楊 勇，張治中，賈會林

(重慶郵電大學(xué)重慶高校通信網(wǎng)測試技術(shù)工程研究中心，重慶400065)

隨著移動網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步，移動技術(shù)更緊密地拉近了與消費(fèi)者的對位關(guān)系，移動網(wǎng)絡(luò)的精準(zhǔn)營銷將創(chuàng)造精準(zhǔn)營銷的新時(shí)代。由于中國移動自身業(yè)務(wù)的不斷發(fā)展，對用戶的精細(xì)化分析及自有業(yè)務(wù)精準(zhǔn)營銷的需求也日益強(qiáng)烈。因此，如何才能科學(xué)、合理、準(zhǔn)確地做到真正意義上的精準(zhǔn)營銷呢?

在文中，運(yùn)用了Sasty［1］教授提出的AHP算法，構(gòu)建了客戶消費(fèi)等級模型，該模型用于精準(zhǔn)營銷分析。李靈玥［2］雖然也做了用戶消費(fèi)等級的研究，但其只注重于模型的建立，沒有從實(shí)際的通信事件中得到驗(yàn)證。而為了解決這些問題，本文從通信數(shù)據(jù)的采集、算法的構(gòu)建、模型的建立、現(xiàn)網(wǎng)數(shù)據(jù)的驗(yàn)證以及多客戶行為的多角度分析等方面，最終證實(shí)了該設(shè)計(jì)方案的有效性，能夠更加科學(xué)、合理、準(zhǔn)確地做到廣告的精準(zhǔn)投放，從而提高移動自有業(yè)務(wù)的營銷效率、業(yè)務(wù)的激活率或者訂購率，進(jìn)而提高自有業(yè)務(wù)收入，以增強(qiáng)其市場競爭力，降低營銷成本和營銷投入的風(fēng)險(xiǎn)。

1 研究內(nèi)容及思路

1.1 研究內(nèi)容

精準(zhǔn)營銷分析應(yīng)能根據(jù)指定條件(如區(qū)域、撥打號碼、短信、手機(jī)型號等)對移動網(wǎng)絡(luò)特定用戶實(shí)時(shí)監(jiān)測以實(shí)現(xiàn)用戶分析，最終實(shí)現(xiàn)最有價(jià)值的廣告精準(zhǔn)投放，達(dá)到精準(zhǔn)營銷的目的。本課題基于北京移動信令處理基礎(chǔ)能力平臺，對客戶通信數(shù)據(jù)進(jìn)行采集，然后進(jìn)行算法設(shè)計(jì)，建立模型并驗(yàn)證，多角度分析，得出結(jié)論，最終達(dá)到精準(zhǔn)營銷的目的。

1.2 研究思路

本課題研究思路如圖1所示，基礎(chǔ)平臺接收信令數(shù)據(jù)，作為臨時(shí)數(shù)據(jù)，存儲在臨時(shí)數(shù)據(jù)區(qū);臨時(shí)數(shù)據(jù)，結(jié)合網(wǎng)絡(luò)參數(shù)等基礎(chǔ)數(shù)據(jù)，經(jīng)過預(yù)處理過程，生成細(xì)節(jié)數(shù)據(jù)，存儲在細(xì)節(jié)數(shù)據(jù)庫;細(xì)節(jié)數(shù)據(jù)經(jīng)過ETL工具處理，根據(jù)業(yè)務(wù)需求，生成多維報(bào)表數(shù)據(jù)，存儲在相應(yīng)的DW中。然后，根據(jù)已設(shè)計(jì)好的滿足精準(zhǔn)營銷分析的算法對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行分析，得出結(jié)論，并以圖表直觀呈現(xiàn)。

2 計(jì)算移動客戶消費(fèi)等級值

計(jì)算移動客戶消費(fèi)等級值應(yīng)按照如下過程進(jìn)行:采集數(shù)據(jù)→確定算法→模型建立及驗(yàn)證→結(jié)果及分析。

2.1 數(shù)據(jù)采集過程

本課題是充分利用移動運(yùn)營商網(wǎng)絡(luò)的現(xiàn)有數(shù)據(jù)，通過對現(xiàn)網(wǎng)全網(wǎng)相關(guān)接口(A接口、Mc接口、HSTP等)的海量用戶信令基礎(chǔ)信息，進(jìn)行存儲分析(以下所有的數(shù)據(jù)表都是本課題存儲數(shù)據(jù)所必需的表，為了簡潔，不再贅述)。

客戶所屬群組:連接人口屬性表(mfs_user_onregion)與區(qū)域信息表(mfb_region)查詢指定區(qū)域的人口屬性，將人口屬性分類為非常駐人口、工作人口、居住人口三類。

