劉穎慧 劉靜沙 許丹丹

中國(guó)聯(lián)通研究院 北京 100176

整合運(yùn)營(yíng)商內(nèi)部大數(shù)據(jù) 全面轉(zhuǎn)型存量經(jīng)營(yíng)

劉穎慧 劉靜沙 許丹丹

中國(guó)聯(lián)通研究院 北京 100176

移動(dòng)互聯(lián)網(wǎng)技術(shù)的高速發(fā)展和智能終端的快速普及，使各行各業(yè)的數(shù)據(jù)流量爆炸式增長(zhǎng)，也使得傳統(tǒng)通信市場(chǎng)趨于飽和；因此如何保有用戶(hù)、提高價(jià)值成為運(yùn)營(yíng)商研究的新課題。文章分析存量經(jīng)營(yíng)的必要性及面向存量經(jīng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)流程，以用戶(hù)畫(huà)像為基礎(chǔ)，闡述用于支撐內(nèi)部存量經(jīng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)實(shí)踐，為電信運(yùn)營(yíng)商的發(fā)展方向提供了思路。

通信行業(yè)；大數(shù)據(jù)；存量經(jīng)營(yíng)；精準(zhǔn)營(yíng)銷(xiāo)；用戶(hù)標(biāo)簽

引言

傳統(tǒng)通信市場(chǎng)的日趨飽和，引發(fā)了運(yùn)營(yíng)商對(duì)于存量用戶(hù)的關(guān)注，而隨著大數(shù)據(jù)時(shí)代的到來(lái)，海量用戶(hù)數(shù)據(jù)的深度挖掘?yàn)榇媪拷?jīng)營(yíng)提供了可能[1]。中國(guó)聯(lián)通早在2012年就開(kāi)始在大數(shù)據(jù)領(lǐng)域做出了諸多嘗試：結(jié)合內(nèi)外部數(shù)據(jù)的分析，剖析用戶(hù)行為。用戶(hù)的價(jià)值提升是存量經(jīng)營(yíng)的最終目的，也是電信運(yùn)營(yíng)商需要不斷思考的問(wèn)題。

1 存量經(jīng)營(yíng)是運(yùn)營(yíng)商的必經(jīng)之路

1.1 存量經(jīng)營(yíng)關(guān)系運(yùn)營(yíng)商市場(chǎng)格局

存量經(jīng)營(yíng)是指在一定時(shí)間內(nèi)，持有一定數(shù)量的產(chǎn)品、貨物、儲(chǔ)備和資產(chǎn)的經(jīng)營(yíng)活動(dòng)方式，運(yùn)用到運(yùn)營(yíng)商來(lái)說(shuō)，就是針對(duì)現(xiàn)有的客戶(hù)(包含新入網(wǎng)用戶(hù))，制定各種營(yíng)銷(xiāo)策略，實(shí)現(xiàn)精細(xì)化管理、差異化服務(wù)，從而實(shí)現(xiàn)客戶(hù)的保有和價(jià)值的提升[2]。

截止到2016年底，中國(guó)聯(lián)通移動(dòng)出賬用戶(hù)達(dá)到2.64億，其中4G用戶(hù)約1.05億，4G滲透率已達(dá)39.7%。全年移動(dòng)用戶(hù)凈增1,151萬(wàn)，移動(dòng)出賬用戶(hù)ARPU(average revenue per user，平均每個(gè)用戶(hù)每月貢獻(xiàn)的業(yè)務(wù)收入)達(dá)到人民幣46.4元。中國(guó)電信移動(dòng)出賬用戶(hù)達(dá)到2.15億，而中國(guó)移動(dòng)出賬用戶(hù)達(dá)到8.49億，其中凈增2266萬(wàn)，4G新增用戶(hù)達(dá)2.23億，如圖1所示。從以上數(shù)字不難看出，當(dāng)前的中國(guó)通信行業(yè)，用戶(hù)已基本飽和，運(yùn)營(yíng)商之間的用戶(hù)增減絕大部分都是用戶(hù)轉(zhuǎn)網(wǎng)所致，新增十分有限。

圖1 2016年運(yùn)營(yíng)商用戶(hù)數(shù)量對(duì)比

面對(duì)這種競(jìng)爭(zhēng)態(tài)勢(shì)，提高存量用戶(hù)的價(jià)值顯得格外重要。在充分競(jìng)爭(zhēng)的市場(chǎng)中，用戶(hù)只會(huì)選擇更好的服務(wù)，因此，存量經(jīng)營(yíng)，是現(xiàn)今運(yùn)營(yíng)商發(fā)展的必經(jīng)之路，只有保有用戶(hù)，提升價(jià)值，運(yùn)營(yíng)商才能做到三分天下有其一。

