1、知識水壩（豆丁網pologoogle）為您傾心整理（下載后雙擊刪除）移動客戶收益模型分析設計說明書湖南公司業務支撐中心2010.12百度一下知識水壩目 錄1.模型概述12.業務理解與目標定義12.1 模型定義12.2 目標定義23.數據準備與數據探索23.1 數據準備23.2 數據探索34.模型構建34.1 建模工具34.2 建模流程65.模型評估75.1 模型評估75.2 結果解釋76.模型部署7附錄一7附錄二9附錄三91. 模型概述客戶收益測算模型是要通過計算客戶收入和成本之間的差額，能較為科學、精確計算出客戶收益。客戶收入包括該客戶的賬單收入和所帶來的結算收入等所有收入，客戶成本包括該客

2、戶的發展、維系、服務及網絡等所有成本。客戶收益測算模型的重點是客戶成本的數據采集和計算，實現成本核算到戶。客戶成本分為個性和共性成本，個性成本是指直接與每個客戶相關的成本，不需進行分攤核算，包括營銷活動贈送、積分回饋、酬金、結算和欠費等成本；共性成本是指無法直接核算至每個客戶，需要根據一定的規則進行分攤的成本，包括網絡維護、折舊、宣傳費等成本。客戶當月收益、客戶累計收益是一個短期的、某一時點上的和基于歷史分析的概念，僅僅衡量的是客戶當前的收益，而沒有涉及客戶生命周期內的收益，缺乏對客戶生命周期內總體收益的考慮，而客戶收益應該在客戶的整個生命周期內衡量。否則容易忽視具有成長潛力的客戶，進入客戶利

3、潤貢獻度陷阱，即“近視癥”。本次的客戶收益測算模型在原來的基礎上作了進一步的優化，將客戶收益區分為三類收益：客戶當月收益、客戶累計收益、客戶潛在收益。通過計算客戶收入和成本之間的差額，科學、精確計算出客戶收益，輸出客戶收益統一視圖，為核心客戶保有，集團客戶價值評估，社會渠道價值評估，營銷活動效益評估，以及sp自消費監控，渠道養卡監控，低收益/負收益客戶價值提升等各個專題應用，提供有力可靠的支撐。2. 業務理解與目標定義2.1 模型定義客戶當月收益計算中不包含一次性產生的酬金成本和實物資源成本等，避免了客戶由于當月一次性成本（例如由于客戶參加營銷活動產生的實物回報）造成的客戶月收益突變，真實反映

4、客戶在每月的實際收益變化，其計算規則如下：客戶當月收益 = 客戶當月收入 客戶當月非一次性成本（客戶當月成本扣除當月酬金成本和當月實物資源成本）客戶累積收益統計客戶從入網至計算日對移動公司的整體收益情況（對于存量客戶可設置統一的累積起始時間點），包含了一次性產生的酬金成本和實物資源成本的計算，主要反映客戶在其生命周期中對移動公司的貢獻總量，其計算規則為：客戶累積收益 = 上月客戶累積收益 + 客戶當月收入 客戶當月成本（包含非一次性成本和一次性成本，如當月酬金成本和當月實物資源成本）客戶潛在收益根據數據挖掘獲得的規則，對客戶一年內的預期收益進行測算。2.2 目標定義建立客戶收益模型并產生移動客

5、戶的收益統一視圖，包括客戶的當月收益、累計收益、潛在收益。3. 數據準備與數據探索3.1 數據準備模型基本指標包括： 客戶基本特征：年齡、品牌、資費營銷案、大客戶級別、客戶在網時長、是否vpmn用戶等 客戶業務使用特征：語音計費時長、語音通話次數、長途計費時長、漫游計費時長、呼轉計費時長、短信發送條數、語音交往圈人數、交往圈人數、語音計費時長較前三月平均波動率、語音通話次數較前三月平均波動率、長途計費時長較前三月平均波動率、漫游計費時長較前三月平均波動率、呼轉計費時長較前三月平均波動率、短信發送條數較前三月平均波動率、語音交往圈人數較前三月平均波動率、交往圈人數較前三月平均波動率等 客戶消費特

