数据挖掘案例研究_手机电视经营挖掘.pdf

《数据挖掘案例研究_手机电视经营挖掘.pdf》由会员分享，可在线阅读，更多相关《数据挖掘案例研究_手机电视经营挖掘.pdf（64页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、手机电视经营分析挖掘手机电视经营分析挖掘刘文刘文TEL:139176430202008.03.31STT2008 Confidential商业理解：项目目的商业理解：项目目的?“In God we trust:all others must bring data”W.Edwards Deming“除了上帝,我只信数据.”?依据数据，全面分析手机电视的经营分析情况?为手机电视经营分析作决策支持STT2008 Confidential商业理解：手机电视介绍商业理解：手机电视介绍?概念 手机电视是中国移动开展的基于手机的新媒体业务，目前主要有CCTV手机电视、东方手机电视、CRI手机电视、影视专区等

2、业务。用户可以用手机在线收看直播节目，并且可以点播、下载观看 其他精彩的节目内容，而在夜间，可以使用“闲时下载”功能，下载当日精彩推荐节目。?业务介绍 CCTV 共开通个直播频道与电视信号同步，包含CCTV 16新闻、音乐，以及各个轮播频道。余 套直播滚播频道和各类点播栏目；新的栏目和内容将不断推陈出新。包含影视、动漫、体育、时 尚、音乐、娱乐综艺等分类，每天都会更新内容。?计费方式 通信费和信息费两部分 通信费统一按照当地资费标准收取 信息费资费根据不同的业务内容收取 CCTV手机电视业务目前提供两种信息费资费：1）包月方式：6元/月 2）按次方式：1元/次 东方手机电视业务目前提供两种信息

3、费资费：1）包月方式：10元/月 2）按次方式：1元/次STT2008 Confidential数据理解：从数据发现经营现状数据理解：从数据发现经营现状?取10月份入网月份入网的东方包月用户东方包月用户的2007年年10月月-2008年年2月月的消费情况。点播点播,下载下载,直播直播一用户同一时间 内多次点播一用户同一时间 内多次点播数据预处理数据预处理,杜绝杜绝trash in,trash out数据预处理数据预处理,杜绝杜绝trash in,trash out可能情况：节目 代码不一致，但 是节目名称相同：“第一段”可能情况：节目 代码不一致，但 是节目名称相同：“第一段”STT2008

4、Confidential数据理解：数据探索数据理解：数据探索?简单统计指标 月入网用户数 月人均收看次数 月均下载量 月均消费 消费人群平均年龄 消费人群月均账单额 STT2008 Confidential粘着度分析粘着度分析(1)?用户手机电视下载业务粘着度分析几乎所有用户的使 用量均成下降趋势几乎所有用户的使 用量均成下降趋势STT2008 Confidential粘着度分析粘着度分析(2)?用户所有类型(下载,直播,点播)粘着度分析所有所有10月份入网用 户月均使用量月份入网用 户月均使用量所有所有10月份入网后在网 用户月均使用量月份入网后在网 用户月均使用量STT2008 Confi

5、dential粘着度原因分析粘着度原因分析?原因分析 服务质量：调查何种原因（节目太少？下载速度慢？终端支持？）；引入投诉信息 定价因素：引入账单信息，查看手机电视消费额占总消费额比重?改进方式技术:3G营销:关联规则：寻找相关联业务，改进本业务拓宽方式；发现节目之间关联，进行交叉销售 客户分群：细分客户群，找出各个客户群群体特征，有针对性定制产品 时间序列：分析业务将来走势，进行未来预测 分类模型：客户获取模型，客户流失模型，发现客户群将来行为因素STT2008 Confidential关联规则模型关联规则模型?数据交易记录?目的：发现商品之间关联 A?B 关联规则计算方法P(A-B)=P(

6、B|A)=P(AB)/P(A)IKEAIKEA淘宝淘宝淘宝淘宝STT2008 Confidential关联规则原理关联规则原理?概念A?B 目（session）：customer 项（item）：transaction 前因（antecedent）：A 结果（consequent）：B 支持度（support）：P(AB)置信度（consequent）：P(B|A)规则长度：Length(P(C|AB)=3?算法：1.APriori2.FP-Tree FP Growth3.FPV-Frequent Pattern Vertical Customer 1ACustomer 1BCustomer

