中国移动河南公司离网预警数据挖掘最终模型分析报告.ppt

《中国移动河南公司离网预警数据挖掘最终模型分析报告.ppt》由会员分享，可在线阅读，更多相关《中国移动河南公司离网预警数据挖掘最终模型分析报告.ppt（103页珍藏版）》请在三一办公上搜索。

1、中国移动河南公司离网预警数据挖掘最终模型分析报告,2.,模型构建方案原则,低端用户(月消费低于100元)通过政策公开宣传进行挽留。高端用户(月消费高于100元)则开展一对一的针对性挽留。,应尽可能细化地分析每一地区高端用户离网预警的不同原因，为大客户经理开展一对一挽留提供决策依据。,指导思想,模型构建原则,模型构建整体思路,全省低端用户共同构建一个模型；而针对高端用户，充分考虑地区差异性，通过对地区的划分，分片区建模。,高端分拆,地区的大小及重要性。不同地区预测目标离网用户离网率上的相近性。不同地区地理分布的近似性。竞争对手的战略重点。,3.,最终模型构建方案,全省所有用户共同构建一个模型,郑

2、州,平顶山南阳,洛阳安阳新乡焦作三门峡,鹤壁濮阳许昌驻马店漯河信阳,开封商丘周口,Model_I,Model_II,Model_III,Model_IV,Model_V,Model_0,80元及以上,80元以下,4.,模型_0,5.,模型_0 综述,被叫不同号码越少，离网可能性越高；通话不同电话数波动越大，离网可能性越高；通话集中度变动越大，离网可能性越高；通话集中度极高或极低的人，离网可能性也越高；网外通话次数比减少的人，离网的可能性往往较高；被叫次数比越低，离网可能性越高；,6.,因素一：被叫不同电话号码个数（三月平均）,离网概率分布图以被叫不同电话号码个数的不同进行分析,7.,因素二：通

3、话不同电话个数变化率,离网概率分布图以通话不同电话个数变化率的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,8.,因素三：通话集中度的变化（前五）（末月中间月）,离网概率分布图以通话集中度（前五）的变化的不同进行分析,9.,因素四：通话集中度（前五）（三月平均）,离网概率分布图以通话集中度（前五）的不同进行分析,10.,因素五：网外通话次数比的变化（末月中间月）,离网概率分布图以网外通话次数比变化的不同进行分析,11.,因素六：被叫次数比（三个月平均）,离网概率分布图以被叫次数比的不同进行分析,12.,模型_0预警级别及其预警原因说明,13.,模型_I,14.,

4、模型_I 综述,通话次数下降越多，离网可能性越高；被叫不同电话数越少，离网可能性越高；通话集中度变动越大，离网可能性越高；通话集中度越高，离网可能性也越高；在网时长越短，离网可能性越高；与联通通话次数减少或增加很多的人，离网可能性越高；,15.,离网概率分布图以通话次数变化率的不同进行分析,因素一：通话次数变化率,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,16.,因素二：被叫不同电话个数（三个月平均）,离网概率分布图以被叫不同电话个数的不同进行分析,17.,因素三：通话集中度（前五）变化（末月中间月）,离网概率分布图以通话集中度（前五）变化的不同进行分析,18.,因素四：

5、通话集中度（前五）（三个月平均）,离网概率分布图以通话集中度的不同进行分析,19.,因素五：在网时长,离网概率分布图以在网时长的不同进行分析,20.,因素六：联通通话次数比的变化（末月中间月）,离网概率分布图以联通通话次数比变化的不同进行分析,21.,模型_I预警级别及其预警原因说明,22.,模型_II,23.,模型_II 综述,被叫不同电话数越少，离网可能性越高；在网时长越短，离网可能性越高；通话集中度变动越大，离网可能性越高；通话总次数越少，离网可能性越高；与联通通话次数减少或增加很多的人，离网可能性较高；,24.,因素一：被叫不同电话个数（三月平均）,离网概率分布图以被叫不同电话个数的不

6、同进行分析,25.,因素二：在网时长,离网概率分布图以在网时长的不同进行分析,26.,因素三：通话集中度（前五）的变化（末月中间月）,离网概率分布图以通话集中度（前五）的变化的不同进行分析,27.,因素四：通话集中度（第一）的变化（末月中间月）,离网概率分布图以通话集中度（第一）的变化的不同进行分析,28.,因素五：通话总次数（三月平均）,离网概率分布图以通话总次数的不同进行分析,29.,因素六：联通通话次数比的变化（末月中间月）,离网概率分布图以联通通话次数比变化的不同进行分析,30.,模型_II预警级别及其预警原因说明,31.,模型_III,32.,模型_III 综述,通话总次数变动越大，

7、离网可能性越高；网外通话次数比变动越大，离网可能性越高；在网时长越短，离网可能性越高；通话集中度变动越大，离网可能性越高；不同通话次数比越大，离网可能性越高；,33.,因素一：通话总次数变化率,离网概率分布图以通话总次数变化率的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,34.,因素二：网外通话次数比的变化,离网概率分布图以网外通话次数比变化的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,35.,因素三：在网时长,离网概率分布图以在网时长的不同进行分析,36.,因素四：通话集中度（前五）的变化,离网概率分布图以通话集中度（前五）

8、的变化的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,37.,因素五：不同通话次数比的变化（末月-中间月）,离网概率分布图以不同通话次数比变化的不同进行分析,38.,因素六：通话集中度(前五)的变化（末月-中间月）,离网概率分布图以通话集中度变化的不同进行分析,39.,模型_III预警级别及其预警原因说明,40.,模型_IV,41.,模型_IV 综述,通话不同电话个数越少，离网可能性越高；通话集中度变动越大，离网可能性越高；每次通话时长变动越大，离网可能性越高；在网时长越短，离网可能性越高；与联通通话次数比变动越大，离网可能性也越高；通话集中度越高，离网可能性越