6、征：賬單收入、月固定費、語音費、短信費、代收費、月固定費占比、語音費占比、短信費占比、代收費占比、前三個月平均賬單收入、當月收益、前三個月平均收益、賬單收入較前三月平均波動率、當月收益較前三個月平均波動率等3.2 數據探索本次數據探索使用了本省岳陽市10%抽樣用戶，以2009年8月數據為基準，其中客戶預期特征按2009年9月到2010年8月情況統計。圖一：品牌與潛在收益倍率關系圖4. 模型構建4.1 建模工具基于小波分析理論所構造的一種分層的、多分辨率的新型人工神經網絡，即用非線性小波基取代了通常的非線性sigmoid 函數，其信號表述是通過將所選取的小波基進行線性疊加來表現的。小波神經網絡具

7、有以下特點：首先，小波基元及整個網絡結構的確定有可靠的理論根據，可避免bp 神經網絡等結構設計上的盲目性；其次，網絡權系數線性分布和學習目標函數的凸性，使網絡訓練過程從根本上避免了局部最優等非線性優化問題；第三，有較強的函數學習能力和推廣能力。小波神經網絡模型的結構如下圖所示，包括輸入層、輸出層和隱層。隱層包含兩種節點：小波基節點（節點）和尺度函數節點（節點）。構建小波基函數系a,b(x)其中，a是伸縮系數，b是平移系數。對上述的連續小波及其變換離散化，通常采用二進制離散，則：二進小波一定是一個允許小波，而且是一個正交小波基。考慮一個連續的、平方可積的函數f(x)l2(r)在分辨率2m下的逼近

8、fm(x)，由多分辨分析理論可知：(x)是尺度函數，對其作伸縮、平移變換得到：函數f(x)在2m和2m-1分辨率下的信息差別（即細節）dmf(x)，可以通過將函數f(x)在一小波正交基上分解而獲得，從而定義了一種完全而且正交的多分辨率描述，即小波描述。mk(x)就是前面定義的二進小波，則f(x)在2m-1分辨率下的逼近式為：對于任意一個函數f(x)l2(r)可以在一組正交小波基上展開：公式f m-1(x)是一個平方可積函數的小波分解，提供了小波神經網絡設計的理論框架，并可推廣到多維情況。選擇合適的小波函數和尺度函數后，在最粗的尺度l 上訓練節點，直到網絡達到收斂。要使網絡達到收斂，需確定逼近誤

9、差和增加合適的節點以減少逼近誤差。最后是優化網絡，使用新的樣本來檢驗網絡并移去權重小的節點直到滿足性能準則。小波神經網絡訓練的計算復雜性介于 o(n)和o(n2)之間。小波神經網絡是基于小波分析而構成的神經網絡。它充分利用小波變換的良好局部化性質并結合神經網絡的自學習功能，因而具有較強的逼近、容錯能力，其實現過程也比較簡單。模型輸入：客戶基本特征、客戶業務使用特征、客戶消費特征、客戶交互特征。模型輸出：客戶潛在收益系數。4.2 建模流程客戶潛在收益系數，我們定義為客戶在下一年內能夠提供的收益與其當前的平均月收益的倍數。這里我們沒有選擇客戶在剩余生命周期內的收益累計，是因為對客戶剩余的生命周期無

10、法有效判斷，而且很難準備樣本數據，不太可行。模型基本指標的選取依據客戶基本信息、客戶業務使用信息、客戶消費信息、客戶交互信息，盡量全面的反映客戶特征。5. 模型評估5.1 模型評估5.2 結果解釋客戶潛在收益測算模型的輸出結果中的潛在收益系數可以用來計算客戶潛在收益，客戶潛在收益系數平均收益即為客戶的潛在收益。營銷部門在進行客戶識別、客戶維系時，可按照客戶潛在收益的高低對客戶排序，找出最有潛在價值的客戶群，以最少的成本，最適當的溝通，達成最高的客戶收益效果。6. 模型部署客戶收益模型的主要交付結果是每月對用戶進行測算，以得到相應的客戶收益（客戶歷史收益、客戶當期收益、客戶潛在收益），市場業務人

