推薦期刊
在線客服

咨詢客服 咨詢客服

客服電話:400-7890626

咨詢郵箱:[email protected]

推薦論文

基于聚類分析運營商流量精準營銷研究

時間:2019年06月01日 所屬分類:推薦論文 點擊次數:

摘要流量經營是電信運營商的重點工作,基于數據挖掘技術,對潛在客戶的精細化分群和營銷是流量經營的重要手段之一。本文利用了聚類分析隨機抽取25萬電信運營商客戶進行統計分析,根據結果分為4類客戶,本文對這4類客戶進行流量特征描述,給運營商精準化流量

  摘要流量經營是電信運營商的重點工作,基于數據挖掘技術,對潛在客戶的精細化分群和營銷是流量經營的重要手段之一。本文利用了聚類分析隨機抽取25萬電信運營商客戶進行統計分析,根據結果分為4類客戶,本文對這4類客戶進行流量特征描述,給運營商精準化流量產品營銷提供了參考。

  關鍵詞流量經營;客戶細分;聚類分析

通信企業管理

  流量經營是電信運營商保客戶、保收入的核心業務。自2013年起,經過5年多的經營發展,流量業務經歷了從規模經營到流量紅利,再到目前的量收增速“剪刀差”階段(即流量收入增長無法補償流量成本)。而且隨著流量滲透率的進一步提升,流量收入增長將不可避免地再次放緩。

  平衡好流量的規模與價值、縮減流量量收增幅的“剪刀差”,確保流量紅利的可持續性是亟待解決的難題。電信運營商擁有大量的用戶及其海量的用戶數據,具有數據挖掘天然優勢,通過數據挖掘將客戶細分為具有不同流量特征的差異化潛在需求群體,從粗放型的經營轉變到以客戶為中心的運營上來,是在后流量經營時代獲得企業增值,實現流量收入可持續增長的重要營銷方法。

  1客戶細分理論和技術

  1.1客戶細分理論

  客戶細分是根據客戶的價值、需求和行為等因素對客戶進行分類,分到同一個客戶群的用戶具有一定程度的相似性,而不同客戶群之間存在明顯的差異,從而針對這種特性進行針對性營銷與服務。合理的細分策略能有效的降低企業成本,科學的制定競爭策略。客戶細分的指標一般包括人口統計資料、地理統計資料、消費特征、行為特征4個方面。對客戶進行細分要遵循以下4個原則。

  (1)可區分性,即細分后的各客戶群的特征清晰,能明顯的分別。(2)可到達性,即企業的營銷渠道能夠到達該客戶。(3)可盈利性,即各客戶群的潛在規模要足夠大。(4)可衡量性,即細分后的各客戶群的范圍要清晰,各客戶群流量購買力大小可以度量。

  1.2客戶細分技術

  客戶細分常用的技術包括聚類分析技術、人工神經網絡技術、主成分分析技術、因子分析技術等,均在社會實踐中有著廣泛的應用。本文研究的客戶上網流量因影響因素眾多,包括客戶年齡、流量產品的資費及資費的匹配度等多種因素,所以利用綜合因素法和SPSS軟件的聚類分析來構建客戶結構進行細分。

  1.2.1聚類分析概述

  聚類分析(ClusterAnalysis)又稱群分析、點群分析和簇群分析,是將一組研究對象分為相對同質的群組的統計分析技術。根據研究對象的多個觀測指標,找出一些能夠度量對象或指標之間相似程度的統計量,再以這些統計量為依據劃分類別。常用聚類算法可以分為基于劃分、層次、密度、網格及模型5類算法,在金融、電信及互聯網等多個行業領域應用廣泛。電信行業可以根據聚類分析將客戶劃分為不同流量特征客戶群,針對營銷以滿足多元化的需求。

  1.2.2K-Means聚類基本原理

  K-means算法的核心思想是:把n個數據對象劃分為k個簇群,使得每個簇群中的數據點到該簇群聚類中心的平方和最小。處理流程如下。(1)隨機選取k個對象,即為每個簇的初始中心。(2)對剩余的每個對象,根據其與各簇中心的距離,將其指派到最近的簇。(3)計算每個簇的新均值,得到更新后的簇中心。(4)不斷重復,直到準則函數收斂。

