借助客户识别模型课件.ppt

1、借助客户识别模型，促进客户 质量提升和发展 单位：中国移动通信集团河南有限公司 时间：2009年11月16日 目 录?案例应用背景、目标及意义?案例应用简介及具体实施方案?案例应用情况展示?效益评估、创新点 一、案例应用背景：客户高质量发展是精细管理的要求 三大市场存在的发展质量问题是不容忽视的。?个人市场：高离网率、重复入网；?集团市场：客户资料虚假、集团成员不准；?家庭市场：虚假家庭、套取优惠；会大大增加企业运营风险：?营销成本增加、企业利润下降；?在假数据基础上的分析会误导经营管理和决策。客户数量发展的同时要保证质量，实现从规模扩张到效益型发展的转变！解决之道：二、案例目标及其意义：个人

2、客户属性研究及应用：经分从07年就开始对个人“指纹”进行研究，通过离网客户流失方向分析、客户重复入网以及客户稳定挽留等专题支持个人市场发展质量提升。个人客户发展质量 集团客户属性研究及应用 家庭客户属性研究及应用 集团客户发展质量 家庭客户发展质量?借鉴个人客户研究经验，可以系统地、全面地支撑三大市场的高质量发展！目 录?案例应用背景、目标及意义?案例应用简介及具体实施方案?案例应用情况展示?效益评估、创新点?经分系统整合了客户的网络位置信息、BOSS系统数据以及 CRM客户资料等信息，使用数据挖掘技术，对个人、集团、家庭三类客户的特征进行挖掘，建立了三类客户的识别模型，通过对客户数据的分析，

3、展示个人客户的离网流向、集团虚假成员情况以及家庭成员的真假等数据，通过这些客户识别模型的应用可以有效地提升客户发展质量。数据 仓库 网络数据 BOSS CRM BASS 客户识别模型 建立模型 计算过程 专题应用 应用展示 个人客户识别 报表 智能查询 主题分析 预警流程 一、案例应用简介 客户流失流向 客户重入网 集团客户识别 他网成员回流 家庭客户识别 目标家庭查找 虚假成员甄别 家庭成员甄别 个人客户呼叫指纹 2007 集团客户识别模型 1月 12月 1月 1月 2008 家庭客户识别模型 集团客户识别模型优化 2008 12月 2009 10月 构建集团客户识别模型 家庭客户识别模型验

4、证 集团客户识别模型优化 集团、家庭模型应用推广 个人呼叫指纹模型 模型验证 模型应用及推广 集团客户识别模型 模型验证 模型应用及推广 建设应用历程 项目整体路标 个人客户呼叫指纹?集团客户识别模型?家庭客户识别模型&集团客户识别模型优化 二、应用案例具体实施方案 个人客户识别模型建立 1 2 3 模型 建立 模型 拓展 集团客户识别模型建设 家庭客户识别模型建设 个人客户识别模型建设思路 个人客户识别模型建立 1 全集交往圈 有效交往圈 特征假设：客户存在习惯特征：客户在通信消费中体现出通话行为、背景资料、终端等习惯特征；客户习惯相对稳定:用户在某一时期的交往圈、消费水平等相对稳定；客户特

5、征存在个体差异性：每个客户户的交往圈、消费习惯、使用的终端都不尽相同。消费行为 终端标识?通过研究客户相对固定的通信消费特征，可刻画出每个客户的“个人指纹”。个人客户识别模型建设步骤及特点 个人客户识别模型建立 1 个人客户识别模型主要基于交往圈识别，结合IMEI识别，在查全率与纯度两个层次均有保障 消费行为识别查全率交往圈识别活动区域识别IMEI识别低高纯度高低行为模式识别无法精确识别的用户群可以精确识别的用户群漏判的用户群准 客户指纹识别系统特点 稳 效 效用-客户指纹识别模型是移动关于客户应用研究的基石 稳定-客户的交往信息、通信行为具有相对稳定性 精准-通过对客户的交往圈以及IMEI等

6、信息刻画定格客户 递进式组合识别模型 个人客户识别模型应用规划 专题 分析 支撑 应用 支撑 个人客户指纹识别模型 客户 区域属性 消费属性 交往属性 时间属性 指纹知识库 N-M月指纹 应用数据集市 Model 重入网识别 客户流失 中高端监控 圈内作用 重入网专题?重入网转出分析?重入网转入分析?转入转出分析?欠费催缴?重入网构成 客户流失专题?预测流失客户?流失客户构成?流失客户跟踪、回流 中高端监控?拍照中高端?异网中高端?中高端新业务?中心节点对于圈内影响?圈内成员对于中心节点影响 圈内作用 应用数据集市 应用数据集市 应用数据集市 应用数据集市?。N-M1月指纹 N-1月指纹 N月

