中國電信股份有限公司佛山分公司 基于客戶分群的寬帶業務營銷實踐 項目一期 最終報告 埃森哲 2008年 10月 Accenture Copy Right 2008 2 議程 1. 項目摘要與回顧 2. 項目成果總覽 4. 成果推進 3. 項目收獲和體會 5. 感謝我們的團隊 6. 附錄 Accenture Copy Right 2008 3 S8S4S6 S2 S7S9S1 S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000項目摘要 經由預測模型，精準地取得營銷目標客戶 打造建模與數據分析隊伍 透過有系統的分群，充分了解中國電信佛山分公司家庭與個人客戶 -使用數據分群工具，把客戶從價值、使用行為等多角度進行系統性的客戶分群 -對于不同的客戶群，通過客戶特征刻畫，明確了解不同客戶群的使用行為與需求 -透過預測模型與客戶群分析，進行目標客戶選取，避免盲目營銷 -由于目標客戶明確，可以合理有效地評估營銷活動 合理有效分配并使用營銷資源 -結合分群和預測模型，為目標客戶群制定營銷優先級，有規劃地安排營銷資源 -面對不同客戶群，采用不同的營銷側重點，避免營銷資源的浪費 -經由共同深度的項目參與和培訓，中國電信佛山分公司已經建立了一支專家團隊，今后能夠獨立的開展建模和數據分析 -給團隊灌輸了閉環營銷理念及埃森哲項目管理方法論 現狀指標 增長性指標 S9 S3S2S6S4S1 S8經過三個多月的密切合作，埃森哲與中國電信佛山分公司在基于客戶分群的寬帶營銷實踐項目一期中，取得下列成果： Accenture Copy Right 2008 4 基于客戶分析的營銷實踐是閉環的精確營銷方法 數據準備 數據收集、驗證和處理 營銷執行和評估 商業分析和洞察建立 閉環循環 定期、及時地將客戶反饋的變化整合到未來的分析中去 客戶分析驅動營銷實踐 將 “ 基于客戶分析 ” 的營銷流程 植入 中國電信佛山分公司市場部 常規工作 客戶細分 客戶特征 分析 營銷執行 營銷評估 數據整合 咱們在此 Accenture Copy Right 2008 5 項目內容 商業分析和洞察建立 數據收集、驗證和處理 基于中國電信佛山分公司數據源和業務基本情況的多輪調研和訪談，完成寬表設計。 基于寬表框架和內容，進行數據抽取，并進行數據校驗，以保證數據質量。 建立分群模型并進行客戶特征刻畫，全面了解客戶，為以后針對不同的客戶需求實施不同的營銷策略做準備。 建立預測模型，找出營銷活動的目標客戶。 項目內容 完成情況 通過將一個個的 “ 客戶數據孤島 ” 整合成基于內部數據的 “ 統一客戶視圖 ” ；完成一張 522個客戶屬性字段、 125萬客戶數據的寬表 通過不斷的實踐和培訓，實現了知識的有效轉移和技能的迅速提升 完成 分群模型和客戶特征刻畫 ，建立起對客戶的全面了解，將過去簡單的客戶分析轉向 全面的客戶洞察 。 完成 預測模型，精確捕捉目標客戶 。 通過不斷的實踐和培訓，實現了知識的有效轉移和技能的迅速提升 應景于中國電信集團的企業轉型策略，受寬帶業務激增驅動，本項目 以增量寬帶客戶獲取為突破口提升營銷效能，樹立精確化營銷思路，實踐閉環的營銷方法為目標。 基于項目目標，本次項目分為 “ 數據收集、驗證和處理 ” 和 “ 商業分析和洞察建立 ” 兩大階段。 Accenture Copy Right 2008 6 第十三周 9月 22日 -9月 28日 第十二周 9月 11日 -9月 18日 第十一周 9月 4日 -9月 10日 第十周 8月 28日 -9月 3日 第九周 8月 21日 -8月 27日 第八周 8月 14日 -8月 20日 第七周 8月 7日 -8月 13日 第六周 7月 31日 -8月 6日 第五周 7月 24日 -7月 30日 第四周 7月 17日 -7月 23日 第三周 7月 10日 -7月 16日 第二周 7月 3日 -7月 9日 第一周 6月 26日 -7月 2日 數據收集、驗證與處理 商業分析與洞察建立 模型調優和確定 寬表設計 6/26 7/1(寬表初稿 ) 7/9(寬表 ) 7/9 理解寬表字段和實現邏輯 數據抽取、轉換和加載 7/14 7/11 數據校驗 8/7 8/29(模型初稿 ) 初次建模 7/16(抽取 ) 7/30(數據樣本） 8/6(加載 ) 8/29 9/10(模型確定 ) 客戶特征描述 9/10 9/16(客戶特征 ) 優先級選擇 9/28(交付 ) 9/17 7/1(啟動會 ) 項目進度回顧 8/13 8/28 8/19 感謝中國電信佛山分公司各部門領導與同事的大力支持，使項目可以按時、按質的完成。 Accenture Copy Right 2008 7 重要會議與培訓 -1 日期 會議參與者 議題 會議主要內容 6/26 6/30 陳振榮 從業務角度了解中國電信佛山分公司的客戶和數據狀況 了解中國電信佛山分公司當前客戶歸并規則。開展專題討論對后續客戶歸并規則提出建議 確定模型的客戶源：家庭和個人客戶 陳振榮，劉劍平 從技術角度了解中國電信佛山分公司的客戶和數據狀況 了解數據在 CRM系統中的存儲格式及當前數據的整體信息 確定分群模型的時間段是從 2007年 12月到 2008年 5月， 2008年 7月的數據作為預測模型的目標變量 張衛偉 了解中國電信佛山分公司 10000號客服中心狀況 10000號系統中對投訴、營銷、回訪的建議相對比較多，但對營銷的內容沒有記錄 霍淑妍，謝澤斌，廖雯卿，周燕珊 了解中國電信佛山分公司寬帶營銷 介紹預付費和后付費寬帶的目標客戶以及寬帶的考核指標 介紹南海區個人客戶的寬帶發展戰略 E8套餐的發展難點 順德區的 E8套餐推銷渠道以及市場營銷難點 預付費寬帶經驗分享及寬帶外呼營銷策略 7/1 市場部 總經理王湘江 業務支持中心副總張飛南 , 陳玉云 項目啟動會 介紹項目背景和范圍、組織架構及埃森哲項目管理方法論等 7/2 7/8 陳振榮，劉燕軍，霍淑妍等 寬表設計培訓 寬表字段討論 對如何設計寬表進行培訓 針對寬表字段的幾輪討論 7/9 陳玉云等 寬表最終版本匯報 寬表最終版本匯報 8/8 8/18 陳振榮，劉燕軍等 數據分布統計校驗培訓 數據校驗討論 對綜合經營室和業務支持中心的核心人員進行數據校驗培訓 4輪數據質量校驗討論會 遺留問題跟蹤 Accenture Copy Right 2008 8 重要會議與培訓 -2 日期 會議參與者 議題 會議主要內容 8/19 陳曉東 , 陳振榮 , 吳作春 , 劉燕軍 分群模型和預測模型的算法選取討論 分群模型和預測模型的不同算法比較 確定模型的最終算法 : 分群模型采用 K-means方法，預測模型采用Logistic Regression方法 8/20 陳玉云 ,陳振榮 ,吳作春 ,劉燕軍 ,劉劍平 數據校驗最終結果匯報 數據質量校驗結果的最終匯報 確定分群模型的變量 