KPI管理系统电信行业的应用案例

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,OUBAS,在电信行业的应用案例,OUBAS,行业应用,电信,行业,BOSS,CRM,Call Center,SMS,Voice,MMS,Digital,Access,Value Added,Protocol,Network,Device,网络协议层,业务应用层,运营服务层,协议分解报表,设备故障监控,网络优化分析,数据报表,协议监控,网络流量分析,定制化报表,业务分析,监控与告警,业务,KPI,挖掘与预测,业务报表,市场分析,客户分析,竞争分析,挖掘与预测,定制化报表,精准营销,KPI,指标分析,Analysis,多维分析,Report,数据报表,Mining,数据挖掘,2,通过,OUBAS,，利用,BI,技术从海量业务数据中，分析用户行为、习惯、喜好，,理,解用户，体贴服务,3,客户,个人信息,消费行为,价值定位,客户自画像,身份信息,归属地,性别,/,年龄,入网时间,家庭情况,受教育程度,短信,/,彩信,数据业务,通话期间,通话次数,通话时长,漫游通话,信用度,增值业务,连带率,累计消费,月均消费,最近消费,4,Case1,：客户信用评估,信用管理失败案例：,某,客户是移动全球通用户：,ARPU,值约,800,元，,在网时间超过,5,年,。,同时,用于随,e,行上网卡一个，,200,元包月,。,每月,向中国移动贡献大约,1000,元收入,。,对,中国移动有较高的忠诚度,。,最近,由于其欠费,0.7,元随,e,行短信费用被停机，停机前没有收到移动正式的停机通知或欠费催缴通知,。,该,客户,先,抱怨,GPRS,网络不稳定，后来发现同事可以上网，就怀疑网卡有问题，最后当发现是中国移动由于,0.7,元而停机导致其不能在差旅途中上网并为他带来很多麻烦时，他愤怒了,5,Case1,：客户信用评估,我们可以根据以下的属性创建,一套客户信用评价模型，通过该,模型,对客户,行为细分,。,客户信用评价模型,+,归属地,类,别,职,业,资,料真实性,黑,名单,平均停机时长,月,均停机次数,客,户状态,欠,费时长,欠,费金额,入网时长,缴,费方式,客,户级别,月均消费额,累,计消费总额,每,次缴费额,客户基本属性,客户欠,费属性,客户业务,属性,客户贡献,度,客户预期准则,客户行为,准则,客户价值,准则,客户信用度,6,Case1,：客户信用评估,了解了信用度高或低的客户行为,特征，,从而可以采取对应措施：如提升对高信用度客户的,服务,水准，对低信用度客户采取限制性的策略以降低风险。,客户,客户信用评价模型,+,信用度高的客户,信用度低的客户,可信用的客户,7,客户生命周期分析,目标市场,响应者,新客户,高价值客户,潜力客户,低价值客户,主动离开,被动离开,获得,客户,活动,市场活动回报,询,问,填,写申请,消费,交叉销售,升,级销售,激发,首,次购买,挽回,客户活动,强制性取消,主,动取消,活动历史,购,买统计,市,场活动回应,信用报告,自,动报告的信息,其,它,产品使用,付,账历史,活,动响应,渠,道偏爱,其,它,终止原因,潜在客户,既得客户,客户,流失,考察期,形成期,稳定期,衰退期（危险期）,8,Case2,：客户离网预警,某通信运营商优质客户变动分析显示，,4,-6,月份优质组客户的流失率较高。这是一个很大的收入损失。,4,-6,月份,有,95,.8%,的客户保持在优质组。,流,失率,4.2%,103664,101983,1091,3261,72,3,163,3,315,优质组客户人数,50000,6,0000,90,000,10,0000,110,000,80,000,70,000,3,月,优质组,流往,普通,流失,普通,流入,弱势,流入,新增,6,月,优质组,9,Case2,：客户,离网预警,构建客户离网行为预测模型，将客户按离网概率高低分组。,客户,高危客户,边缘客户,离,网概率低,数据挖掘,预警,全体客户，,103664,人,在网,115,天，,2800,人,在网,115,天，,100864,人,最近一月通话次数,50,次，,1686,人,更换套餐次数,2,次，,3425,人,更换套餐次数,2,次，,97439,人,ARPU120,35496,38.1%,ARPU120,197455,32.8%,主叫比例,67%,14505,50.0,%,主叫比例,67%,20991,29.8,%,短信条数,50,193022,42.0%,短信条数,50,4433,26.4%,主叫比例,84%,147503,42.0%,主叫比例,84%,45519,55.9%,缴费次数,2,18106,64.4%,缴费次数,2,27413,48.3,%,通话对端,120,，主叫,67%,）,的客户购买,此增值业务的可能性较高,。,而具备特征（,ARPU,120,，短,信,50,，,主叫,84,%,，缴费两次以上）的客户购买可能性更高，达到,64.4%,A,B,B,C,C,C,样本中有,33.6%,的客户已经,订购了该增值业务。,A,B,.,具备特征（,ARPU,120,，短,信,50,，,主叫,84,%,，缴费两次以下或主叫,120,，主叫,67%,）的客户购买,此增值业务的,可能性,不大,。,另外，,ARPU,120,，短信,50,的客户购买可能性更低。,24,Case7,：客户欺诈行为预测,利用统计分类分群挖掘技术,，,对利用增值服务号码共谋欺诈行为,进行事前预测，在恶意欠费发生前就采取防范措施,，大幅减少,欺诈,行为带来,的巨额损失,。,首,先，利用数据描述技术，可以对已知的欺诈性客户和非欺诈性客户进行有关的数据分析，发现可能影响客户欠费的因素。,客户欺诈可能性,客户呼叫行为,呼叫频率,呼叫模式,优惠时段呼叫次数,夜间呼叫次数,接听次数,呼叫时长,25,Case7,：客户欺诈行为预测,然后，我们可以根据对以上因素的分析和统计，构建预测模型,，应用,到当前客户数据库中，,利用预测,结果，适时,地采取,适当,措施,，以减少损失,。,0.2,0,-0.2,-0.4,-0.6,-0.8,-1.0,-1.2,-1.4,-1.6,0.4,0.6,0.8,1.0,1.2,1.4,1.6,1.8,2.0,2.2,2.4,2.6,26,其他预测类应用,竞争对手分析,不同,运营商客户之间的互联互通是最基本的前提，因此通过对客户与竞争对手客户之间通话的行为分析，可以建立有关竞争对手经营和客户服务的模型，比如竞争对手客户发展模型，通过对这些模型的,使用，,可以制定有效的市场应对策略,。,促,销策略仿真,优惠促销是,市场营销中十分重要的一部分,，促销策略,的不恰当，常常会得到适得其反的市场效果,。促销策略,仿真预测就是通过已建立的客户行为模型仿真客户,对,促销,策略,的反应，从而预测优惠策略实施的效果。通过,对,促销,策略,的仿真，可以预测优惠策略的成功与否，从而进行相应的调整和优化,。,27,Thanks!,:,28,