7、指纹 模型处理，生成指纹 时间 个人客户识别模型建立 1 集团客户识别模型建设思路 2 集团客户识别模型建设 时间通信特征（上班时间）小区 位置特征 业务 订购和使用 时间通信特征 假设 集团客户白天和晚上通话对象和通话习惯都会存在一定区别?根据这个条件来观察集团成员的通话行为和位置信息?网状通信联系圈 集团客户的位置基本上是相对固定的 集团或者集团成员具有业务订购和业务使用特征?单区域集中型?多区域集中型?非区域集中型 位置特征假设 业务订购假设?集团彩铃?移动总机?手机邮箱?研究集团客户特征 基于特征建立模型?深入研究集团客户的特征，基于客户特征建设集团客户识别模型。集团客户 特征 13

8、客户在白天和晚上通话对象和通话习惯都会存在一定区别。?比如客户白天在公司主要的通话为同事之间的通话，业务通话；?晚上在家里的通话主要是亲人之间的通话；根据这个条件来观察集团成员的通话行为和位置信息。无论客户如何变动移动通讯设备，他始终都有固定的通话群?其中一个是同事的交往圈，他们之间形成一个互通的“网络式的”通信联系圈；根据这个条件，通过集团成员内部的语音或短信联系来判定集团成员。时间特征（上班时间）“网络式的”互通联系 集团客户工作时段的时间和通信联系特征说明 2 集团客户识别模型建设 集团客户的位置基本上是相对固定的?提取话单中的小区信息对其成员通话位置进行汇总，?计算集团相对集中的前三个

9、小区 单区域集中型 多区域集中型 非区域集中型 经常在某集团所在小区发生通话的用户与从未在此小区发生通话的用户相比，归属此集团的可能性大 示列 非区域集中型?如果集团小区分布呈非区域集中型，其录入的集团用户资料不准；如：行政类的集团其位置是非常固定的、而非区域集中型的。单区域或多区域集中型?分析其成员通话小区是否符合集团小区位置信息，辅助进行判定其是否为集团真实成员；同时辅助进行集团潜在成员的挖掘。小区位置归属假设 集团客户小区位置特征说明 2 集团客户识别模型建设?集团或者集团成员具有业务订购和业务使用特征?根据成员订购集团业务情况一方面对已纳入管理的成员鉴定其真实性；?另一方面对未纳入管理

10、的成员识别其是否为潜在成员。集团客户的业务定购和使用特征说明 2 集团客户识别模型建设 集团客户识别 模型构建规则 模型构建 成果输出 三级训练模型 业务订购 时间 特征 工作 日 工作 时间 通话 特征 语音 短信 网内 网外 潜在挖掘 集团客户真实性 真实 集团 真实 成员 虚假 成员 潜在成员挖掘、市场预测 潜在 成员 市场 构成 三方 占比 虚假识别 市场构成 位置 特征 单区 多区 非区 集团客户识别模型建立步骤 决策树 训练集 判定树分类算法 Input Output 通信行为 偏好 话务量特征 小区特征 2 集团客户识别模型建设 真实集团成员的判定 变量选择收据抽取?通过语音和短

11、信通话详单，提取集团成员通信联系和通信小区位置信息；?同时提取其产品订购信息；?时间为周一到周五，早上8点到晚上6点。真实集团的判定 虚假集团或成员判定?集团成员有语音内部通话联系行为?集团成员有短信内部多人联系行为?集团成员订购或使用置信度较高的集团业务（通过设置算法，区别出置信度较高的产品或使用较多的产品）?集团成员通话小区匹配集团通话集中小区?非两两联系集团?加入管理条件要求集团注册人数在20人以下的，真实成员达4人及以上?20人以上的，真实成员达10人及以上?未满足真实集团或真实成员条件的集团或集团成员 进一步优化规则 集团客户识别模型之虚假集团识别模型的进一步完善 2 集团客户识别模