1.2 存量經(jīng)營(yíng)是基于場(chǎng)景的數(shù)據(jù)經(jīng)營(yíng)

互聯(lián)網(wǎng)技術(shù)的日新月異，改變了傳統(tǒng)的商業(yè)模式，運(yùn)營(yíng)商也從重資產(chǎn)模式向輕資產(chǎn)轉(zhuǎn)化，比如基站的運(yùn)維逐漸交由鐵塔公司管理，數(shù)據(jù)正逐漸成為運(yùn)營(yíng)商的核心資產(chǎn)。

運(yùn)營(yíng)商的存量經(jīng)營(yíng)數(shù)據(jù)主要來(lái)源于服務(wù)于企業(yè)管理、生產(chǎn)運(yùn)營(yíng)、客戶(hù)服務(wù)的IT系統(tǒng)和業(yè)務(wù)平臺(tái)。

這些數(shù)據(jù)提供最核心的基礎(chǔ)數(shù)據(jù)，覆蓋面十分廣泛，既包括了用戶(hù)的基礎(chǔ)屬性信息、語(yǔ)音流量話單信息和終端等數(shù)據(jù)，又包括了運(yùn)營(yíng)商的基站、網(wǎng)絡(luò)寬帶、固定電話等數(shù)據(jù)，數(shù)據(jù)量已經(jīng)達(dá)到PB級(jí)別。而這其中，用戶(hù)身份數(shù)據(jù)的數(shù)據(jù)價(jià)值最高，也是大數(shù)據(jù)運(yùn)營(yíng)中最重要且需要著重保護(hù)的用戶(hù)隱私數(shù)據(jù)。在用戶(hù)使用移動(dòng)終端上網(wǎng)時(shí)，運(yùn)營(yíng)商從網(wǎng)絡(luò)側(cè)進(jìn)行采集和解析，包括用戶(hù)訪問(wèn)APP時(shí)產(chǎn)生的流量、上網(wǎng)行為發(fā)生的地理位置、訪問(wèn)網(wǎng)站的頻次時(shí)間等行為數(shù)據(jù)，為后續(xù)用戶(hù)的行為分析打下了基礎(chǔ)。

首先是基礎(chǔ)網(wǎng)絡(luò)覆蓋的廣泛性，運(yùn)營(yíng)商的網(wǎng)絡(luò)幾乎覆蓋了所有的生活場(chǎng)景，用戶(hù)可以隨時(shí)進(jìn)行無(wú)縫切換，保證了數(shù)據(jù)的連續(xù)性；其次是數(shù)據(jù)傳輸?shù)姆€(wěn)定性和安全性，運(yùn)營(yíng)商四通八達(dá)的傳輸網(wǎng)絡(luò)可以保證數(shù)據(jù)流從源端到目的端的快速有效傳輸；最后是數(shù)據(jù)存儲(chǔ)的可靠性，運(yùn)營(yíng)商的IDC機(jī)房可以海量存儲(chǔ)數(shù)據(jù)源，多重技術(shù)保障確保數(shù)據(jù)安全。

1.3 客戶(hù)為中心，存量經(jīng)營(yíng)貫穿用戶(hù)生命周期

用戶(hù)從入網(wǎng)開(kāi)始就成為存量用戶(hù)，存量經(jīng)營(yíng)要貫穿用戶(hù)整個(gè)生命周期，并根據(jù)不同時(shí)期的用戶(hù)特點(diǎn)，針對(duì)性向其推介產(chǎn)品和服務(wù)。用戶(hù)的生命周期如圖2所示。

圖2 用戶(hù)生命周期圖

也就是說(shuō)，存量經(jīng)營(yíng)需要對(duì)每個(gè)客戶(hù)都要進(jìn)行差異化服務(wù)，滿足不同的需求，并對(duì)有流失可能的用戶(hù)進(jìn)行有針對(duì)性的維挽活動(dòng)，這些動(dòng)作都是建立在對(duì)用戶(hù)的基本屬性、行為進(jìn)行挖掘分析，將用戶(hù)進(jìn)行細(xì)化分類(lèi)的基礎(chǔ)上，對(duì)每個(gè)分類(lèi)的用戶(hù)采取不同的營(yíng)銷(xiāo)策略，這也是精準(zhǔn)營(yíng)銷(xiāo)的理念所在。

精準(zhǔn)營(yíng)銷(xiāo)的基礎(chǔ)是對(duì)用戶(hù)有著全面而準(zhǔn)確的認(rèn)知，這些認(rèn)知就是互聯(lián)網(wǎng)行業(yè)、通信運(yùn)營(yíng)商對(duì)用戶(hù)貼付的用戶(hù)標(biāo)簽，繪制的用戶(hù)畫(huà)像[3]。無(wú)論是數(shù)據(jù)經(jīng)營(yíng)，客戶(hù)服務(wù)還是產(chǎn)品策略，存量經(jīng)營(yíng)都是運(yùn)營(yíng)商未來(lái)的工作中心，以被動(dòng)變主動(dòng)，以事后變事前，以產(chǎn)品找用戶(hù)變用戶(hù)定產(chǎn)品。