7、1CCustomer 2DCustomer 2ACustomer 3BCustomer 3CCustomer 4DCustomer 4ACustomer 4C事件集事件集Customer 1Customer 2Customer 3Customer 4客户集客户集STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(1)?数据事件集事件集客户集客户集STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(2)?建模STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(3)?导入客户集STT2

8、008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(4)?客户集数据描述STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(5)?导入事件(交易)数据STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(6)?参数设置STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(7)?概述STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(8)?训练模型STT2008 Confidential手机电视下载节目关联分析手机电视下

9、载节目关联分析(9)STT2008 Confidential?模型概述手机电视下载节目关联分析手机电视下载节目关联分析(10)STT2008 Confidential手机电视下载节目关联分析手机电视下载节目关联分析(11)?关联规则探索STT2008 Confidential关联规则模型关联规则模型?案例:发现数据业务之间关联ID使用业务客户1彩铃客户1彩信客户1手机报客户2来电提醒客户2手机报客户3语音杂志客户3彩铃客户4彩信ID使用业务(10-20)客户1彩铃(10-20)客户1彩信(10-20)客户1手机报(1-10)客户2语音杂志(1-10)客户2手机报(10-20)客户3语音杂志(1

10、0-20)客户3彩铃(1-5)客户4彩信(1-10)表1表2STT2008 Confidential客户细分 客户细分(Customer Segmentation)?网站:新浪新闻首页按类别分类文件,按心情分类?可口可乐?中国移动的三个品牌:全球通:贾樟柯,王石 动感地带:周杰伦 神州行:葛优?中国联通品牌STT2008 ConfidentialHELLO,MOTO!-摩托摩托,现在还好吗现在还好吗?两年间中国市场份额跌去三分之二?MOTO没落的五个原因 过份依赖单一明星产品,未能对用户有效分类 降价过快导致渠道利润骤降,中高端形象受损 与运营商合作不够深入,失利定制手机市场 工业设计未能保持

11、创新,未能充分利用品牌优势 错失技术潮流,向网络,娱乐,多媒体转型缓慢STT2008 Confidential单一主打产品单一主打产品8000X,1984 年上市,世界 第一台手机,重大贡献磅,售价3995美 元V998+,2000年 12月上市,翻盖,双频,自编铃声V70,2002年2 月上市,360度 旋转开盖,圆形 显示屏RAZR V3,2004年10 月上市,超薄 机身,金属键盘明1200,2004 年10月上市,时尚商务,手 写RAZR V8,2007 年6月上市,高速 处理器,大内存,多媒体应用STT2008 ConfidentialSTT2008 Confidential案例：套

12、餐梳理案例：套餐梳理资费案梳理结合应用资费案梳理结合应用各资费案的定位与作用各资费案的定位与作用资费案梳理结合应用资费案梳理结合应用各资费案的定位与作用各资费案的定位与作用IP商务产品0月租、双向产品区域优惠产 品农村农村城市城市客户价值客户价值（消费（消费/话务量）话务量）高高中中低低客户需求客户需求（细分市场）（细分市场）动感学生动感地带动感地带全球通全球通全球通套餐全球通套餐（高月租、纯单向产品）20元50元100-120元80元长话优惠产品商务卡200分钟限制400分钟限制主流资费细分市场补充型资费低月租、高单价，单向产品 系列神州行神州行STT2008 Confidential客户分

13、群方法客户分群方法?按照单个维度来分 客户画像 包月沉默用户：包月用户，但近n个月内从未登陆过。包月懒惰用户：包月用户，最近n个月登录过，但未使用过任何业务。包月活跃用户：包月用户，最近n个月访问过手机电视页面，并使用过业务。尝试型用户：非包月用户，最近n个月内访问过手机电视WAP站点，但主要使用免费业务。犹豫型客户：非包月用户，最近n个月内访问过手机电视WAP站点，但主要使用按次业务。弊端:不能观察多个维度之间关系 真实的用户群体可能不是如此的分布形式?按照两个或三个维度分 行为分群价值分群?自动聚类STT2008 Confidential两维度分群：中央音乐平台全曲用户画像两维度分群：中央

