SPSS电信行业经典案例.pdf

《SPSS电信行业经典案例.pdf》由会员分享，可在线阅读，更多相关《SPSS电信行业经典案例.pdf（47页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 www.spss- 11.前言前言 随着电信业务的发展和体制改革地不断深化，国内电信行业内部各大运营商之间的竞争日趋激烈，这一趋势在国内移动通信业内表现的尤为突出。移动通信运营商为了获取更多的客户资源和占有更大的市场份额往往采取“简单”的价格竞争和“此起彼伏”的广告宣传战，其弊端显而易见。这就要求运营商要采取以客户为中心的策略，根据客户的实际需求提供多样化、层次化、个性化的服务解决方案。因此，客户关系管理（CRM）成了电信运营商增加收入和利润，提高客户满意度、忠诚度的有效工具。在客户关系管理的流程中，为了准确、及时地进行经营决策，必须充分获取并利用相关的数据信息对决策过程进行辅助支持。近几年

2、迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。从电信业务层面来讲，电信业务已从单纯的提供市话和长话服务演变为提供综合电信服务，如宽带、移动电话、语音、传真、图像、电子邮件、计算机和Web数据传输，以及其他数据通信服务。电信、计算机网络、因特网和各种其他方式的通信和计算机的融合是目前的大势所趋。而且随着许多国家对电信业的开放和新兴计算与通信技术的发展，电信市场正在迅速扩张并越发竞争激烈。因此，为了提高企业竞争力利用数据挖掘技术来挖掘现有电信业务能力，提高商业效率具有重要意义。数据挖掘的概念 数据挖掘的概念 数据挖掘是根据企业的既定业务目标和存在的问题，对大量的业务数据进行探索，揭示其中隐

3、藏的规律，并将其模型化，指导并应用于企业的实际经营。数据挖掘是建立在数据仓库基础上的高层应用，但数据挖掘跟数据仓库的其它一些应用如OLAP分析、预定义报表和即席查询等有很大的区别。后三者通常是用户根据已知的情况对所关心的业务指标进行分析；而前者则是在业务问题和目标明确但考察的问题不清楚时，对数据进行探索，揭示隐藏其中的规律性，进而将其模型化。电信运营商拥有许多成熟的数据库应用系统，如网管系统、财务系统、计费账务系统、112障碍管理系统、缴费销账系统等，并产生了大量的业务处理数据。如果针对客户关系管理相关决策分析的需求，对这些数据进行重组整合，就能充分利用这些宝贵的数据，体现信息的真正价值。国内

4、数据挖掘应用中存在的问题 国内数据挖掘应用中存在的问题 数据质量和完备性 数据质量和完备性 国内电信运营商现有的、面向事务的数据在质量、完整性和一致性上存在许多问题，必须投入大量的精力去进行数据的抽取、净化和处理。此外，业务问题的相关数据有时难以全面收集。例如客户信用是客户价值评估中的关键因素，但由于国内未建立完善的信用体系，无法根据现有客户数据建立优质的信用评价模型，从而导致客户价值模型有效性的降低。相应的人员素质 相应的人员素质 在数据挖掘应用过程的多个环节中，人的主观辨识和控制是应用成败的关键，这就对系统使用人员提出了很高的要求。如果没有具备相应素质的使用和维护人员，必将导致分析系统与现

5、实脱钩，无法达到预期效果。www.spss- 2应用周期 应用周期 数据挖掘存在一个较长的应用周期。技术本身不能给使用者解决任何问题，只能从数据中把一些潜在的情况呈现到使用者面前，由使用者采取相应措施。数据挖掘应用的有效方法是：从一个较小的、关键的问题出发，建立起相对有效的模型，并通过应用实践不断检验和完善模型，逐步替使用者解决问题。电信数据挖掘项目实施的意见与建议 电信数据挖掘项目实施的意见与建议 数据挖掘理解上的误区：a)数据挖掘系统将会直接告诉你有关商业问题的答案；b)数据挖掘系统将在工作流程中替代专业业务管理人员的角色；c)数据挖掘系统的建设过程中无视内部的知识和专家经验；d)数据挖掘

6、系统是理论性的、以研究学习为导向的方法。数据挖掘项目的建议：结合项目的投资确定数据挖掘项目的目标和回报周期，保证项目的可实施性。a)数据挖掘项目整个实施流程的管理和控制是非常重要的；b)数据挖掘项目需要和用户的专业业务人员紧密配合，共同寻找答案；c)培训业务人员，传递产品技能，提供挖掘分析的技术支持，让业务专家而不是技术人员成为项目的主导者；d)需要提供外部观点和一般经验，同时与内部特色相结合；e)确保实际的，以结果为导向的项目原则。本手册将从客户流失、客户细分、客户满意度和营销响应四个大方面，使用Clementine具体讲述数据挖掘在电信行业的具体应用。2.挖掘主题挖掘主题 数据挖掘技术在电

