数据挖掘在电信行业的应用

数据挖掘在电信行业的应用 黄典伟 博士 上海宏能软件有限公司 2 数据挖掘 应用 的理论背景 数据挖掘应用的几个主要瓶颈 数据挖掘应用的发展趋势 数据挖掘在电信行业中解决的问题 抛砖引玉：一些应用案例与软件演示 主要内容 3 从经验中学习，越来越多的“经验”正在被数字化 社会信息化后，社会的历史是数据的历史 数字化的 “物以类聚，人以群分” 事物的发展一般都有其内在的规律 数据挖掘应用的理论背景 4 应用者必须强烈地关心效率与利润 必要的数据积累（有效使用的业务系统） 所用的数学工具与实际业务知识的鸿沟 成熟数学建模工具应经过数年的实践检验与国内这方面的初始状态之间的矛盾 相信科学方法与传统经验管理至上的矛盾 数据挖掘应用的几个主要瓶颈 5 据挖掘中应用和算法的关系 6 1995 2000：已经从研究性质转向具体实践 2000 2002：积累丰富业务数据的企业正式感到了数据挖掘的必要性与迫切性 2002以后：数据挖掘平台更加面向细分的行业，对使用者数学与数据库知识的要求会越来越少 2004年前，在管理上对数据挖掘的需要会像航空业对定座系统与零售业对 数据挖掘应用的发展趋势 7 据挖掘在电信行业解决的问题 如何发现电信客户的特征和分类 ? 如何预测那些即将流失的客户？ 如何评价客户的贡献价值？ 如何判断客户的欺诈行为特征？ 还有更多 如何对呆帐 /坏帐进行预测和控制？ 大客户的消费行为特征是什么？人口统计学特征是什么？ 如何知道公司下一阶段的营业收入？ 如何设计交叉销售 / 深入销售？ 8 例：如何发现电信客户的特征和分类 ? 市场竞争就是对客户的竞争！ 对客户的竞争首先要知道客户在哪里，然后制定相应的市场策略： 对客户进行分组； 确定你感兴趣的那些客户群；（周末组 /商业组 /接听电话组 /打电话组 /服务组 /打折组 / ） 对不同的组给出不同的价格策略，和促销策略； 业务问题 9 例：如何发现电信客户的特征和分类 ? 选择什么样的变量（看问题的角度） 行为特征，非人口统计特征； 要有营销意义； 选择什么样的算法 有的工具要求使用者有专业的数学基础； 有的工具只要求使用者是业务专家； 问题解决主要考虑： 10 例：如何发现电信客户的特征和分类 ? 行为数据 电话使用的方式； 服务使用的种类； 人口统计数据 年令； 性别； 地址； 其它数据 帐户设立时间； 网络质量； 客户关怀； 级别； 需要的数据 (数据模型 )： 11 例：如何发现电信客户的特征和分类 ? 不同的建模工具对人的要求不同； 不同的建模工具生产效率不同； 建立模型： 12 例：如何发现电信客户的特征和分类 ? 营销活动 市场多维分析（ 应用模型（评分）： 13 公司于 1992由几个资深营销分析顾问创建，总部设在美国麻省林肯地区，亚太总部在 原 公司的服务与产品聚焦在提供基于数据挖掘的营销优化与自动化软件。基础产品是 已有 260多个公司使用了 每年增长 100%，被权威机构（德勤科技）评为全美发展最快的 500家新兴公司（第 137位） 2002年被 2家最有影响力的软件商之一 14 002 1. 2. 3. 4. G 5. A 6. 7. 8. 9. 10. 11. 12. 15 公司于 2000年元月由几个资深专业人士创建： 公司总经理 ，首任 旦大学数学博士，自94年以来一直从事数据分析与数据挖掘方面的商业应用工作； 公司董事副总经理 ，前 海交大的计算机博士，自 95年以来一直从事大型商业计算机应用系统的开发 公司高级副总经理 ，美国著名信用管理与咨询公司 量经济学硕士，芝加哥大学市场营销与统计学博士，完成过数以百计的数据分析与数据挖掘项目。 公司技术总监 ，前国内著名企业的计算机专家，浙江大学软件硕士，长期从事营销决策支持方面的计算机应用。 上海市政府风险投资公司交大创投的第一个投资项目 上海市认定的软件企业 是 品在中国的唯一签约分销商，请访问网址 上海宏能软件有限公司 16 横向的数据挖掘工具集 纵向的数据挖掘解决方案 17 户管理 寻找与确定潜在顾客 客户分析 发掘交叉销售机会 品牌管理 媒体管理 促销活动管理 理 市场调查 战略计划与资源管理 战略计划与资源管理 预算与计划 长期营销活动的规划 资源优化配置 分析与 优化工具 分析工具 建立预测模型 数据发现 优化营销活动 18 行业竞争分析象限： 客户关系优化软件供应商 19 些有代表性的行业用户 零售业 银行 保险与医药 电讯业 出版业 络公司 宾馆与旅游业 20 获得多项行业奖的成熟软件 高度自动化，适应各个层面的数据挖掘与建模的顾客 特点是：贴近业务、立竿见影 生成的模型可以以 成到业务系统中。 面向市场营销的数据挖掘与 数学建模的集成应用软件 21 响应模型 比如可预测客户对某个产品或服务的认知度，客户流失或兴趣迁移等。 交叉销售模型 比如预测现有客户的新的购买趋向，或组合购买模式。 帮助制定产品系列或套件。 客户价值评估模型 客户的忠诚度评估， 利润贡献度评估， 消费的宽紧度。 市场细分与客户分组模型 按照已有客户的消费数据对客户按一定属性分组。 确定细分市场的定义属性。 22 涉及 7亿人次的市场促销应用了 支撑 100亿美元销售收入的市场活动使用了 每年 20亿条销售线索的产生应用了 12周（投入实用！） 