数据挖掘在电信业的应用.ppt

（二）低网龄用户挖掘 5、网龄2～4个月的流失用户数据挖掘 序号 细分群名称 细分群特征 规模占比 1 商务高端用户群 语音消费行为是用户主要行为属性；ARPU最高为240元/户以上，交往圈最大，本长漫语音话务均高，且每次通话时长较长 2.4% 2 漫游突出用户群 语音消费行为是用户主要行为属性；ARPU为85元/户左右，经常去外地，漫游话务突出，本地及长途话务较少，且漫游通话频次最高 3.9% 3 长途话务突出群 语音消费行为是用户主要行为属性；ARPU为120元/户左右，交往圈中有大量外地号码，长途话务突出，漫游很少，且长途通话频次最高 7.6% 4 本地话务突出群 语音消费行为是用户主要行为属性；ARPU为120元/户左右，交往圈主要集中在本地，本地话务突出，长途漫游较少，且本地通话频次最高 4.7% 5 本地话务偏好群 语音消费行为是用户主要行为属性；ARPU为67元/户左右，交往圈主要集中在本地，通话时长相对较低，但本地话务相对突出，长途漫游很少 14.8% （二）低网龄用户挖掘 5、网龄2～4个月的流失用户数据挖掘 序号 细分群名称 细分群特征 规模占比 6 本地低端用户群 语音和数据业务消费行为均较低，用消费户行为相对均衡；ARPU较低为30元/户左右，很少去外地，漫游和长途时长比例最低,平均每次通话时长最短 33.5% 7 短信突出用户群 数据业务消费行为是用户主要行为属性；ARPU为40元/户左右，数据业务消费占比高于50%，主要使用短信业务，且短信上行条数最高 8.0% 8 GPRS突出用户群 数据业务消费行为是用户主要行为属性；ARPU为30元/户左右，数据业务消费占比高于50%，GPRS流量高，其他数据业务使用较少 8.1% 9 数据业务兴趣群 数据业务消费行为是用户主要行为属性；ARPU为20元/户左右，订购数据业务种类最多，但消费不高，数据业务费用占比高于50% 13.3% 10 数据业务发烧群 数据业务消费行为是用户主要行为属性；ARPU为65元/户左右，订购数据业务种类最多，且数据业务消费最高， 占比高达67% 3.9% □ 序言 □ 用户流失挖掘的主要方法 □ 用户流失挖掘中应注意的问题 □ 用户流失挖掘过程 ■ 建议与结论 用户流失的数据挖掘 根据中国移动历年年报显示，签约用户在网率时间长，且ARPU值一般是预付费用户ARPU值的3～4倍。具体实现方式有两种： 一种是通过有吸引力的资费套餐将预付费用户转换成签约用户 另一种是直接发展签约用 （一）扩大签约用户比例提高在网率 通过推出各种优惠资费套餐等促销方法拉动用户提高业务使用量，这种方法往往与预付费用户转换成签约用户方法相配套推出。下表是针对不同用户群可以推出的优惠措施： （二）针对不同用户群推出不同优惠措施 （二）针对不同用户群推出不同优惠措施 对于电信运营商来说，不仅业务要不断创新，不断开发，服务也要不断创新，不断开发。可以推出如下服务： （三）服务创新 电信市场的竞争，面临残酷态势，一方面有互联网企业的地盘侵蚀，一方面是其他通信公司的业务业务的竞争。只有针对不同的目标群体、快速地推出创新性业务、丰富业务种类、提供差异化服务，才能吸引更多的用户使用，从而提高企业效益。 （四）业务创新 * * 数据挖掘技术在 电信用户分析与保持中的应用 北大2013公安班数据挖掘第13小组 2013年11月 北大2013公安班数据挖掘第13小组 成员名单 黄锡锋：1301220570 张　佶：1301220690 赵　征：1301220706 徐　良：1301220670 周　健：1301220713 张　峰：1301220686 ■ 序言 □ 用户流失挖掘的主要方法 □ 用户流失挖掘中应注意的问题 □ 用户流失挖掘过程 □ 建议与结论 用户流失的数据挖掘 电信运营商之间竞争激烈 两 有：市场占有率，用户保有量 ARPU：每用户月平均收入 提升 电信运营商之间竞争激烈 运营商的年ARPU值 ARPU值逐年下降，应努力调整业务结构以适应形势变化。 电信运营商之间竞争激烈 运营商年ARPU值 市场占有率 用户保有量 留住一个用户所需要的成本是争取一个新用户成本的1/5 □ 序言 ■ 用户流失挖掘的主要方法 □ 用户流失挖掘中应注意的问题 □ 用户流失挖掘过程 □ 建议与结论 用户流失数据挖掘 相关分析主要分析变量之间联系的密切程度；回归分析主要基于观测数据与建立变量之间适当的依赖关系。相关分析与回归分析均反映的是数据变量之间的有价值的关联或相关联系，因此两者又可统称为关联分析。 （一）相关分析和回归分析 时间序列分析与关联分析相似，其目的也是为了挖掘数据之间的内在联系，但不同之处在于时间序列分析侧重于数据在时间先后