1 成果上報申請書 成果名稱 數據業務推薦系統 成果申報單位 四川 公司 成果承擔部門 /分公司 數據部 項目負責人姓名 項目負責人聯系電話 和 Email 成果專業類別 * 數據業務 所屬專業部門 * 數據線條 成果研究類別 * 現有業務優化 省內評審結果 * 優秀 關鍵詞索引（ 3 5 個） 數據業務 推薦 應用投資 50 萬元（指別的省引入應用大致需要的投資金額） 產品版權歸屬單位 中國移動集團四川公司 對企業現有標準規范的符合度： 如果該成果來源于研發項目，請填寫研發項目的年度、名稱和 類型（類型包括：集團重點研發項目、集團聯合研發項目、省公司重點研發項目、其他研發項目），可填寫多個： 成果簡介： 簡要描述成果目的和意義，解決的問題，取得的社會和經濟效益。 數據業務逐步成為中國移動收入的重要來源。隨著用戶規模增長速度的減緩和話音資費的下降，促進數據業務的快速增長更成為穩定收入的重要工作。然后， 由于數據業務的種類繁多，用戶的需求千差萬別，如果能在用戶與移動的營銷渠道（實體渠道：營業廳，互聯網渠道：公司網站）接觸的第一時間推薦合適的業務，將大大提升渠道的營銷效率。而基于用戶行為的分析的業務推 薦模型的準確性將成為業務推薦成功的關鍵 因此，此項目主要研究的主要課題為如何 利用對用戶畫像的分析結果， 建立數據業務推薦， 支撐實體渠道和互聯網渠道提升業務推薦成功率 。 項目的主要研究內容： 1、 用戶分群：確定客戶標簽，構建用戶群 根據平臺數據制定標簽規則，對用戶業務訂購情況、活動參與情況為客戶打上標簽； 2、 產品分析：分析產品類型，定制推薦優先級 對產品進行類型分劃，如生活類產品、音樂類 產品、商務類產品等； 對產品劃分優先等級； 2 3、推薦數據輸出： 客戶 -產品相結合 實現對推薦產品進行規則的統一制定 、管理和分發并通過推薦接口向不同的渠道同步推薦數據 通過數據業務推薦系統的建設，為數據業務精細運營提供了強有力的支撐工具。一方面，由于推薦成功率的提升，有利于提高推廣效率提升，降低業務推廣的成本，為業務規模的提升探索出一套高效率低成本的發展模式，具備良好的經濟效益。另一方面，由于通過基于用戶畫像的精準分析，向用戶提供了個性化的服務，優化了用戶感知，提升了用戶滿意度，具備良好的社會效益。 省內試運行效果： 通過數據業務推薦系統的建設，為數據業務精細運營提供了強有力的支撐工具。通過 2010年 6 月，在成都分 公司應用以來，營業人員共利用數據業務推薦系統向用戶推薦業務 110877 次，業務推薦成功 8877 筆，成功率 7%（而以前經驗模式用戶模型的平均推薦成功率為 4%）。由于推薦成功率的提升，有利于提高推廣效率提升，降低業務推廣的成本，為業務規模的提升探索出一套高效率低成本的發展模式，具備良好的經濟效益。另一方面，由于通過基于用戶畫像的精準分析，向用戶提供了個性化的服務，優化了用戶感知，提升了用戶滿意度，具備良好的社會效益。 文章主體（ 3000 字以上，可附在表格后）： 根據成果研究類別，主體內容的要求有差異，具體要求見 表格后的“填寫說明 6”。 一、項目背景 數據業務逐步成為中國移動收入的重要來源。隨著用戶規模增長速度的減緩和話音資費的下降，促進數據業務的快速增長成為穩定收入的重要工作。然后， 由于數據業務的種類繁多，用戶的需求千差萬別，如果能在用戶與移動的營銷渠道（實體渠道：營業廳，互聯網渠道：公司網站）接觸的第一時間推薦合適的業務，將大大提升渠道的營銷效率。而基于用戶行為的分析的業務推薦模型的準確性將成為業務推薦成功的關鍵 因此，此項目主要研究的主要課題為如何 利用對用戶畫像的分析結果，建立數據業務推薦， 支 撐實體渠道和互聯網渠道提升業務推薦成功率 二 、項目工作內容 1、 用戶分群 ：確定客戶標簽， 構建用戶群 根據平臺數據制定標簽規則，對用戶業務訂購情況、活動參與情況為客戶打上標簽； 2、產品分析：分析產品類型，定制推薦優先級 對產品進行類型分劃，如生活類產品、音樂類 產品、商務類產品等； 3 對產品劃分優先等級； 3、 推薦數據輸出： 客戶 -產品相結合 實現對推薦產品進行規則的統一制定、管理和分發并通過推薦接口向不同的渠道同步推薦數據 三 、系統整體架構 通過客戶標簽，計算客戶對主要產品的潛在價值； 根據業 務發展的側重點不同，為產品和客戶確定推薦優先級； 系統根據優先級、潛在價值等指標計算出客戶推薦不同產品的推薦評分； 對于被推薦客戶，返回客戶推薦評分較高的前幾個產品； 對于已推薦產品，返回最有可能使用推薦產品的客戶群。 