張廬穎+王振+陳天池

摘要：中國移動用戶居世界首位，移動支付具有廣闊的市場發(fā)展空間。翼支付業(yè)務(wù)作為某個通信業(yè)特有的業(yè)務(wù)種類，用戶使用越來越廣。文章深入挖掘移動用戶在支付業(yè)務(wù)中的使用情況，例如消費水平、消費次數(shù)、消費偏好等，建立大數(shù)據(jù)分析，構(gòu)建策反用戶樣本。通過SPSSModeler對樣本進行算法評估，構(gòu)建最佳異網(wǎng)策反模型，提升異網(wǎng)策反成功率。

關(guān)鍵詞：移動支付；異網(wǎng)策反；模型

移動支付是指交易雙方為了某種貨物或者業(yè)務(wù)，通過移動設(shè)備進行商業(yè)交易。移動支付使用終端可以是手機、PAD、移動PC等[1]。信息產(chǎn)業(yè)部統(tǒng)計顯示，截至2015年年底，移動用戶13.06億戶，居世界首位。中國移動支付具有廣闊的市場發(fā)展空間。

翼支付業(yè)務(wù)是某通信企業(yè)“2+5”重點業(yè)務(wù)中5項重要工作之一，也是通信業(yè)特有的移動支付業(yè)務(wù)。目前己經(jīng)推出了理財、繳費、消費等系列移動支付項目。隨著經(jīng)濟和移動技術(shù)進一步發(fā)展，移動支付產(chǎn)業(yè)逐漸成熟，移動支付的應(yīng)用勢必越來越廣泛。

翼支付轉(zhuǎn)變銷售和服務(wù)模式，從傳統(tǒng)銷售轉(zhuǎn)型為賣價值、賣應(yīng)用和生活方式，搶占用戶入口。大數(shù)據(jù)結(jié)合翼支付分析，參與開展異網(wǎng)策反活動，用戶選址、網(wǎng)點分布區(qū)，搭建用戶信用評價機制、提供風(fēng)險管控能力，給通信業(yè)務(wù)發(fā)展帶來新的商機。

1算法模型

1.1業(yè)務(wù)理解與相關(guān)定義

本模型通過分析翼支付金融消費識別異網(wǎng)用戶號碼，利用關(guān)鍵字段識別、用戶標(biāo)簽分析，構(gòu)建初步交往圈信息；在此基礎(chǔ)上通過外部數(shù)據(jù)、詳單通話圈分析和客戶關(guān)系管理（Customer Relationship Management，CRM）信息資料等

對模型進行修正與數(shù)據(jù)融合，使用聚類分析、決策樹分析挖掘最終潛在用戶。

1.2數(shù)據(jù)收集與分析

為了建立翼支付異網(wǎng)策反模型，必須收集用戶原始信息，并轉(zhuǎn)化為數(shù)據(jù)訓(xùn)練集。此項目選用某地電信運營商建立異網(wǎng)用戶數(shù)據(jù)信息。異網(wǎng)用戶是指非碼分多址（Code Division Multiple Access，CDMA）網(wǎng)絡(luò)的移云力用戶，其來源主要有：（1）使用翼支付異網(wǎng)用戶。使用翼支付軟件，并且產(chǎn)生理財或者消費行為的異網(wǎng)移動用戶。（2）異網(wǎng)交往圈用戶。識別與異網(wǎng)用戶交互緊密的本網(wǎng)用戶信息，建立初步交往圈信息。對本網(wǎng)用戶特征識別，終端使用偏好、翼支付消費偏好、是否開通網(wǎng)銀、年齡結(jié)構(gòu)、家庭結(jié)構(gòu)，采用聚類和主成分分析方法，確定異網(wǎng)用戶分屬類型：金融高端、都市白領(lǐng)、三口之家、外出務(wù)工等。

針對以上兩類用戶來源，分別抓取10萬用戶。經(jīng)過數(shù)據(jù)抽樣后，把樣本數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)集（TramDataSet，TDS）和校驗數(shù)據(jù)集（ValidationDataSet，VDS）。訓(xùn)練集實現(xiàn)對算法評估，得到較優(yōu)解決方案，校驗集用于評估模型是否適當(dāng)。數(shù)據(jù)的分析階段，第一步結(jié)合業(yè)務(wù)理解，檢查數(shù)據(jù)質(zhì)量，對數(shù)據(jù)重要關(guān)系進行判斷，分析自變量和因變量之間的關(guān)系，為建立模型做準(zhǔn)備；第二步對數(shù)據(jù)進行探索，按照模型需求對數(shù)據(jù)進行修正，如生成新的變量、刪除較弱的影響因子等。例如由于客戶沒有使用某一業(yè)務(wù)而造成該變量值的缺失，可直接對缺失值進行補零處理。根據(jù)對變量的觀察和實際的業(yè)務(wù)需求，剔除異常點和穩(wěn)定區(qū)間外值，避免極端值影響后面的分類和預(yù)測模型的精度。