8/25 陳曉東 , 陳振榮 , 吳作春 , 劉燕軍 ,劉劍平 建模培訓 Clementine培訓，分群模型和預測模型的建模介紹 9/1 - 9/2 陳玉云 ,陳曉東 , 陳振榮 , 吳作春 , 劉燕軍 ,劉劍平 ,霍淑妍 第一輪建模匯報 第一輪建模成果介紹： 缺失值、異常值處理，變量相關性分析及變量正規化 介紹建模數據基數和變量類型，以及用于客戶特征刻畫的變量 模型調優的經驗分享 9/8 9/10 陳振榮 , 劉燕軍 ,霍淑妍 4個分群模型選取討論 后續幾輪建模成果匯報， 4個推薦模型的比較， 最終選定分群模型 4 模型分析中新增了 6-8月新裝寬帶字段，群描述作了進一步細化 9/16 陳曉東、陳振榮、霍淑 妍 、劉燕軍等 分群模型客戶特征刻畫培訓 進行客戶分群刻畫工具 Accenture Dashboard使用培訓 結合 Accenture Dashboard結果進行分群刻畫方法的培訓 9/18 陳曉東經理、陳振榮、霍淑 妍、劉燕軍 預測模型選擇 進行 4種預測模型有缺點介紹，同時進行討論交流 與會人員選擇 預測模型 3作為最終選擇 9/19 - 9/23 陳振榮、劉燕軍 分群刻畫討論交流 介紹分群刻畫的描述和圖片展示內容，進行幾輪刻畫結果討論 增加總價值、單產品價值、外來人口比例、價格敏感性等內容 9/24 陳曉東、陳振榮、吳作春、霍淑妍 客戶分群優先級討論，預測模型變量貢獻性討論 對預測模型貢獻度較大的 20個變量進行分析成果分享 從選擇目標、選擇標準分析客戶優先級選擇結果 Accenture Copy Right 2008 9 議程 1. 項目摘要與回顧 2. 項目成果總覽 4. 成果推進 3. 項目收獲和體會 5. 感謝我們的團隊 6. 附錄 Accenture Copy Right 2008 10 項目成果總覽 數據校驗 客戶群優先級選擇 客戶分群建模 客戶特征刻畫 寬表設計 預測模型建模 后續工作： 營銷策略制定 營銷執行 營銷評估等工作 本項目的主要成果包括客戶寬表、客戶分群模型、客戶群特征、客戶預測模型和客戶群優先級選擇，接下來我們將對每個項目成果一一介紹。 設計客戶統一視圖字段 （基于內部數據） 排查問題，保證數據質量 接觸信息： 10000 號,網營 ,營銷成功等 產品：套餐 ,預 /后付 ,200, 來顯等價值： ARPU, 固定/使用費 ,優惠等 寬帶用量行為：上網時長 ,流量等人口信息：性別 ,年齡 ,在網時長等行為用量趨勢和 波動付費方式 :付費帳號 ,欠費狀態等 呼叫行為：本地 ,長途 ,IP, 國際等寬表接觸信息： 號網營 營銷成功等 產品：套餐 預后付 來顯等價值： 固定使用費 優惠等 寬帶用量行為：上網時長 流量等人口信息：性別年齡 在網時長等行為用量趨勢和 波動付費方式 付費帳號 欠費狀態等 呼叫行為：本地長途 國際等寬表-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S 1 :思鄉 “ 電話粥 ” 群，靈通 2 0 0S 2 :潛力海外親友群，固話和寬帶S 3 :績優尊貴活躍群，近全產品S 5 :增值服務偏好全業務群，全產品S 6 :年輕時尚族，單小靈通 S 7 :節約型工薪族，寬帶 + 固話S 9 :木訥老客戶群，單固話S 4 :電信語音冷淡群，不同類別單產品S 8 :寬帶潛力活躍族，固話 + 小靈通思鄉 電話粥 群，靈通潛力海外親友群，固話和寬帶績優尊貴活躍群，近全產品增值服務偏好全業務群，全產品年輕時尚族，單小靈通 節約型工薪族，寬帶 固話木訥老客戶群，單固話電信語音冷淡群，不同類別單產品寬帶潛力活躍族，固話 小靈通全面洞察客戶 找到目標客戶 數據抽取 語句自查邏輯校驗統計分布 校驗確保數據轉換 準確 無誤確保 建模 數據一致性 、完整性 和 合理性語句自查邏輯校驗統計分布 校驗確保數據轉換 準確 無誤建模 數據一致性 、完整性 和 合理性結合預測模型等因素確定優先級 現狀指標 增長性指標 S9 S3S2S6S4S1 S8Accenture Copy Right 2008 11 信息分類 信息子類 變量名稱 變量描述 變量類型時間序列 計算邏輯1 基本信息 1 .1 客戶標識 CI_ CU ST _ ID 客戶標識 VARC HAR 5 月底 參考 客戶處理規則 1 基本信息 1 .1 客戶標識 CI_ CU ST _ ID_ O L D 客戶原有標識 VARC HAR 5 月底原有 CA( 未拆分客戶的原有標識與客戶標識相同 , 1 基本信息 1 .2 戶主信息 CI_ NAM E 姓名 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ G END ER 性別 ( 男 / 女 ) VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ NAT ION _ ID 身份證號碼 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ AG E 年齡 NU M BER 5 月底1 基本信息 1 .2 戶主信息 CI_ RESIDE NC E 本地居民 / 外來人口 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ CO NT ACT 聯系電話 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ HO USE_NUM BER 家庭號碼 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ M O BIL E_ NU M BER 手機號碼 VARC HAR 5 月底1 基本信息 1 .2 戶主信息 CI_ 2 0 0 _ NU M BER200 電話號碼 ( 包括 200固話或靈通 200) VARC HAR 5 月底如有 200 固話或者靈通 200 電話 , 則記錄該 200 固話或者靈通 200 號碼 ；如果有多部 200 固話或者靈通 200,寬表設計 寬表是所有客戶分群工作的基礎，我們以客戶為中心出發，將所有與客戶相關的歷史數據有機的組合，包括人口信息、行為信息、價值信息和接觸信息。目的在于將一個個的 “ 客戶數據孤島 ” 往 “ 統一客戶視圖 ” 邁進。 