  2數據分析處理

  2.1數據來源

  本文研究的是從用戶的手機上網行為中分析用戶的流量使用特征和規律,來為針對性營銷提供建議。因此,首先要選擇手機用戶流量特征相關的數據。本文所使用的數據采集于某電信運營商數據倉庫,所選數據賬期為2018年6月,選取手機用戶流量信息。

  2.2數據相關分析和整合

  本文主要分析的是流量經營,基于此選取了衡量客戶流量行為和流量消費特征的指標,主要表現為客戶流量行為,主要選取了流量使用率(實際使用流量/套餐可用流量)、近3個月流量和年齡;流量消費特征選取近3個月話費、近3個月通話時長和套餐費。另外,為了能更好的區分客戶,流量選取了APP視頻流量、社交流量、資訊流量、游戲流量分別度量。流量屬性指標選擇完畢后進行數據預處理工作,針對選擇的屬性主要采取了數據聚合、缺失值和異常值處理、屬性構造、數據規范化等方法。通過在數據庫中間層定義賬期(2018年6月),通信行為——主動通信個人客戶(賬期當月有主動產生上網或通話行為個人客戶)記錄數為2527776條。

  統計得到的記錄發現,部分用戶流量使用率和套餐費不完整,對于此類用戶,由于無法確定是否確實沒有訪問信息還是源數據統計缺失導致,故選擇將此類用戶直接刪除,只選用信息完整的用戶數據。另外,發現用戶話費有小于0的情況,此類用戶業務狀態不正常,也選擇刪除。

  最終得到用戶記錄數為2512505條,從中隨機抽取250000條記錄作為樣本進行客戶細分數據統計分析。依據對客戶流量影響的貢獻度大小,本文最終選擇流量使用率、近3個月流量、近3個月話費、近3個月通話時長、用戶年齡、套餐費進行相關分析。分析結果顯示:套餐費和近3個月話費指標有顯著的相關關系。為了避免同類變量的重復“貢獻”,所以剔除套餐費,并對剩余指標進行K—Means聚類分析。

  2.3流量客戶細分

  在K—Means聚類分析過程中,不斷調整K值,通過不斷檢驗,最終確定K值為4,劃分流量使用率不同檔次的客戶群。聚類分析將客戶分為4大類。一是低零流量沉默型客戶。此類用戶流量使用率0~10%,客戶近3個月流量接近于0,此類用戶記錄數92500條,占比37%,屬于4大類中比重最大的客戶。整體客戶年齡50歲以上,通話時長較其他客戶群高,話費低。

  初步判斷此類用戶資費敏感度高,未習慣使用流量或舍不得使用流量或流量被友商分流,通常使用語音較多,流量使用比較保守的群體。將此類客戶定義為低零流量沉默型客戶。二是中低流量抑制型客戶。此類用戶流量使用率10%~50%,客戶近3個月流量在1GB以下,此類用戶記錄數60000條,占比24%。多數用戶年齡在40~50歲,通話時長較高,話費高,上網流量中社交類流量比重最大。初步判斷為具備使用流量的習慣,有上網需求但對流量資費較敏感,流量需求處于抑制狀態的客戶。

  將此類客戶定義為中低流量抑制型客戶。三是中流量合理型客戶。此類用戶流量使用率50%~90%,客戶近3個月流量在1~5GB,此類用戶記錄數27500條,占比11%。用戶偏年輕,年齡在30~40歲左右。此類用戶有固定的流量需求,流量高,有使用視頻類流量。初步判斷客戶流量需求和流量資費匹配達到靜態平衡的狀態,流量使用率在合理區間。