2 精準(zhǔn)營(yíng)銷(xiāo)是存量經(jīng)營(yíng)的重要手段

精準(zhǔn)營(yíng)銷(xiāo)的準(zhǔn)確率高在于精準(zhǔn)把握了每個(gè)用戶(hù)的多元化需求，在用戶(hù)需求差異化較大的今天，切實(shí)地實(shí)現(xiàn)差異化服務(wù)需要能準(zhǔn)確分析用戶(hù)需求的方法。用戶(hù)畫(huà)像即根據(jù)用戶(hù)的自然屬性和消費(fèi)行為進(jìn)行建模分析，從而得出的用戶(hù)標(biāo)簽集合。根據(jù)用戶(hù)的不同標(biāo)簽，可推薦差異化的產(chǎn)品和服務(wù)。

2.1 面向存量經(jīng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)流程

精準(zhǔn)營(yíng)銷(xiāo)不但提高了營(yíng)銷(xiāo)的準(zhǔn)確度和命中率，同時(shí)也提高了服務(wù)水平，提升了用戶(hù)的忠誠(chéng)度，諸多行業(yè)已經(jīng)在精準(zhǔn)營(yíng)銷(xiāo)的路上開(kāi)始了實(shí)踐，通信行業(yè)也不外如此[4]，精準(zhǔn)營(yíng)銷(xiāo)基于運(yùn)營(yíng)商的用戶(hù)大數(shù)據(jù)，通過(guò)大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等方式進(jìn)行數(shù)據(jù)價(jià)值的獲取，具體營(yíng)銷(xiāo)流程如圖3所示。

圖3 精準(zhǔn)營(yíng)銷(xiāo)流程

1)提取用戶(hù)畫(huà)像：用戶(hù)畫(huà)像即商業(yè)目的下用戶(hù)標(biāo)簽的集合。運(yùn)營(yíng)商制定自有的標(biāo)簽體系，并對(duì)用戶(hù)的語(yǔ)音和流量使用情況進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和分析，從而確定用戶(hù)所匹配的相應(yīng)標(biāo)簽。用戶(hù)標(biāo)簽可以分為兩部分，一是自然標(biāo)簽，包括用戶(hù)的基礎(chǔ)信息、性別、年齡等，二是用根據(jù)用戶(hù)的基礎(chǔ)信息和行為數(shù)據(jù)的歸納和分析而來(lái)的特征標(biāo)簽，如最常用的APP、最喜歡的電商網(wǎng)站等等。根據(jù)用戶(hù)的基礎(chǔ)信息和行為信息，對(duì)用戶(hù)進(jìn)行360度的屬性特征和行為偏好畫(huà)像。用戶(hù)標(biāo)簽產(chǎn)品能全方位的了解用戶(hù)行為特征，為鎖定潛在目標(biāo)用戶(hù)群、 營(yíng)銷(xiāo)決策等提供數(shù)據(jù)支撐基礎(chǔ)。

面向存量經(jīng)營(yíng)的用戶(hù)畫(huà)像要面向細(xì)分的營(yíng)銷(xiāo)場(chǎng)景，對(duì)畫(huà)像進(jìn)行重新排列。用戶(hù)畫(huà)像根據(jù)基本標(biāo)簽和特征標(biāo)簽可以分為4個(gè)維度。

①基本畫(huà)像，基本畫(huà)像是指用戶(hù)的生命周期畫(huà)像，根據(jù)用戶(hù)業(yè)務(wù)使用與需求的匹配程度進(jìn)行劃分。比如體驗(yàn)用戶(hù)是指需求不明確、入網(wǎng)時(shí)間短的初期用戶(hù)；價(jià)值提升用戶(hù)是指體驗(yàn)與需求明確、ARPU連續(xù)三個(gè)月提高，并且流量基本處于超套或高飽和的用戶(hù)；穩(wěn)定用戶(hù)是指對(duì)資費(fèi)不敏感，體驗(yàn)較好的用戶(hù)；維挽用戶(hù)是指用戶(hù)感知差，投訴多，且ARPU連續(xù)三個(gè)月下降的用戶(hù)。價(jià)值提升用戶(hù)和維挽用戶(hù)是存量經(jīng)營(yíng)的重點(diǎn)關(guān)注用戶(hù)。