寬 表 5 2 2 個 字 段產 品 信 息9 1 個基 本 信 息 2 1 個使 用 行 為 2 7 3 個計 費 信 息 1 1 3 個客 戶 標 識2 個戶 主 信 息9 個其 他 信 息1 0 個產 品 內 容7 1 個套 餐 內 容2 0 個寬 帶2 1 個通 話 時 長( M O U ) 1 3 1 個呼 叫 次 數 5 1 個用 量 趨 勢3 7 個用 量 波 動3 7 個接 觸 信 息 1 4 個增 值 業 務1 個總 體 費 用3 1 個不 同 產 品 費 用7 4 個營 銷 活 動5 個回 訪 信 息2 個付 費 方 式6 個費 用 趨 勢8 個接 觸 信 息7 個接觸信息： 10000號 ,網營 ,營銷成功 產品：套餐 ,預 /后付 ,200,來顯等 價值： ARPU,固定/使用費 ,優惠等 寬帶用量行為：上網時長 ,流量等 人口信息：性別 ,年齡 ,在網時長等 行為用量趨勢和波動 付費方式 :付費帳號 ,欠費狀態等 呼叫行為：本地 ,長途 ,IP,國際等 寬表 寬表架構： 寬表示例： 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 12 數據校驗 語句自查 邏輯校驗 統計校驗 確保數據轉換準確無誤 確保建模數據一致性、完整性和合理性 數據的準確性、一致性以及完整性都能很大程度上影響數據模型的準確性和預測精度，同時質量較好的數據能夠縮短模型訓練的時間并且可以提高模型的可重用性。因此在建模之前，我們完成了三部分數據校驗：語句自查、邏輯校驗和統計分布校驗。 對寬表 522個字段 的 約 130萬 條客戶記錄進行 8種校驗類型的 469個 SQL腳本的數據校驗。 發現并解決 20個 問題。 用 SPSS工具循環校驗每個寬表字段 約 130萬 條客戶記錄的 均值、最大值、最小值、總和和分布 情況。 發現并解決 30個 問題。 邏輯校驗 統計校驗 一張 522個客戶屬性字 段125萬 條客戶數據的寬表 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 13 分群模型建模過程介紹 數據正規化 模型比較 和選型 數據校驗 相關性分析 初次選擇 變量 模型調優 和模型分析 目標和過程 知曉各個字段的數據質量 進行缺失值處理 進行異常值排查和處理 進行各變量間的相關性分析 把每個變量的值域范圍均變成統一的范圍 使每個變量對分群模型的貢獻是可比的，排除單位不一樣的影響 選擇 數據質量好 的變量 選擇對 刻畫客戶重要的變量 變量較多時建議 分組挑選 (行為 ,價值 ,其他 ) 同種變量從總量數據開始選擇，需考慮變量間的 相關性影響 嘗試各種 群個數 進行變量間相關性分析， 增加或刪減變量 進行變量對模型結果的分布分析， 增加或刪減變量 得到分布較均勻的模型后， 微調模型 ，使模型內容更豐富 對較好的幾個模型進行深入分析 比較各個模型的優缺點，選出最符合項目目的的模型 此步驟是一個反復調試的過程 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 14 四個客戶分群模型比較 模型編碼 客戶基數 變量個數 群個數 突出特點 不理想地方 模型 1 1,253,461 78 7 群個數為 7個 ,易于管理 群均衡性較好 語音業務、數據業務特征明顯 產品特性不夠凸現 2個高值群 ARPU差異不明顯 模型 2 1,253,461 65 9 均衡性較好 產品、價值、數據業務特性明顯 第 3、 4兩個中低值本地群的特征不夠明顯 模型 3 1,253,461 92 8 均衡性較好 產品、價值、語音業務特點明顯 數據業務特點過于極端，群內使用數據業務人數占比或為 100%或幾乎無人使用寬帶 模型 4 1,253,461 132 9 產品、價值、語音、數據業務等特點明顯 最高值不是全產品群，確實反映高價值客戶 均衡性一般，最大群超過 26% 四個分群模型在均衡性、產品特征、價值、語音、數據業務等方面都各有利弊，結合中國電信佛山分公司的實際需求和目標（激增寬帶用戶），一致決定選擇模型四。 結合實際需求和市場部與業務支撐部同事反饋，一致同意選擇模型四。 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 15 客戶分群模型（模型四）總覽 共選取 132個變量 用于建模 個人信息 3 產品信息 16 套餐信息 4 MOU 48 呼叫次數 12 寬帶用量 8 VAS 1 用量趨勢 9 用量波動性 8 總體費用 6 不同產品費用 13 費用趨勢 4 模型結果 變量選取 共分成 9個客戶群 群個數選擇 群號 人數占比 ARPU 語音 數據 產品組合 S1 10% 低值 高語音長途 低數據 單靈通 200 S2 11% 中高值 中等語音高 IP 低數據 固話為主 S3 5% 超高值 高語音高 IP 低數據 近全產品 S4 9% 中低值 非語音 高數據 不同類別單產品 S5 5% 高值 高語音本地 高數據 全產品 S6 13% 中低值 高語音長途 低數據 單小靈通 S7 16% 中高值 低語音本地 高數據 固話 +寬帶 S8 5% 中值 高語音本地 非數據 固話 +小靈通 S9 27% 低值 低語音本地 非數據 單固話 S110%S211%S35%S49%S55%S613%S716%S85%S927%客戶分群模型四將客戶分成 9個客戶群，其中 2個高值群、 2個低值群和 5個中值群。各群有其各自的明顯特征。 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模注：數據高低是由寬帶滲透率的高低來確定的 Accenture Copy Right 2008 16 客戶群分布圖介紹 各取價值、行為字段作為坐標軸指標，構建出客戶群分布圖，以給各客戶群清晰的定位。 注： 1.X軸：總 ARPU 2.Y軸：行為數據打分，對各客戶的 MOU及寬帶用量數據進行標準化后求和 計算公式 =(總 MOU-所有客戶總 MOU均值 )/總 MOU標準差 +(寬帶流量 -所有客戶寬帶流量均值 )/寬帶流量標準差 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S1:思鄉“電話粥 ”群，靈通 200 S2:潛力海外親友群，固話和寬帶 S3:績優尊貴活躍群，近全產品 S5:增值服務偏好全業務群，全產品 S6:年輕時尚族，單小靈通 S7:節約型工薪族，寬帶 +固話 S9:木訥老客戶群，單固話 S4:電信語音冷淡群，不同類別單產品 S8:寬帶潛力活躍族，固話 +小靈通 （單位：分） 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 17 客戶群特征刻畫（一） S1思鄉 “ 電話粥 ” 群 (126747, 10%, 4763) S2潛力海外親友群 (141058, 11%, 11894) S3績優尊貴活躍群 (57546, 5%, 19796) S5增值服務偏好全業務群 (61709, 5%, 17742) S4電信語音冷淡群 (110003, 9%, 6265) 重要特征描述 6-8月寬帶新裝 產品描述 以單小靈通為主，滲透率 97%；靈通 200滲透率超高 