为特点，发现老客户的潜在需求交叉销售通过产品之间的关联，寻找实现产品捆绑销售的机会交叉销售为新产品寻找已有用户中的目标群体,46.,产品业务关联关系图说明,根据产品业务关联性评分表，形成某一产品与其他产品关联关系图，以形象说明本产品与其他产品之间的关联关系（正相关或是负相关）及其关联性强弱。,正向关联,负向关联,客户取消产品时作为替补品,考虑产品捆绑销售,相关性弱,替代性弱,相关性强,替代性强,47.,移动对对碰与其他产品/业务的关联关系,移动对对碰与语音信箱、移动梦网、随E行、数据通信、呼转小叮铛、彩信、百宝箱、20元/0元GPRS套餐都有正向关联关系。,48.,移动对对碰客户分组交叉

18、销售机会,(次),移动对对碰分组普及率分析,7短信专家组、4短信潜力组用户对移动对对碰的兴趣相当较浓，可作为大规模推广移动对对碰的突破口。9夜间积极组、15差旅人士组、8组长途电话组根据用户行为分析，也应用有较大的交叉销售机会。,49.,某移动全球通GPRS定向销售回应率曲线说明,说明：从左表中我们可以看出，不对用户群特征进行研究，对10%的客户进行市场活动，获得的客户响应人数百分比只能是10%；进行了用户群特征研究，我们对10%目标客户做市场活动，就可以获得约53.4%的顾客响应。采用定向销售分析后，不仅提高了市场活动的命中率，也减少了市场活动的经费。,50.,交叉销售模型（GPRS定向销售

19、）因素分析举例：漫游平均次数,随着漫游平均次数的提高，GPRS的销售回应率呈上升趋势。,51.,一个真实的信用管理失误的故事,某用户是中国移动全球通用户，ARPU值800元左右，在网时间超过5年同时用于随e行上网卡一个，200元包月每月向中国移动贡献大约1000元收入对中国移动有较高的忠诚度,最近由于其欠费0.7元随e行短信费用被停机，停机前没有收到移动正式的停机通知或欠费催缴通知该用户先抱怨GPRS网络不稳定，后来发现同事可以上网，就怀疑网卡有问题，最后当发现是中国移动由于0.7元而停机导致其不能在差旅途中上网并为他带来很多麻烦时，他愤怒了,52.,坏帐控制背后的故事,某公司日停机用户与销售

20、收入损失,停机人数,损失,53.,客户信用评分模型,54.,观察期内赖帐嫌疑者与守信者转移呼叫移动行为分布,图示显示：在连续三个月的观察期中，赖帐嫌疑者转移呼叫移动的比例都大于守信者。,信用模型因素分析举例：转移呼叫,55.,客户综合价值模型,本项目中对客户价值评估模型的搭建，综合衡量客户五个方面的表现：客户当前贡献度、客户未来贡献度、客户信用度、客户忠诚度以及客户成长潜力。,客户成长潜力,客户忠诚度,客户未来贡献度,客户信用度,客户当前贡献度,客户综合价值,客户综合价值 = weight_1*客户当前贡献度 + weight_2*客户未来贡献度 + weight_3*客户信用度 + weig

21、ht_4*客户忠诚度 + weight_5*及客户成长潜力,1,2,3,5,4,56.,客户按综合价值评分在市场营销分析矩阵的分布总图,稳定性和发展性都低的客户约占客户总体的6.2%，而稳定性和发展性都高的优质客户约占客户总体的13.4%，其余客户发展性中等，稳定性界于低、中、高之间，客户在整体上趋于正态分布。,57.,用户综合价值分组介绍举例：组5,本组特征描述本组人数百分比3.59%；本组客户的显著特征体现在客户当前贡献度和忠诚度均为各组之末；本组客户的信用度也低于均值，产品增长潜力尚可；总体而言，本组客户发展性和稳定性都偏低，处于客户综合价值矩阵的象限1。,58.,基于客户综合价值评分的

