師江波

(昆明理工大學(xué)信息與自動(dòng)化學(xué)院，云南昆明650051)

隨著4G時(shí)代的來(lái)臨，通信行業(yè)即將獲得更廣闊的發(fā)展空間和潛力，在實(shí)際的生產(chǎn)運(yùn)營(yíng)過程中，數(shù)據(jù)業(yè)務(wù)收入已經(jīng)逐漸躍居收入第二，僅次于語(yǔ)音收入，因此數(shù)據(jù)業(yè)務(wù)得到了運(yùn)營(yíng)商越來(lái)越多的關(guān)注，而數(shù)據(jù)業(yè)務(wù)的營(yíng)銷依然停留在傳統(tǒng)的營(yíng)銷方式，如通過調(diào)查資料、客服外呼營(yíng)銷等方式，屬于一種普遍撒網(wǎng)式的營(yíng)銷，這種營(yíng)銷方式成本高，周期長(zhǎng)，客戶真正的響應(yīng)率低。

用戶對(duì)數(shù)據(jù)業(yè)務(wù)的使用都或多或少的與用戶消費(fèi)行為以及用戶背景信息有關(guān)聯(lián)，而數(shù)據(jù)挖掘技術(shù)就可以找到這種聯(lián)系，發(fā)現(xiàn)其中的規(guī)律。由此本文以彩鈴為例，利用決策樹算法對(duì)該數(shù)據(jù)業(yè)務(wù)的精確營(yíng)銷進(jìn)行指導(dǎo)，通過挖掘當(dāng)前彩鈴用戶特征，即具有什么行為特點(diǎn)的人可能會(huì)開通彩鈴，進(jìn)而鎖定彩鈴營(yíng)銷的潛在客戶群，再對(duì)預(yù)測(cè)名單內(nèi)的用戶進(jìn)行主動(dòng)營(yíng)銷，降低了營(yíng)銷成本，提高了營(yíng)銷的響應(yīng)率。

1 相關(guān)知識(shí)

決策樹很擅長(zhǎng)處理非數(shù)值型數(shù)據(jù)，免去了很多數(shù)據(jù)預(yù)處理工作。常用的算法有CHAID、CART、Quest和C5.0，本文采用目前較成熟的C5.0算法。C5.0是經(jīng)典的決策樹算法，相比CART樹只能生成二叉樹來(lái)說(shuō)，C5.0算法可生成多分支的決策樹，目標(biāo)變量即為分類變量，最后可以生成樹狀圖或者規(guī)則集。C5.0根據(jù)能夠帶來(lái)最大信息增益的字段拆分樣本，第一次拆分確定的樣本子集隨后再次拆分，通常是根據(jù)另一個(gè)字段進(jìn)行拆分，其中數(shù)值型字段被劃分成區(qū)間，字符型字段被組織成集合，這一過程重復(fù)進(jìn)行直到樣本子集不能再被拆分為止。最后，重新檢驗(yàn)最低層次的拆分，支持的事例數(shù)過少或者支持的概率較低的樣本子集(即決策樹葉子)將被剔除或者修剪。

決策樹用樣本的屬性作為節(jié)點(diǎn)，用屬性的取值作為分支的樹結(jié)構(gòu)，是利用信息論原理對(duì)大量樣本的屬性進(jìn)行分析和歸納而產(chǎn)生的。

信息論中的信息熵H(U):信息量的數(shù)學(xué)期望，是信源發(fā)出信息前的平均不確定性，也稱先驗(yàn)熵;

設(shè)S是一個(gè)樣本集合，目標(biāo)變量C有k個(gè)分類，freq(Ci，S)表示S中屬于Ci類的樣本數(shù)，|S|表示樣本集合S的樣本數(shù)。則集合S的信息熵定義為:

2 彩鈴客戶預(yù)測(cè)

利用決策樹算法，將彩鈴客戶消費(fèi)屬性和客戶背景屬性一起作為決策樹的輸入屬性，將彩鈴用戶和非彩鈴用戶按照某種比例組合作為預(yù)測(cè)的訓(xùn)練數(shù)據(jù)。決策樹算法是一種“有指導(dǎo)”的歸納學(xué)習(xí)，通過大量數(shù)據(jù)的學(xué)習(xí)歸納出預(yù)測(cè)規(guī)則集，即我們要研究的問題是:什么樣的人可能是潛在的彩鈴客戶，而什么樣的人可能不是潛在的彩鈴客戶。