產品為固話和寬帶，全有固話，寬帶滲透率40% 近全產品，滲透率 61% 全產品，滲透率 100% 以單產品客戶為主，其中固話、小靈通和寬帶的滲透率分別為 23%、17%和 69% 新裝寬帶客戶數占比均很低 新裝寬帶客戶數次高，占比較高 新裝寬帶客戶占比次高 新裝寬帶客戶數及占比均較低 新裝寬帶客戶數及占比均最低 總 ARPU為 4763/低值 ；總 MOU為 423/次高 長途 MOU最高；呼出時長最長；小于 1、 3分鐘 MOU占比均最低 外來人口占比最高 總 ARPU為 11894/中高值；總 MOU為 189/中等 港澳臺和國際呼出 MOU平均和占比均最高；國際長途功能的滲透率最高 寬帶流量上升趨勢最高 總 ARPU為 19796/超高 ；固話和小靈通費用都最高，寬帶次高 總 MOU為 541/超高 ；寬帶時長上升趨勢次高 固話和小靈通部分增值服務的滲透率最高 總 ARPU為 6265/中低值； 總 MOU幾乎為零 預付費寬帶滲透率最高 12%；寬帶客戶流量為10773342/次高； 總 ARPU為 17742/高值 ；寬帶費用最高，固話和小靈通次高 總 MOU為 305/較高；寬帶客戶流量為 6957900/中等 增值業務偏好，多項增值業務滲透率最高 (人數，人數百分比，總 ARPU平均 ) 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 18 客戶群特征刻畫（二） S6年輕時尚族 (164239, 13%, 5225) S7節約型工薪族 (197836, 16%, 13389) S9木訥老客戶群 (337653, 27%, 4036) S8寬帶潛力活躍族 (56670, 5%, 8408) 以單小靈通為主，滲透率 94% 產品為寬帶和固話，滲透率為 100% 單固話為主，滲透率為100%； 固話 200滲透率為 8.89%； 產品以固話和小靈通為主，滲透率為 98%，寬帶占比 2.3% 新裝寬帶客戶數及占比均較低 新裝寬帶客戶數及占比均次低 新裝寬帶客戶數次高，占比最高 新裝寬帶客戶數最多，占比較高 總 ARPU為 5225/中低值；總 MOU為 212/中等 增值業務費用占比最大；小靈通更換彩鈴最多；盲區呼滲透率最高 年齡最小，女性比例高 總 ARPU為 13389/中高值 ；總 MOU為 105/較低 固話優惠比例最高；兌換積分客戶數最多 主動營銷成功次數最高 總 ARPU為 8408/中值；總 MOU為 278/較高 ，本地呼出群 小于 1、 3分鐘呼出 MOU占比最高，呼出平均時長最低 增值業務費用較高；超級無繩滲透率較高；固話套餐變更次數最高 總 ARPU為 4036/低值 ；總 MOU為 84/最低 ；寬帶流量最低 年齡最長；在網時長最長； 訂單變更次數最低；撥打 10000、 10001及登陸網上營業廳次數均最低 重要特征描述 6-8月寬帶新裝 產品描述 (人數，人數百分比，總 ARPU平均 ) 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 19 預測模型建模過程介紹 訓練集和 驗證集獲取 模型比較 和選型 數據校驗 相關性分析 初次選擇 變量 模型調優 目標和過程 知曉各個字段的數據質量 進行缺失值處理 進行異常值排查和處理 進行各變量間的相關性分析 確定預測模型的 客戶基數 確定預測模型的 訓練集 確定預測模型的 驗證集 確定預測模型的 測試集 將所有變量與目標變量做 相關性分析 可以挑選與目標變量相關性高的變量作為初次選擇變量 變量較多時建議 分組挑選 (固話 ,小靈通 ,總和等 ) 模型調優標準 是模型的輸出參數和預測評估曲線 模型調優方法 可以是去除沒有貢獻變量、嘗試去除對模型有負面影響的變量和增加變量 對較好的幾個模型進行驗證集上打分 比較各個模型的準確性和強壯性，選出最符合項目目的的模型 此步驟是一個反復調試的過程 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 20 預測模型核心評估圖 - 提升曲線 模型打分 =寬表客戶數據輸入模型的計算出的安裝概率 = 坐標橫軸 = 客戶預測模型打分排序（高到低 ) 坐標縱軸 =對應客戶累計安裝率 提升率 =得分百分比對應累計安裝率 /得分百分比 =L2/L1 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模01020304050607080901000 10 20 30 40 50 60 70 80 90 100模型曲線 隨機 驗證曲線客戶得分排序百分比（ %） 捕捉到寬帶安裝客戶百分比（ % ） L1 L2 客戶 ID 模型預測打分 是否新裝 00001 0.999 是 00002 0.971 是 00003 0.942 否 00004 0.910 是 00005 0.880 否 00006 0.852 是 00007 0.830 是 ),.,( 21 nxxxfAccenture Copy Right 2008 21 預測模型評估標準 模型信息可解釋性 模型信息豐富度。豐富度越高，模型越好 模型主要變量從業務上解釋與目標變量的相關性，相關性越高，模型越好 模型預測準確性 對客戶用模型預測出的概率進行排序，前 xx%（根據實際需求確定，通常為 10%）的客戶中實際預測準確的客戶數越多，模型越好 模型應用強壯性 將模型應用到有相同結構的數據集得到的預測結果越接近，模型的應用強壯性越好，模型就越好 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 22 四個預測模型比較 四個客戶分群模型比較 四個預測模型由于變量個數和變量選擇不同，各有其特色。鑒于模型提升精確度和模型強壯性的指標，一致決定選擇模型三。 變量個數 優點 缺點 模型一 105 訓練集和測試集差距較小，強壯性較好 訓練集精度不夠高，使用完全因素算法，耗時較長 4個模型中共有 24個變量都被應用，同時選擇范圍基本集中在總體 MOU， ARPU，固話 MOU， ARPU，而小靈通相關變量及趨勢變量則基本沒有采用，同時標志性變量，如產品信息，營銷信息也是選擇頻率較高的變量 模型二 127 訓練集預測率較好； 各變量權重系數較接近；變量選擇較分散 費用變量較少； 單產品變量較少； 測試集預測率一般； 模型三 133 訓練集預測精度較高，測試集精度相對較好； 變量選擇主要集中在固話及總體變量上 模型四 148 使用最多變量； 費用與行為變量較均勻； 訓練集預測率較低； 測試集預測率一般； 結合模型的提升精確度和強壯性 指標，一致同意選擇模型三。 