  將此類客戶定義為中流量合理型客戶。四是高流量先鋒型客戶。此類用戶流量使用率90%以上,客戶近3個月流量在5GB以上,此類用戶記錄數70000條,占比28%。用戶年齡低,81%的用戶介于18~30歲。此類用戶流量貢獻大,80%的流量消費由這20%的用戶產生,大部分客戶有使用視頻APP記錄,具有明顯視頻屬性。由于該類客戶流量單價較低,整體話費水平并不高。初步判斷此類用戶流量需求量大,新事物接受度高,屬于數字內容偏好者,將此類客戶定義為高流量先鋒型客戶。

  3結論

  根據二八定律關鍵少數的法則,按照顧客重要程度合理分配營銷力量,將有限資源投放到關鍵價值的客戶。依據本文客戶細分的結果,將高流量先鋒型客戶稱為優質客戶,中流量合理型客戶為次優客戶,中低流量抑制型客戶和低零流量沉默型客戶稱為一般客戶。電信運營商應根據各類客戶的不同流量特征,提供個性化的流量服務。

  一是要重點關注優質客戶。應向客戶持續不斷的提供視頻流量包等大流量產品,讓客戶流量使用率持續保持在一個相對高的水平。這類客戶具備年輕人有上網時間+有流量需求+喜歡嘗試新事物的基礎基因和視頻/游戲的流量屬性,用戶流量需求旺盛但對流量資費較敏感,營銷價值極高。通過加載不限量及相關視頻/游戲權益流量產品,低價格送大流量用,引導用戶放心使用流量,提升流量價值。并利用觸點跟蹤式的流量增值服務來鎖定這一目標群體,使流量資費時刻處于他們可以接受的范圍內,讓他們放心使用。

  二是對于次優客戶,他們是未來流量大幅增長的潛力點。持續跟蹤客戶流量變化,在合適的時候給予他們適當的流量優惠,提高其滿意度和忠誠度,維持客戶流量的使用率處于合理區間。后期通過調整流量產品推廣節奏,優化產品組合方式,疊加流量產品,多次持續激發客戶流量,逐步調優客戶流量使用率,使客戶流量需求和流量資費匹配處于一種動態平衡的狀態。

  三是一般客戶,他們的流量需求因為資費或套餐匹配等原因受到抑制,這類客戶主要是啟用“流量放心用”的概念。一方面電信運營商通過加送流量,培育客戶流量習慣,并疊加大量送優惠活動。另一方面通過短信進行流量使用情況提醒,提升客戶流量感知。這類客戶非常注重流量資費,強調流量不限量,用超后只降速不產生費用,打消用戶疑慮,抓住客戶套內流量“不浪費”心理,喚醒流量使用需求。及時通過各種渠道給此類客戶發送有效的流量優惠信息,同時大力宣傳流量不限量的概念,他們有可能成為運營商未來的次優客戶。

  本文分析的樣本由于地域性比較強,所以細分的客戶群體特征不能代表全國范圍內的客戶,運營商應根據本區域的客戶特征、自己的經營特點、業務現狀和實力程度等各種因素,來制定符合本區域有效的精細化流量營銷策略和營銷計劃,以滿足不同客戶群的流量需求。

  參考文獻

  [1]金永生.基于數據挖掘的電信精細化營銷策略研究[D].北京:北京郵電大學,2008.

  [2]張理云.基于數據挖掘的運營商流量經營分析與研究[D].南京:南京郵電大學,2017.

  [3]陳慶波.大數據精細分流量精準營銷探討[J].南京:福建電腦,2018(6).

  [4]王安.后流量經營時代三大運營商的公眾市場競爭博弈[J].通信企業管理,2018(7).

  [5]姜芳,崔可升.基于大數據挖掘的流量經營研究[J].山東通信技術,2018(3).

  [6]徐甲.流量增長背景下運營商經營發展現狀及策略研究[J].中國集體經濟,2018(5).

  相關刊物推薦:通信企業管理是由中華人民共和國信息產業部主管,人民郵電報社主辦的專業理論刊物。傳播郵電企業管理的先進經驗,探討郵電經濟體制改革的理論與實踐問題.

  

魔兽世界术士