流動人口識別監(jiān)控與精準(zhǔn)營銷系統(tǒng)

CMGD-GZ LIUYAQI 中國移動科技創(chuàng)新成果推廣材料 完成單位： 廣東公司業(yè)務(wù)支持中心經(jīng)營分析室 成果名稱： 流動人口識別監(jiān)控與精準(zhǔn)營銷系統(tǒng) 成果研究類別： 現(xiàn)有業(yè)務(wù)優(yōu)化 成果專業(yè)類別： 業(yè)務(wù)支撐 2 CMGD-GZ LIUYAQI 目錄 A. 項目背景 B. 實施方案 C. 應(yīng)用案例 D. 項目的主要創(chuàng)新點 E. 社會和經(jīng)濟(jì)效益 -3- 低成本高效率的運(yùn)營 通信行業(yè)全業(yè)務(wù)競爭加劇 客戶發(fā)展、爭奪和保有 產(chǎn)品和業(yè)務(wù)發(fā)展“長尾化” 業(yè)務(wù)拓展需求 利用這些業(yè)務(wù)知識實現(xiàn)精細(xì)化營銷 對客戶的這些信息進(jìn)行清洗、提煉，挖掘出業(yè)務(wù)知識 收集客戶的業(yè)務(wù)訂購、產(chǎn)品消費、捆綁情況、行為習(xí)慣等等信息 項目背景 市場競爭日益激烈，市場趨于飽和，針對市場細(xì)分的精細(xì)化營銷顯得日趨重要 通信行業(yè)全業(yè)務(wù)競爭的加劇、市場趨于飽和、產(chǎn)品和業(yè)務(wù)發(fā)展的“長尾化”等等因素要求我們必須利用客戶的各種信息，進(jìn)行市場細(xì)分，開展精細(xì)營銷，實現(xiàn)低成本高效率的運(yùn)營。 -4- 項目背景 流動人口龐大 流動人口市場內(nèi)部各群體存在顯著差異，外來工、高校學(xué)生消費需求及特征不同 龐大而復(fù)雜的流動人口對公司的統(tǒng)籌規(guī)劃影響較大，如何準(zhǔn)確甄別出流動人口，識別出目標(biāo)客戶的需求，為各級市場部門提供較好的支撐服務(wù)，為各級市場部門提供精細(xì)化營銷所必需的支撐服務(wù)。 外來務(wù)工人員 資費敏感，易棄卡 有定向交流需求 漫游消費有所壓抑 高校學(xué)生 消費力較強(qiáng)，潛力高 數(shù)據(jù)業(yè)務(wù)接受度高 群內(nèi)交流需求多 隨著經(jīng)濟(jì)體制改革的推進(jìn)，我國流動人口群體迅速擴(kuò)大，廣東流動人口逾 2300萬，成為不可忽視的客戶群 大規(guī)模人口流動的春節(jié)期間在兩地重復(fù)營銷，大進(jìn)大出，內(nèi)耗嚴(yán)重，造成巨大資源浪費。 億萬流動人口市場龐大，消費旺盛，月通信消費在 50元以上的約占 45%，富含商機(jī)，但市場競爭也日漸加劇 客戶流動棄卡，離網(wǎng)率高；重復(fù)入網(wǎng)帶來酬金成本增加、號源浪費；高漫游單價導(dǎo)致話務(wù)量未能充分釋放 外部環(huán)境帶來機(jī)遇 內(nèi)部問題制約發(fā)展 -5- 項目背景 外來工是廣東移動重點關(guān)注的細(xì)分市場，在精準(zhǔn)營銷方面亟待深入研究 身份信息缺失 歷史問題： 不需要實名登記 渠道問題： 社會渠道的號卡銷售過程復(fù)雜 競爭問題： 一味吸引客戶， 不強(qiáng)求客戶實名登記 系統(tǒng)問題： 系統(tǒng)中的數(shù)據(jù)不全、不精 廣東現(xiàn)有的外來工占到常駐人口的比重較大，是非常重要的細(xì)分市場，由于系統(tǒng)數(shù)據(jù)不全不精，難以準(zhǔn)確識別該群體，因此以往針對這個群體的市場營銷不夠精準(zhǔn)。 由于識別準(zhǔn)確率低，存在以下問題： 營銷效果受到一定的影響 該細(xì)分市場的客戶需求和消費習(xí)慣尚未較為全面的掌握 市場潛力有待進(jìn)一步挖掘 -6- 解決思路 提升外來工識別的準(zhǔn)確性，深入分析客戶需求，從而實現(xiàn)外來工市場的精耕細(xì)作 基 礎(chǔ) 模 型 應(yīng) 用 模 型 分析 應(yīng)用 外來工客戶識別模型 高影響力人物識別 外來工市場細(xì)分 產(chǎn)品交叉銷售 提供群體內(nèi)通話優(yōu)惠 長途通話套餐 12582務(wù)工易 種子營銷、病毒營銷 紅緞子短信營銷 外來工關(guān)鍵人營銷 針對外來工市場 特點，設(shè)計個性化產(chǎn)品和營銷 方案 進(jìn)行外來工關(guān)懷活動 外來工產(chǎn)品營銷 提供個性化服務(wù) 將外來工市場根據(jù)不同特征（如區(qū)域特征）分割成不同群體，進(jìn)行針對性營銷。 