7、信行业客户关系管理的主要应用领域如下:客户流失 数据挖掘技术在电信行业客户关系管理的主要应用领域如下:客户流失 随电信市场竞争的发展，客户选择电信产品及电信企业的余地越来越大，电信企业之间对客户的争夺也越来越激烈。面对日益激烈的市场竞争环境，电信企业传统的、被动式服务体系已无法满足客户需要，应对对手挑战。为了留住最有价值的客户，您需要开展有效的保留活动。SPSS 作为全球著名的分析软件提供商，对电信企业的客户流失问题十分关注，并有多年的研究经验。SPSS 核心产品之一 Clementine 的 CRISPDM 标准可以帮助电信行业用户规范数据挖掘流程减少客户流失。营销响应营销响应 为了发展新客

8、户和推广新产品，企业通常会针对潜在客户推出各种直接营销活动。然而，如果目标客户的选择不明确，营销活动往往花费巨大而取得的实际效益不佳。有效的促销活 www.spss- 3动，不在于涉及客户的数量多少，而在于针对的都是具有高响应概率的目标人群。这不仅可以提升客户的满意度，增强客户对公司的忠诚度，而且可以降低客户获取费用，增加营销活动投资回报率，直接带来企业效益的增加。SPSS 采用探索性数据挖掘方法，如建立营销响应模型，通过对客户及其行为的各种属性进行分析，预测哪些客户会对某种产品或服务的营销活动进行响应，帮助企业在合适的时间，通过合适的渠道，以一种合适的接触频率，对合适的客户开展活动，从而提高

9、营销活动的响应率和投资回报率。市场细分 市场细分 市场细分就是指按照消费者欲望与需求把一个总体市场划分成若干具有共同特征的子市场的过程。分属于同一细分市场的消费者，他们的需要和欲望极为相似；分属于不同细分市场的消费者对同一产品的需要和欲望存在着明显的差别。市场细分的目的就是从各个细分的消费者群当中，辨认和确定目标市场，然后针对客户的特点采取独特的产品或市场营销战略，以求获得最佳收益。SPSS的客户细分帮助您实现客户价值的最大化和风险最小化。客户细分也是进行深入分析的基础。利用聚类和分类等技术，SPSS预测分析技术能够发现特定群体客户的行为规律，确定客户价值，从而进一步预测客户消费行为，使营销活

10、动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。满意度分析 满意度分析 客户满意是指客户通过对一个产品或服务的可感知效果或结果与其期望值相比较后，所形成的愉悦或失望的感觉状态。客户满意度就是对客户满意水平的量化。客户的高度满意和愉悦创造了一种对产品品牌在情绪上的共鸣，而不仅仅是一种理性偏好，正是这种由于满意而产生的共鸣创造了客户对产品品牌的高度忠诚。客户满意度研究能帮助企业把其有限的资源集中到客户最看重的特性方面，从而达到建立和提升客户忠诚并保留客户的效果。SPSS 客户满意度研究应用解决方案分析客户与市场、体验客户感受，提升客户满意度运用分析模型，通过综合分析潜在客户、现有客户

11、、员工及合作伙伴等多个群体，了解客户满意度，对满意度优劣因素进行规类，获得满意度因果关系，构建科学的满意度评价指标体系，切实提高客户满意度水平。销售提升解决方案销售提升解决方案 电信公司希望可以向现有客户销售新的产品和服务，提高现金收入并提升每个客户的收益率。例如，移动公司能够利用数据挖掘建立使用 GPRS 服务的客户个人属性和行为特征概述来理解客户行为，进而利用这一模型来预测针对这些客户还可以制定或推荐什么样的产品或者服务组合，然后我们就可以成功地对这些客户设定有效的销售战略。SPSS 功能强大的分析产品能够帮助电信用户发现现有和潜在的客户需求，基于对客户的行为描述来制定提供有针对性的策略来

12、获得最佳的新客户。利用购买行为模型向现有客户推荐产品和服务。例如，可以根据新用户的行为特征档案来制定适合提供他们的服务，吸引更多的新客户。另外，分析客户的购买偏好可以找到适合提供给现有客户的产品和服务。客户市场推广分析 客户市场推广分析 客户市场推广分析利用数据挖掘技术实现新的推广策略的仿真，根据数据挖掘模型进行模拟计费和模拟出账，其仿真结果可以揭示新策略中存在的问题，并进行相应的调整优化，以达到市场推广活动的收益最大化。在电信行业中，优惠是市场营销中十分重要的一部分，优惠策略的不恰当，常常会得到 www.spss- 4适得其反的市场效果。利用SPSS可以通过已建立的客户行为模型，仿真客户对优