②行為畫(huà)像，行為畫(huà)像是針對(duì)用戶(hù)的通信行為、語(yǔ)音行為、流量行為和權(quán)益行為進(jìn)行繪制的畫(huà)像，通信行為是指套餐是否飽和、超套，語(yǔ)音流量和短信是否平衡等；語(yǔ)音行為是指語(yǔ)音(國(guó)內(nèi)、國(guó)際)是否滿足等情況；流量行為與語(yǔ)音行為類(lèi)似，指套餐是否飽和、壓抑或超套；權(quán)益行為指用戶(hù)對(duì)自身的資費(fèi)是否敏感、優(yōu)惠活動(dòng)是否積極等。

③產(chǎn)品畫(huà)像，產(chǎn)品畫(huà)像是指用戶(hù)的標(biāo)簽屬性與產(chǎn)品內(nèi)容、產(chǎn)品特征相結(jié)合，互相匹配，從而篩選出每個(gè)產(chǎn)品的目標(biāo)用戶(hù)群，通過(guò)目標(biāo)用戶(hù)群中的各項(xiàng)標(biāo)簽，實(shí)現(xiàn)產(chǎn)品與用戶(hù)的精準(zhǔn)對(duì)接。

④觸點(diǎn)畫(huà)像，觸點(diǎn)，即運(yùn)營(yíng)商與用戶(hù)接觸的渠道、方式，實(shí)體渠道包括客戶(hù)經(jīng)理、營(yíng)業(yè)廳和呼叫中心等，電子渠道包括自主終端、網(wǎng)上營(yíng)業(yè)廳、短信營(yíng)業(yè)廳、掌上營(yíng)業(yè)廳和互聯(lián)網(wǎng)等方式。

選擇用戶(hù)最適合的渠道，才能避免用戶(hù)對(duì)營(yíng)銷(xiāo)活動(dòng)的抵觸情緒，提高接受度，達(dá)到事半功倍的效果。

2)確定營(yíng)銷(xiāo)基本信息：根據(jù)需進(jìn)行營(yíng)銷(xiāo)活動(dòng)的企業(yè)，確定需要營(yíng)銷(xiāo)產(chǎn)品系列，提取營(yíng)銷(xiāo)的基本信息，以便于后續(xù)的營(yíng)銷(xiāo)活動(dòng)用戶(hù)定位。

3)尋找用戶(hù)群：根據(jù)營(yíng)銷(xiāo)活動(dòng)的特點(diǎn)和依據(jù)數(shù)據(jù)挖掘而得的用戶(hù)行為偏好標(biāo)簽，尋找目標(biāo)匹配的用戶(hù)群體。

4)匹配用戶(hù)群與產(chǎn)品：根據(jù)用戶(hù)群的具體細(xì)化標(biāo)簽，匹配系列產(chǎn)品中的某產(chǎn)品，確定向每個(gè)用戶(hù)營(yíng)銷(xiāo)的具體產(chǎn)品(如10元流量包、5元流量日包等等)。

5)匹配營(yíng)銷(xiāo)渠道：依據(jù)用戶(hù)的渠道接受度相關(guān)標(biāo)簽，確定適合該用戶(hù)進(jìn)行營(yíng)銷(xiāo)的渠道，如短信、微信和外呼等。

6)渠道觸達(dá)：通過(guò)確定的渠道，真正地接觸用戶(hù)，實(shí)施營(yíng)銷(xiāo)行動(dòng)。

7)評(píng)估營(yíng)銷(xiāo)效果：對(duì)營(yíng)銷(xiāo)活動(dòng)的成功率、客戶(hù)響應(yīng)率和執(zhí)行的時(shí)效性進(jìn)行評(píng)估，并根據(jù)結(jié)果對(duì)標(biāo)簽提出優(yōu)化建議，對(duì)活動(dòng)和渠道也進(jìn)行相應(yīng)的調(diào)整。

2.2 基于用戶(hù)畫(huà)像的營(yíng)銷(xiāo)場(chǎng)景

從電信運(yùn)營(yíng)商內(nèi)部來(lái)看，隨著4G網(wǎng)絡(luò)的發(fā)展和普及，更快更穩(wěn)定的4G網(wǎng)絡(luò)已經(jīng)逐漸代替了3G和2G網(wǎng)絡(luò)，而且功能強(qiáng)大的智能終端也在客觀上促進(jìn)了用戶(hù)向4G網(wǎng)絡(luò)轉(zhuǎn)變，因此，提示用戶(hù)升級(jí)網(wǎng)絡(luò)，成為運(yùn)營(yíng)商的一個(gè)重要任務(wù)[5]。在此場(chǎng)景下，電信運(yùn)營(yíng)商做出了精準(zhǔn)營(yíng)銷(xiāo)的方案。其精準(zhǔn)在于不同網(wǎng)絡(luò)終端用戶(hù)的識(shí)別和推薦。