2.1 輸入屬性

決策樹的輸入屬性由兩部分組成，一部分是對(duì)彩鈴消費(fèi)產(chǎn)生較大影響的客戶消費(fèi)行為屬性，如:區(qū)內(nèi)時(shí)長(zhǎng)、區(qū)間時(shí)長(zhǎng)、國(guó)內(nèi)普通長(zhǎng)途時(shí)長(zhǎng)、國(guó)內(nèi)IP長(zhǎng)途時(shí)長(zhǎng)等;另一部分是客戶基本信息，包括年齡、性別、套餐、是否市區(qū)等。將兩部分信息整合在一起作為彩鈴預(yù)測(cè)的輸入屬性，屬性列表如表1(表中簡(jiǎn)列出部分屬性)所示，其中“是否彩鈴用戶”，是輸出屬性，即預(yù)測(cè)的目標(biāo)屬性值。

表1 部分屬性值

2.2 訓(xùn)練集

從彩鈴目標(biāo)客戶中隨機(jī)抽取其中3 545名客戶進(jìn)行分析，再在非彩鈴用戶中隨機(jī)抽取9倍的數(shù)據(jù)共同組成數(shù)據(jù)訓(xùn)練集，總共有35 450個(gè)用戶。數(shù)據(jù)處理流程如圖1。

圖1 數(shù)據(jù)處理流程

圖中，數(shù)據(jù)預(yù)處理是指數(shù)據(jù)訓(xùn)練集通過匯總變換等方法處理成滿足屬性列表的所需信息;預(yù)處理后，計(jì)算所有屬性的條件熵、信息熵、信息增益，根據(jù)這些數(shù)值進(jìn)一步計(jì)算出屬性的信息增益率以便完成決策樹的構(gòu)造。決策樹的各部分是:

根:數(shù)據(jù)訓(xùn)練集;

枝:分類的判定條件;

葉:分好的各個(gè)類;

最后使用IF－THEN語(yǔ)句表達(dá)規(guī)則集。

2.3 判斷規(guī)則集

A={B}

A:B的集合，為根;

B:包括所有的訓(xùn)練數(shù)據(jù)。

從根到葉子節(jié)點(diǎn)都有一條路徑，這條路徑就是一條“規(guī)則”:

IF A中的任一元素b同屬于同一個(gè)決策類則創(chuàng)建一個(gè)葉子 ;終止

ELSE 選擇特征C={C1，C2，C3，……Cn};判定節(jié)點(diǎn)

由此產(chǎn)生預(yù)測(cè)彩鈴開通的17條規(guī)則，(括號(hào)內(nèi)數(shù)字代表支持該規(guī)則的實(shí)例數(shù))。這里列舉前幾個(gè)，其它類似。規(guī)則1開通彩鈴(329)if 區(qū)內(nèi)時(shí)長(zhǎng) ＜=12

and區(qū)間時(shí)長(zhǎng) ＜=57

and增值收入 ＞3.440

and增值收入 ＜=8.960

and客戶品牌in［"個(gè)人客戶""家庭客戶"］

and客戶消費(fèi)額 ＞18.490 and客戶消費(fèi)額 ＜=26.290

and工作日時(shí)長(zhǎng) ＞4.600 and市區(qū)郊縣 =郊縣

and年齡 ＞22 and年齡 ＜=49

and開通短信 =是and聯(lián)系人數(shù) ＜=25

then開通彩鈴

規(guī)則2開通彩鈴(63)

if國(guó)內(nèi)IP長(zhǎng)途時(shí)長(zhǎng) ＞1 and市區(qū)郊縣 =郊縣

and年齡 ＜=37 and開通短信 =是and性別 =女a(chǎn)nd漫游次數(shù) ＜=1 and聯(lián)系人數(shù) ＜=10

then開通彩鈴

我們可以從各規(guī)則中出現(xiàn)的屬性來(lái)判斷哪些屬性對(duì)彩鈴的開通有顯著的影響。分析這17個(gè)規(guī)則發(fā)現(xiàn)，頻繁出現(xiàn)的屬性有:年齡、性別、聯(lián)系人數(shù)、短信是否開通、點(diǎn)對(duì)點(diǎn)次數(shù)、漫游次數(shù)、區(qū)內(nèi)時(shí)長(zhǎng)、忙時(shí)時(shí)長(zhǎng)、增值收入、客戶消費(fèi)額等。

例如規(guī)則3，彩鈴開通的客戶包括這樣一類人:IP長(zhǎng)途時(shí)長(zhǎng)大于1，37歲以下，開通短信，性別是男性，聯(lián)系人數(shù)24個(gè)的郊縣人群，支持這條規(guī)則的客戶有316個(gè)。

從規(guī)則看，客戶的年齡、性別、聯(lián)系人數(shù)、短信功能在預(yù)測(cè)彩鈴規(guī)則中起著重要的作用;進(jìn)而可以分類出什么類型的人可能開通彩鈴，什么類型的人不可能開通。

3 預(yù)測(cè)評(píng)估

評(píng)估環(huán)境:在Windows server 2003操作系統(tǒng)下，使用Microsoft SQL Server 2005作為數(shù)據(jù)庫(kù)平臺(tái);SPSS Clementine數(shù)據(jù)挖掘軟件作為分析工具。