22、市场营销建议,市场营销建议此类客户约占客户整体的6%，非客户主体； 客户的培育和挽留价值都不大； 建议通过品牌整合，将这部分客户根据其特征分流到某移动的其它品牌，打造全球通后付费品牌的高端市场形象。,59.,华院分析智能营销系统可内嵌以上各类模型,流失预警模型,交叉销售模型,客户行为细分模型,更多模型,营销信息预警,营销方案策划,绩效管理,主动营销,客户,行为数据,业务系统,数据仓库,数据挖掘,模型,行为数据,行为数据,客户挽留,营销信息层,分析企划层,管理实施层,60.,华院分析智能营销系统管理思想,外部市场竞争形势,内部营销管理能力,营销策略与客户管理策略,策略,流程,技术,数据挖掘与分析

23、模型,成长,学习,系统模块,客户挽留,客户培育,客户获取,客户细分与分析,最佳管理实践,61.,议 题,移动通信行业营销热点话题回顾数据挖掘模型与案例选讲数据挖掘项目工作方法,62.,方法论一：建模紧密结合应用,0,行业理解、需求定义,63.,行业理解、需求定义,行业研究,行业结构及主要企业的竞争行为国家法律政策、技术进步或其他因素引起的行业变化行业内各企业关注的热点问题行业内各企业的营销及管理现状,需求定义,明确客户需要解决的问题例如，客户流失率高居不下定义帮助客户解决问题的数据挖掘模型及模型的输出成果例如，预测未来2个月可能流失的ARPU值大于100元的客户名单,数据挖掘项目做什么为什么做

24、具体怎么做如何应用,64.,数据准备,个人信息手机号、联系人、开户日期、地区编号、性别、出生日期、联系地址、帐单地址、付费方式、销户日期等等话单数据手机号、呼叫类型、对方号码、通话开始时间、通话时长、地区号、对方所在区号、漫游类型、长途类型、长途分组、IP电话类型、业务类型等等帐单信息手机号、帐单开始日期、结束日期、帐单总金额、月租费、月租功能费、滞纳金、最后付费日期、销帐日期、积分情况等等1860信息 ,65.,数据处理,数据处理是建立模型前的必要准备工作处理残缺和孤立数据产生衍生变量分析因变量和自变量的相关性,66.,建模,建模是从历史数据和结果中找出深层的关系和规律例如，选择流失客户和未

25、流失客户产生决策树,5000流失5000未流失,3000流失1500未流失,2000流失3500未流失,2000流失800未流失,1000流失700未流失,入网时间1年,年龄30岁,示例,67.,评分表,流失倾向评分 组别 Rate500145024002350330042504200515051006,高流失倾向,警戒线,低流失倾向,68.,方法论二：项目联合团队,华院分析（高层领导）,中国移动（主管领导）,项目领导委员会,华院分析移动行业经理,中国移动（数据挖掘项目经理）,项目经理,数据处理人员,模型构建人员,成果展现人员,营销咨询人员,数据准备人员,营销应用人员,项目小组,项目小组,数据

26、分析人员,69.,方法论三：知识转移伴随项目进展,华院分析,中国移动,数据处理、模型评分、营销应用,70.,客户价值评估和细分模型,方法论四：循序渐进的模型应用,客户信用度管理模型,离网倾向预警模型,在运营商初次接触数据挖掘模型应用时，华院分析一般会循序渐进地向客户推广模型的应用,更多模型,71.,方法论五：持续地转变促成支持工作,现状,未来,数据挖掘模型的搭建,基于数据挖掘的管理应用,72.,中国数据挖掘咨询实践经验总结,各模型的建设与应用需要紧密结合运营商的实际需要数据挖掘在借鉴国际经验的基础上要不断进行创新数据挖掘应用既要有短期成效，又要有不断深化数据挖掘项目需要公司领导的大力支持，需要计费中心、市场经营部等多个部门的协调配合数据挖掘模型的研究成果具有相当的准确性及应用价值，但并非只有数据挖掘成果才是业务创新、服务创新唯一依据，不应过分依赖数据挖掘应用咨询具有非常明显的“地方性”、“差异化”特色,73.,中国移动数据挖掘营销应用展望,大众营销,销售支持,74.,数据挖掘应用助中国移动实现精确营销,智能营销系统,经营分析系统,BOSS,销售支持,大众营销,精确营销,75.,实现决策方式从经验智慧型向理智科学型转变,过去,现在,76.,华院分析预祝 海南移动 早日跻身世界一流通信企业行列！,