12、型建设 变量选择收据抽取?通过语音和短信通话详单，提取和集团真实成员有语音通话的非注册用户?提取其与集团成员通话联系人数及占其通话人数比和通信小区位置信息；?时间为周一到周五，早上8点到晚上6点。潜在成员判定?和集团真实成员有语音通话联系行为的用户?订购或使用相应集团集团业务的非注册用户?与集团真实成员有语音通话联系的人数（根据集团规模不同须满足不同的联系人数）?与集团真实成员有语音通话联系人数占其通话人数比（其比例在50%以上）?订购或使用集团相应置信度较高的集团业务（如：统付、移动总机）?通话小区符合集团通话集中小区?通过通信行为置信度、小区行为置信度、业务订购置信度综合判定用户归属那个集

13、团可能性大 进一步优化规则 潜在成员查找 潜在成员归属 集团客户识别模型之潜在成员挖掘模型的进一步完善 2 集团客户识别模型建设?虚假成员识别模型效果验证模型准确率高于80%！?平顶山对模型识别的虚假集团成员验证准确率为81；?另外对识别为是虚假成员、验证为真实的可户进行调研发现:其中一部分为长期外地出差，一部分是多卡用户（他们通过其它号码进行内部联系），可以通过删除整月漫游客户使模型结果更加准确。数据抽取 验证结果?从识别结果中随机抽取2826名平顶山虚假客户，通过核对集团内部通讯录的方法进行验证。验证结论 虚假成员验证 识别虚假用户识别虚假用户 2826 验证为虚假用户验证为虚假用户 22

14、76 不确定虚假不确定虚假 5 验证为真实用户验证为真实用户 545 准确率准确率 81%集团客户识别模型准确率验证 2 集团客户识别模型建设?潜在成员识别模型效果验证模型准确率为77%！数据抽取?从潜在模型结果中随机抽取639名平顶山潜在客户，通过核对集团内部通讯录进行验证。潜在成员验证 验证量 639 归属预测集团 492 完成量 639 不归属预测集团 147 准确率 77%验证结果 验证结论?平顶山对模型识别的潜在集团成员的验证准确率为77。?模型分析出虚假集团和成员，还要通过完善的管理流程进行落地，支撑集团客户各级管理人员提高客户资料的真实率和准确率。集团客户识别模型 虚假清单 下发

15、验证清单 审批 客户经理进行 验证 大客户系统 提交验证结果 未通过 通过 回传 确为虚假 确为真实 根据反馈的结果，进行模型纠正，不在认为是虚假，但提供跟踪情况，如：三个月，半年都认为是虚假，需要客户经理重新验证 删除 窗体标题输入文本集团名称客户经理手机号虚假原因说明真实原因说明虚假原因说明集团属两两通话真实成员数未达要求 未语音通话未短信联系未使用集团业务未符合集团小区审批通过不通过资料点击链接到资料查询页面看是否资料齐全20 模型应用规划：借助模型和流程提升集团资料真实率 2 集团客户识别模型建设?模型识别出潜在成员，要通过流程将本网潜在成员纳入集团客户进行管理，提升客户资料完整性，将

16、他网潜在成员送交客户经理进行关怀、回流，提升集团客户市场占有率。集团客户识别模型 潜在清单 下发验证清单 审批 客户经理进行 验证 大客户系统 提交验证结果 未通过 通过 非潜在 潜在 根据反馈的结果，进行模型纠正，对确为其潜在录入大客户管理；非潜在的进入黑名单，以后不再识别其为潜在 窗体标题输入文本集团名称客户经理手机号潜在原因说明潜在验证说明语音通话联系人数符合集团小区位置订购集团相应业务审批通过不通过资料点击链接到资料查询页面看是否资料齐全21 模型应用规划：借助模型和流程提升集团资料完整性和市场占有率 2 集团客户识别模型建设 家庭客户识别模型建设思路 3 家庭客户识别模型建设 时间通

17、信特征（下班时间）小区 位置特征 家庭业务 使用特征 时间通信特征 假设 家庭成员间白天和晚上通话对象和通话习惯都会存在一定区别?根据这个条件来观察家庭成员的通话行为和位置信息?家庭成员通信联系圈 家庭客户家的位置相对固定 家庭或者家庭成员具有业务订购和使用特征?住宅小区相对固定?晚上一般都在家中休息?私人时间位置重合度高 位置特征假设 业务订购假设?移动之家?家庭账户?研究家庭客户特征 基于特征建立模型?深入研究家庭客户的特征，基于客户特征建设家庭客户识别模型。家庭成员 特征 家庭成员特征 假设 家庭成员构成相对固定?两口之家?三口之家 模型构建（从成员特征识别出家庭客户）时间、小区位置 通