例如：有使用某運(yùn)營(yíng)商3G網(wǎng)絡(luò)的用戶(hù)A，根據(jù)其用戶(hù)情況，應(yīng)提示其進(jìn)行4G網(wǎng)絡(luò)的升級(jí)。用戶(hù)登錄網(wǎng)上營(yíng)業(yè)廳或掌上營(yíng)業(yè)廳后，根據(jù)其用戶(hù)資料，彈出提示框，提示當(dāng)前最近的營(yíng)業(yè)廳，可進(jìn)行換卡業(yè)務(wù)和最新的4G套餐。根據(jù)用戶(hù)當(dāng)前所在位置，若接近實(shí)體營(yíng)業(yè)廳，則通過(guò)短信等方式提示其到最近營(yíng)業(yè)廳辦理相應(yīng)業(yè)務(wù)。再舉個(gè)例子，增值業(yè)務(wù)推薦，建立增值業(yè)務(wù)推薦模型，提取一批定制了100M-10G 5個(gè)檔位不等的流量的用戶(hù)，通過(guò)模型訓(xùn)練，獲取了用戶(hù)消費(fèi)行為與其訂購(gòu)流量包之間的關(guān)聯(lián)關(guān)系。每天定時(shí)地提取一批用戶(hù)，運(yùn)行模型，提取其中有可能訂購(gòu)流量包及相應(yīng)業(yè)務(wù)檔級(jí)的用戶(hù)，個(gè)性化地向其推薦流量包，在提高用戶(hù)的ARPU的同時(shí)，避免了用戶(hù)自行查詢(xún)流量增值業(yè)務(wù)的麻煩，提高了客戶(hù)滿意度和忠誠(chéng)度，提升運(yùn)營(yíng)商精細(xì)化營(yíng)銷(xiāo)和管理的能力。

另外，也可以根據(jù)用戶(hù)的基礎(chǔ)信息和業(yè)務(wù)套餐信息等，提取功能因子，建立評(píng)分體系，對(duì)用戶(hù)的信用進(jìn)行評(píng)分，其后根據(jù)用戶(hù)的終端信息、屬性信息、消費(fèi)能力和其他業(yè)務(wù)套餐信息確定應(yīng)該向用戶(hù)推薦的產(chǎn)品或業(yè)務(wù)[5]。當(dāng)然，構(gòu)建的評(píng)價(jià)體系也可以開(kāi)展和其他行業(yè)的合作，如與金融機(jī)構(gòu)的用戶(hù)征信體系進(jìn)行信息的對(duì)比。

2.3 存量經(jīng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)技術(shù)實(shí)現(xiàn)

2.3.1 營(yíng)銷(xiāo)數(shù)據(jù)來(lái)源

精準(zhǔn)營(yíng)銷(xiāo)的數(shù)據(jù)來(lái)源于運(yùn)營(yíng)商的整個(gè)運(yùn)營(yíng)系統(tǒng)內(nèi)，運(yùn)營(yíng)商的數(shù)據(jù)，以中國(guó)聯(lián)通為例，來(lái)源于全國(guó)的省分公司的生產(chǎn)系統(tǒng)，包括CRM系統(tǒng)(客戶(hù)關(guān)系管理系統(tǒng))、OCS系統(tǒng)(在線計(jì)費(fèi)系統(tǒng))和Biling系統(tǒng)(電信企業(yè)計(jì)費(fèi)系統(tǒng))等等。省分公司，將數(shù)據(jù)統(tǒng)一傳輸至集團(tuán)總部的相應(yīng)系統(tǒng)存儲(chǔ)中，賬單、訂購(gòu)關(guān)系、客戶(hù)信息等，存入Oracle數(shù)據(jù)庫(kù)，流量日詳單等存入Hadoop的HDFS文件系統(tǒng)或Hive、HBase中，經(jīng)過(guò)統(tǒng)計(jì)處理，再將部分結(jié)果存入Oracle數(shù)據(jù)庫(kù)中，而營(yíng)銷(xiāo)的基礎(chǔ)數(shù)據(jù)，就來(lái)源于Oracle與Hadoop集群存儲(chǔ)這兩部分，如圖4所示。

圖4 存量經(jīng)營(yíng)整體數(shù)據(jù)流轉(zhuǎn)

圖5 技術(shù)實(shí)現(xiàn)示意圖

2.3.2 營(yíng)銷(xiāo)技術(shù)實(shí)現(xiàn)

針對(duì)特定的業(yè)務(wù)場(chǎng)景，比如視頻流量用戶(hù)的定向流量包推薦。使用邏輯回歸模型，預(yù)測(cè)某個(gè)用戶(hù)是否可能訂閱此類(lèi)流量包。過(guò)程如圖5所示。