客戶年齡:連接人口屬性表(mfs_user_onregion)與區(qū)域信息表(mfb_region)查詢指定區(qū)域的客戶年齡(user_age)。

手機(jī)號碼和手機(jī)型號:連接最新用戶事件表(mf_user_lastevent)與小區(qū)CELL關(guān)聯(lián)表(mf_region_cell)查詢指定區(qū)域指定時(shí)間范圍內(nèi)用戶的手機(jī)號碼(MSISDN)和手機(jī)型號(IMSI)信息。通過比對價(jià)格表可以查到對應(yīng)手機(jī)價(jià)格和手機(jī)號碼價(jià)格。

客戶業(yè)務(wù)屬性值:連接用戶業(yè)務(wù)表(mfs_user_business)與區(qū)域信息表(mfb_region)查詢指定區(qū)域指定用戶的業(yè)務(wù)屬性，經(jīng)過處理得到指定用戶的相關(guān)業(yè)務(wù)值，即平均欠費(fèi)總額、累計(jì)欠費(fèi)時(shí)長、月平均消費(fèi)額、累計(jì)銷帳總額、月平均充值額和卡種套餐資費(fèi)。

客戶行為軌跡值:連接用戶手機(jī)額外消費(fèi)表(mfs_user_mobileExtraCustom)與區(qū)域信息表(mfb_region)查詢指定區(qū)域指定用戶的手機(jī)娛樂消費(fèi)(amusementfees)、手機(jī)購物總額(shoppingfees)。

最后，將以上查詢結(jié)果按照對應(yīng)的字段插入到客戶消費(fèi)表(clientcustom)中，作為采樣數(shù)據(jù)。

2.2 客戶消費(fèi)等級值的計(jì)算過程

本文計(jì)算客戶消費(fèi)等級值，是基于AHP算法［2－4］實(shí)現(xiàn)的。依據(jù)該算法，構(gòu)建一個用于判斷客戶消費(fèi)級別的客戶消費(fèi)等級模型，并且要根據(jù)各個屬性對客戶消費(fèi)等級值的影響程度為其賦予不同的權(quán)值?？蛻粝M(fèi)等級值越高，表明客戶越偏向于高消費(fèi)產(chǎn)品?？杀硎緸?/p>

式中:G表示用戶消費(fèi)等級值;ci和wi分別為第i個屬性值的指標(biāo)值和權(quán)重。

2.2.1 消費(fèi)等級模型的構(gòu)建

從整個移動業(yè)務(wù)的分析來看，影響客戶消費(fèi)等級判斷的主要因素有:月平均消費(fèi)額、累計(jì)銷賬總額、月平均充值額、卡種套餐資費(fèi)、平均欠費(fèi)次數(shù)、平均欠費(fèi)總額、累計(jì)欠費(fèi)時(shí)長、手機(jī)娛樂消費(fèi)、手機(jī)購物總額等?；谝陨线@些因素，可以確定對應(yīng)的模型，具體過程如下文所述。

本文基于層次分析法［1，5－8］建立的客戶消費(fèi)等級模型如圖2所示，自上而下分為3層，第1層是目標(biāo)層(O層)，是計(jì)算等級值所要達(dá)到的目標(biāo)。第2層是屬性層(P層)，屬性層中的內(nèi)容分別為客戶手機(jī)信息、客戶欠費(fèi)屬性、客戶基本信息、客戶業(yè)務(wù)屬性和客戶行為軌跡。第3層是因素層(F層)，該層中所有因素均是影響客戶消費(fèi)等級判斷的主要因素。

圖2 客戶消費(fèi)等級層次分析結(jié)構(gòu)模型

2.2.2 消費(fèi)等級各因素指標(biāo)權(quán)重的計(jì)算

1)構(gòu)造對應(yīng)的判別矩陣

根據(jù)各層中相鄰因素的相對優(yōu)劣程度(即重要性比較標(biāo)度)來確定矩陣的元素，進(jìn)而構(gòu)造出對應(yīng)的判別矩陣［6］。各標(biāo)度值及其含義如表1所示。

表1 各標(biāo)度值及其含義

因此，針對圖2給定的層次結(jié)構(gòu)模型，參照表1，根據(jù)資料、專家、決策分析人員的意見，反復(fù)研究后給出兩因素之間的標(biāo)度值，并將標(biāo)度值作為判別矩陣的元素，進(jìn)而得到以下判別矩陣，其中屬性層P的判別矩陣為P，因素層中關(guān)于客戶基本信息、手機(jī)信息、欠費(fèi)屬性、業(yè)務(wù)屬性、行為軌跡的判別矩陣分別對應(yīng) F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5。