14、音乐平台全曲用户画像价值分群价值分群价值分群价值分群(消费金额消费金额消费金额消费金额)行为分群行为分群行为分群行为分群(下载曲目下载曲目下载曲目下载曲目)V1V1V2V2V3V3V4V4V5V5V6V6B1B1B2B2B3B3B4B4B5B5B6B6昙花一现高盈利群低成本群沉默群STT2008 Confidential聚类模型聚类模型?商业问题 识别客户群体的特征，进行产品定制?数据准备 各个节目收看次数 10月新增东方梦视界包月用户节目使用(大于300条)?建立模型算法 k-means、C-means、O-cluster、Kohonen自组织神经网络STT2008 Confidential

15、*初始中心初始中心初始中心初始中心原理原理:客户分群客户分群(Kmeans算法算法)*XYZSTT2008 Confidential*初始点初始点初始点初始点测量距离测量距离测量距离测量距离Kmeans算法算法*STT2008 Confidential*Kmeans算法算法初始中心初始中心初始中心初始中心测量距离测量距离测量距离测量距离初始分簇初始分簇初始分簇初始分簇*STT2008 Confidential*移动中心移动中心移动中心移动中心Kmeans算法算法初始中心初始中心初始中心初始中心测量距离测量距离测量距离测量距离初始结果初始结果初始结果初始结果*STT2008 Confidenti

16、alKmeans算法算法*移动中心移动中心移动中心移动中心初始中心初始中心初始中心初始中心测量距离测量距离测量距离测量距离初始结果初始结果初始结果初始结果最终结果最终结果最终结果最终结果*STT2008 Confidential聚类算法技术细节聚类算法技术细节?数据进行标准化?除去异常值?变指数分布平缓化?合适分群数目：510群?采用监督变量规划其它变量，使得分群切合目标?增强模型的可解释性STT2008 Confidential一般分群：无监督分群一般分群：无监督分群年龄年青中年老年变量变量:年龄收入用户 1年轻低用户 2中年高用户3老年中用户用户:年青年青年青年青中年中年中年中年老年老年老

17、年老年低低低低中中中中高高高高用户用户用户用户1 1用户用户用户用户3 3用户用户用户用户2 2年龄年龄年龄年龄收入收入收入收入收入低中高无监督：没有标准化距离的方式无监督：没有标准化距离的方式STT2008 Confidential年龄购买频率年轻40%中年20%老年40%收入购买频率Small20%Medium60%High20%变量 目标变量变量 目标变量年龄收入用户 1年青(40%)低(20%)用户2老年(40%)高(20%)用户3老年(40%)中(60%)用户用户:中年中年中年中年年青年青年青年青+老年老年老年老年高高高高+低低低低中中中中用户用户用户用户1=1=用户用户用户用户2

18、2用户用户用户用户3 3年龄年龄年龄年龄收入收入收入收入分群改进：有监督分群分群改进：有监督分群有监督：目标变量标准化各个变量有监督：目标变量标准化各个变量STT2008 Confidential*增强模型的可解释性增强模型的可解释性?最小描述长度（Minimum Description Length）用MDL 转换“模糊形状”簇为超立方体,i.e.SQL 表达式.STT2008 Confidential手机电视客户分群手机电视客户分群(1)?聚类模型STT2008 ConfidentialSTT2008 ConfidentialSTT2008 ConfidentialSTT2008 Conf

19、identialSTT2008 Confidential模型解释模型解释模型应用模型应用模型部署模型部署STT2008 ConfidentialSTT2008 Confidential模型解读模型解读?群3:CCTV群 对CCTV的所有节目使用频率很高,尤其音乐台和新闻台?群4:休闲群 对新闻娱乐和音乐频道使用频率高 三个重要变量:新闻娱乐-all 音乐频道-all love-radio-1?群6:音乐一族 对音乐情有独衷 二个重要变量:love-radio-1 音乐频道-all?群1:音乐一族 同群6?群7:低使用群 偶尔听音乐 重要变量:音乐频道-all=1?群5:低使用群 偶尔下载娱乐

20、重要变量:美女血精灵性感热舞=1?群2:沉默群 几乎无任何使用记录客户价值客户价值参见模型CLUSTERSTT2008 Confidential总结总结?收益来自两类节目:新闻类(直播)和音乐类(直播)?“沉默的大多数”-需要激活?重点设计新闻类和音乐类节目?手机电视仍然处理产品发展的最初级阶段STT2008 Confidential模型改进模型改进,按节目分类后分群按节目分类后分群11类:,电影片花,两性,女性,新闻,科教,经济,体育,音乐,综合,娱乐,电视片花?群2:音乐群 音乐类节目使用最高的群 重要变量:音乐,娱乐?群1:新闻人士 喜爱新闻频道 重要变量:新闻(使用多),音乐(使用少)