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模注：此四個預測模型與分群模型相互獨立，不存在對應關系 Accenture Copy Right 2008 23 預測模型準確性、健壯性分析圖 參與模型變量 ： 133個 建模方法：主效應 (Main Effects) 模型變量分組： MOU值 固話MOU 總體費用 固話費用 小靈通MOU 小靈通費用 其他 32 24 22 14 4 1 37 產品信息 接觸信息 CRM信息 營銷信息 其他信息 18 3 5 3 7 關鍵百分位提升率 5% 10% 15% 20% 訓練集 17.07% 29.73% 39.23% 48.18% 訓練集提升率 3.4 2.97 2.6 2.4 測試集 14.82% 27.15% 37.58% 45.50% 寬帶新裝預測模型及結果（模型三） 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 24 0 . 0 %0 . 5 %1 . 0 %1 . 5 %2 . 0 %2 . 5 %3 . 0 %3 . 5 %4 . 0 %CM_ ACT MKT _NUMCM_ POS MK TS UC_ NUMCI _MKT _Z ONEMB_ OSB AL _F LAGMB_ FL _V ASF EE _A VGP RO_ FL _NUMP RO_ FL MOV E_ FL AGMB_ LOCAL IN_ AV GCM_ ACT MKT SUC_ NUMP RO_ NUMMB_ OT HE RF EE_ PCTCI _S ERCHG_ NUMV O_ WORK MOU_ PCTP LAN_ CHA NGE _NUMMB_ FL _F IXF EE _AV GMB_ VA SF EE _P CTV O_ OUT MOU3 M_ PCTMB_ US EF EE_ PCTMB_ FI XF EE _PCTP RO_ PHS_ NE W_ FL AG預測模型變量分析 Top20變量貢獻比較圖 變量名稱 變量名稱 貢獻度 貢獻方式 CM_ACTMKT_NUM 主動營銷次數 3.7 正向貢獻，新裝客戶中該值較高 CM_POSMKTSUC_NUM 咨詢營銷成功次數 2.87 正向貢獻，新裝客戶中該值較高 CI_MKT_ZONE 所屬行政區域營銷分區 2.72 人和、三州等 31個營銷分區超過平均值，小塘、新墟等 27個營銷分區低于平均值 MB_OSBAL_FLAG 是否處于欠費狀態 2.13 負向貢獻， 7月新裝寬帶客戶中屬于欠費的比例要顯著低于未裝寬帶的客戶 MB_FL_VASFEE_AVG 固話增值業務費用平均 2.07 正向貢獻，隨費用增長安裝率也成增長趨勢 PRO_FL_NUM 擁有固話總數 2.01 正向貢獻，新裝客戶中該值較高 PRO_FLMOVE_FLAG 固話是否有移機 1.43 正向貢獻，新裝客戶中該值較高 MB_LOCALIN_AVG 區內通話費用平均 (固話 +小靈通 ) 1.35 正向貢獻，隨費用增長安裝率也成增長趨勢 CM_ACTMKTSUC_NUM 主動營銷成功次數 1.28 正向貢獻，新裝客戶中該值較高 PRO_NUM 擁有電信產品總數 1.23 正向貢獻，新裝客戶中該值較高 MB_OTHERFEE_PCT 其他費用占比 1.2 新裝寬帶客戶主要分布在其他費用占比為（ -0.2， 0.1）區間內 CI_SERCHG_NUM 訂單變更總數 1.13 新裝人群中該值均值小于總體平均值，而未裝人群中則該值高于總體平均值 VO_WORKMOU_PCT 工作時間呼出 MOU占比 (固話 +小靈通 ) 1.1 負向貢獻，新裝寬帶客戶中該值大部分集中在低值區域 PLAN_CHANGE_NUM 套餐變更次數 1.09 正向貢獻，套餐變更次數從 1增加到 6， 7月裝寬帶客戶的占比不斷增加 MB_FL_FIXFEE_AVG 固話固定費用 (特指月租或套餐費用 )平均 1 正向貢獻，同時新裝寬帶客戶大多數集中在基本固話月租上的加裝寬帶上 MB_VASFEE_PCT 增值業務費用占比 0.84 新裝寬帶客戶主要分布在增值費用占比為（ 0.02， 0.15）區間內，在區間（ 0， 1）呈下降趨勢。 VO_OUTMOU3M_PCT 單次呼出時長小于 3分鐘的 MOU占比 (固話 +小靈通 ) 0.79 新裝寬帶客戶主要分布在 10%到 60%之前，而雙尾均呈下降趨勢，因此得分高客戶主要集中在均值附近 (34.8%) MB_USEFEE_PCT 固話小靈通通話費及寬帶計時費占比 0.73 新裝寬帶人主要分布在占比為（ 0.15， 0.6）區間內，向兩邊呈下降趨勢。 MB_FIXFEE_PCT 固定費占比 0.71 未安裝人群中該值占比在 2%以下的顯著較高 PRO_PHS_NEW_FLAG 是否新裝小靈通 0.7 正向貢獻，安裝人群中該值顯著高于未安裝人群 Top20變量貢獻分析 Accenture Copy Right 2008 25 確定客戶群優先級分析方法 寬帶新客戶獲取 滿足客戶寬帶需求 激發客戶寬帶需求 客戶群中寬帶滲透率較低，存在寬帶進一步發展空間 業務發展目標 -外來流動人口，需要與家人、朋友聯系，或將寬帶作為休閑娛樂工具 -學生家庭客戶，學習需要，寓教于樂 -其他 預測模型及實際新裝寬帶客戶分析 -預測模型高分客戶所集中分布的客戶群 -6-8月實際新裝寬帶客戶所集中分布的客戶群 -7月實際新裝寬帶客戶中更偏好 e8套餐及預付費寬帶的客戶群，滿足業務發展目標 高價值客戶 -尋找對中國電信佛山分公司價值貢獻度較高的客戶群，激發其寬帶需求 -尋找對中國電信佛山分公司貢獻價值不斷增長的客戶群，激發其寬帶需求 愿意使用 VAS產品的時尚人群，更傾向于嘗試新鮮事物 目 標 途 徑 洞 察 基于中國電信佛山分公司現今發展寬帶新客戶的戰略目標，我們將從兩個方面考量各客戶群以確定其優先級：滿足客戶寬帶需求和激發客戶寬帶需求。 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 26 確定客戶群優先級結果（一） 指標大類 寬帶 現狀 業務發展目標 ARPU貢獻度 寬帶發展潛力 其他 總分 指標名稱 寬帶滲透率 外來流動人口 家庭學生客戶 總 ARPU 總 ARPU趨勢 6-8月 實際完全新裝寬帶 預測模型打分 VAS偏好 7月新裝寬帶特性 現狀 打分 增長 打分 指標作用 現狀 現狀 現狀 現狀 增長性 增長性 增長性 現狀 增長性 S1 1 1 -1 -1 1 -1 -1 0 1 0 0 S2 0 0 1 0 0 1 1 0 1 1 3 S3 0 0 0 1 1 1 1 1 -1 2 2 S4 0 1 -1 0 0 -1 -1 -1 0 -1 -2 S5 -1 -1 0 1 1 -1 -1 1 -1 0 -2 S6 1 1 -1 -1 -1 0 -1 1 0 1 -2 S7 -1 -1 0 0 1 -1 0 0 -1 -2 -1 S8 1 -1 1 0 -1 1 1 1 -1 2 0 S9 1 -1 1 -1 -1 1 1 -1 1 -1 2 將上述方法分為兩類指標考量客戶群優先級，現狀指標：寬帶是否飽和、是否滿足中國電信佛山分公司現今業務指標、是否為高價值客戶、是否活躍客戶 (VAS)；增長指標：預測模型打分高的客戶占比、實際 6-8月份新裝客戶占比、總 ARPU趨勢、 7月新裝客戶等。