2)檢驗(yàn)判別矩陣的一致性

依據(jù)AHP［1］算法給出的檢驗(yàn)標(biāo)準(zhǔn)，對以上數(shù)據(jù)進(jìn)行一致性檢驗(yàn)(為節(jié)省篇幅，相關(guān)計(jì)算過程不再贅述，僅給出一致性檢驗(yàn)結(jié)果)，其結(jié)果如下:

P 層中，C·I=0.017 0，R·I=1.120 0，C·R=0.015 2＜0.1，因而矩陣P一致性檢驗(yàn)通過。

F層中，由于客戶基本信息、客戶手機(jī)信息、客戶行為軌跡的判別矩陣維數(shù)均是2，因而矩陣F1，F(xiàn)2，F(xiàn)5一致性檢驗(yàn)通過?？蛻羟焚M(fèi)屬性C·I=0.026 81，R·I=0.026 81，C·R=0.026 81＜0.1，矩陣F3一致性檢驗(yàn)通過?？蛻魳I(yè)務(wù)類屬性C·I=0.018 82，R·I=0.960 0，C·R=0.019 6＜0.1，矩陣F4一致性檢驗(yàn)通過。

3)權(quán)重計(jì)算及消費(fèi)等級模型確定

通過以上可知，所有判別矩陣均通過了一致性檢驗(yàn)，因而構(gòu)造的判別矩陣均是合理的。表2列出了通過計(jì)算所得到的各因素指標(biāo)的具體權(quán)重 (具體計(jì)算過程不再累述)。

表2 各因素指標(biāo)的權(quán)重

將以上給出的權(quán)重，代入式(1)中，得到對應(yīng)客戶消費(fèi)等級為

式中:ci為第i個屬性值的指標(biāo)值。

2.3 客戶消費(fèi)等級值的計(jì)算及分析

2.3.1 客戶通信事件采樣及處理

1)客戶通信事件采樣

通過查詢語句“select* from clientcustom where id＜5”，查詢客戶消費(fèi)信息表clientcustom的前5條數(shù)據(jù)如圖3所示。

圖3 客戶消費(fèi)信息表原始數(shù)據(jù)(截圖)

2)構(gòu)造當(dāng)量值轉(zhuǎn)化函數(shù)

為了便于計(jì)算，表3給出客戶基本信息與客戶手機(jī)信息對應(yīng)的當(dāng)量值。構(gòu)造4個當(dāng)量值轉(zhuǎn)化的PL/SQL函數(shù)，分別為 UserTypeValueConvert，AgeValueConvert，MobileBrand-ValueConvert，MobileNumValueConvert。下 文 為 AgeValue-Convert的函數(shù)體，其他3個函數(shù)同理，不再贅述。

create function AgeValueConvert

(age in number)return number is begin

if 0＜age and age＜20 or age=20 then

return 20;

elsif20＜age and age＜60 or age=60 then

return 30;

elsif age＞60 then

return 0;

end if;

end;

表3 當(dāng)量值屬性表

3)經(jīng)過當(dāng)量值轉(zhuǎn)化函數(shù)轉(zhuǎn)化后的數(shù)據(jù)如圖4所示。

4)通過查詢語句查詢得到各因素屬性值的最大值和最小值分別如圖5、圖6所示。

圖4 當(dāng)量值轉(zhuǎn)化函數(shù)轉(zhuǎn)化后對應(yīng)的數(shù)據(jù)(截圖)

圖5 各因素屬性值的最大值(截圖)

圖6 各因素屬性值的最小值(截圖)

2.3.2 各因素屬性值無量綱化

根據(jù)2.2.1所確定的模型，計(jì)算客戶消費(fèi)等級值。由于式(8)中各個因素指標(biāo)的度量單位不一樣，所以首先要對各因素?zé)o量綱化處理得到標(biāo)準(zhǔn)值，然后再代入式(8)計(jì)算，得到的客戶消費(fèi)等級值就是一個無量綱化的數(shù)值。由式(9)來確定各因素?zé)o量綱化的標(biāo)準(zhǔn)值

式中:Ci代表樣本值的真實(shí)值;Max代表因素樣本值中的最大值;Min代表樣本因素值中的最小值;ci為經(jīng)過無量綱化后的標(biāo)準(zhǔn)值。

通過式(9)得到無量綱化后的對應(yīng)數(shù)據(jù)如圖7所示。

圖7 無量綱化后的對應(yīng)數(shù)據(jù)(截圖)