分析外來工對新增值業(yè)務(wù)產(chǎn)品的傾向程度。 根據(jù)其交往圈大小、短彩性發(fā)送等特性，分析影響力，判斷其在外來工群體中的重要性。 基于基站、消費特征、交往圈等行為軌跡建立客戶識別模型 外呼模型修正 特定資費等針對模型預(yù)測的結(jié)果進(jìn)行修正與補(bǔ)充。 全網(wǎng)各運(yùn)算結(jié)果的整合 -7- 家庭 商務(wù) 初中 (54%) 小學(xué) (21%) 單身 (半 )文盲 (3%) 客戶特征 (客戶識別 ) 20-29歲 (70%) 客戶需求 (需求細(xì)分 ) 20歲以下 (10%) 30歲以上 (20%) 高中及以上 (22%) 問候 購票 教育 娛樂 找工作 解決思路 客戶類型多樣，需求差異大，需要開展客戶行為研究，提升市場工作的針對性（以外來工客戶為例） -8- 目錄 A. 項目背景 B. 實施方案 C. 應(yīng)用案例 D. 項目的主要創(chuàng)新點 E. 社會和經(jīng)濟(jì)效益 -9- 總體分析思路 （以外來工客戶為例） 神州行、動感地帶用戶 根據(jù)篩選條件，取出流動人口樣本 根據(jù)篩選條件，取非流動人口樣本 對提取的樣本進(jìn)行建模 步驟四：按規(guī)則打分 步驟五 找出流動人口 以下以外來工客戶為例，介紹特定流動人口精確識別的模型構(gòu)建。 -10- 口徑 目標(biāo)變量 是否流動人口：指的是來自外省的藍(lán)領(lǐng)階層的工人主要從事體力勞動的人群，收入相對較低；外地學(xué)生。 以用戶最近四個月的行為預(yù)測下個月是否為流動人口 分析用戶群 時間窗口定義 神州行、動感地帶用戶。其中包括兩城一家、定向長途以及移動提供的曾呼叫 12582客戶； 分析窗口 預(yù)測窗口 預(yù)測點 M M - 1 M - 2 M+ 1 M=2011年 4月 -11- 具體做法 目標(biāo)客戶定位精準(zhǔn)化 Text Text Text 根據(jù)數(shù)據(jù)挖掘模型生成外來人口客戶三類知識標(biāo)簽 流動高端人士標(biāo)簽、外來務(wù)工人員標(biāo)簽和高校學(xué)生標(biāo)簽，客戶知識標(biāo)簽匯入客戶特征知識庫。 外來務(wù)工人員（高校學(xué)生） 長途通話集中度 60% 工業(yè)區(qū) （校園） 通話時長占比 32% 春節(jié)期間定向漫游、長途通信 入網(wǎng)時長 33% 數(shù)據(jù)業(yè)務(wù)數(shù)量 4 經(jīng)常漫游通話 長途通話占比較大 白天工業(yè)區(qū)通話 學(xué)校附近通話集中 寒假暑假定向漫游某省 經(jīng)常使用飛信 1、收集客戶行為特征 2、構(gòu)建客戶識別模型 3、建立客戶特征知識庫 -12- 對客戶需求進(jìn)行研究和細(xì)分 內(nèi)容偏好 業(yè)務(wù)使用偏好 增值業(yè)務(wù)影響力 構(gòu)建客戶需求模型 學(xué)生群體及外來工群體識別 (1)基于基站和交往圈等行為軌跡建立客戶識別模型 (2)外呼模型修正 (3) 特定資費等針對模型預(yù)測的結(jié)果進(jìn)行修正與補(bǔ)充 識別客戶 1 （ 1）日常外呼及營銷活動進(jìn)行客戶社會屬性完善 （ 2）基于關(guān)聯(lián)分析算法的編碼技術(shù)完善客戶社會屬性 社會屬性完善 2 3 客戶需求細(xì)分 學(xué)生及外來工社會屬性收集 (1) 助力關(guān)愛外來工服務(wù)營銷活動的開展與跟蹤 (2) 日常外來工群體穩(wěn)定性及規(guī)模發(fā)展 (占有率 )跟蹤分析 外來工客戶服務(wù)營銷應(yīng)用 4 (1) 助力高校營銷活動的開展與跟蹤 (2) 日常學(xué)生規(guī)模發(fā)展的跟蹤分析 (3) 增值業(yè)務(wù)影響力應(yīng)用到高校增值業(yè)務(wù)發(fā)展 個人與群體的相互影響 短信、彩信的病毒營銷 體驗營銷 刺激、激勵營銷 學(xué)生客戶服務(wù)營銷應(yīng)用 4 應(yīng)用思路 -13- 基于基站和交往圈等行為軌跡建立學(xué)生、外來工客戶甄別模型 學(xué)生 標(biāo)識 群體識別模型 變量因素探索 模型初步 建立 交往圈數(shù)據(jù) 修正模型 