1)從生產(chǎn)系統(tǒng)中選擇一個(gè)省份提取所有用戶(hù)，并進(jìn)行目標(biāo)用戶(hù)提取。對(duì)于入網(wǎng)3個(gè)月以?xún)?nèi)的用戶(hù)，基于有養(yǎng)卡嫌疑等虛假用戶(hù)的情況，此類(lèi)應(yīng)去除掉開(kāi)機(jī)天數(shù)小于15天的用戶(hù)。一年以?xún)?nèi)的用戶(hù)，剔除掉沒(méi)有開(kāi)機(jī)或使用業(yè)務(wù)的用戶(hù)。

2)用戶(hù)分類(lèi)平衡。用戶(hù)中應(yīng)該包含兩部分用戶(hù)，一部分是訂閱過(guò)定向流量包的用戶(hù)，一類(lèi)是非訂閱用戶(hù)，計(jì)算二者比例。實(shí)際情況是，一般非訂閱用戶(hù)較多，對(duì)數(shù)量大的用戶(hù)進(jìn)行取樣，達(dá)到提取部分用戶(hù)后，與訂閱用戶(hù)比例在5:5左右。

3)數(shù)據(jù)建模。建模目標(biāo)在于，確定用戶(hù)的個(gè)人屬性和套餐行為對(duì)其訂閱視頻定向流量包的影響力大小，以便于對(duì)其他非訂閱用戶(hù)計(jì)算，其訂閱視頻定向流量包的可能性，并進(jìn)行相應(yīng)推薦。

數(shù)據(jù)模型選取屬性，屬性個(gè)數(shù)從幾個(gè)到幾十個(gè)不等，屬性包括基礎(chǔ)的用戶(hù)畫(huà)像(APP偏好、信用等級(jí)等)和使用行為(套餐資費(fèi)、語(yǔ)音使用時(shí)間、流量使用量等)?？赏ㄟ^(guò)皮爾遜系數(shù)計(jì)算相關(guān)性，也可以通過(guò)PCA等降維方法對(duì)屬性過(guò)多的情況進(jìn)行降維，最后選取合適的屬性，作為模型的輸入。模型的目標(biāo)值，訂閱流量包的用戶(hù)為1，未訂閱為0。

模型有很多選擇，以較常用的二元分類(lèi)方法邏輯回歸為例，其原理如圖6所示。假設(shè)輸入有三個(gè)屬性(實(shí)際有很多)，設(shè)為A1，A2，A3，目標(biāo)值為T(mén)。模型訓(xùn)練的過(guò)程找到四個(gè)系數(shù)R0，R1，R2，R3。T=R0+R1×A1+R2×A2+R3×A3。對(duì)T進(jìn)行變換后，如公式(1)所示，所得的值最接近真正的值(0或1)。而R1～R3三個(gè)系數(shù)是三個(gè)屬性對(duì)最終結(jié)果影響力的數(shù)值化體現(xiàn)。模型的實(shí)現(xiàn)語(yǔ)言不限，一般為Python、R或Java。

圖6 邏輯回歸原理圖

4)實(shí)際預(yù)測(cè)。每個(gè)月定時(shí)從生產(chǎn)系統(tǒng)中取出一批為訂閱的用戶(hù)，提取他們的屬性，即建模過(guò)程中選取的屬性，將這些數(shù)據(jù)讀入模型，使用訓(xùn)練好的模型進(jìn)行預(yù)測(cè)，即屬性值乘以系數(shù)后，帶入公式(1)，會(huì)得出一個(gè)0到1的數(shù)值，設(shè)定閾值，如數(shù)值大于0.6，則認(rèn)為該用戶(hù)可能預(yù)定視頻流量包，加入營(yíng)銷(xiāo)名單，否則，忽略該用戶(hù)。

5)效果評(píng)估。對(duì)用戶(hù)進(jìn)行營(yíng)銷(xiāo)后，計(jì)算營(yíng)銷(xiāo)成功率，如成功率較低，重新選取屬性，進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)閉環(huán)迭代更新。

3 精準(zhǔn)營(yíng)銷(xiāo)是多個(gè)體系的協(xié)同

精準(zhǔn)營(yíng)銷(xiāo)不單純是一個(gè)營(yíng)銷(xiāo)行為，從數(shù)據(jù)挖掘，標(biāo)簽建立，目標(biāo)人群篩選，再到產(chǎn)品匹配，觸點(diǎn)可達(dá)，是多個(gè)體系的協(xié)同。

