移动飞信业务数据挖掘.ppt
飞信业务数据挖掘,华院分析2010年4月,内容,潜在飞信用户预测,飞信用户关联分析,飞信用户内部分群,三个业务问题,飞信的潜在用户在哪里，能估算用户加入的概率 吗？飞信与什么业务组合最容易引起客户的兴趣？飞信客户群是否还可细分，以便采取不同的营销 策略？,数据挖掘尝试来回答这些问题,什么是数据挖掘,按既定业务目标，对大量的企业数据进行探索，揭示隐藏其中的规律性，并进一步将其模型化的先进、有效的方法,内容,潜在飞信用户预测,飞信用户关联分析,飞信用户内部分群,方法论,基于现有飞信用户和普通用户样本，搜集和判断影响用户成为飞信用户的要素，采用逻辑回归的方法训练样本得到回归模型，用以计算未来用户成为飞信用户的概率,预测步骤,实施方法论,选择样本用户,分析影响因素,选择重要变量,建立预测模型,验证评估模型,一、选择样本用户,飞信样本,普通样本,训练样本,在网三个月以上 1月注册成飞信 1-2月连续活跃 共3万用户,随机抽取普通 用户 共30万用户,样本一,样本二,样本用户的选择需要确保其能真实体现飞信或普通用户的一般特征，剔除由于促销活动等引发的“非正常”用户,样本需体现普遍性,二、分析影响因素,RFM(R代表最近值、F代表频度值、M代表币值)是将客户特征化的经典方法，最早应用于目录营销服务行业,我们认为年龄、性别、品牌、交往圈及终端等自然属性是影响用户成为飞信用户的关键因素,RFM变量,自然属性,用户使用移动通信语音、短信、彩信、GPRS等服务产生的业务量及收入也作为可能的影响因子纳入进来,消费特征,哪些方面的因素是飞信用户区别于普通用户的特征呢？,1、RFM变量,我们认为假如用户最近定购过新业务类或梦网类产品，或者近2年定购的次数比较多，则用户继续定购新业务产品（比如飞信）的可能性会比较高，因此纳入以下变量：,近2年新业务产品定购次数、最近新业务产品定购间隔、新业务产品当前有效个数,短信类、彩信类、gprs类、wlan类、手机邮箱类、语音增值类、来电助手类,基础通信类,商务类、博客类、手机报类、音乐类、彩信类,生活娱乐商务类,由于梦网产品无明确细分方法，只能以总的为依据,梦网类,新业务细分,注：彩铃、来电助手等由于捆绑性质居多，无法体现真实用户使用趋向，这里统一未纳入考虑,三大变量,2、自然属性,我们认为年龄、品牌、交往圈及终端等自然属性是影响用户成为飞信用户的关键因素,通过单变量回归分析，发现32岁是一个比较显著的飞信用户分水岭,年龄,飞信用户以交流为主，因此用户交往圈的大小具有重要意义，通过单变量回归分析发现，在一定时间段内有3次以上在不同天有通话的对端用户才是有效交往用户,交往圈,是否属于动感地带用户是一个重要布尔变量,品牌,是否终端支持,性别,在网时长,3、消费特征,用户使用移动通信语音、短信、彩信、GPRS等服务产生的业务量及收入也作为可能的影响因子纳入进来。为了降低短时间内异常消费行为的影响，比如促销，所有的消费行为数据都以近2年的月均消费为基准。,近2年收入近2年优惠收入近2年SP费收入,收入类(10个),近2年通话时长近2年本地通话时长近2年省内漫游通话时长近2年省际漫游通话时长,语音类(20个),近2年短信发送条数近2年彩信发送条数近2年CMWAP次数近2年彩铃下载次数,新业务类(40个),三、选择重要变量,共规整收集150个变量，采用后向、逐步回归方法，逐步淘汰不相关变量，最终选择稳定的排名前20的变量作为飞信影响因素(模型输入变量),值得关注的现象：ARPU、MOU等常规用户价值度量与飞信用户相关性非常小，RFM变量则体现出其价值,三、选择重要变量,基于对业务和客户的理解，选择出合适的影响要素（变量），是决定模型成败的关键一步 要素的搜集和规整工作是模型建立中最艰苦而耗时的部分,四、建立预测模型,实际模型：logit=log(p/(1-p)2.1878（p代表成为飞信用户的概率）+0.1427*TRADEMARK（品牌）+0.3098*is_trademark4（是否动感地带）-0.4207*is_age32（年龄是否小于32）-1.2125*is_sphere3_1_11（交往圈是否小于11）-1.3080*is_sphere3_12_15（交往圈是否在12与15之间）-1.2624*is_sphere3_16_19（交往圈是否在16与19之间）-1.0657*is_sphere3_20（交往圈是否大于20）+0.4971*IS_FEIXIN_TERM（是否飞信终端）+0.000134*N_MU_L_DATE_logi（最近定购的音乐产品间隔 log倒数）+0.0471*CMWAP_COUNTS_sqrt（CMWAP上网次数 