可以支持具有 16000个变量的 20亿条记录的数据分析与挖掘建模 关于 23 例一 : 美国一家著名电信运营商 市场营销问题 客户流失率高 / 获得客户成本高（ $） 不了解客户的贡献价值 依据经验开展业务，没有依靠技术手段 经营管理问题 客户流失率高 推出新服务成本高 背景信息： 24 数据挖掘解决的问题 ： 案例一 :美国一家著名电信运营商 根据客户使用网络的行为，将客户进行分组 检查人口统计学方面的规律 分析如何将目前的客户提升到新的细分市场中 开发业务系统（生产系统），使分析工作变成日程工作的一部分，易于使用 25 成的工作： 案例一 :美国一家著名电信运营商 对目前客户分组 250+个变量 和 100多个模型； 对所发现的规律进行了大量个人 /家庭访谈，验证； 将所发现的规律分组，制定了相应的市场 /客服策略； 开发了生产系统（ 以支持促销活动管理和客户服务； 26 例一 :美国一家著名电信运营商 所发现的规律： 人口统计方面的特性不影响购买 /使用； “商业”客户主要在工作时间内消费； 许多客户很少使用移动电话，仅仅是在心理上需要一个移动电话； 27 例一 :美国一家著名电信运营商 对“最新的”技术需求很弱； 一些如何使目前用户“成长”的模式，不仅仅是如何获得 /保持用户； 所发现的规律： 28 例二： 电信服务的市场定位 (响应模型 ) 由于通信行业正经历全球化的演变，一个提供多种通信服务和产品的著名电信公司，需要进入新的服务领域，如 无线，本地等，而大家都在用类似的产品和服务来竞争同一群客户，因此不可避免地与许多竞争者产生竞争。 该公司因此希望识别对特定的市场促销活动有积极响应的潜在客户群体，以便实施一套更有针对性、更高效的市场策略来确保业务的持续增长。 29 例三： 客户流失监控 美国一个很大的通信公司，面临日益激烈的市场竞争。 该公司希望按国家、州、城市等不同级别来监控市场的竞争，以便及时有效地向应该投放市场资源的区域投放合适的资源。 为了有效地应对来自其它电信运营商的竞争，该公司希望能以周为最小时间单位来操作该监控系统。 我们开发了一个模型，能将客户流失的趋向分解为市场变化趋向和个体变化趋向。市场变化趋向是对包含季节性结果在内的一些共性结果的刻画，而个体变化趋向则用于产生警告信号。该系统的信息可以做到每天更新一次。 将流失趋向显示在地图上，以此来反映市场的竞争 30 例三： 客户流失监控 31 例四：客户生命周期价值优化 （客户获取与保持分析） 一个电信运营商希望评估不同的客户群组的客户生命周期价值（ 通过详细的客户获取与保持分析，我们开发了预算分配模型，将电信运营商的 该系统的应用使得该电信运营商能专注于提高市场活动的效果，提供对可产生持续性利润的市场策略的评价指标。 32 户生命周期价值优化 $q u i t yR e t e n t i o nA c q u i s i t i o nA c q u i s i t i o n / R e t e n t i o n M a r k e t i n g I n v e s t m e n t S t r a t e g yC u s to m e r Eq u i O p ti m i z a ti o n fo r D o m e s ti c $ 1 0 R e v e n u e a - 1 28 - 1 06 - 84 - 62 - 40 - 2- 2 - 0- 4 - - 2- 6 - - 4- 8 - - 6AO p t i m a l E c o n o m i c sC o s t p e r W i n b a c k = $ 7 3 . 1 5C o s t p e r C o n t a c t = $ 5 . 9 4R e t e n t i o n p e r M o n t h p e r W i n b a c k = $ 2 A c q u i s i t i o n R a t e = 8 . 1 2 %R e t e n t i o n R a t e = 9 7 . 8 2 % O p t i m a l E q u i t y = $ 1 0 . 4 8O p t i m a l B u d g e t D i s t r i b u t i o nA c q u i s i ti o n = 8 6 %R e te n ti o n = 1 4 %C u r r e n t E c o n o m i c sC o s t p e r W i n b a c k = $ 7 5 . 7 3C o s t p e r C o n t a c t = $ 6 . 2 6R e t e n t i o n p e r M o n t h p e r W i n b a c k = $ 1 A c q u i s i t i o n R a t e = 8 . 2 7 %R e t e n t i o n R a t e = 9 5 . 7 0 %C u r r e n t E q u i t y = $ 5 . 3 8C u r r e n t B u d g e t D i s t r i b u t i o nA c q u i s i ti o n = 9 2 %R e te n ti o n = 8 %33 数据挖掘是人脑的延伸，是与日常经营决策密切相关的 数据是非常宝贵的财富 通过数据挖掘应用，我们更加认识到前期业务信息化的巨大价值 业务绩效目标越清晰，数据挖掘越有成效 离开业务人员的数据挖掘是不存在的 结束语