3.1 豐富的產(chǎn)品體系滿足用戶(hù)個(gè)性需求

運(yùn)營(yíng)商的出賬用戶(hù)以?xún)|計(jì)算，每個(gè)用戶(hù)都有著自己不同的需求，精準(zhǔn)營(yíng)銷(xiāo)，不僅僅是推薦給用戶(hù)與其畫(huà)像匹配度最高的產(chǎn)品，還要從根本上制定豐富的產(chǎn)品體系[6]。

舉例來(lái)說(shuō)，在移動(dòng)互聯(lián)網(wǎng)發(fā)展迅速的今天，流量成為每個(gè)用戶(hù)不可或缺的需求之一。每個(gè)用戶(hù)的流量使用需求都不盡相同，所以，從10M～10G的流量包如何劃分檔級(jí)，日包、月包、季包和年包的售價(jià)定價(jià)，這些都是實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)的產(chǎn)品基礎(chǔ)。沒(méi)有豐富的產(chǎn)品體系，則無(wú)法推薦最適合的產(chǎn)品給用戶(hù)。以中國(guó)聯(lián)通的流量包體系為例，大分類(lèi)分為日包、月包、半年包、假日包、加油包、視頻包和國(guó)際包。視頻包是定向流量包，針對(duì)使用聯(lián)通網(wǎng)絡(luò)和各個(gè)視頻平臺(tái)的用戶(hù)，對(duì)此類(lèi)用戶(hù)，最大程度上細(xì)化其流量使用需求，真正實(shí)現(xiàn)了產(chǎn)品的精準(zhǔn)營(yíng)銷(xiāo)，提高了用戶(hù)的價(jià)值。圖7是中國(guó)聯(lián)通流量包分類(lèi)及部分產(chǎn)品售價(jià)圖。

3.2 建立存量用戶(hù)的標(biāo)簽體系

精準(zhǔn)營(yíng)銷(xiāo)的標(biāo)簽是精準(zhǔn)營(yíng)銷(xiāo)效果的基礎(chǔ)保證，如數(shù)據(jù)建模過(guò)程，其作為輸入屬性，如標(biāo)簽不準(zhǔn)確勢(shì)必導(dǎo)致?tīng)I(yíng)銷(xiāo)活動(dòng)成功概率低，因此用戶(hù)標(biāo)簽需要時(shí)時(shí)更新。

用戶(hù)的標(biāo)簽體系主要可以分為用戶(hù)基礎(chǔ)標(biāo)簽、用戶(hù)行為標(biāo)簽、用戶(hù)產(chǎn)品標(biāo)簽和用戶(hù)渠道觸點(diǎn)標(biāo)簽。每個(gè)標(biāo)簽都不是固定不變的，隨著時(shí)間的流逝和客戶(hù)自身的成長(zhǎng)，用戶(hù)的標(biāo)簽自然會(huì)變化。如一些持續(xù)性較短的標(biāo)簽，像“購(gòu)車(chē)潛在用戶(hù)”、“手機(jī)余額不足10元”等等，這些標(biāo)簽需要時(shí)常重新判斷用戶(hù)是否具有。而一些中長(zhǎng)期的標(biāo)簽，像自然屬性“學(xué)生”、“信用度”等，也要在一定周期內(nèi)進(jìn)行重新計(jì)算打標(biāo)。用戶(hù)標(biāo)簽體系如圖8所示。

圖7 中國(guó)聯(lián)通流量包分類(lèi)

圖8 用戶(hù)標(biāo)簽體系

標(biāo)簽的提取方式主要有兩種，一是統(tǒng)計(jì)學(xué)意義上的，比如用戶(hù)“使用最頻繁的APP”，“每個(gè)月平均出賬”等等；二是通過(guò)建立復(fù)雜模型而提取的標(biāo)簽，如“用戶(hù)是否流失”、“用戶(hù)是否為三口之家”，通過(guò)用戶(hù)的一些基礎(chǔ)屬性和行為，建立模型，推算用戶(hù)目標(biāo)標(biāo)簽。這兩種標(biāo)簽的更新方式也有所差異。統(tǒng)計(jì)意義上的標(biāo)簽，只需重新統(tǒng)計(jì)即可更新標(biāo)簽，而通過(guò)建立模型得出的標(biāo)簽，不但是需要重復(fù)運(yùn)行用戶(hù)數(shù)據(jù)得出標(biāo)簽結(jié)果，更多的是需要更新模型，來(lái)重新計(jì)算用戶(hù)標(biāo)簽。

無(wú)論是什么標(biāo)簽，都會(huì)隨著社會(huì)的發(fā)展，移動(dòng)網(wǎng)絡(luò)的進(jìn)步而失效，實(shí)時(shí)保證標(biāo)簽的及時(shí)性和準(zhǔn)確性，才是精準(zhǔn)營(yíng)銷(xiāo)成功的訣竅。

