|
通訊用戶價值細(xì)分 撰稿：羅大佐 論文代寫、數(shù)據(jù)挖掘項目咨詢聯(lián)系（QQ）2351028115 1. 前言 隨著精細(xì)化營銷的推進，為不同用戶提供個性化的營銷支持是通訊企業(yè)后期營銷的重點工作之一，但是對企業(yè)而言，如何對用戶進行價值，不同的管理團隊有不同的方案，在實際操作過程中也沒有一個統(tǒng)一的說法，在此，本論文作者根據(jù)實際的項目經(jīng)驗認(rèn)為，對用戶的價值分類可以按照用戶的實際消費和入網(wǎng)年限兩個維度指標(biāo)進行價值細(xì)分，這樣不僅滿足了通訊企業(yè)的短期考核，也可以通過用戶的入網(wǎng)年限這一指標(biāo)考核用戶的長期價值，即用戶的忠誠度。 2. 研究路線 在實際操作中，本項目組主要是按照一下技術(shù)路線開展項目工作的。  從上面的技術(shù)路線可以看出，在正式進行大數(shù)據(jù)挖掘前，項目組首先會提取小批量數(shù)據(jù)（提取數(shù)據(jù)的多少主要是看總體需求數(shù)據(jù)量，本項目組根據(jù)項目要求，提取了20000通訊用戶的數(shù)據(jù)進行小批量測試），進行數(shù)據(jù)挖掘的前期探索，并通過擬合度的計算，檢測該模型是否合理，及其提取的維度是否滿足項目組的要求，從而可以有效的提高項目的進度和滿足項目的要求。 1. 挖掘模型概述 從研究領(lǐng)域來看，對用戶的價值劃分有較多的成功案例，如RFM模型，該模型主要是從消費的數(shù)據(jù)挖掘模型向通訊用戶的數(shù)據(jù)挖掘模型轉(zhuǎn)變過來的，該模型認(rèn)為用戶的綜合價值體現(xiàn)在用戶在判斷時期內(nèi)的購買頻率(Frequency)、累計購買金額(Monetary)和距離截止日期的購買時間(Recency)；又如根據(jù)用戶貢獻度為劃分標(biāo)準(zhǔn)的用戶價值細(xì)分方案，該方案強調(diào)當(dāng)前用戶對企業(yè)理論的貢獻程度，因此提出的CV=CP/CC，其中CP為凈收益，CC為企業(yè)在實際營銷過程中所產(chǎn)生的成本，而CV即為每單位成本產(chǎn)生的收益，該方案成功的一面是通過數(shù)字的形式使得企業(yè)指導(dǎo)了投入-產(chǎn)出比，能較為客觀的度量企業(yè)的營銷活動的有效性，但是不足之處也較為明顯，即該方案強調(diào)的是某一時間段或時間點上的用戶的價值，并沒有有效的描述用戶的忠誠度和潛在消費價值，因此該方案也存在改進的空間。 本項目組根據(jù)該通訊企業(yè)的實際情況，并結(jié)合以往的經(jīng)驗，提出AHP-聚類的價值判定方案，該方案重點強調(diào)了用戶的當(dāng)前價值和潛在貢獻度相結(jié)合的問題，從而有效的解決了用戶價值識別中存在不足的問題。 該方案的大體結(jié)構(gòu)如下所示。  由于篇幅和討論問題的重點并不在算法的改進等方面，因此具體的算法在該篇論文并不做較為詳細(xì)的闡述。 1. 指標(biāo)維度選取 維度指標(biāo)的選取是決定了數(shù)據(jù)挖掘結(jié)果是否貼近實際工作，因此，本項目組在對維度指標(biāo)的選取較為重視，并通過調(diào)研走訪、資料查詢等方法，選取了以下可考核的維度指標(biāo)作為判斷用戶綜合價值的關(guān)鍵指標(biāo)  在選取數(shù)據(jù)時，本項目組對選取近三個月的消費數(shù)據(jù)作為判斷用戶當(dāng)前價值的支撐數(shù)據(jù)，并選取自用戶入網(wǎng)以來的基本情況作為用戶潛在價值的判斷依據(jù)。 具體提數(shù)情況，參加附件。 1. 程序設(shè)計 由于R軟件在數(shù)據(jù)挖掘上具有得天獨厚的優(yōu)勢，因此本項目使用R軟件進行挖掘工作。 