sqrt平方根）-2.0817*N_APPLY_2_COUNTS（近两年月均产品定购次数）-1.6197*N_APPLY_2_COUNTS_cos（近两年月均产品定购次数 cos）+0.7396*N_GPRS_L_DATE7（近7个月内是否定购过gprs产品）+0.1916*N_GPRS_L_DATE_sin（最近定购的GPRS产品间隔 sin）-0.00005*N_MU_L_C_cui（近两年月均音乐产品定购次数 立方的倒数）+0.5477*N_GPRS_APPLY_COUNTS114（近两年月均GPRS产品定购次数）+0.000089*N_PAPER_L_DATE_logi（最近定购的手机报产品间隔 log倒数）+1.0152*N_PAPER_I_A_C_sqrt（近两年月均手机报定购次数 平方根）+2.6438*N_MAIL_APPLY_COUNTS_sqrt（近两年月均手机邮箱定购次数 平方根）+0.3913*N_SMS_A_L_D5（最近是否定购过短信产品）-0.0558*N_B_A_L_D_curt（最近定购的商务类产品间隔 curt）-0.00002*N_A_L_D_logi（最近定购产品的间隔 log倒数）-0.00003*VPMN_C_D_logi（最近定购vpmn产品的间隔 log倒数）-0.00003*NISMG_A_L_D_sini（最近定购梦网产品的间隔 sin倒数）-0.00015*N_ADD_A_C_cui（近两年月均语音增值产品次数 立方的倒数）+0.0292*SMS_MO_COUNTS_sqrt（近两年月均短信发送次数 平方根）+0.00343*GPRS_VOLUME_curt（近两年月均GPRS流量 curt）-0.00004*N_C_I_A_C_cui（近两年月均彩铃产品定购次数 立方的倒数）,针对所选变量采用逻辑回归方法，训练得到拟合方程式:,logit=log(P/(1-P)=aX0+bX1+cX2+其中：p代表成为飞信的概率 X0、X1、X2等代表所选的变量（影响因素）a、b、c等代表计算得到的系数,P即为计算得到的飞信活跃用户的概率,模型确立后，只要数据收集完整，非常容易推广和应用到实际的营销中，由于是以概率为度量，可以对营销数量进行灵活的控制,四、建立预测模型（预测举例）,假如某用户资料如下：品牌：全球通年龄：33交往圈：68终端：支持飞信最近一次订购音乐类产品的时间间隔：20个月最近2年月均CWMAP上网次数：33次最近2年月均产品定购次数：0.3次最近增值类产品参加时间间隔：3个月最近2年月均VPMN时长：950分钟最近一次订购梦网类产品的时间间隔：3个月最近2年月均短信发送次数：13条最近2年月均流量：2M则计算其成为飞信活跃用户的概率为：29.6%,五、模型验证,十分位分析是验证模型健壮性的常用方法，其将样本按照预测概率高低排序等分为10等份，通过以下两种方式来检查模型的强壮性：（1）每个等分内预测概率与实际情况的差异（2）最高最低等分预测概率的差异,预测概率均值与实际情况相差很小,最佳十分位是最差十分位预测概率的18倍非常好的区分性能,注：为了防止模型的过渡适应，即它吸收了数据中的非规则元素，往往还需采用重采样方式来验证模型健壮性,内容,潜在飞信用户预测,飞信用户关联分析,飞信用户内部分群,方法论,基于现有飞信用户注册的各类新业务套餐产品信息，从中找出与飞信产品最相关的产品组合，从而指导交叉销售产品设计，也可作为一种发现潜在飞信用户的手段,关联度排名（二产品组合）,左图列举了飞信用户同时选用其它套餐产品的支持度排名情况 可见其与GPRS、无线音乐、彩信等产品具有较强的关联性，对于日常营销中的交叉销售设计具有一定的参考意义注：剔除了彩铃、来电助手等现捆绑性质居多的 产品,关联度排名（多产品组合）,以上可作为多产品交叉销售的参考,内容,潜在飞信用户预测,飞信用户关联分析,飞信用户内部分群,方法论,基于现有飞信用户，将其划分为多个分组并总结特征，使得组内客户高度相似，组间客户差异明显，发现各个分群的客户特性和需求，有针对性地设计营销计划,飞信用户分群,通过聚类（k-均值法）方法还可将飞信群体细分为三大类，通过比对每类客户与总体客户(蓝方块)的差异，可得这三类飞信群体的特征：动感新鲜型：短信拇指族，手机上网发烧友，对音乐、商务类等各类产品都感兴趣，占到 飞信群体的15 普通实用型：具有一定的短信、手机上网量，但基本不订购其它新业务产品，占到飞信群 体的75，是飞信使用的主体 商务信息型：基本不发短信、手机上网也少，但对于商务娱乐等信息感兴趣，占到飞信群 体的10,动感新鲜型,普通实用型,商务信息型,
