基干数据挖掘电信用户行为探析与应用.docVIP

基于数据挖掘的电信用户行为分析与应用 　　摘 要：本文从用户流失预测原则、离网用户模型构建和预测模型价值分析等三方面总结了用户流失的研究成果，针对电信用户消费记录，构建覆盖行为变量抽取、脏数据清洗、分析变量融合、预测期和算法选取的全过程离网用户预警模型。运用该预测模型对某运营商全省用户进行分析，取得较高应用价值，并为营销管理、客户细分等后续工作奠定良好基础 关键词：数据挖掘 客户流失 预测模型 行为模式 引言 自2013年12月以来，随着中国移动、中国电信和中国联通获颁“LTE/第四代数字蜂窝移动通信业务（TD-LTE）”经营许可，中国正式迈入4G时代；同时工信部亦发文取消了对中国移动固网业务的限制，行业态势或将迎来新的变局 随着市场竞争的日益激烈以及企业间的产品和服务的差异性减少，运营商已从“以产品为中心”转向“以用户为中心”，采用用户关系管理（Customer Relationship Management ， CRM）等信息化系统来提高用户服务水平[1] 1、研究背景 自2008年电信业重组以后，中国移动、中国联通、中国电信三家运营商之间传统竞争优势的差距一直在陆续减小；目前，三家运营商均为全业务运营商，业务差距日渐缩小，服务差距日益减弱，新客户带来的增量市场趋于饱和，存量客户市场竞争更加激烈 客户消费行为及离网分析一直是通信行业的核心问题和CRM关注焦点。文献[2]等指出：运营商每流失35%～50%的用户，会造成大约数百亿美元的经济损失，具体意义体现在以下方面[3]： （1）用户忠诚度每下降5%将导致企业利润下降25%； （2）新用户推销业务成功概率最高为15%，而老用户成功率能达到50%； （3）新用户开拓成本为老用户维系成本的6倍； （4）对不满意用户的服务进行重点关注和过失响应，约70%的用户不会流失； （5）不满意服务会影响周边8-10人，而满意用户经历影响2-3人； （6）用户入网时间与用户价值呈现正比关系 基于上述原因，在当前环境下各大运营商首先考虑存量市场竞争，在发展新用户的同时更注重对老用户的挽留和分类营销。由于电信用户价值的判定基于利润贡献度和净现金流量，因此通过对训练集内的客户消费记录、行为数据进行清洗、抽取和分类，构建出高端用户行为模式和离网用户行为模式，在实际数据集内展开分析预测并开展针对性营销工作，从而挽留住具有终身价值的长期有效用户、提升高端用户利润贡献度 2、分析原则 本系统基于某运营商省级公司用户数据，预测体系分为客户离网预警系统和客户离网挽留系统两部分。系统的主要分析重点集中在客户离网预警系统，包括自动预警模块和人工预警模块；模型研究的侧重于自动预警模块分析 首先由专家研究客户离网心理及行为，包括对各类业务中客户离网行为和心理进行深入分析和研究，考察其离网的原因和行为规律，根据这些行为规律寻求合适的离网表现变量。而后通过实际数据实行测算，从而确定离网表现变量的运算规则及离网判断规则，并以此确定自动预警模块的相关参数及逻辑关系；最后通过客户离网预警系统中的自动预警模块对离网表现变量进行适当的运算和判断，确定客户是否具有离网倾向并输出结果 基于以上的离网预警处理过程及电信目前业务支撑线状，客户离网预警系统自动模块的相关数据主要来源于业务系统、计费系统和结算系统 2.1抽取离网行为变量 根据该省公司市场部2015年9月底所作市场调查获得的数据，手机、固定电话、宽带客户离网的原因主要确定为资费、终端、稳定性和其他等方面，（由于单个客户离网原因可能有多个，所以各种原因总合大于100%） 结合选择的离网原因，分析该离网原因能够形成何种客户离网表现行为，主要考虑如下： 离网表现变量的选取原则需要选择和确定出能够预测、反映客户将产生离网行为的后台数据分析变量。该变量应易于提取、便于计算、且具备一定独立性，即与其它离网变量的关联度较小或没有 根据客户离网表现变量，结合目前系统支撑现状，受限于当前各系统的支撑能力，实际运行的客户离网预警系统使用其中部分变量（如表2所示），其余变量可在现有成果上不断完善添加 2.2确定离网判断原则 数据分析过程中，实际离网客户数是指某一原在网客户群随着时间的推移，现实中发生的离网客户数；预警离网客户数是指对某一原在网客户群进行离网预警分析后，判断出有离网倾向的客户数；实际预警客户数是指在预警离网客户数中，现实中实际离网的客户数 漏报率 = 离网漏报客户数 / 实际离网客户数 （1） 误报率 = 离网误报客户数 / 预警离网客户数 （2） 理想状态下，漏报率和误报率两个指标均为零，且两指标间存在负相关关系，一个指标准确度的提升会引起另一指