9、高；非忙时(07点)通话次数比下降或快速升高，离网可能性也较高；,42.,因素一：通话不同电话个数（三个月平均）,离网概率分布图以通话不同电话个数的不同进行分析,43.,因素二：通话集中度（前五）的变化（末月中间月）,离网概率分布图以通话集中度变化的不同进行分析,44.,因素三：每次通话时长变化（末月中间月）,离网概率分布图以每次通话时长变化的不同进行分析,45.,因素四：在网时长,离网概率分布图以在网时长的不同进行分析,46.,因素五：联通通话次数比的变化（三个月平均）,离网概率分布图以联通通话次数比变化的不同进行分析,47.,因素六：通话集中度（第一）（三个月平均）,离网概率分布图以通话集

10、中度（第一）的不同进行分析,48.,因素七：非繁忙时段(07点)通话次数比的变化,离网概率分布图以非繁忙时段通话次数比变化的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,49.,模型_IV预警级别及其预警原因说明,50.,模型_V,51.,模型_V 综述,总通话次数变动越大，离网可能性越高；被叫不同号码越少，离网可能性越高；在网时长越短，离网可能性越高；网外通话次数比变动越大，离网可能性越高；通话集中度变动越大，离网可能性越高；,52.,因素一：通话总次数的变化,离网概率分布图以通话次数变化的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月

11、的平均,53.,因素二：被叫不同电话号码个数（三月平均）,离网概率分布图以被叫不同电话号码个数的不同进行分析,54.,因素三：在网时长,离网概率分布图以在网时长的不同进行分析,55.,因素四：网外通话次数比的变化,离网概率分布图以网外通话次数比变化的不同进行分析,备注：变化率为（首月与中间月的平均-末月）/首月与中间月的平均,56.,因素五：通话集中度(前五)变化(末月-中间月),离网概率分布图以通话集中度变化的不同进行分析,57.,模型_V预警级别及其预警原因说明,58.,最终的离网预警名单可以通过评分系统下载，用于开展有效的挽留工作,59.,下载客户名单时，各地市需要参照的离网倾向打分各不

12、相同,80元及以上,80元以下,60.,郑州高价值客户,61.,开封高价值客户,62.,洛阳高价值客户,63.,平顶山高价值客户,64.,安阳高价值客户,65.,鹤壁高价值客户,66.,新乡高价值客户,67.,焦作高价值客户,68.,濮阳高价值客户,69.,许昌高价值客户,70.,漯河高价值客户,71.,三门峡高价值客户,72.,商丘高价值客户,73.,周口高价值客户,74.,驻马店高价值客户,75.,南阳高价值客户,76.,信阳高价值客户,77.,郑州一般价值客户,78.,开封一般价值客户,79.,洛阳一般价值客户,80.,平顶山一般价值客户,81.,安阳一般价值客户,82.,鹤壁一般价值客

13、户,83.,新乡一般价值客户,84.,焦作一般价值客户,85.,濮阳一般价值客户,86.,许昌一般价值客户,87.,漯河一般价值客户,88.,三门峡一般价值客户,89.,商丘一般价值客户,90.,周口一般价值客户,91.,驻马店一般价值客户,92.,南阳一般价值客户,93.,信阳一般价值客户,94.,附录模型工作原理及使用说明,95.,离网预警模型使用方法说明,模型在构建时考虑了预测工作月需要一定的数据准备时间及模型评分时间，并且在产生了潜在用户离网名单之后还需要部署维系挽留活动，考虑到用户挽留活动的时效性特点，因而模型直接产生的是从预测工作月以后一个月的潜在离网用户名单。,报告中使用的月份名

14、称定义,对离网因素的分析阐述是根据模型构建时所使用的数据展示的。该数据的基础是*年6月至8月河南移动正常在用的用户，抽样用户数为1,013,608人。,96.,离网预警模型可以实现“提前预警”,模型的工作过程描述,97.,还以“多维分析”为基础实现“离网倾向高低排序”,1000万客户50万离网,AX为多变量分析过程不同方格的客户分组的离网倾向不同,98.,离网预警模型应用的重中之重是人的工作,用户离网预警模型,输出,高危离网用户名单138#1 0.06139#1 0.04138#1 0.05,1,2,3,预测未来一个月离网，回访时用户的离网倾向还没有表现出来,大客户经理对用户的工作仅限于离网挽

15、留造成资源浪费,即使模型命中率提高3倍，依然有部分被预测用户并不会离网,客户关怀与挽留活动执行中常见的问题,模型的工作,人的工作,应用需要重点解决的问题是人的认识问题与分析技能,99.,以模型最终产生的名单，进行层层分解分析,离网倾向评分说明该客户离网可能的大小,可以根据ARPU确定客户挽留活动的目标群体,营销人员可以更准确地抓住具有潜在离网倾向的客户,了解潜在离网客户的行为特点，开展针对性的客户挽留,综合对客户的 分析，给出建议行动优先级,了解潜在离网客户的行为特点，开展针对性的客户挽留,100.,执行挽留前先要对分类用户分别制定有效的策略,反例,正例,主动消号用户分析,行动性策略,男性用户提供关怀,女性用户提供关怀,101.,记录挽留过程中每一步的结果可用于经验总结,102.,预警高危用户挽留的最佳流程,下载预警高危客户名单,预警高危客户分类(所属分组和预警原因)分析,针对不同高危细分人群设计适宜的政策,开展回访并对过程进行详细记录,1,2,3,4,5,分析对比及经验总结(查找原因及下一步政策调整),6,大客户经理对高危名单分析并判断是否回访,