13、惠策略的反应，从而预测优惠策略实施的效果。通过对优惠策略的仿真，可以预测优惠策略的成功与否，从而进行相应的调整和优化。客户欠费分析和动态防欺诈 客户欠费分析和动态防欺诈 随着国内电信市场的不断扩大，中国电信业中的欺诈现象也越来越严重。目前，国内电信商在应对恶意欠费上，基本还处于一种事后的、被动的、依赖人力的阶段。如果利用数据挖掘和统计分析技术，对欠费行为进行事前预测，在恶意欠费发生前就采取防范措施，就可以大幅减少欠费行为给运营商带来的巨额损失。在对客户欠费进行准确定义之后，SPSS 系列产品和领先技术能够帮助您预测各客户可能欠费额、可能欠费级别并采取相应对策。首先，利用数据描述技术，可以对已知

14、的欺诈性客户和非欺诈性客户进行有关的数据分析，发现可能影响客户欠费的因素。然后，我们可以根据对以上因素的分析和统计，构建预测模型，并应用到当前客户数据库中，利用上述预测结果，适时地对大客户进行重点跟踪，并在必要时采取措施，以减少损失。简化管理 简化管理 呼叫中心的运营管理被人们提到前所未有的高度，因为一个中心即使建得很好，技术也很先进，但如果管理不好，优势仍然发挥不出来。然而，管理对于很多呼叫中心来说，却是很难过的门槛。在呼叫中心中，话务量是个重要的指标，企业要根据话务量的大小，以及业务种类的不同，安排座席人员的数量和排班，但话务量是个变化的指标，以往比较难以预测。使用 SPSS 数据挖掘可以

15、帮助简化管理。使用时间序列分析可以对话务量的情况进行一定程度的预测，就可以更合理地安排座席人员的数量，从而降低企业的运营成本。另外，对业务进行相关性分析，分析出哪几种业务具有比较强的关联性。这样，在安排座席人员时，就可以将相关业务的人员进行一定程度的合并，减少人员数量，降低呼叫中心的经营成本。竞争对手分析 竞争对手分析 成熟的市场必然是一个竞争比较充分的市场。不同运营商客户之间的互联互通是最基本的前提，因此通过对客户与竞争对手客户之间通话的行为分析，可以建立有关竞争对手经营和客户服务的模型，比如竞争对手客户发展模型，通过对这些模型的使用，可以制定有效的市场应对策略。SPSS 可以由相互通话的记

16、录中，掌握对手的客户量、业务量、客户增长情况等。推断对手的大客户，掌握其行为特征。预测对手下一步的市场策略，未雨绸缪，先发制人。准确评估己方市场策略对对手的影响。准确评估对方市场策略的效果及对己方的影响。分析其他竞争对手之间的竞争策略，评估其对各方影响。3.解决方案解决方案 3.13.1 客户流失 客户流失 随着电信体制的改革和不断深化，国内电信行业内部各大运营商之间的竞争日趋激烈。电信运营商为了获取更多的客户资源和占有更大的市场份额，往往采取名目繁多的促销活动和层出不穷的广告宣传来吸引新客户。然而，统计发现，发展一个新客户比保持一个老客户的费用要高7倍，而如果“用户保持率”增加5%，将有望为

17、运营商带来85%的利润增长。因此，www.spss- 5对老客户的保留直接关系到运营商的利益，无论是客户流失还是话务量流失都将对运营商的经营产生深远的影响。针对这一问题，目前国外电信界应用最为广泛的解决方案之一，是应用数据挖掘技术，研究流失客户的特征，从而对流失进行预测、并对流失的后果进行评估，采取客户保留措施，防止因客户流失而引发的经营危机，提升公司的竞争力。具体说来，客户流失是指客户终止与企业的服务合同或转向其它公司提供的服务。客户流失分析是以客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息为基础，通过适当的数据挖掘手段，综合考虑流失的特点和与之相关的多种因素，从中发现与流失密切

18、相关的特征，在此基础上建立可以在一定时间范围内预测用户流失倾向的预测模型，为相关业务部门提供有流失倾向的用户名单和这些用户的行为特征，以便相关部门制定恰当的营销策略，采取针对性措施，开展客户挽留工作。客户流失需要解决的问题 客户流失需要解决的问题 1.1.哪些现有客户可能流失？哪些现有客户可能流失？客户流失的可能性预测。主要对每一个客户流失倾向性的大小进行预测。2.2.现有客户可能在何时流失？现有客户可能在何时流失？如果某一客户可能流失，他会在多长时间内流失。3.3.客户为什么流失？客户为什么流失？哪些因素造成了客户的流失，客户流失的重要原因是什么。主要对引起客户流失的诸因素进行预测和分析 4