通過用戶業(yè)務(wù) 使用情況 修正模型 模型修正 結(jié)果 最終模型修正結(jié)果 外呼結(jié)果用于修正模型 步驟一 步驟二 步驟三 外來工 標(biāo)識 根據(jù)特定群體活動特征初步尋找目標(biāo)用戶 結(jié)合以往活動市場營銷活動，獲取目標(biāo)用戶清單 通過目標(biāo)用戶的分析構(gòu)建特定群體的初步模型 對于模型結(jié)果進(jìn)行外呼調(diào)研 利用外呼的結(jié)果同時結(jié)合特定用戶群體交往圈的分析方法進(jìn)行模型的修正 結(jié)合群體的用戶特征，對模型進(jìn)行再次修正，最終得到模型結(jié)果 行為軌跡 交往圈規(guī)則 決策樹、邏輯回歸 先應(yīng)用建模方法對學(xué)生和外來工客戶進(jìn)行識別建模 模型結(jié)果標(biāo)識 模型初步構(gòu)建與修正 群體標(biāo)識與指標(biāo)探索 -14- 外來群體的識別模型的變量設(shè)計 消費能力 : 外來群體的消費特點 資費特點 : 選擇與自身相關(guān)的一些特定套餐 特殊節(jié)假日特征 :外來群體節(jié)假日消費特點 通話特征 : 外來的通話行為特點 外來群體 特點 地域特點 : 圍繞工業(yè)區(qū)、城中村、學(xué)校 外來群體識別特征變量考慮 套餐信息 神州行套餐 家園卡 消費價值 ARPU 語音行為 本地通話時長及占比 長途通話時長及占比 閑時通話時長及占比 特殊節(jié)假日消費特征 相關(guān)通話時長與平時的變化情況對比 基站信息 基站集中在企業(yè)附近 用戶活動范圍寬度基站 -15- 中山全量通信 活躍客戶 （ 3754964） 項目模型 流動人口樣本選取 定向地話務(wù)與短信次數(shù)占比大于等于 0.15（即篩選出前 35%的用戶） , 同時 ARPU小于等于200（ 62800人） 篩選出 2月（春節(jié)期間）有漫游通話 MOU，但全年其他時期（ 3、 4、 6、 7月）皆無漫游的用戶 （ 190744人） 10月老鄉(xiāng)網(wǎng)活躍用戶數(shù) （ 1179558人 ） 篩選條件一 篩選條件二 篩選條件三 無法取到二月老鄉(xiāng)網(wǎng)指定的定向地漫游，故只能判斷 2月有無漫游通話； 由于 5月五一長假，漫游人較多，不具有代表性，故此處剔除，且 8、 9、 10月份作為建模月份，故也不加入。 經(jīng)探索，經(jīng)條件二 篩選后的客戶 80%以上 ARPU小于 100，為避免 ARPU100成為流動人口的硬性條件，此處選用 200切除部分極值點便可 -16- 項目模型 非流動人口樣本選取 中山全量通信 活躍客戶 （ 3754964） 剔除非神州行用戶 （ 139611人） 春節(jié)期間無漫游，平時段（ 3、4、 6、 7月）有適當(dāng)漫游話務(wù) （ 158724） 篩除活躍老鄉(xiāng)網(wǎng) （ 2575406人 ） 篩選條件一 篩選條件二 篩選條件三 此處沒有將長途話務(wù)定向集中度、本地話務(wù)集中度作為篩選規(guī)則，是基于建模需要用到這兩個關(guān)鍵變量，以免模型具有明顯的傾向性 由于老鄉(xiāng)網(wǎng)客戶都是神州行品牌，故此處建模時流動人口樣本和非流動人口樣本都僅限于神州行客戶； 在評分中如有需要，可加入動感地帶用戶 -17- 17 樣本選取效果評估 根據(jù) 8、 9、 10月份客戶定向長途話務(wù)的定向地，統(tǒng)計客戶三個月中定向地相同的月份數(shù)： 指長途話務(wù)通話次數(shù) 占比最大的地方 從表中可以看出，流動人口長途話務(wù)的定向地比較集中， 70%以上的用戶三個月向同一個地方定向長途通話； 非流動人口長途話務(wù)較為零散，三個月不同長途話務(wù)定向地的客戶占接近 45%； 樣本效果較好。 定向地相同的月份數(shù) 流動人口 非流動人口 0 175 21222 1 6552 44281 2 11375 38880 3 40257 35228 -18- 數(shù)據(jù)探索方法與過程 比較各種變量在外省求職者的均值與其它用戶的差異。初步了解外來求職者的特征。 用圖線全面展示變量在不同取值下，用戶群中外省求職者的比例，發(fā)現(xiàn)變量值與外省求職者的更深層的相關(guān)聯(lián)性。 1. 均值比較 2. 