18、话 家庭客户小区位置特征细分 细分家庭客户通话圈 家庭构成特征 家庭通话特征 时间位置特征 业务定购和使用 业务定购和使用 家庭客户 模型输出（家庭客户真伪鉴别、潜在家庭客户）P P 对已圈定的家庭客户进行识别 挖掘潜在家庭客户 特定细分家庭客户时间特征?年龄差异特征?性别分布特征?月相同小区活动次数、天数?主被叫频繁活动小区?主被叫平凡活动小区站总通话互动小区占比其他指标?具有明显的工作周期特征?具有相对固定的基站通话 家庭客户识别模型构建步骤 3 家庭客户识别模型建设?家庭客户识别模型效果验证模型准确率超过80%！?平顶山对家庭客户识别模型识别出的家庭客户验证准确率为82。数据抽取 验证结

19、果?从家庭识别结果中随机抽取 800个平顶山的家庭客户，通过电话经理问卷验证的方式。验证结论 家庭客户识别模型准确率验证 3 家庭客户识别模型建设 家庭客家庭客户验证户验证 验证量验证量 800 验证存在家庭验证存在家庭 402 完成量完成量 489 不存在的家庭不存在的家庭 87 准确率准确率 82%截至10月份各分公司家庭客户圈定完成全年任务比例?截至10月份，全省共计组建家庭111.68万户，圈定家庭成员319.47万个，完成全年计划的111.7%，家庭市场发展速度很快！?10月份圈定家庭过程中共计带来新增客户2.09万户，占新圈定家庭的比例为10.42%，家庭新增成员较多！10月份新增

20、家庭成员占新增家庭的比例 0.00%20.00%40.00%60.00%80.00%100.00%120.00%140.00%160.00%完成比例151.0148.8141.9132.9120.6116.8111.6111.3108.3107.6106.9105.6101.699.5198.4398.2496.8588.9280.49濮阳济源 洛阳郑州开封焦作全省商丘许昌信阳漯河三门峡南阳平顶山周口新乡安阳驻马店鹤壁0.00%5.00%10.00%15.00%20.00%25.00%30.00%35.00%40.00%百分比34.8125.0721.0513.7110.4210.2010.1

21、39.85%9.13%8.18%7.88%7.47%7.17%6.71%6.35%6.23%6.12%5.39%4.06%济源 鹤壁 郑州 商丘 全省三门峡洛阳 开封 周口 信阳 新乡驻马店平顶山安阳 焦作 许昌 漯河 濮阳 南阳模型应用规划：家庭客户高速发展的同时保障高质量 3 家庭客户识别模型建设?在家庭市场快速发展的同时，要借助家庭客户识别模型保障新增家庭客户的质量，使家庭客户市场走上一条高起点、高质量的效益型发展模式！目 录?案例应用背景、目标及意义?案例应用简介及具体实施方案?案例应用情况展示?效益评估、创新点 借助个人识别模型开展中高端客户回流工作 个人客户识别模型 中高端用户群

22、中高端流失客户 他网中高端客户 制定回访、关怀方案，展开策反、回流活动 回流客户 4万户/月?通过个人客户识别模型，查找离网的中高端客户，有针对性的开展策反、回流工作，回流成功率在20%左右，有效地减少了中高端客户的损失、增加了中高端市场占有率。个人客户识别模型应用实例 提升集团客户市场占有率3个百分点 效果1;1 通过集团客户识别模型查找出集团客户中的他网潜在成员，通过客户经理有针对性的回流工作，提升核心集团市场占有率，从09年1月份占有率的 84.96%提升到10月份的87.94，提高了近 3个百分点。提高集团成员“真实率”14个百分点 效果1;2 集团客户识别模型展示出每个集团客户的成员

23、真实率，并提供识别出的真实成员、虚假成员，供客户经理进行验证和核对，并通过经分流程将成员真实率低的集团客户派单到其分包客户经理，要求其及时处理，从09年1月份到10月份核心集团客户成员真实率从 54提高到68，提升了 14个百分点。通过集团客户识别模型应用，提升集团市场占有率和集团资料真实率、完整率 集团客户识别模型应用实例 纳入集团管理的成员数增加了155 效果1;3 集团客户识别模型识别出潜在成员供客户经理进行核对后，纳入集团客户管理，从09年1月份到10月份集团成员数量由 300万增加到766万户，增加了 155，有力的推进了集团客户的管理水平。?家庭市场作为公司新进入市场，从4月份推出