四、 推薦模型建立 1、 用戶分群 用戶分群主要通過層次分析法（ Analytic Hierarchy Process，簡稱 AHP ）實現。基本思想是：通過構造層次結構模型，進行兩兩比較，最后確定權重。其優點是可以解決復雜的、模糊的定性問題，采用定性和定量相結合的方法達到目的。 用戶群分析過程如下： （ 1） 根據 用戶群 規劃，根據現有數據情況，制定某一用戶群 的特征 值 4 （ 2） 對單個指標（如關鍵字出現頻次等）劃分等級，根據離散化賦予不同的得分； 指標 打分標準 得分 指標 1 XX XX XX XX 指標 2 XX XX XX XX （ 3） 根據圈子對應業務及客戶使用軌跡按照層次分析法，構造各指標權重。 指標 指標 1 指標 2 指標 3 指標 i 權重 1f 2f 3f if （ 4） 根據用戶得分公式計算單個用戶得分。 用戶得分 :ifdfcfbfaP 321（ 5） 對總分劃分等級，將符合得分的用戶歸群內用戶。 以商務圈為例進行用戶分群分析： 商務圈的離散標準是： V 網用戶，漫游次數，品牌類別，通信話費和入網時長。 商務圈判定指標離散化得分如下： 指標 打分標準 得分 指標 打分標準 得分 V 網用戶 是 10 分 品牌 全球通 10 分 否 4 分 動感地帶 6 分 近三 個月漫游總次數 0 次 0 分 神州行 2 分 1 次 2 分 當月話費 20 0 分 2 次 4 分 20-50 2 分 3-4 次 6 分 50-100 4 分 5-8 次 8 分 100-150 7 分 9 次及以上 10 分 150 以上 10 分 入網時長 1 年 2 分 1-3 年 4 分 3-5 年 7 分 5 年以上 10 分 指標權重： 用戶群 評分 指標 1 評分 指標 2 評分 指標 3 評分 指標 i 5 指標 是否 V 網用戶 近三個月內漫游 總次數 品牌（動感 /全球通 /神州行） 當月話費 入網時長（精確 到年） 權重 0.33 0.27 0.20 0.13 0.07 結論：將得分在 6 分及以上的用戶判斷為商務圈用戶。現階段商務圈子占比省內全網總人數比為5%。 2、 產品分析 （ 1） 產品梳理 及分類 通過人工方式對現有產品進行梳理并形成適合用戶群的分類。 用戶群 全時通 彩號 手機閱讀 手機游戲 商務圈 . （ 2） 制定推薦順序標準 制定出影響業務排序得分的標準和權重，然后根據公式計算出某用戶群各業務的推薦值得分，然后根據得分高低確定推薦順序。 指標打分規則： 指標 打分標準 得分 用戶規模 XX XX XX XX 退訂率 XX XX XX XX 業務推薦權重： 業務 基礎數據 與用戶群契合度 用戶規模 退訂率 . 群內業務訂購占比 權重 1f 2f 3f if 業務推薦 分 :ifdfcfbfaP 3213、 推薦數據輸出 與各營銷平臺建立實時接口，實現個性化推薦數據的輸出。 6 （ 1）、營銷平臺向數據業務推薦 系統傳遞需要推薦的用戶號碼； （ 2）、數據業務推薦系統向 BOSS 系統發起獲取用戶當前訂購關系的申請； （ 3）、 BOSS 系統反饋用戶當前訂購關系； （ 4）、數據業務推薦系統根據用戶號碼，確定用戶所屬分群 ,并取出該群推薦業務列表。取出推薦列表并反饋給營銷平臺，數據反饋前需要剔除以下業務：已訂購業務、營銷平臺不能銷售業務、該用戶曾經推薦失敗的業務。 （ 5）、營銷平臺根據反饋數據，向用戶進行業務推薦。并將推薦結果反饋給數據業務推薦系統，供模型優化參考。 五、項目效果 通過數據業務推薦系統的建設，為數據業務精細運營提 供了強有力的支撐工具。 通過 2010年 6 月，在成都分公司應用以來，營業人員共利用數據業務推薦系統向用戶推薦業務 110