圖形分析 -19- 均值比較 變量 A(外來工求職者的平均值 ) B(非外來工求職者的平均值 ) A-B 全體平均 值 A與 B差異率 (A-B)/全體均值 ) 頭 10次通話中外省通話次數(shù) 2.65 0.52 2.14 0.63 338.12% 上行省外短信費用 6.92 2.25 4.67 2.51 186.22% 定向短信量 56.09 18.30 37.79 20.37 185.49% 上行省外短信次數(shù) 80.88 26.64 54.25 29.61 183.21% 國內(nèi)定向費用 19.75 8.12 11.63 8.76 132.76% 國內(nèi)定向費用對 ARPU占比 0.21 0.09 0.12 0.10 125.60% 上行國內(nèi)彩信費用 0.14 0.06 0.08 0.07 123.08% 定向短信與本地短信占比 0.24 0.10 0.14 0.11 122.16% 定向交往圈人數(shù) 4.36 1.96 2.40 2.09 114.75% 上行國內(nèi)彩信次數(shù) 1.31 0.61 0.69 0.65 106.09% 國際漫游出訪次數(shù) 0.00 0.06 -0.06 0.05 -105.80% 國際漫游出訪 MOU 0.00 0.03 -0.03 0.03 -105.80% 親情匯款用戶 0.00 0.00 0.00 0.00 -105.80% 國際漫游出訪時長 0.00 1.70 -1.70 1.60 -105.80% 國際漫游出訪費用 0.00 0.30 -0.30 0.28 -105.80% 定向通話次數(shù) 13.17 6.45 6.72 6.82 98.63% 主叫港澳臺長途 MOU 0.03 0.38 -0.35 0.36 -97.64% 國際長途被叫 MOU 0.01 0.16 -0.15 0.15 -96.50% 港澳臺長途被叫 MOU 0.03 0.28 -0.25 0.27 -93.79% 主叫國內(nèi)長途 MOU 71.73 36.67 35.06 38.59 90.84% . . . . . . -20- 在網(wǎng)時長： 新入網(wǎng) 1 3個月用戶是外省求職者的可能性較高。 1年以上的老客戶是外省求職者的可能性較小 。 品牌： 動感地帶中外來求職者的占比是各品牌中最高的 。 大眾卡則非常低 。 5 . 5 1 % 5 . 6 4 %6 . 3 8 %1 . 5 4 %0%1%2%3%4%5%6%7%全球通 神州行 動感地帶 神州大眾卡外省求職者占比 12.75%9.69%5.51%4.36%12.05%4.33%2.05%1.28%0.81% 0.58%0%2%4%6%8%10%12%14%027 2828 2930 3131 329697262263548 549936 93716851686外省求職者占比客戶屬性 在網(wǎng)時長（天） -21- 客戶地區(qū) 珠三角地區(qū)的用戶中外省求職者的比例較大。 一類城市中，深圳、東莞的外省求職者占比高，而廣州、佛山較低。 9 . 6 %7 . 5 %6 . 4 %5 . 7 %5 . 0 %4 . 7 %4 . 1 %3 . 9 %3 . 3 % 3 . 2 %3 . 1 %2 . 9 % 2 . 8 %2 . 7 %1 . 9 % 1 . 9 %1 . 6 % 1 . 5 %1 . 1 % 1 . 0 %0 . 6 %0 . 0 0 %1 . 0 0 %2 . 0 0 %3 . 0 0 %4 . 0 0 %5 . 0 0 %6 . 0 0 %7 . 0 0 %8 . 0 0 %9 . 0 0 %1 0 . 0 0 %深圳 東莞 珠海 中山 惠州 廣州 汕尾 佛山 汕頭 云浮 韶關(guān) 揭陽 江門 肇慶 梅州 清遠(yuǎn) 潮州 陽江 湛江 茂名 河源珠三角城市其它城市6.72%2.28%0%2%4%6%8%珠三角用戶 不是外省求職者占比-22- 客戶價值 ARPU ARPU在 23到 54之間的用戶是外省求職者的機(jī)會就較大了 。 而 ARPU高于 120的用戶是外省求職者的可能較小 。 5.03%6.07%6.50% 6.31%5.76% 5.69% 5.61% 5.61%4.48%3.75%0%1%2%3%4%5%6%7%023.623.634.3 34.344.1 44.154.2 54.266.4 66.481.781.7101.4 101.4126.9127181.7181.8外省求職者占比6.18%6.58%7.05%6.52%5.75%5.07%5.65% 5.50%3.83%2.67%0%1%2%3%4%5%6%7%8%099100176 177264 265359 360480 481632 633846 8471175117618031804外省求職者占比 MOU在 360分鐘以內(nèi)的用戶是外省求職者的可能性較高。 