綜合各項指標我們給每個群有兩個分數： “ 現狀打分 ” 和 “ 增長打分 ” 。 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 27 客戶群優先級分布圖 *圖中泡泡大小代表該客戶群未裝寬帶人數 把各客戶群的 “ 現狀得分 ” 和 “ 增長得分 ” 在 “ 客戶群優先級分布圖 ” 中定位，并確定優先級排序。綜上所述，S2、 S3是第一優先級客戶群， S8、 S9為第二優先級客戶群。 現狀指標 增長性指標 S9 S3S2S6S4S1 S8確定客戶群優先級結果（二） 客戶群號 優先級排名 特點描述S2 1 現狀較好，增長性最佳S3 1 現狀最佳，增長性較好S8 2 現狀最佳，增長性一般S9 2 現狀較差，增長性較好S1 3 現狀一般，增長性一般S6 3 現狀較好，增長性較差S4 4 現狀及增長性均差S5 - 寬帶用戶已飽和S7 - 寬帶用戶幾近飽和數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 28 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S1:思鄉“電話粥 ”群，靈通 200 S2:潛力海外親友群，固話和寬帶 S3:績優尊貴活躍群，近全產品 S5:增值服務偏好全業務群，全產品 S6:年輕時尚族，單小靈通 S7:節約型工薪族，寬帶 +固話 S9:木訥老客戶群，單固話 S4:電信語音冷淡群，不同類別單產品 S8:寬帶潛力活躍族，固話 +小靈通 結合預測模型和分群模型，查看預測模型中打分排在前 10%目標客戶在分群模型中的分布情況是確定優先級的一個重要指標。其中： S2、 S3、 S8、 S9群有較多預測模型預測到的潛在客戶。 注：本次預測模型目標變量為 7月份新裝，以后做營銷活動之前，需要重新提數，預測營銷活動月份的潛力客戶。 預測模型中打分前 10客戶 確定客戶群優先級結果（三） 數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 29 優先級高客戶群的深入刻畫（一） 中高值中等語音低數據長途偏好固話為主 固話滲透率 100%，寬帶滲透率 40% 外來人口的滲透率較高 (41%/30%) 寬帶 ARPU較高 (9280/9058)，固話 IP長途費用最高(1162/298) 寬帶流量中等偏下 (5811643/7276607) 6-8月完全新裝寬帶客戶數次高 (3641/22168)，占比較高 (4.33%/2.74%)；加裝寬帶客戶數及占比均中等 長途呼出 MOU占比最高 (0.46/0.22)， IP長途呼出 MOU占比最高（ 0.34/0.10)，傳統長途呼出 MOU占比最高(0.12/0.06) 港澳臺呼出 MOU最高 (2.4/0.58)，國際呼出 MOU最高(0.65/0.11)，港澳臺和國際呼出 MOU占比均最高，港澳臺和國際呼出次數最高 港澳臺通話費最高 (317/101)，國際通話費用最高(181/46) 固話親情號碼和國際長途功能的滲透率都較高 國內呼出 MOU下降趨勢次高，寬帶流量上升趨勢最高 S2 (141058, 11%, 11894) 潛力海外親友群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客戶群特征 優先級 1 港澳臺呼出 M O U 占比 ( 固話 + 小靈通 ) _ A v A c t iv e0 . 0 0 0 00 . 0 1 5 40 . 0 0 5 30 . 0 0 0 00 . 0 0 3 20 . 0 0 0 10 . 0 0 4 90 . 0 0 3 20 . 0 0 5 80 . 0 0 4 9S1S2S3S4S5S6S7S8S9T o t a l港澳臺呼出 M O U 平均 ( 固話 + 小靈通 ) _ A v A c t iv e0 . 0 02 . 4 02 . 0 90 . 0 00 . 5 40 . 0 30 . 4 00 . 4 80 . 2 70 . 5 8S1S2S3S4S5S6S7S8S9T o t a l數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 30 優先級高客戶群的深入刻畫（二） 超高值超高語音中等流量近全產品， 全產品滲透率 60%，寬帶滲透率 60% 外來人口滲透率較高 (49%/30%) 6-8月完全新裝寬帶客戶占比次高 (4.98%/2.74%)；加裝寬帶占比較高 (1.08%/0.72%) 總優惠費用最高 (3883/824)，總優惠比例最高 (-0.14/-0.05)， 固話 ARPU最高 (8646/5318)，小靈通 ARPU最高(6218/4293)，寬帶 ARPU次高 (9326/9058) 超高語音 (541/194)，本地呼出 MOU最高 (399/146)，國內呼出 MOU最高 (125/25) 呼出至移動號碼 MOU最高 (185/49) 小靈通親情號碼滲透率最高 (3.22%/0.32%)，固話和小靈通部分增值服務的滲透率最高 寬帶流量中等 (7266475/7276607)，寬帶時長上升趨勢次高 (166/95) 套餐方面固話 86套餐的滲透率最高 (6.58%/0.7%) 訂單變更次數多 (4.21/1.97)，可用積分最多 (3836/2031)，喜歡撥打 10000號 (3.71/1.3) S3 (57546, 5%, 19796) 績優尊貴活躍群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客戶群特征 優先級 1 M O U 呼出平均 ( 固話 + 小靈通 ) _ A vA c t i v e4 2 3 . 0 81 8 9 . 9 95 4 1 . 3 50 . 0 03 0 5 . 3 12 1 2 . 3 81 0 5 . 4 12 7 7 . 9 68 3 . 5 21 9 3 . 7 8S1S2S3S4S5S6S7S8S9T o t a l撥打 10000 號次數 _ A v A c t i v e1 . 2 41 . 3 03 . 7 10 . 3 62 . 7 41 . 8 51 . 5 41 . 7 00 . 5 01 . 