19、.4.客户流失的影响？客户流失的影响？客户流失对客户自身会造成什么影响?客户流失对电信公司的影响如何？对可能流失客户进行价值评估，该客户的价值影响了运营商将要付出多大的成本去保留该客户。5.5.客户保留措施？客户保留措施？针对电信公司需要保留的客户，制定客户和执行保留措施。电信客户流失的类型 电信客户流失的类型 为了避免由客户流失造成的损失，必须找出那些有流失危险和最有价值的客户，并开展客户保留活动。电信行业的客户流失现象可以分为以下三种情况：1.公司内客户转移：公司内客户转移：客户转移至本电信公司的不同网络或不同业务。主要是电信公司增加新业务，或者资费调整引发的业务转移，例如从普通的固定电话

20、转至IP 电话。这种情况下，虽然就某个业务单独统计来看存在客户流失，并且会影响到公司的收入，但对公司整体而言客户没有流失。2.客户被动流失：客户被动流失：表现为电信运营商由于客户欺诈或恶意欠费等行为而主动终止客户使用网络和业务。这是由于电信运营商在客户开发的过程中忽视了客户质量造成的。3.客户主动流失：客户主动流失：客户主动流失可分为两种情况。一种是客户不再使用任何一家电信运营商的电信业务；另一种是客户选择了另一家运营商，即所谓的“客户跳网”。“客户跳网”的原因主要是客户认为公司不能提供他所期待的价值，即公司为客户提供的服务价值低于另一家电信运营商。这可能是客户对电信公司的业务和服务不满意，也

21、可能是客 www.spss- 6户仅仅想尝试一下别家公司提供而本公司未提供的新业务。这种客户流失形式是研究的主要内容。如何进行客户流失分析？如何进行客户流失分析？对于客户流失行为预测来说，需要针对客户流失的不同种类分别定义预测目标，即明确定义何为流失，进而区别处理。预测目标的准确定义对于预测模型的建立是非常重要的，它是建立在对运营商的商业规则和业务流程的准确把握的基础之上。在客户流失分析中有两个核心变量：财务原因非财务原因，主动流失被动流失。对不同的流失客户按该原则加以区分，进而制定不同的流失标准。例如，非财务原因主动流失的客户往往是高价值的客户，他们会正常支付服务费用并容易对市场活动有所响应

22、，这种客户是电信企业真正需要保留的客户。而对于非财务原因被动流失的客户，对于预测其行为的意义不大。研究哪些客户即将流失时，是一个分类问题。将现有客户分为流失和不流失两类，选择适量的历史上流失客户和未流失客户的属性数据组成训练数据集，包括：客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息等。Clementine提供人工神经网络，决策树，logistic回归等模型用于建立客户流失的分类模型。关于流失用户特征的分析，是一个属性约减和规则发现问题。Clementine提供关联分析方法，可以发现怎样的规则导致客户流失。也可以利用Clementine的决策树方法，发现与目标变量是否流失关系最为紧

23、密的用户属性。由于不同类型的客户可能具有不同的流失特征，因此，在进行深入的客户流失分析时，需要先进行客户细分，再对细分之后的客户群分别进行挖掘。在预测客户流失时一个很重要的问题是流失的时间问题，即一个客户即将要流失，那么它可能什么时候会流失。生存分析可可以解决这类问题。生存分析不仅可以告诉分析人员在某种情况下，客户可能流失，而且还可以告诉分析人员，在这种情况下，客户在何时会流失。生存分析以客户流失的时间为响应变量进行建模，以客户的人口统计学特征和行为特征为自变量，对每个客户计算出初始生存率，随着时间和客户行为的变化，客户的生存率也发生变化，当生存率达到一定的阈值后，客户就可能流失。分析客户流失

24、对客户自身的影响时，主要可以考虑客户的流失成本和客户流失的受益分析。客户流失成本可以考虑流失带来的人际关系损失等因素，通过归纳客户的通话特征来表征。减少客户流失的一个手段就是增加客户的流失成本。客户流失的受益分析就是判断客户流失的动机，是价格因素还是为了追求更好的服务等。这方面内容丰富，需作具体分析。分析客户流失对电信公司的影响时，不仅要着眼与对收入的影响，而且要考虑其他方面的影响。单个的客户流失对电信公司的影响可能是微不足道的，此时需要研究流失客户群对电信公司收入或业务的影响。这时候可能需要对流失客户进行聚类分析和关联分析，归纳客户流失的原因，有针对性的制定防止客户流失的措施。在预测出有较大

25、流失可能性的客户后，分析该客户流失对电信公司的影响。评估保留客户后的收益和保留客户的成本。如果收益大于成本，客户是高价值客户，则采取措施对其进行保留。至于低价值客户，不妨任其流失甚至劝其流失。总之在利用数据挖掘研究客户流失问题时，需要明确并深入理解业务目标，在明确的业务目标的基础上准备数据、建模，模型评估，最后将模型部署到企业中。案例分析 案例分析 为了举例说明，我们设想为一个虚构的电信公司ABCTelcom的客户流失建模。ABCTelcom www.spss- 7原本是市场的领先者，但目前正受到来自其它电信公司日益激烈的竞争。由于竞争对手接连推出了一系列新产品，并进行了大量的促销活动。最近半

