运营商行业常见算法和模型应用.pdfVIP

运营商作为少有的天然大数据企业之一，拥有海量的、多维的用户数据，也是较

早运用数据指导运营的企业，建立了较为完善的业务指标体系和系统平台，包括经

分系统、数据业务平台、集团业务平台等，当然，也部署了大量的数据模型。随着

精细化运营、精准营销的发展，运营商越来越矢注模型的构建，希望通过模型精确

识别客户、匹配营销策略、个性化推荐容等，实现基于数据的决策。1、运营商常用

模型分类

从在运营商从事咨询的经验来说，运营商常用的数据模型可以分为五类：预测

模型、分类模型、尖联模型、交往圈模型及业务规则模型。

1.1预测模型预测模型主要用于指标的预测、趋势的预测，如新增客户、流量等的

ARIMA

预测，主要使用线性回归、、时间序列等算法，预测数值是为了对往后的趋

势进行准确把握，及时调整市场和产品策略，当然也能更好的完成KPI指标。

12）

指标预测模型：）新增用户占比预测；流量增长预测。

1.2、分类模型分类模型主要用于客户细分和目标客户识别，如用户是否离网、用户

是否有购买手机的倾向等，主要使用聚类、决策树、RFM、逻辑

回归、决策树和神经网络等算法，分类模型是使用得最为广泛的模型，是实现精准

营销的基础。

潜在商机客户识别模型：1）潜在4G终端客户识别模型，通过客户消费、通信

及终端信息等，识别高换机概率客户；2）潜在宽带客户识别模型，通过客户消费、

通信及终端信息等，识别高装宽带概率

客户；3）潜在某项业务目标客户识别模型（如和视频、和阅读等），通过客户消

费、通信、终端（功能机客户显然不可能安装自有互联网业务APP）及容偏好等，

识别潜在自有互联网业务客户；4）潜在集

团信息化产品客户识别模型，包括专线、MAS、ADC、IDC、IMS等；潜在预

警客户识别模型：1）离网客户预警模型，分析客户通信、消费及预警行为（呼转异

网、异网通话占比及拨打竞争对手客户次数等），预测高离网概率客户；2）欠费预

警模型；3）中高端客户流失预警模型；4）拍照存量客户流失预警模型。

1

客户价值分类模型：）客户星级/信用评定模型，综合客户资费档次、网龄、

消费、停机次数等，评定客户星级；2）数据业务高价

值客户识别模型：3）缴费RFM模型；4）集团客户价值评估；5）渠道价值评估模

型；

客户业务细分模型：1）语音客户细分模型；2）流量客户细分模型；3）自有

互联网业务细分模型。

1-3

、尖联模型

尖联模型主要用于探索业务间的尖联度，从而进行相尖推荐，如购买视频会员

的用户是否会购买音乐会员，主要使用相矢分析、Apriori（挖掘频繁项集）、协同

过滤（推荐系统）等算法，这里将推荐系统也看成是矢联模型的一种，因为它们都

是计算事物间的相尖性或距离，然后进行推荐，大体思想是一样的。使用尖联模型

主要是为了开展个性化推荐。

1APP

自有互联网业务尖联推荐模型：）通过分析客户上网容、

使用行为，为客户推荐矢联自有互联网业务；2）分析自有互联网业务间的尖联度，

为已使用某种业务的客户推荐尖联业务。

1-4

、交往圈模型

交往圈模型主要用于分析客户的交往圈行为，如通话交往圈、短信交往圈、其

它社交业务交往圈等，主要使用社交网络、业务规则等算法，分析用户交往圈是为

了找出种子用户或识别异常用户。

1

虚假客户识别模型：）虚假集团客户识别模型：通过集团成员互通率、短

号活跃度等判断虚假集团，剔除o互通率及低互通率集团及成员；2）虚假校园客户

识别模型：通过校园客户与同校客户互通情况判定虚假校园客户；

双卡/双机客户识别模型：双机和