5.1 R編程 x.data<-read.csv(‘e:/判斷矩陣.csv’，header=T) x.x1<-c(x.data$ARPU值評價) x.x2<-c(x.data$市話主叫時長評價) x.x3<-c(x.data$長途主叫時長評價) x.x4<-c(x.data$漫游通話時長評價) x1.sum<-sum(x.x1) x2.sum<-sum(x.x2) x3.sum<-sum(x.x3) x4.sum<-sum(x.x4) x.length<-length(x.data) x1.s.sum<-sum(x.x1/x1.sum)/x1.num x2.s.sum<-sum( x.x2/x2.sum)/x2.num x3.s.sum<-sum( x.x3/x3.sum)/x3.num x4.s.sum<-sum( x.x4/x4.sum)/x4.num x1-x4sum<-x1.s.sum+ x2.s.sum+ x3.s.sum+ x4.s.sum xbzhun<-x1.s.sum/ x1-x4sum lamuda<-xbzhun%*%B CI<-(lamuda-x.length)/(x.length-1) jieshu<- c(1,15) zhi<- c(0,0,0.52,0.89,1.12,1.26,1.36,1.41,1.46,1.49,1.52,1.54,1.56,1.58,1.59) RI<-array(zhi,jieshu) F(x.length) F<-Function(x) { CR<-CI[x.length]/RI[x.length] If(CR<0.1) c(“矩陣判斷一致性可以接受”) else c( “矩陣判斷一致性不能接受，請重新判斷！”) } 5.2 價值用戶統(tǒng)計 通過R編程的形式，使用AHP算法對通訊用戶進行了價值劃分，并根據(jù)需求，我們把綜合評估在0.8以上的用戶定義為高價值用戶，把綜合評價在0.5~0.8之間的用戶定義為中價值用戶，剩余的為低價值用戶。由此，有以下圖表的展現(xiàn)。  從上圖可以看出，高價值用戶占比在17.5%，而中價值用戶和低價值用戶占比在80%左右，符合預(yù)期。 1. 結(jié)論 對用戶的價值細(xì)分，不僅需要考慮當(dāng)前的現(xiàn)金流，同時還要考慮用戶的穩(wěn)定性和忠誠度，若一味的把用戶現(xiàn)金流作為細(xì)分用戶價值的參考指標(biāo)，容易造成潛在的用戶流失，因此，本項目組在充分結(jié)合實際情況的同時，充分使用數(shù)據(jù)挖掘模型，從而對用戶價值進行了細(xì)分。 7. 思考 從項目而言，已經(jīng)完成，但是對本項目進行深入的思考后發(fā)現(xiàn)，該項目仍有拓展或改善的空間，重點在幾方面： 一、對用戶的價值評估是一個動態(tài)過程，需要對算法進行固化。由于時間等資源的限制，本項目的最終結(jié)果是以一份書面報告的形式加以呈現(xiàn)，但是對用戶的價值評估，是要求在每個時間段上（一般為三個月）加以呈現(xiàn)的，因此，若可以，該算法需要固定在系統(tǒng)上，從而實現(xiàn)用戶價值評估的動態(tài)化。 二、算法的改進。AHP算法是一個比較經(jīng)典的算法，但是需要主客觀的結(jié)合，然而數(shù)據(jù)挖掘的本質(zhì)是在雜亂無章的數(shù)據(jù)中找出規(guī)律，并加以總結(jié)，從而得出結(jié)論，因此，該模型嚴(yán)格意義上來說并不純粹的是一個數(shù)據(jù)挖掘項目，更多的是一個管理類咨詢建模，這就要求我們在今后的工作中，不斷進取，在提升專業(yè)水平的同時，真正的做到數(shù)據(jù)挖掘。 8、說明 本項目實際還涉及到很多的分析工作，由于篇幅的局限性，就沒有一一寫下來了，請大家諒解。 同時由于知識面的局限性，對數(shù)據(jù)挖掘或項目的理解存在或多或少的不足之處，望各位網(wǎng)友指全。
|
|
|
來自： 昵稱10431908 > 《論文》