26、年来，ABCTelcom的客户流失较为严重。为了保持其战略性市场主导地位，ABCTelcom公司计划开展客户保留活动。在活动进行之前，为了尽可能提高活动收益，ABCTelcom需要对现有的客户的数据进行分析，从众多客户中找出流失可能性高的优质客户并针对其开展活动。而对于流失可能性低或者保留成本大于收益的客户，则可以不展开活动。此外，客户流失预测也能帮助ABCTelcom发现那些申请服务后不久就欠费停机的客户，从而减少这类客户带来的损失。1.1.商业理解 商业理解 预测现有客户在未来六个月内流失的概率并分析保留客户活动的成本和收益，针对收益大于成本的客户开展客户保留活动，以减少公司优质客户的流失

27、。2.2.数据理解 数据理解 （1)数据说明 选取一定数量的客户信息（包括流失的和未流失的），选择相关的客户属性（包括客户资料、通话行为特征、消费属性、客服信息等）。利用直方图、分布图等数据分析工具初步确定哪些因素可能影响客户流失。所选取的数据说明如下：1)用户编号 2)长途通话时间 3)国际通话时间 4)本地通话 5)掉线次数 6)付款方式 7)本地话单类型 8)长途话单类型 9)年龄 10)性别 11)婚姻状态 12)孩子数目 13)估计收入 14)是否有车 15)是否流失 其中客户流失状态有三种属性：a)被动流失 b)主动流失，这是分析中特别关注的一类客户 c)未流失，仍然是ABCTel

28、com的客户 www.spss- 8在分析中，我们主要关注的是主动流失的客户。被动流失对电信公司来说是意义最小的，因为被动流失通常是客户发生欺诈，欠费等行为后不再继续使用该公司服务。主动流失指的是客户停止在ABCTelcom的业务，转向了其竞争对手，这通常是因为别的公司能够提供更切合客户需求的产品服务，是该行关注的焦点。在具体的应用之前，ABCTelcom将所有现有的客户归到上述的三个类别中。同时，所有的人口统计信息（也就是从年龄到是否有车）每六个月更新一次，而交易信息（从长途通话时间到长途话单类型）则是每个月实时更新的。为了让预测模型能预先进行指示以便采取补救措施，在目标变量（因变量）和输入

29、变量（自变量）之间设定了6个月的延迟。比如，人口统计信息和交易信息都是2007年1月收集的，而是否流失则是2007年7月的数据。也就是说，输入变量采集六个月后再将客户流失状态分类；因此该模型提早6个月预测客户流失。（2)数据描述和图形 Clementine提供了一系列数据描述和可视化的工具，可以帮助分析人员对数据分布以及数据之间的关系进行基本探索。这些工具包括：数据审核，统计分析，网络图，直方图，散点图，两步聚类等等。图3.1.1描述了客户的性别分布。可见，主动流失的客户以女性为主。而被动流失的客户男女比例基本持平。在三种客户状态中，被动流失的比例是最小的。图3.1.1：用户流失与性别的关系

30、3.3.数据准备 数据准备 在数据准备阶段，分析人员根据数据理解的结果准备建模用的数据，包括数据选择、新属性的派生，数据合并等。在本例中，由于长途通话时间，国际通话时间和本地通话时间都是反映用户的对电话的使用情况，因此，将三者合并，得到新的通话总时间变量：通话总时间=长途通话时间+国际通话时间+本地通话时间 由于用户编号是一个系统自动生成的属性，不具有实际意义，因此，在分析中将用户编号排除到模型之外。4.4.建立模型 建立模型 将准备的数据划分为训练集和检验集，首先利用C5.0决策树模型进行属性约减，然后以约减后的属性为自变量，以是否流失为因变量，训练神经网络模型，得到相应的客户流失预测模型。

31、对检验集应用该模型，并根据预测结果的准确性评价模型。下图是模型建立和评估的数据流图。www.spss- 9 图3.1.2：Clementine中对客户流失建模的数据流图 执行数据流，C5.0 算法得到的规则集如下图所示。可见其中年龄，收入，国际通话时间，本地通话时间和性别是最重要的五个变量。C5.0 得到的规则集里，有三类客户很容易主动流失。但是这只是一个初始的分析结果，还需要使用神经网络对这五个变量进行进一步建模。图3.1.3：Clementine中对客户流失进行属性约减得到的结果 由于我们的关心是客户主动流失，因此派生一个新变量流失概率，如果是否流失属性为主动流失，则取值为 1，否则取值为