11、員可以對客戶的收益做到全面了解，進行針對性的客戶保有工作，降低收入流失率。模型每季度進行調整優化。附錄一模型基本指標維度變量計算口徑備注客戶基本特征年齡客戶資料中的年齡客戶基本特征品牌客戶使用的移動資費品牌客戶基本特征資費營銷案客戶使用的移動資費營銷案客戶基本特征大客戶級別分為鉆、金、銀、普通客戶客戶基本特征客戶在網時長客戶入網時長月份數客戶基本特征是否vpmn用戶客戶是否加入集團vpmn客戶基本特征優惠剩余時間客戶使用的捆綁套餐距到期日期的剩余月份數客戶業務使用特征語音計費時長客戶當月產生的語音計費時長客戶業務使用特征語音通話次數客戶當月產生的語音通話次數客戶業務使用特征長途計費時長客戶當月

12、產生的語音長途計費時長客戶業務使用特征漫游計費時長客戶當月產生的語音漫游計費時長客戶業務使用特征呼轉計費時長客戶當月產生的語音呼轉計費時長客戶業務使用特征短信發送條數客戶當月發送短信條數客戶業務使用特征語音交往圈人數客戶當月發生語音交往的對端手機號碼數客戶業務使用特征交往圈人數客戶當月發生語音、短信交往的對端手機號碼數客戶業務使用特征語音計費時長較前三月平均波動率(客戶當月產生的語音計費時長/客戶前三月產生的平均語音計費時長-1) *100%客戶業務使用特征語音通話次數較前三月平均波動率(客戶當月產生的語音通話次數/客戶前三月產生的平均語音通話次數-1) *100%客戶業務使用特征長途計費時長

13、較前三月平均波動率(客戶當月產生的語音長途計費時長/客戶前三月產生的平均語音長途計費時長-1) *100%客戶業務使用特征漫游計費時長較前三月平均波動率(客戶當月產生的語音漫游計費時長/客戶前三月產生的平均語音漫游計費時長-1) *100%客戶業務使用特征呼轉計費時長較前三月平均波動率(客戶當月產生的語音呼轉計費時長/客戶前三月產生的平均語音呼轉計費時長-1) *100%客戶業務使用特征短信發送條數較前三月平均波動率(客戶當月發送短信條數/客戶前三月發送的平均短信條數-1) *100%客戶業務使用特征語音交往圈人數較前三月平均波動率(客戶當月發生語音交往的對端手機號碼數/客戶前三月產生的平均語

14、音交往的對端手機號碼數-1) *100%客戶業務使用特征交往圈人數較前三月平均波動率(當月交往圈人數/前三月平均交往圈人數-1) *100%客戶消費特征賬單收入客戶當月明細賬單收入客戶消費特征月固定費包括月租費或套餐費客戶消費特征語音費語音費客戶消費特征短信費短信費客戶消費特征代收費代收費客戶消費特征月固定費占比月固定費/賬單收入*100%客戶消費特征語音費占比語音費/賬單收入*100%客戶消費特征短信費占比短信費/賬單收入*100%客戶消費特征代收費占比代收費/賬單收入*100%客戶消費特征前三個月平均賬單收入前三個月的當月賬單收入/3客戶消費特征當月收益當月收入-當月成本客戶消費特征前三個月平均收益前三個月的當月收益/3客戶消費特征賬單收入較前三月平均波動率(當月賬單收入/前三月平均賬單收入-1) *100%客戶消費特征當月收益較前三個月平均波動率(當月收益/前三月平均收益-1) *100