3 0S1S2S3S4S5S6S7S8S9T o t a l數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 31 優先級高客戶群的深入刻畫（三） 中值中高語音低數據 固話 +小靈通滲透率高 (98%/6%)，寬帶占比 2.3% 6-8月完全新裝寬帶客戶數次高 (2742/22168)，占比最高 (4.95%/2.74%)；加裝客戶占比最高 (2.02%/0.72%) 總優惠比例最高 (-0.14/-0.05)，增值業務費用較高(900/578) 總 MOU較高 (278/194)，語音本地呼出群 (0.91/0.74) E6套餐滲透率最高 (25%/3%),固話套餐變更次數最高(1/0.42)。 小于 1分鐘呼出次數第三高 (102/51), 小于 1分鐘呼出MOU占比最高 (0.183/0.147) 小于 3分鐘呼出 MOU占比最高 (0.42/0.35) 呼出平均時長最低 (1.96/2.5) 彩顯包滲透率最高 ， 超級無繩滲透率高 在網時長 次 長 (76/63) 主動營銷占比最高 (12%/5%)，本地居民占比次高(82%/57%) S8 (56670, 5%, 8408) 寬帶潛力活躍族 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客戶群特征 優先級 2 產品編碼 _ 1 1 0 _ P e n e t r a t io n0 . 4 7 % 0 . 0 6 % 3 9 . 3 8% 0 . 2 7 % 0 . 0 0 % 0 . 0 3 % 0 . 0 0 % 9 7 . 7 3% 0 . 0 0 % 6 . 3 1 % S1S2S3S4S5S6S7S8S9T o t a l呼出平均時長 (固話 + 小靈通 )_A v A c t iv e3 . 6 43 . 2 12 . 6 00 . 0 02 . 0 72 . 5 12 . 2 31 . 9 62 . 4 02 . 5 0S1S2S3S4S5S6S7S8S9T o t a l數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 32 優先級高客戶群的深入刻畫（四） 低值低語音低數據， 100%固話且單固話為主 非數據群，寬帶滲透率和寬帶流量都超低 6-8月完全新裝寬帶客戶數最多 (11965/22168)，占比較高 (3.57%/2.74%)； 6-8月加裝寬帶客戶占比較高(1.28%/0.72%) 固話 ARPU中等 (4020/5319) 總 MOU最低 (84/194)，本地通話群 (0.85/0.74) 固話 200本地 MOU最高 (2.42/1.03)，固話 200長途 MOU最高 (10.66/4.98) 套餐滲透率最低 (3.85%/66.54%)， 無固話套餐的固話客戶比率最高 (97.02%/55.25%)，寬帶套餐變更次數最低(0.04/0.30) 不使用增值業務，固話來電顯示、固話彩鈴、固話聲訊服務、固話彩顯包未使用客戶占比均最高 外來人口比例最低 (8%/30%) 在網時長最長 (84/63)，年齡最長 (49/42) 撥打 10000、 10001及登陸網上營業廳次數均最低 S9 (337653, 27%, 4036) 木訥老客戶群 S8S4S6 S2S7S9S1S5S3-1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000客戶群特征 優先級 2 在網時長 _ A v A c tiv e2 8 .8 17 1 .5 46 0 .5 34 1 .5 36 7 .4 53 4 .2 07 3 .9 07 6 .1 38 3 .8 56 2 .8 8S1S2S3S4S5S6S7S8S9T o ta l通過 10000 號投訴次數 _ A v A c tiv e0 .0 40 .0 50 .1 70 .0 50 .1 30 .0 50 .0 70 .0 70 .0 10 .0 5S1S2S3S4S5S6S7S8S9T o ta l數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模數據校驗客戶群優先級選擇客戶分群建模客戶特征刻畫寬表設計預測模型建模Accenture Copy Right 2008 33 項目交付工作文檔（一） 目錄結構 工作文檔信息 1級目錄 2級目錄 3級目錄 工作文檔名稱 CTFS Deliverables 01 項目管理 01 工作計劃 CTFS_Detailed Work Plan v1.0.xls 02 風險管理 CTFS Issue List V1 0.xls 02 寬表設計 01 寬表交付 項目交付成果 1寬表 v1.7.xls 02 寬表設計問題清單 CTFS_CAR_問題清單 _v1.0.xls 03 數據校驗 01 SQL腳本校驗 CTFS_Validation_SQL_v1.0.xls CTFS_Data_Validation_v1.0.xls 02 數據統計分析校驗 CTFS_Data Validation_問題清單 _v1.0.xls 04 相關性分析 自變量相關性分析 _V1.0.xls 05 分群模型 01 數據預處理（正規化） 變量正規化 .str 02 分群模型 CTFS_segmentation model_v132k9.gm CTFS_segmentation model_v132k9.str CTFS_segment model analysis_v1.0.xls 03 分群刻畫 CTFS_ASD_指南 _v1.0.xls CTFS_ASD_v1.0.xls 中國電信佛山分公司 _客戶刻畫 _v1.1.ppt 04 分群優先級 中國電信佛山分公司 _客戶優先級選擇 _v1.0.ppt 06 預測模型 01 相關性分析 目標變量相關性分析 _V1.0.xls 02 數據預處理 數據類型轉換 .str 以下是項目交付工作文檔，其中標藍色的為此項目建議書中承諾的交付物。 Accenture Copy Right 2008 34 項目交付工作文檔（二） 目錄結構 工作文檔信息 1級目錄 2級目錄 3級目錄 工作文檔名稱 CTFS Deliverables 06 預測模型 03 最終模型（模型三） 模型三工作流 .str 模型三建模結果 .gm & 模型三結果 .html 模型三訓練集評估 .cou & 模型三測試集評估 .cou 模型三測試集效果圖 .jpg & 模型三健壯性效果圖 .jpg &模型三訓練集提升圖 .jpg 模型三貢獻度分析 _V1.0.xls 中國電信佛山分公司 _預測模型分析 _V1.0.ppt 07 匯報材料 01 日報 中國電信佛山分公司寬帶項目每日狀態匯報 _20080808.doc 02 里程碑匯報 1.1 寬表階段性匯報 20080630.doc 1.2 項目里程碑報告 1寬表 20080710.doc 2.1 數據校驗階段性匯報 20080814.doc 2.2 數據校驗完整匯報 20080820.doc 3.1.