32、 0。采用年龄，收入，国际通话时间，本地通话时间和性别为输入变量，流失概率为目标变量，根据数据集训练得到一个 5-1-1 结构的神经网络模型信息如下。www.spss- 10 图3.1.4：Clementine中采用神经网络对客户流失建模得到的结果 5.5.模型评估和部署 模型评估和部署 对训练集应用神经网络模型，可以对每个客户流失的可能性打分。将客户按照流失概率由大到小排序，然后根据公式：价值=长途通话时间*2+国际通话时间*5+本地通话时间*1派生出每个客户的价值大小。分析客户价值和流失概率之间的关系，对高价值高流失概率的客户进行采取措施，如给与一定的优惠，进行挽留，对低价值的客户可以任其

33、流失。图 3.1.5：模型评估和部署的数据流图 www.spss- 11 图3.1.6：评分和价值的散点图 对高价值高流失概率的客户采取营销活动进行挽留的成本和收益如下图所示。可见，通过及时地发现要流失的客户并根据客户价值及时采取挽留措施，可以避免因客户流失而带来的损失。在验证模型后，可以利用 Clementine Publisher 发布模型，使得模型可以在多种环境中使用。图3.1.7：营销活动的成本和收益 3.23.2 营销响应 营销响应 为什么要进行营销响应分析？为什么要进行营销响应分析？www.spss- 12为了发展新客户和推广新产品，电信公司通常会针对潜在客户推出各种直接营销活动。

34、然而，如果目标客户的选择不明确，营销活动往往花费巨大而取得的实际效益不佳，甚至可能遭遇由于活动响应率太低而无法收回成本的境况。事实上，一方面，在当今竞争激烈的电信市场上，客户每天通过短信，电话，邮件，电子邮件，网站广告等方式会接触到大量的电信业务广告。缺乏针对性和足够吸引力的营销活动往往会被客户直接忽略。另一方面，电信用户越来越看重个性化服务，对新的电信业务具有较大的需求。为了更好的满足客户需求，许多公司采用了促销活动管理系统来帮助执行促销活动。这些管理系统帮助增加了公司采取的促销活动的数量，却并不一定能改善促销活动的效率。事实上，不合适的促销活动和过多的促销活动只会导致用户对公司的不满意度增

35、加。所以，有效促销活动不在于数量的多少，而在于要在恰当的时机，通过恰当的方式，向恰当的用户推销恰当的产品。也就是说，有效的促销活动，不在于涉及客户的数量多少，而在于针对的都是具有高响应概率的目标人群。这不仅可以提升客户的满意度，增强客户对公司的忠诚度，而且可以降低客户获取费用，增加营销活动投资回报率，直接带来公司效益的增加。提高营销响应率的成果是显然的。假设有100000个潜在客户，每客户期望平均收益为￥100元，若我们将响应率提高0.5%，达到1%，则花费同样的市场营销费用，每月能多增加收入￥50000元。什么是营销响应？什么是营销响应？营销响应模型是电信企业使用最频繁的一种预测模型。目标变

36、量是预测谁会对某种产品或服务的宣传进行响应，因变量是客户及其行为的各种属性，如：客户年龄，客户收入，客户最近一次购买产品的时间，客户最近一个月的购买频率等。利用响应模型来预测哪些客户最有可能对营销活动进行响应，这样，当以后有类似的活动时，利用响应模型来预测出最有可能的响应者，从而对他们采取相应的营销活动。而对响应度不高的客户就不用对他们进行营销活动，从而减少活动成本，提高投资回报率。如何提高营销响应率 如何提高营销响应率 电信公司应当在深入了解客户需求和客户特征的基础上，制定营销策略，从而达到增加营业收入和客户满意度的双重目标。我们提倡的不是针对最佳的客户群展开营销活动，而是针对每一个客户开展

37、活动。所谓“知己知彼，百战不殆”，建立在对客户需求良好把握基础之上极具针对性的营销将极大地提高营销活动的成功率。要开展这样的营销活动，首先需要回答以下几个问题：1.1.对谁开展营销活动？2.对谁开展营销活动？2.多长时间开展一次营销活动？3.多长时间开展一次营销活动？3.何时开展营销活动?4.何时开展营销活动?4.如何开展营销活动?如何开展营销活动?电信公司在数据挖掘技术的帮助下，针对客户数据建立营销响应模型，在合适的时间，通过合适的渠道，以一种合适的接触频率，对合适的客户开展活动，从而提高营销活动的响应率和投资回报率。www.spss- 13 图3.2.1：营销活动的四个要素 （1)选择合适