2.3.3 客戶消費(fèi)等級值的計(jì)算

1)根據(jù)客戶消費(fèi)等級公式計(jì)算出客戶消費(fèi)等級值，并通過圖表呈現(xiàn)，最終的結(jié)果值如圖8所示。

圖8 客戶消費(fèi)等級值(截圖)

2)通過多角度對消費(fèi)群體進(jìn)行劃分，結(jié)果如圖9所示。

圖9 消費(fèi)群體劃分及各部分比重(截圖)

2.3.4 結(jié)果分析

1)從圖8中可知，客戶1和客戶4屬于低消費(fèi)客戶，營銷時(shí)應(yīng)該推送低檔低消費(fèi)品或者打折信息的廣告;客戶2屬于中消費(fèi)客戶，應(yīng)該推送中檔中消費(fèi)品的廣告;客戶3和5屬于高消費(fèi)客戶，應(yīng)該推送高檔高消費(fèi)品或者奢侈品的廣告，進(jìn)而達(dá)到精準(zhǔn)營銷的目的。

2)圖9所示，是從多角度多層面進(jìn)行消費(fèi)群組劃分的。按照從左到右、從上到下的順序，分別為客戶消費(fèi)總值消費(fèi)群組、客戶基本信息值消費(fèi)群組、客戶手機(jī)信息值消費(fèi)群組、客戶欠費(fèi)信息值消費(fèi)群組、客戶業(yè)務(wù)類型消費(fèi)值消費(fèi)群組、客戶行為軌跡值消費(fèi)群組。

客戶消費(fèi)總值消費(fèi)群組:高消費(fèi)客戶在樣本中所占比重僅為13.33%，針對該類型用戶推送高檔高消費(fèi)品或者奢侈品的廣告;反之，推送中、低檔消費(fèi)品廣告。

客戶基本信息值消費(fèi)群組:針對形成期客戶多推送一些比較新鮮事物之類的廣告;針對考察期的客戶多推送一些比較有吸引力的廣告;針對穩(wěn)定期的客戶適當(dāng)保持即可。

客戶手機(jī)信息值消費(fèi)群組:針對各等級客戶推送相應(yīng)等值價(jià)位的手機(jī)產(chǎn)品。

客戶欠費(fèi)信息值消費(fèi)群組:針對高欠費(fèi)客戶推送一些基本通話費(fèi)優(yōu)惠信息之類的廣告。

客戶欠費(fèi)信息值消費(fèi)群組:針對各等級客戶推送相應(yīng)等值的業(yè)務(wù)套餐類型廣告。

客戶行為軌跡值消費(fèi)群組:針對各等級客戶推送相應(yīng)等值網(wǎng)購或團(tuán)購信息之類的廣告。

通過以上分析，本文所設(shè)計(jì)的精準(zhǔn)營銷方案是有效的、可行的。

3 結(jié)束語

客戶消費(fèi)等級值是由客戶手機(jī)信息、客戶欠費(fèi)屬性、客戶基本信息、客戶業(yè)務(wù)屬性和客戶行為軌跡來共同確定的。本文基于AHP算法，構(gòu)建合理的模型，準(zhǔn)確地計(jì)算出客戶消費(fèi)等級值。通過文中圖表呈現(xiàn)的結(jié)果，可以驗(yàn)證所設(shè)計(jì)的相關(guān)算法以及所建立的模型都是有效可行的，并能達(dá)到精準(zhǔn)營銷分析的目的。

［1］何晶，張偉.層次分析法在網(wǎng)絡(luò)電視臺技術(shù)架構(gòu)評價(jià)中的應(yīng)用［J］.電視技術(shù)，2012，36(20):74－76.

［2］許樹柏.使用決策方法－層次分析法原理［M］.天津:天津大學(xué)出版社，1988.

［3］安立奎，韓麗艷.層次分析法中判斷矩陣一致性校驗(yàn)的C算法實(shí)現(xiàn)［J］.電腦知識與技術(shù)，2007(12):1654－1655.

［4］李靈玥，邵玉斌.基于AHP法的智能手機(jī)用戶消費(fèi)等級研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2012，22(5):191－194.

［5］王麗萍，李多全.基于AHP方法計(jì)算電信用戶信用度［J］.計(jì)算機(jī)工程與應(yīng)用，2008，44(32):232－236.

［6］江衛(wèi)東.基于AHP的企業(yè)R＆D主管勝任力模糊綜合評價(jià)［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2007(9):189－193.

［7］ XU Z S，WEIC P.A consistency improving method in the ana－lytic hierarchy process［J］.European Journal of Operational Research，1999，116(2):443－449.

［8］ SASTY T L.The analytic hierarchy process［M］.New York:McGraw－Hill，1980.