根據(jù)電信業(yè)務(wù)特征，將用戶的特征區(qū)分為以下幾個維度：（1）客戶信息；（2）消費水平；（3）細(xì)分群體；（4）本網(wǎng)交往圈用戶業(yè)務(wù)使用信息。建立全面維度信息，并入到業(yè)務(wù)受理的維度。寬表字段如表1所示。

異網(wǎng)策反成功結(jié)果7；客戶信息變量X1；消費水平Z2；細(xì)分群體不；業(yè)務(wù)使用不；建模的目的就是要分析并確定這些向量變量與客戶流失狀態(tài)變量r的關(guān)系，即： 在特征維度下，構(gòu)建反應(yīng)特征的屬性，確定訓(xùn)練集合的屬性。在用戶的行為特征的屬性上，引入了趨勢變量即：根據(jù)當(dāng)前月數(shù)值與上月值的比值計算得出。趨勢變量=（當(dāng)月值一上月值（上月值），即：

本文趨勢變量的觀察值取連續(xù)3個月的，來衡量行為的穩(wěn)定性。（如果，定義趨勢是下降；定義趨勢是穩(wěn)定；：定義趨勢是上升）。

1.3構(gòu)建異網(wǎng)策反模型

針對此次建模的要求，在對此問題的深入研究下，我們提出了合理的假設(shè)，將本問題歸結(jié)為一個預(yù)測分析的問題，其基本思想是通過SPSS軟件求解。通過對決策樹、神經(jīng)網(wǎng)絡(luò)和邏輯回歸分析，組合模型等方法的運用得到最優(yōu)的預(yù)測結(jié)果。因為是異網(wǎng)朿反，最終朿反結(jié)果僅為yes和no兩種值，根據(jù)所學(xué)算法原理，結(jié)合實際情況，通過比較神經(jīng)網(wǎng)絡(luò)和決策樹C5.0模型，結(jié)合數(shù)據(jù)處理結(jié)果選擇最優(yōu)模型。

在異網(wǎng)策反模型中，通過SPSSModeler特征選擇保留終端、消費水平、收入、用戶分群、使用特征、行為偏好等7大類指標(biāo)，確定了20個因子作為輸入變量進行觀測。通過訓(xùn)練集選取最優(yōu)的方案。決策樹C5.0算法在異網(wǎng)策反模型中優(yōu)于神經(jīng)網(wǎng)絡(luò)模型，因此將此算法運用到測試集。

2營銷策劃

開展?fàn)I銷活動策劃，促進異網(wǎng)用戶辦理通信業(yè)務(wù)，對于成功辦理通信業(yè)務(wù)的用戶，做定向優(yōu)惠激勵。對金融高端人士贈送翼支付金融理財產(chǎn)品券和翼支付有車禮包，對于都市白領(lǐng)贈送麥當(dāng)勞優(yōu)惠券和電影購票優(yōu)惠券，對于三口之家贈送超市優(yōu)惠活動等，促使異網(wǎng)用戶向本網(wǎng)轉(zhuǎn)化。

3活動效果

在翼支付異網(wǎng)策反方面，通過大數(shù)據(jù)挖掘異網(wǎng)精準(zhǔn)目標(biāo)用戶，結(jié)合翼支付理財，525大促、翼支付購買火車票、水電煤繳費等個性化的營銷活動，提升異網(wǎng)策反用戶成功率。

建立異網(wǎng)策反智慧化運營體系，針對不同用戶，結(jié)合大數(shù)據(jù)標(biāo)簽數(shù)據(jù)從用戶偏好、終端定制等方面進行用戶畫像。通過電話呼叫、營業(yè)廳、網(wǎng)廳等觸點推送，開展異網(wǎng)策反活動。針對新入網(wǎng)用戶，贈送翼支付紅包，維系客戶穩(wěn)定，建議完善的策反流程。通過大數(shù)據(jù)深挖翼支付異網(wǎng)策反活動，對于某公司20萬異網(wǎng)用戶開展?fàn)I銷，成功轉(zhuǎn)化2萬用戶，轉(zhuǎn)化率為10%。

[參考文獻]

[1]曹媛媛，李琪.移動支付使用者使用意向與使用行為模型及實證研究[J].統(tǒng)計與信息論壇，2009（2）：72-77.endprint