建模階段性匯報 20080901.ppt 3.2.分群模型選擇匯報 20080910.ppt 4.1 中國電信佛山分公司 _預測模型選擇討論 _V1.0.ppt 03 啟動會材料 中國電信佛山分公司基于客戶分群的寬帶業務營銷實踐項目 - 項目啟動 v1.1.ppt 04 最終匯報報告 中國電信佛山分公司基于客戶分群的寬帶業務營銷實踐項目 - 最終報告 v1.2.ppt 08 培訓材料 01 寬表設計培訓 中國電信佛山分公司基于客戶分群的寬帶業務營銷實踐項目 - 寬表設計培訓 v1.0.ppt 02 數據校驗方法培訓 專題介紹數據校驗 _v1.0.doc 03 Clementine工具培訓 中國電信佛山分公司 _Clementine建模培訓 _v1.0.ppt 04 建模培訓 中國電信佛山分公司 _常用客戶分群和預測模型介紹 _v1.0.ppt 05 客戶刻畫培訓 中國電信佛山分公司 _客戶刻畫培訓 _v1.0.ppt Accenture Copy Right 2008 35 議程 1. 項目摘要與回顧 2. 項目成果總覽 4. 成果推進 3. 項目收獲和體會 5. 感謝我們的團隊 6. 附錄 Accenture Copy Right 2008 36 項目小組的話 “數據挖掘工具的使用，為精確化營銷提供了有力的支撐。 ” -綜合經營室 陳振榮 “數據挖掘是一門技術，也是一門藝術，通過這次寬帶合作項目，使我們團隊數據挖掘能力在學習中提升。” -業務支持中心 陳曉東 Accenture Copy Right 2008 37 知識轉移 將“基于客戶分析”的科學流程植入中國電信佛山分公司市場部常規工作 1、設計寬表 確定寬表結構 數據抽取 數據現狀了解 業務目標了解 確定寬表字段 確定邏輯計算 2、數據抽取 3、數據校驗 4、建立分群模型 數據正規化 模型比較 和選型 數據校驗 相關性分析 初次選擇 變量 模型調優 和模型分析 建立預測模型 訓練集和 驗證集獲取 模型比較 和選型 數據校驗 相關性分析 初次選擇 變量 模型調優 5、客戶群特征刻畫 6、客戶群優先級選擇 理念轉變 方法提升 原有的市場營銷模式 優化的市場營銷模式 Accenture Copy Right 2008 38 方法提升 從簡單分析轉向全面洞察 客戶統一視圖 僅僅以客戶 ARPU值作為劃分客戶的標準 僅僅以單一產品的使用量作為目標客戶選取原則 僅僅考慮客戶過去某個月的產品使用情況 全面衡量客戶的價值和行為 綜合考慮客戶各種產品的使用量 動態考慮客戶使用量的發展變化情況 通過將一個個的 “ 客戶數據孤島 ” 邁向 “ 客戶統一視圖 ” ，幫助中國電信佛山分公司建立起對客戶的全面了解，將過去簡單的客戶分析轉向全面的客戶洞察。 一張 522個客戶屬性字 段125萬客戶數據的寬表 9個客戶群深刻的洞察不同類型的客戶 客戶群的深入刻畫 月均高 MOU值客戶是哪些？ 喜好 IP電話的客戶是哪些？ E8套餐的客戶有哪些使用行為？ 便于回答 如下問題 如何合理管理中國電信佛山分公司客戶？ 如何了解客戶的不同需求？ 如何滿足客戶喜好制定產品？ 如何提高客戶忠誠度？ Accenture Copy Right 2008 39 方法提升 從“全面撒網”轉向“科學獲取” 通過客戶分群和預測模型，可以精確地定位目標客戶，實現了從“經驗營銷”到“科學營銷” 的轉變，向“ 精確化管理 ”的目標邁進了一步 數據倉庫 預測模型可以精確定位到目標客戶，分群模型可以準確的描述不同客戶群的不同需求；通過預測模型和分群模型的結合使用，實現了從 “ 經驗營銷 ” 的 “ 全面撒網 ” 轉向為 “ 科學獲取 ” 。 -1- 0 . 500 . 511 . 50 5000 10000 15000 20000 25000S6 年輕時尚族(16 4 2 3 9 , 1 3 % , 5 2 2 5 ) S7 節約型工薪族(19 7 8 3 6 , 1 6 % , 1 3 3 8 9 ) 以單小靈通為主，滲透率 9 4 %產品為寬帶和固話，滲透率為 1 0 0 % 新裝寬帶客戶數及占比均較低 新裝寬帶客戶數及占比均次低 總 A RPU 為 5 2 2 5 /中低值；總 M OU 為 2 1 2 /中等 增值業務費用占比最大；小靈通更換彩鈴最多；盲區呼滲透率最高 年齡最小，女性比例高 總 A RPU 為 1 3 3 8 9 /中高值 ；總 M OU 為 1 0 5 /較低 固話優惠比例最高；兌換積分客戶數最多 主動營銷成功次數最高重要特征描述6 - 8 月寬帶新裝產品描述客戶刻畫 編號 電話號碼 姓名 住址 1 85486643 A XX 街 XX 號 2 97645756 B XX 街 XX 號 3 59801486 C XX 街 XX 號 4 21957216 D XX 街 XX 號 5 59114637 E XX 街 XX 號 6 96272059 F XX 街 XX 號 7 60095245 G XX 街 XX 號 8 57252087 H XX 街 XX 號 9 54408928 I XX 街 XX 號 10 51565770 J XX 街 XX 號 11 48722611 K XX 街 XX 號 12 45879453 L XX 街 XX 號 13 43036294 M XX 街 XX 號 14 40193136 N XX 街 XX 號 15 37349977 O XX 街 XX 號 16 34506819 P XX 街 XX 號 17 31663661 Q XX 街 XX 號 目標客戶列表 客戶預測 預測模型 分群模型 直郵 客戶經理 客服 3 9 . 6 2 % 4 7 . 3 9 %2 9 . 4 9 %4 2 . 4 2 % 3 9 . 3 7 %4 9 . 2 1 %4 1 . 0 1 %3 0 . 5 2 %3 8 . 0 0 %2 0 . 4 1 %3 4 . 4 3 %2 0 . 7 1 %1 4 . 6 0 %2 4 . 8 2 %0 . 0 0 %1 0 . 0 0 %2 0 . 0 0 %3 0 . 0 0 %4 0 . 0 0 %5 0 . 0 0 %6 0 . 0 0 %福田 羅湖 南山 鹽田 寶安 龍崗 匯總當前營銷成功率 累計營銷成功率營銷結果 反饋模型 Accenture Copy Right 2008 40 理念轉變 從大眾化營銷轉向針對性營銷 渠道配合更為緊密 產品設計更為合理 Offer定價更為準確 客戶選取更為科學 針對性營銷 大眾化營銷模式 通過客戶細分，將數量眾多、貌似相同的客戶分