21、,经济(使用多)?群6:电影喜好群 电影片断观看频率高 重要变量:电影(高),音乐,新闻(低)?群5:休闲一族 对音乐,新闻其它均有所涉猎,但都是消费中档群体?群3:色男群 只看两性小节目(诱惑力标题)?群4:沉默群客户价值客户价值STT2008 Confidential综合结论综合结论?收益来自两类节目:新闻类和音乐类?“沉默的大多数”-需要激活?重点设计新闻类和音乐类节目?两性类节目虽然收看频率不低,但不是利润增长点?手机电视仍然处理产品发展的最初级阶段CCTV 10月份沉默用户分群结果月份沉默用户分群结果080408STT2008 Confidential数据预处理数据预处理?数据集:取

22、10月份CCTV的包月沉默用户.数据集:10月CCTV-650.csv?保存被观看前650名的节目,进行分类,共分为奥运 财经 法制 搞笑 滚播 卡通科教 两性 轮播 美女 明星 其他情感 时尚 体育 新闻 音乐 影视综合?取观看过这些节目的用户,共16,146,STT2008 Confidential分群设置分群设置?共分为8个群体,(其它为默认参数设置)如图所示:频率表示此群在总人群中的频数 目标均值指此群体10月份平均观看此数,数值越大,说明客户群价值越大STT2008 Confidential分群结果分群结果(1)?影视群:频率 4.9%目标均值 21.9%为价值最大群体 特征:影视节

23、目观看次数最高,音乐类和综合类观看次数大于平均数,几乎不看体育节目,与体育群形成鲜明对比(排斥体育)?健康生活群:频率 5%目标均值 19.8%体育节目观看次数最高的一类,其它节目观看频率均大于平均值.不排斥影视节目.?色男群:频率 6.5%目标均值 11.6%最喜爱节目种类为:美女,两性,明星类;其它类节目观看次数均小于平均值?关心时事群:频率 7.5%目标均值 10.3%喜爱综合,法制,新闻类节目;影视美女类节目观看次数少于平均值STT2008 Confidential分群结果分群结果(2)?音乐群:频率2.8%目标均值 8.4%喜爱音乐和明星类节目,但是观看频率并不高;其它类节目观看频率

24、小于平均值?休闲群:频率 11.7%目标均值 4.5%只是偶尔听听音乐,看看新闻;其它没有消费?偶尔影视群:频率 23.2%目标均值 2.5%只是每月观看影片2-3次;其它没有消费?无消费群:频率 28.9%目标均值 1.3%基本无消费STT2008 Confidential影视群影视群?SQL描述?变量分布STT2008 Confidential健康生活群健康生活群?SQL描述?变量分布STT2008 Confidential色男群色男群?SQL描述?变量分布STT2008 Confidential关心时事群关心时事群?SQL描述?变量分布STT2008 Confidential音乐群音乐群

25、?SQL描述?变量分布STT2008 Confidential休闲群休闲群?SQL描述?变量分布STT2008 Confidential数据挖掘方法论数据挖掘方法论?数据挖掘过程分为六个阶段：?商业理解（Business Understanding）产品经理?数据理解（Data Understanding）开发?数据准备（Data Preparation）开发,ETL?建立模型（Modeling）数据挖掘?模型评估（Evaluation）数据挖掘?模型发布（Deployment）开发,数据挖掘?模型维护 运维,数据挖掘STT2008 Confidential数据挖掘技术路线数据挖掘技术路线机器学习,统计学,数据库,开发?数据库操作 SQL,PL/SQL 图形界面工具:CLEMENTINE SAS/EG?脚本语言 SAS/BASE MATLAB,R,PERL?开发语言 C JAVA?建模工具 SAS/EM,KXEN,CLEMENTINE,SPSS?其它 EXCEL,WORDSTT2008 Confidential数据挖掘数据挖掘BIBLE?“业务的理解永远是第一位的!”?“验证后的模型(结论)请交给业务人员做第二次验证!”?“垃圾进,垃圾出!”?“一个模型不代表任何意义.”?“多个角度挖掘数据!”?“数据挖掘是一门艺术数据挖掘是一门艺术”