某市电信低质用户活跃度解决方案.pptx

该【某市电信低质用户活跃度解决方案 】是由【sanyuedoc2018】上传分享，文档一共【26】页，该文档可以免费在线阅读，需要了解更多关于【某市电信低质用户活跃度解决方案 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。1
汕头电信低质用户活跃度提升
解决方案
CLICK TO ADD TITLE
单/击/此/处/添/加/副/标/题
汇报人姓名
数据挖掘项目经验
2
IPTV活跃度提升解决方案
套餐流量使用率提升解决方案
目录
01
点击添加标题
单击此处添加文本具体内容
02
点击添加标题
单击此处添加文本具体内容
五个数据挖掘模型，两个客户画像标签
（营销响应模型）
3G升4G换卡模型
（营销响应模型）
双百兆目标用户模型
（营销响应模型）
手机加副卡目标用户模型
（用户保有模型）
政企专线离网预警模型
（用户画像刻画）
乐享5折用户聚类模型
（营销响应模型）
乐享5折目标用户模型
乐享5折用户生命周期分析（用户画像刻画）
数据挖掘客户标签
（数据挖掘基础能力沉淀）
目标
为提升当前3G升级4G营销成功率，通过数据挖掘模型，找出意愿度更高的用户优先进行营销。
截止9月份，共提供5批次，
测试分区
预测在网
预测离网
实际在网
536,691
31374
实际离网
21689
7522
离网命中率
%
离网覆盖率
%
提升度

模型评估
模型实际应用
营销成功率
3G升4G换卡营销模型
目标
为提升当前营销成功率，通过数据挖掘模型，找出意愿度更高的用户优先进行营销。本模型以老宽带用户为出发点，以是否融合划分不同子模型，利用随机森林算法，构建最终目标用户模型。
模型评估
测试分区
预测未办理
预测办理
实际未办理
59,563
2650
实际办理
1940
9049
办理命中率
%
办理覆盖率
%
提升度

模型实际应用
月份
外呼量
接通量
接通率
接通后成功率
总体成功率
201609
17736
4798
27%
%
%
201610
6666
2381
36%
%
%
201611
22821
8360
37%
%
%
模型经过10月，11月两月实际应用，接通率，接通后成功率及总体成功率均比未使用模型前有明显提升。10月总体成功率接近9月的两倍。
双百兆目标用户模型
目标
为提升当前营销成功率，通过数据挖掘模型，找出意愿度更高的用户优先进行营销。手机加副卡模型分成两部分，一部分为网龄3个月以上的用户，另一部分为网龄3个月以下的用户。利用逻辑回归算法和KNN分类算法，分别构建模型。
测试分区
预测未办理
预测办理
实际未办理
35946
679
实际办理
4335
2948
办理命中率
%
办理覆盖率
%
提升度

逻辑回归模型评估
变量名称
系数
套餐内流量

用户类型

合同剩余月份数

近3月月均充值金额

套餐小类
-
同客户下手机流量
-
同客户下4G手机流量

同客户下4G用户数

语音使用率
-
逻辑回归模型系数
注：系数的绝对值越大，对模型的影响越大。
测试分区
预测未办理
预测办理
实际未办理
117079
3219
实际办理
5725
5664
办理命中率
%
办理覆盖率
%
提升度

KNN分类模型评估
KNN分类模型字段重要性
手机加副卡目标用户模型
目标
通过深度数据挖掘方法，挖掘政企专线用户离网规律，并提前2个月预测用户离网概率
测试分区
预测在网
预测离网
实际在网
4,507
277
实际离网
137
109
离网命中率
%
离网覆盖率
%
模型的效能（ROC）曲线
政企离网预警模型
目标
为提升当前营销成功率，通过数据挖掘模型，找出意愿度更高的用户优先进行营销，利用随机森林算法，构建最终目标用户模型。
模型评估
字段重要性
测试分区
预测未办理
预测办理
实际未办理
51599
300
实际办理
1921
2954
办理命中率
%
办理覆盖率
%
提升度

月份
外呼量
接通量
接通率
接通后成功率
总体成功率
201610
4497
1533
34%
%
%
201611
5056
1870
37%
%
%
模型实际应用
模型效能（ROC）曲线
乐享5折目标用户模型
为了提高乐享5折用户的活跃度及价值，我们将对用户进行分群，以达到精细化营销的目的。根据聚类模型的数据要求，需要观测用户在基准月前3个月及次月的行为表现，因此选取2016年2月作为基准月。
2016年2月，，其中，，疑似用完即扔用户1707户，疑似养卡用户6709户。基于精细化营销的目的，剔除套餐使用时长不足3个月及疑似养卡、用完即扔用户，，接下来的聚类模型针对这部分用户进行建模。
出账用户：
正常：
停/预拆：
疑似用完即扔：T+4个月内开始产生欠费，并且欠费后连续2个月依然有欠费记录用户
疑似养卡：省公司模型清单
疑似用完即扔：1707
疑似养卡：6709
套餐使用时长<3：
聚类目标用户：
乐享5折用户聚类模型
数据输入
行为字段相关性分析
价值字段相关性分析
Z-SCORE标准化
行为因子分析
Z-SCORE标准化
价值因子分析
行为层次聚类
两步聚类
价值层次聚类
两步聚类
价值-行为聚类混合聚类
行为相关字段
价值相关字段
降维
标准化
降维
聚类建模
模型优化
群特征分析
群策略建议
本次聚类模型的构建，采用聚类数据挖掘中成熟的“行为-价值”分析框架，分别对用户的行为和价值特征进行聚类，并总结用户在这两个维度上的特征，从而给出用户画像
由于聚类模型对于输入字段的要求，需要对行为字段和价值字段进行Z-SCORE标准化及主成分算法分析，降维之后作为输入，通过测试多个聚类算法（K-MEANS聚类算法、两步聚类算法）并选择聚类模型
通过聚类的结果，分析不同用户群的特征，并针对用户特征提出针对性的营销策略
聚类模型构建思路