38、的客户 （1)选择合适的客户 电信公司对以往的营销数据进行分析，采用决策树分类等数据挖掘方法，识别出具有高响应率特征的客户作为营销活动的目标客户。通过选择合适的客户，可以排除对促销活动反应不积极的客户，将目标客户的数量大大减小，从而在实现更有针对性地营销的同时减小营销成本。据统计，通过减小目标客户的数量，通常可以节省25-40%的营销费用，同时增加营销响应率。（2)选择合适的渠道 （2)选择合适的渠道 第二步是要针对用户选择合适的营销渠道，也就是和客户接触的方式。通过使用每个用户偏爱的方式与之接触，也有利于提升客户响应率。在确定促销渠道时，要考虑客户对渠道的偏爱，渠道成本，期望的响应率，其他营

39、销限制条件等。（3)选择合适的时间 （3)选择合适的时间 在当今竞争激烈的社会里，客户有很多满足自己需求的机会和选择。因此，一旦发现了客户尚未被满足的需求或者出现遗失客户风险时，一定要及时和客户接触。这种事件驱动的促销方式，通常也可以取得较高的响应率。（4)选择合适的活动频率 （4)选择合适的活动频率 此外，并不是促销活动越多，效果越好。活动计划者需要根据实际情况，针对具体的客户，选择一个最优的活动次数，既使得客户的各种需求得到较好的满足，又避免因为过于频繁的接触而导致客户的反感。同时，过多的营销活动，也会增加营销成本。需要在提高的成本和提高的响应率带来的收益之间寻找一个最优点。客户自身的偏好

40、对于营销活动的频率确定也至关重要，比如，对于不喜欢过于频繁的接到促销电话的客户，就要适量降低电话促销的频率。通过选择更有针对性地选择客户和根据客户的需求和偏好来推广促销活动，可以将促销活动的投资收益率提高 25%50%。表 3.2.1：营销活动过程 阶段 1合适的客户 2合适的渠道 3合适的时间 4合适的营销频率 目标 为营销活动选择最佳客户 为目标客户选择最优营销方式 在合适的时间对目标客户开展营销 确定最适合客户的营销频率 方法 预测分析 渠道优化 事件营销 促销优化 www.spss- 14策略 预测谁是最有可能响应营销并且能给营销活动带来收益的客户 在客户偏爱的方式和公司的成本与能力之

41、间选取最优结合点 变小的，经常性的营销活动为事件触发的营销活动 在客户响应率和公司收益之间选择最佳结合点 好处 降低25%-40%的营销成本 降低接触客户的成本 响应率的提高至少达到两倍 提高25%-50%的收益 案例分析案例分析 为提升业绩，某电信公司要决定执行直接营销活动。为此，分析人员需要识别出可能回应直接营销活动的客户，从而展开有针对性的直接营销。1.商业理解商业理解 识别出可能回应直接营销活动的客户，提高营销活动的响应率。2.数据理解数据理解 收集部分以往的营销活动数据（包括对活动响应的客户数据和未对活动响应的客户数据），选择客户属性，包括客户人口统计学特征和账户信息等。利用直方图、

42、分布图来初步确定哪些因素可能影响客户响应。所选取的数据属性包括：编号，年龄，收入，孩子数目，是否有汽车，是否抵押贷款，居住区域，性别，婚姻状况，在该银行是否有储蓄帐户，在该银行是否有活期账户，是否对促销活动响应等 12 个字段。其中是否响应是预测的因变量，共有两个属性：否：客户未响应营销活动 是：客户响应营销活动 图3.2.2：数据 首先采用直方图，散点图等工具对数据之间的关系进行初步探索。下图是按照响应与否察看收入与孩子数目之间的散点图。可见，如果只考虑“孩子数目”属性，发现随着孩子数目增加，响应的客户比率降低。同时考虑“孩子数目”和“收入”属性，发现响应比率与“收 www.spss- 15

43、入”和“孩子数目”的比值相关，这个比值通常被成为“相对收入”。图3.2.3：收入与孩子数目的散点图 下图是孩子数目的分布图。有一个孩子的客户数目最多，占到了44.3%。而在这些有一个孩子的客户中，大部分是对直接营销活动进行响应的客户。总的说来，随着孩子数目增加，客户响应率降低。图3.2.4：孩子属性分布图 3.3.数据准备 数据准备 根据数据理解的结果准备建模用的数据，包括数据选择、新属性的派生，数据合并等。由于用户编号是一个系统自动生成的属性，不具有实际意义，因此，在分析中将用户编号排除到模型之外。此外，在数据理解中发现，是否响应与“收入”和“孩子个数”的比率有关，因此，派生出“相对收入”属