24、移动之家、家庭账户等家庭产品以来发展很快，公司利用家庭客户识别模型进行潜在家庭的挖掘和圈定家庭的甄别，使可疑家庭客户占比低于10，在家庭市场快速增长的同时有效保障了发展质量，保证了家庭市场高起点、高质量的发展之路。借助家庭客户识别模型保障家庭市场发展质量 家庭客户识别模型应用实例 十月份可疑家庭占比 0.0%2.0%4.0%6.0%8.0%10.0%12.0%可疑家庭占比 10.9.2 8.4 7.9 7.2 7.0 6.0 5.9 5.7 4.8 4.8 4.5 4.0 3.6 3.6 3.4 3.1 2.4 2.3 信 阳 新 乡 鹤 壁 郑 州 开 封 洛 阳 三 门 全 省 周 口 南

25、 阳 驻 马 许 昌 平 顶 商 丘 焦 作 漯 河 济 源 濮 阳 安 阳 目 录?案例应用背景、目标及意义?案例应用简介及具体实施方案?案例应用情况展示?效益评估、创新点 基于个人客户识别模型的应用提升了中高端客户市场占有率，产生了良好的经济效益?通过个人识别模型查找到他网的中高端客户，有针对性开展关怀、回流活动，我公司中高端市场占有率比去年同期增长13.62%。?按照每户中高端客户每月消费80元（中高端客户的ARPU值标准），近一年增加了约50万中高端客户计算?使用个人客户识别模型近一年增加帐务收入4.8亿元,相当于我省济源分公司三年的帐务收入！通过集团客户识别模型应用提高核心集团市场占

26、有率，赢得了可观的经济效益 09年1月份核心集团成员市场占有率 截止09年10月份市场核心集团成员市场占有率 核心集团成员市场占有率 84.96%87.94%占有率提升：2.98%提升 新增移动成员数量 11.29万人 增加经济效益 601.72万元 年增加经济效益7220.64万元！601.72万元 X ARPU 48.96元/人 核心集团成员数350.5万户 家庭客户真实率变化情况84.30%86.40%89.10%94.10%78.00%80.00%82.00%84.00%86.00%88.00%90.00%92.00%94.00%96.00%7月8月9月10月通过家庭客户识别模型的应用

27、，提高了家庭客户真实率?借助经分家庭客户识别模型，公司在大力发展家庭客户的同时，对家庭客户的质量也进行了提升，截至10月底家庭客户真实率提升到了94.1%，实现了家庭客户市场的高起点、高质量发展。客户识别模型的应用创新点?模型应用思路的延展性：借鉴个人识别模型的成功应用，建设集团客户识别和家庭客户识别模型，有效的保障了集团客户和家庭客户的发展质量；?实现模型的复用：个人通话交往圈模型在个人客户识别、集团客户识别和家庭客户识别模型中都得到了有效应用。模型理念创新 模型建设创新 应用支撑创新 模型的复用：个人客户识别模型又应用在了集团客户识别和家庭客户识别模型中，既实现了成功经验的共享，又节省了系

28、统运算资源。?模型数据的可视化：打开了以前建模的黑匣子，将模型计算的数据都清晰进行了展示，更有利于对模型的理解和应用；?提高了模型的互动性、灵活性：模型可通过经分前台进行互动配置，增加了模型使用的灵活性。?经验共享：将个人客户识别的经验成功拓展到新的市场；?流程落地：通过流程将识别结果及时通知给客户经理，有效保障了工作的落地。模型具备很强的可推广性 2、该案例可移植性强 1、该案例解决问题具有集团普遍性 提升客户发展质量，从规模型扩展向效益型增长模型转变是全国各省移动公司都在不断努力的方向；1 各省公司在客户发展过程中也存在重复入网率高、集团客户资料不准、家庭客户圈定不准等急待解决的问题；2 该模型可以在客户数量发展的同时有效地保障发展质量。3 该案例建模所用数据各省公司经分系统都进行了采集和存储；该案例的建模思路和步骤简单、易懂，很易于复制；2 该案例若经过集团公司优化后全国推广，可在很大程度上推动公司向效益型发展模式的转变。3 1 客户识别模型的未来展望?通过客户识别模型的建设，使公司每块专业市场的发展都能得到经分的质量支撑，实现公司规模扩展同时兼顾质量的效益型发展模式。