MOU很高的用戶是外省求職者的可能性較低。 ARPU MOU -23- 0.85%2.38%5.76%7.65%8.07%9.82% 9.96%10.49%0%2%4%6%8%10%12%00 11 27817 1831 325556106107外省求職者占比7.39%6.16%6.40%4.93%5.76%6.41%4.73%3.01%1.53%0%1%2%3%4%5%6%7%8%00 11 23 47814 1525 2646 479798外省求職者占比通話行為 長途 省內(nèi)長途多的用戶是外省求職者的可能性較 低 。 主叫省內(nèi)長途 MOU 主叫省際長途 MOU 省際長途多的用戶外省求職者的可能性都較 高 。 -24- 5.78%4.20%3.78%0%1%2%3%4%5%6%7%0012122外省求職者占比6.66%4.43%4.73%3.34%1.94%0%1%2%3%4%5%6%7%00 1562728114115外省求職者占比通話行為漫游 漫游較多的用戶是外省求職者的可能性較 低 。 省內(nèi)漫游 MOU 省際漫游 MOU -25- 8.97% 8.93%7.05%6.15%5.39% 5.28% 5.20%3.70%2.10%1.32%0%1%2%3%4%5%6%7%8%9%10%06710 1113 1417 1821 2226 2733 3442 436364外省求職者占比本地交往圈號碼 少 ，省內(nèi)交往圈號碼數(shù) 少 、省際交往圈號碼數(shù) 多 的用戶，是外省求職者的可能性較 高 。 省內(nèi)交往圈號碼數(shù) 國內(nèi)交往圈號碼數(shù) 0.84%3.98%6.87%7.64%9.75%10.04%11.08%8.80%0%2%4%6%8%10%12%00 11 22 33 44 5671011外省求職者占比7.54%6.86%5.91%6.32%5.24%3.55%2.64%1.14%0%1%2%3%4%5%6%7%8%00 11 22 33 45 6891516外省求職者占比本地交往圈號碼數(shù) 通話行為 交往圈 -26- 通話行為 定向通話 定向通話次數(shù) 多 、定向交往圈 大 、定向短信條數(shù) 多 的用戶是外省求職者的可能性 高 。 而且這類變量的區(qū)分能力相對其它變量更顯著。 定向通話次數(shù) 說明： “ 定向長途地 ” 是指一個用戶打電話最多的一個城市（排除發(fā)達(dá)地區(qū)） “ 定向通話次數(shù) ” 是與指定向長途地的號碼通話的次數(shù)。如類推理。 1.79%7.88%9.14%10.31% 10.47%11.10%0%2%4%6%8%10%12%00 12 34 59101920外省求職者占比1.23%5.06%7.01%8.79%11.31%13.96%0%2%4%6%8%10%12%14%16%00 11 22 33 467外省求職者占比定向交往圈大小 2.26%3.66%5.27%8.02%12.55%16.07%0%2%4%6%8%10%12%14%16%18%00 11 25616 175152外省求職者占比定向短信條數(shù) -27- 1.40%2.96%4.24%6.22%7.10%13.09%16.37%0%2%4%6%8%10%12%14%16%18%00 12 35613 1431 327980外省求職者占比通話行為 SMS 發(fā)送外省的 SMS條數(shù)在 14條以上的的用戶是外省求職者的可能性較 高 。條數(shù)多于 32條的，則這個可能性 很高 。 短信變量比長途變量的區(qū)分力更強(qiáng) 因為長途費率較高，用戶與省外聯(lián)系時用戶打移動長途的需求受抑制，數(shù)據(jù)不能很好反映用戶實際與外省聯(lián)系程度。 短信費率固定，發(fā)短信更隨意。因此外省的短信發(fā)送條數(shù)更能反映用戶與省外通話的需求。 往外省 SMS條數(shù) 0.85%2.38%5.76%7.65%8.07%9.82% 9.96%10.49%0%2%4%6%8%10%12%00 11 27817 1831 325556106107外省求職者占比主叫省際長途 MOU VS. -28- 通話行為 首 10次通話 首 10次通話中外省通話次數(shù) 多 的用戶，是外省求職者的可能性 很高 。 