中国移动数据挖掘报告某知名咨询公司.pptVIP

*. 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…… *. 坏帐控制背后的故事 某公司日停机用户与销售收入损失 停机 人数 损失 *. 客户信用评分模型 *. 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 *. 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 + weight_4*客户忠诚度 + weight_5*及客户成长潜力 1 2 3 5 4 *. 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 发 展 性 低 中 高 低 中 高 #1 #2 #5 #6 #8 #3 #4 #9 #10 #7 1 2 3 4 5 6 9 8 7 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。 *. 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。 7 8 9 4 5 6 1 2 3 *. 基于客户综合价值评分的市场营销建议 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。 稳 定 性 发 展 性 低 中 高 低 中 高 #1 #2 #5 #6 #8 #3 #4 #9 #10 #7 1 2 3 4 5 6 9 8 7 *. 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 *. 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 *. 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 *. 方法论一：建模紧密结合应用 模型评分 自动化 应用 建议 评分 建模 数据 处理 1 2 3 4 5 0 行业理解、需求定义 *. 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 具体怎么做 如何应用 *. 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 … … *. 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