44、性，定义为：如果“孩子个数”为0，则“相对收入”“收入”；否则，“相对收入”“收入”/“孩子个数”。在下边的分析中，收入和孩子个数将被排除到模型之外，而代之以“相对收入”进行分析。www.spss- 164.4.建立模型及评估 建立模型及评估 对数据进行预处理之后，分别使用C5.0决策树分类模型，神经网络模型，C&RT决策树分类模型，以客户属性为输入变量，以客户是否响应为目标变量进行分类。然后对测试集分别应用这三个模型，选取效果最好的模型部署到企业中。图3.2.5：部分数据流图 使用 C5.0 决策树对是否响应建模，得到的部分规则集如下图所示。图3.2.6：C5.0决策树分类结果 使用神经网络

45、模型对是否响应进行分类，得到的结果如下。通过训练，得到一个 20-3-2 www.spss- 17结构的神经元网络模型，其估计精度达到了 87.77%。其中最重要的字段包括：相对收入，孩子数目，收入等。图3.2.7：神经网络分类结果 使用C&RT决策树对是否响应建模，得到的分类树如下图所示。可见，当相对收入小于 25564.5时，客户倾向于不响应；当收入大于25564.5，孩子数目小于等于0.5（需要根据实际情况进行分析），没有抵押贷款，且年龄小于等于45时，倾向于不响应；当收入大于25564.5，孩子数目小于等于0.5，没有抵押贷款，且年龄大于45时，这样的客户响应率高。图3.2.8：C&R

46、T分类结果 www.spss- 18之后使用测试集评估不同模型的表现。下图给出了模型评估的结果。其中是否响应表示目标变量的真实值，$C-是否响应代表使用 C5.0 模型得到的目标变量预测值，$N-是否响应代表使用神经网络模型得到的目标变量预测值，$R-是否响应代表使用 C&RT 模型得到的目标变量预测值，可见，这三个模型中，C5.0 的预测精度是最高的，达到了 95.29%以上。最后，还可以查看不同模型预测结果的一致性。图3.2.9：模型评估 5.5.模型部署 模型部署 通过建模和评估后，选择预测精度最高的C5.0模型部署到企业中。部署的数据流图如下图所示。新的用户数据在经过C5.0模型评分后

47、，按照流失评分的高低排序，通过Clementine Publisher发布。图3.2.10：模型部署数据流图 最后发布的结果如下表所示。评分就是某个客户流失的概率大小。www.spss- 193.33.3 客户细分 客户细分 客户细分的背景 客户细分的背景 随着电信体制改革的深化，中国加入WTO，我国电信运营业的竞争也日趋激烈。现今，“个性化”营销、“一站式”服务、沟通“零距离”、“用户至上，用心服务”等词眼层出不穷。综合来说，这些与营销和服务相关的术语、理念，对象都是电信客户。服务源于良好的营销，因此，客户关系最终决定了电信市场营销。我国电信业发展到今天，不仅初步形成六大运营商同台竞技的市场

48、格局，而且从“卖方市场”转向“买方市场”，决定了客户关系的“大一统”必然向细分客户关系和“个性化”营销和服务的转变。因此，细分客户关系是电信营销的关键所在，客户细分可以对客户获取、客户保持、客户增值等提供全面的支持。恰当的细分标准必须得到有效的细分方法的辅佐，细分方法的选取应该取决于细分的目的和主题，当目的明确时可以选取若干细分标准而后进行多维细分，但当运营商着眼于更广泛的消费者特性分析时，这种主观定义的细分方法就显得力不从心，数据挖掘方法相比于基于统计的客户细分方法的功效就强大得多，运营商对数据挖掘的重视程度也日益加深。基于数据挖掘技术的分类方法，为更深入的客户细分提供有效的手段。与其他行业

49、相比，中国电信运营业拥有更多有关用户的数据。谁能正确地挖掘与分析隐含这些数据中的知识，谁就能更好地向用户提供产品与服务，能够发现更多的商机，从而在竞争中获胜。客户细分的概念 客户细分的概念 客户细分的概念是美国市场学家温德尔史密斯(Wendell RSmith)于2O世纪5O年代中期提出来的。客户细分(Customer Segmentation)是指按照一定的标准将企业的现有客户划分为不同的客户群。客户细分是客户关系管理的核心概念之一，是实施客户关系管理重要的工具和环节。Suzanne Donner认为：正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透。通过客户细分，企业可

50、以更好地识别不同客户群体对企业的价值及其需求，以此指导企业的客户关系管理，达到吸引合适客户，保持客户，建立客户忠诚的目的。所谓客户细分主要指企业在明确的战略、业务模式下和专注的市场条件下，根据客户的价值、需求和偏好等综合因素对客户进行分类，分属于同一客户群的消费者具备一定程度的相似性，而不同的细分客户群间存在明显的差异性。客户细分的理论依据主要有：1.客户需求的异质性。客户需求的异质性。影响消费者购买决策因素的差异决定了消费者的需求、消费者的消费行为必然存在区别。因此可以根据这种差异来区分不同的客户，客户需求的异质性是进行客户细分的内在依据。2.消费档次假说。消费档次假说。随着经济的发展和消费