2.96%14.85%17.84% 17.90%25.23%21.94%23.94%34.33%30.88%29.21%0%5%10%15%20%25%30%35%40%0 2 3 4 5 6 7 8 9 10頭1 0 次通話中外省通話次數(shù)可能原因：用戶在開號后，都會先和家人聯(lián)系，告知新號碼。因此外來工的首 10次通話中會有與老家的通話。 這個變量的區(qū)分力非常顯著。 注：首 10次通話中有外省通話的樣本數(shù)占 14.4% -29- 相關(guān)業(yè)務(wù) “ 我愛我家”業(yè)務(wù)用戶是外 省求職者的可能性較 大 。 但“我愛我家”的現(xiàn)在用戶數(shù)很少，樣本中只占 0.2% 10.00%5.47%0%2%4%6%8%10%12%我愛我家用戶 不是外省求職者占比3.10%6.47%0%1%2%3%4%5%6%7%集團(tuán)客戶成員 不是外省求職者占比 集團(tuán)客戶成員是外省求職者的可能性較 小 。 -30- 數(shù)據(jù)探索總結(jié) 調(diào)研樣本中外省求職者的統(tǒng)計特征較明顯。 通過用戶的 ARPU、長途通話、定向長途、首 10次通話等變量可以識別出可能是外來求職的用戶。 從相關(guān)業(yè)務(wù)也可以識別外省求職者，但是這些業(yè)務(wù)現(xiàn)有用戶數(shù)量很少，不能滿足本模型的需求。 從數(shù)據(jù)探索的圖線中總結(jié)出特征變量的參考取值范圍。 樣本特征 通信特征 數(shù)據(jù)業(yè)務(wù)特征 數(shù)據(jù)探索特征 -31- 模型構(gòu)建 建模方法選擇： 根據(jù)數(shù)據(jù)探索結(jié)果顯示，變量與外省求職者的概率大體是單調(diào)關(guān)系。因此用 Logistics回歸這類線性方法也能勝任。 Logistics回歸簡介： Logistic回歸模型是一種概率分類模型 , 它以用戶是外省求職者的概率為因變量 , 客戶屬性、通信行為等因素為自變量建立回歸模型。 以 p 表示用戶是外省求職工的概率，函數(shù) p 對 Xi 的變化在 p=0 或 p=1 的附近是不敏感的、緩慢的，且非線性的程度較高。按照 Logistic 變換（或稱為 p 的 Logit 變換），即 ( p) 對 Xi 就可以是線性的關(guān)系了，即可以表示為： -32- 模型構(gòu)建 流動人口識別是判別是否流動人口的分類問題，用決策樹和邏輯回歸均能較好解決問題。選用 TERADATA專用挖掘工具 TWM中的邏輯回歸和決策樹算法進(jìn)行建模 。 流動人口樣本 （ 62800 ） 非流動人口樣本 （ 139611 ） 0.31： 0.69的比例組合 模型總樣本 （ 202411） 訓(xùn)練集 （ 138579 ） 測試集 （ 59391） 樣本切分：按外省求職者標(biāo)志隨機(jī)分層抽樣： 80%作為訓(xùn)練集， 20%作為測試集。 模型訓(xùn)練：用訓(xùn)練集以分步 Logistics回歸訓(xùn)練，自動選擇最有用的變 量，擬合出變量的參數(shù)。 模型評估和優(yōu)化：用測試集評估模型的準(zhǔn)確率，不斷優(yōu)化模型。 模型構(gòu)建后得到外省求職者概率的計算公式，用于識別外省求職者。 -33- 建模結(jié)果（邏輯回歸） 變量 參數(shù)值 Wald Statistic 標(biāo)準(zhǔn)化參 數(shù) (常數(shù)項 ) -4.538305 950.7058 首十次通話省外次數(shù) 0.164047 224.9809 0.1585 定向交往圈人數(shù) 0.08442 127.8529 0.1754 在網(wǎng)時長（天） -0.000869 80.3789 -0.3861 上行省外短信次數(shù) 0.005299 73.7941 0.2632 主叫交往圈號碼數(shù) -0.029367 70.075 -0.3572 珠三角用戶 0.625817 40.6551 0.1546 省際主叫次數(shù)占比 3.605697 40.0386 0.9211 非漫游費用 0.006456 30.7848 0.1926 定向短信量 -0.004215 29.0053 -0.2046 ARPU -0.005115 24.6581 -0.2483 國內(nèi)漫游 MOU占比 0.747288 10.7334 0.0607 定向漫游時長 3.00E-05 7.933 0.0541 省際主叫占比 -1.436906 6.6362 -0.37 省際定向 mou占比 -0.359402 6.5786 -0.0826 上行省內(nèi)短信次數(shù) 0.001993 5.8292 0.0664 Wald Statistic 反映變量區(qū)分外省求職者的能力 ， 越大則區(qū)分力越顯著 。 