3.1 預(yù)測(cè)結(jié)果的評(píng)估

我們從兩方面的指標(biāo)來(lái)評(píng)價(jià)，一是預(yù)測(cè)覆蓋率，二是預(yù)測(cè)命中率，如表2所示。其中A代表實(shí)際不開通，預(yù)測(cè)也不開通的用戶，B代表實(shí)際不開通而預(yù)測(cè)開通的用戶，C代表實(shí)際開通而預(yù)測(cè)不開通的用戶，D代表實(shí)際開通預(yù)測(cè)也開通的用戶。

表2 預(yù)測(cè)數(shù)據(jù)的覆蓋率和命中率

覆蓋率F:實(shí)際開通預(yù)測(cè)也開通的用戶在所有實(shí)際開通用戶中的占比。

命中率M:實(shí)際開通、預(yù)測(cè)也開通的用戶在所有預(yù)測(cè)為開通的用戶中的占比。

利用SPSS Clementine的分析節(jié)點(diǎn)對(duì)預(yù)測(cè)效果進(jìn)行評(píng)估，輸入數(shù)據(jù)為未參與預(yù)測(cè)的70%樣本數(shù)據(jù)。跟蹤觀察結(jié)果如表3。

表3 預(yù)測(cè)結(jié)果跟蹤檢驗(yàn)

經(jīng)過規(guī)則集的判別后得到圖2的結(jié)果，總體正確率為89.57%，符合矩陣中行表示實(shí)際值，列表示預(yù)測(cè)值，0表示未開通彩鈴，1表示開通彩鈴，我們從符合矩陣中看到，預(yù)測(cè)開通彩鈴實(shí)際開通的用戶為606個(gè)，實(shí)際開通但預(yù)測(cè)不開通的用戶有1885個(gè)，實(shí)際不開通但預(yù)測(cè)開通彩鈴的用戶為699個(gè)，實(shí)際不開通預(yù)測(cè)也不開通彩鈴的有21 585個(gè)。根據(jù)上文對(duì)預(yù)測(cè)命中率和預(yù)測(cè)覆蓋率的定義，計(jì)算出覆蓋率為24.3%，命中率為46.4%，通俗的理解這個(gè)結(jié)果就是，用一半的準(zhǔn)確率預(yù)測(cè)出四分之一的彩鈴用戶。預(yù)測(cè)效果基本滿意。

圖2 節(jié)點(diǎn)分析

3.2 預(yù)測(cè)結(jié)果的跟蹤檢驗(yàn)

我們跟蹤觀察預(yù)測(cè)名單內(nèi)的客戶在今后幾個(gè)月時(shí)間內(nèi)的彩鈴“自然開通率”(即非主動(dòng)營(yíng)銷開通率)，通過判斷“自然開通率”來(lái)評(píng)價(jià)在實(shí)際環(huán)境中的應(yīng)用價(jià)值。

幾個(gè)月后累計(jì)開通數(shù)為5 366，達(dá)到全部開通數(shù)的50%，但預(yù)測(cè)名單數(shù)卻只有37 059，只占全部總數(shù)的25%，如果這個(gè)結(jié)果是主動(dòng)營(yíng)銷的結(jié)果，那么預(yù)測(cè)分類讓營(yíng)銷人員用25%的時(shí)間做了50%的工作。這就是精確營(yíng)銷的意義和實(shí)際價(jià)值所在。

4 結(jié)論

通過對(duì)真實(shí)數(shù)據(jù)的追蹤觀察結(jié)果表明，在真實(shí)的預(yù)測(cè)環(huán)境中能將預(yù)測(cè)準(zhǔn)確率保持在較高的自然準(zhǔn)確率。今后的工作包括:引進(jìn)交叉銷售的理論，利用關(guān)聯(lián)規(guī)則等技術(shù)對(duì)彩鈴用戶進(jìn)行分析，在不同的產(chǎn)品間以及不同的業(yè)務(wù)間進(jìn)行交叉銷售模式的營(yíng)銷;使其能更有效地運(yùn)用于電信的其它業(yè)務(wù)領(lǐng)域，真正用于主動(dòng)營(yíng)銷指導(dǎo)中。

［1］Abdi Kerim，Chi ZX，Zhang CT.Data Warehouse Optimization Based on Multi－agents Jisuanji Jicheng Zhizao Xitong/Computer Integrated Manufacturing Systems［J］.CIMS，2006，9(8):671 －673+697.

［2］曹忠升，薛梅艷.基于決策樹的軟件分類方法［J］.計(jì)算機(jī)工程.2008(1):56－58.

［3］師江波，胡建華.基于數(shù)據(jù)挖掘的電信客戶流失預(yù)測(cè)分析［J］.山西電子技術(shù)，2009(1):50－52.

［4］師江波.客戶細(xì)分在電信彩鈴營(yíng)銷中的應(yīng)用［D］.昆明:昆明理工大學(xué)，2009.