外省求職者識別變量及參數(shù)： 標(biāo)準(zhǔn)化參數(shù) 反映變量在以標(biāo)準(zhǔn)差為單位變化時 ， 外省求職者概率變化的程度 。 絕對值越大則表示影響越大 。 -34- 模型評分公式（邏輯回歸） 根據(jù)建模結(jié)果，用戶是外省求職者的概率 p的公式為： 1XXepe其中 X -4.538305+ 0.164047 * 首十次通話省外次數(shù) + 0.08442 * 定向交往圈人數(shù) - 0.000869 * 在網(wǎng)時長（天） + 0.005299 * 上行省外短信次數(shù) - 0.029367 * 主叫交往圈號碼數(shù) + 0.625817 * 珠三角用戶 + 3.605697 * 省際主叫次數(shù)占比 + 0.006456 * 非漫游費用 - 0.004215 * 定向短信量 - 0.005115 * ARPU+ 0.747288 * 國內(nèi)漫游 MOU占比 + 3.00E-05 * 定向漫游時長 - 1.436906 * 省際主叫占比 - 0.359402 * 省際定向 mou占比 + 0.001993 * 上行省內(nèi)短信次數(shù) -35- 模型驗證結(jié)果（邏輯回歸） 在測試集上評估模型準(zhǔn)確率： 0123456789101% 6%10% 14% 28% 32% 37% 42% 46% 51% 55% 66% 73% 78% 82% 87% 91% 94% 96% 98%0%10%20%30%40%50%60%70%80%90%100%LIFT值 查全率分?jǐn)?shù)在前 5%的用戶，命中了全部外省求職者的 28.5%， LIFT值為 5.2； 分?jǐn)?shù)在前 10%的用戶，命中了全部外省求職者的 42.7%， LIFT值為 4.2。 LIFT 查全率 -36- 外來工群體建模并設(shè)計系統(tǒng)開發(fā) 經(jīng)分應(yīng)用專題 現(xiàn)狀 模型構(gòu)建 系統(tǒng)中針對特定用戶群體的分析處于相對粗放的分析方法 針對外來工群體進(jìn)行模型設(shè)計，構(gòu)建特定用戶群體的識別模型、客戶影響力模型，用戶特定的市場營銷與分析需要 變量探索 模型 建立 交往圈數(shù)據(jù)修正模型 通過用戶業(yè)務(wù)使用情況修正模型 外呼調(diào)研修正 最終模型修正結(jié)果 用戶發(fā)展情況 語音業(yè)務(wù)發(fā)展情況 增值業(yè)務(wù)發(fā)展情況 品牌分析 優(yōu)惠使用情況分析 欠費分析專題 外來工群體 -37- 目錄 A. 項目背景 B. 實施方案 C. 應(yīng)用案例 D. 項目的主要創(chuàng)新點 E. 社會和經(jīng)濟(jì)效益 -38- 應(yīng)用一：外來工群體關(guān)懷 此項成果可支撐兩方面的應(yīng)用 ： 一方面為外來工的通信行為、業(yè)務(wù)或服務(wù)需求及滿足度等方面提供寶貴的分析數(shù)據(jù)，為制定針對性的營銷服務(wù)策略提供有得的參考依據(jù) 。 另一方面為今后外來工客戶關(guān)懷活動提供系統(tǒng)營銷方案配臵及目標(biāo)客戶清單和方案開展后的跟蹤統(tǒng)計。 應(yīng)用流程圖 通過模型識別可以給出一個客戶標(biāo)識，判斷該客戶屬于外來工，從而為后續(xù)的經(jīng)營分析，針對不同客戶群體進(jìn)行精確化營銷奠定基礎(chǔ)。 -39- 應(yīng)用二：及時跟蹤外來工客戶規(guī)模異動情況 區(qū)域 時間 總客戶 外來工規(guī)模 該項目完成后，可以從區(qū)域（縣市、各個工業(yè)園區(qū)）、時間和總客戶（考核外來工在總?cè)丝诤涂偪蛻糁姓急鹊鹊龋┤齻€維度進(jìn)行實時跟蹤和考察，便于及時把控各個區(qū)域外來工規(guī)模的變動。 -40- 應(yīng)用三：開展外來工客戶招聘信息主動關(guān)懷 通過該項目建立的外來工識別模型，提取其中有短信收發(fā)且片區(qū)位臵有企業(yè)發(fā)布招聘信息的外來工，發(fā)送短信推薦移動開發(fā)的“外來工短信招聘求職平臺 ” ，搭建便捷的信息化招聘通道。 求職者或招聘單位，只需編輯求職或招聘所要求的崗位情況，發(fā)送短信至特定端口，系統(tǒng)根據(jù)請求將自行發(fā)送最新匹配的崗位信息，今后打算將此平臺改造 12582統(tǒng)一平臺。 -41- 應(yīng)用四 :基于影響力模型針對產(chǎn)品生命周期不同階段開展?fàn)I銷 成長期 成熟期 衰退期 病毒營銷 激勵營銷 投入期 激勵營銷 根據(jù)影響力模型確定高影響力用戶，針對產(chǎn)品不同生命周期階段采取不同的營銷策略。 體驗營銷 病毒營銷 影響力模型應(yīng)用在產(chǎn)品生命周期的不同階段 -42- 應(yīng)用五：開展外來工客戶精確營銷活動 信息關(guān)懷 天氣預(yù)報 技能培訓(xùn)信息關(guān)懷 車次、航班信息服務(wù) 氣象、新聞等手機(jī)報推薦 招工信息關(guān)懷 資費營銷 長途話務(wù)折扣促銷 兩城一家推薦 保底消費 品牌遷移 交叉銷售 天氣預(yù)報 手機(jī)上網(wǎng) 全曲下載 手機(jī) QQ 飛信 外來工客戶精確營銷活動 針對某一種產(chǎn)品，利用關(guān)聯(lián)分析，找出曾經(jīng)購買該產(chǎn)品的外來工客戶更容易購買其他相關(guān)產(chǎn)品的規(guī)則，基于這些規(guī)則挖掘不同產(chǎn)品之間的潛在關(guān)系，并組成外來工產(chǎn)品關(guān)聯(lián)規(guī)則矩陣，進(jìn)行產(chǎn)品組合分析，向客戶提供捆綁組合產(chǎn)品，實現(xiàn)交叉銷售，在為客戶提供更多產(chǎn)品和服務(wù)的同時實現(xiàn)企業(yè)收益的增長 根據(jù)外來工客戶在親情溝通、信息服務(wù)及生活娛樂等方面的需求，進(jìn)行客戶細(xì)分，開展外來工客戶精確營銷活動 ，提升外來工客戶價值。 -43- 案例：流動人口識別助力外來流動人口細(xì)分市場營銷 以中山分公司為例，使用流動人口識別模型，發(fā)掘定位為工業(yè)園區(qū)的外來工群體，聯(lián)合相關(guān)政府部門，大力推廣“ 12580找工我?guī)湍恪被顒?，效果顯著。 根據(jù)流動人口識別模型，精準(zhǔn)定位客戶群體。 主動關(guān)懷 根據(jù)目標(biāo)名單對外來工群體發(fā)送“關(guān)懷”宣傳短信，讓客戶及時了解就業(yè)信息。 匹配推薦 利用 12580強(qiáng)大招聘信息庫進(jìn)行匹配，將合適的就業(yè)信息推薦給客戶。 找工，我?guī)湍?實現(xiàn)雙贏 70%客戶在找工后通話量明顯增加， 10% 20客戶靠 12580成功求職 根據(jù)客戶通話發(fā)生地信息，經(jīng)常到訪的營業(yè)廳位臵等信息，實現(xiàn)區(qū)域客戶群體的進(jìn)一步確定 結(jié)合起來監(jiān)控各個外來工微區(qū)域，制定本地個性化的外來工服務(wù)策略 -44- 目錄 A. 項目背景 B. 實施方案 C. 應(yīng)用案例 D. 項目的主要創(chuàng)新點 E. 社會和經(jīng)濟(jì)效益 -45- 主要系統(tǒng)創(chuàng)新點 通過客戶通信基站信息可以獲取客戶的位臵信息，而位臵信息背后蘊(yùn)藏豐富的客戶特征數(shù)據(jù)。 流動人口因地緣等關(guān)系自然而然成組成群，外來務(wù)工人員、高校學(xué)生圈子內(nèi)部的通信交流較多，通過客戶交往圈信息可以作為流動人口的輔助判定依據(jù)。 經(jīng)營分析系統(tǒng)建立外來務(wù)工人員、高校學(xué)生和流動高端人士等三類客戶數(shù)據(jù)挖掘模型，并為客戶打上知識標(biāo)簽 . 技術(shù) 創(chuàng)新 技術(shù)要點 1：客戶位臵信息 技術(shù)要點 2：客戶交往圈信息 技術(shù)要點 3：數(shù)據(jù)挖掘技術(shù)和客戶特征知識標(biāo)簽庫 -46- 主要管理創(chuàng)新點 系統(tǒng)建立監(jiān)控預(yù)警機(jī)制，監(jiān)控全省外來人口的返鄉(xiāng)與回流趨勢，并能根