3.3 營(yíng)銷(xiāo)觸點(diǎn)的多元化和直達(dá)性

精準(zhǔn)營(yíng)銷(xiāo)的執(zhí)行環(huán)節(jié)對(duì)營(yíng)銷(xiāo)的成功率有著至關(guān)重要的作用。從傳統(tǒng)的線下現(xiàn)場(chǎng)營(yíng)銷(xiāo)到后來(lái)的外呼、短信和郵件營(yíng)銷(xiāo)，直到現(xiàn)在的全方位網(wǎng)絡(luò)電信營(yíng)銷(xiāo)(微信、手機(jī)營(yíng)業(yè)廳、網(wǎng)絡(luò)營(yíng)業(yè)廳、自助終端)，如何用最適當(dāng)?shù)那澜佑|用戶(hù)，提高成功率，降低投訴率是現(xiàn)在精準(zhǔn)營(yíng)銷(xiāo)的一大難題。通信行業(yè)最常用的就是外呼和短信，這也是通信行業(yè)最暢通的營(yíng)銷(xiāo)方式，然而，很多用戶(hù)對(duì)外呼和短信的方式十分抵觸，斥之為電話騷擾和垃圾短信。如何解決這個(gè)問(wèn)題？目前的方式是豐富觸點(diǎn)渠道，線下?tīng)I(yíng)業(yè)廳及工作人員的引導(dǎo)，營(yíng)業(yè)廳中多配置自助終端，網(wǎng)上營(yíng)業(yè)廳設(shè)置彈窗提示，微信微博注冊(cè)公共賬號(hào)，隨時(shí)服務(wù)用戶(hù)，手機(jī)掌上營(yíng)業(yè)廳實(shí)時(shí)提示用戶(hù)各種套餐使用情況等等。豐富渠道的同時(shí)，提高渠道選擇的精準(zhǔn)度，根據(jù)歷史渠道接觸用戶(hù)的成功率和用戶(hù)反饋，對(duì)用戶(hù)渠道的接受度要有更精準(zhǔn)地定位，不要適得其反。然而，雖然渠道豐富，但目前反饋率最高的還是外呼的方式，而外呼的方式同時(shí)也是投訴率最高的方式，目前還沒(méi)有更好的方式來(lái)解決這個(gè)問(wèn)題，這也是電信和其他行業(yè)從事精準(zhǔn)營(yíng)銷(xiāo)必須解決的問(wèn)題。另外，在微信、微博等社交軟件日益發(fā)展的今天，如何利用新型的媒體渠道進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)，也是對(duì)通信人的新挑戰(zhàn)。

4 結(jié)語(yǔ)

面向存量經(jīng)營(yíng)的精準(zhǔn)營(yíng)銷(xiāo)是結(jié)合了先進(jìn)的數(shù)據(jù)處理、數(shù)據(jù)挖掘、數(shù)據(jù)建模等技術(shù)，針對(duì)不同人群、不同個(gè)體，提供個(gè)性化的產(chǎn)品服務(wù)。而伴隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的突飛猛進(jìn)，運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)只會(huì)愈演愈烈，如何保有存量用戶(hù)，提升價(jià)值顯得任重而道遠(yuǎn)。而大數(shù)據(jù)的開(kāi)放與融合趨勢(shì)，也需要運(yùn)營(yíng)商跳出傳統(tǒng)通信行業(yè)的圈子，思考與互聯(lián)網(wǎng)企業(yè)在面對(duì)用戶(hù)時(shí)的服務(wù)理念和營(yíng)銷(xiāo)理念的差異。秉持互聯(lián)網(wǎng)的營(yíng)銷(xiāo)思維，利用運(yùn)營(yíng)商大數(shù)據(jù)的天然優(yōu)勢(shì)，在建立完整的標(biāo)簽下，不斷更新和完善標(biāo)簽體系，針對(duì)不同場(chǎng)景給出定制化的短期標(biāo)簽。數(shù)據(jù)建模過(guò)程中，結(jié)合不同的業(yè)務(wù)場(chǎng)景，運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等建模方法，多模型對(duì)比，并通過(guò)后評(píng)估效果，不斷優(yōu)化訓(xùn)練，定期更新數(shù)據(jù)重新訓(xùn)練，提高模型精度。數(shù)舉并行，運(yùn)營(yíng)商的存量經(jīng)營(yíng)將會(huì)不斷完善。

總之，存量經(jīng)營(yíng)要細(xì)分客戶(hù)，針對(duì)不同的用戶(hù)如何制定最合適的營(yíng)銷(xiāo)方案，增加用戶(hù)黏性，同時(shí)提高用戶(hù)的價(jià)值，在相當(dāng)長(zhǎng)的時(shí)間內(nèi)這將是運(yùn)營(yíng)商面臨的挑戰(zhàn)。

[1] 孫慧敏,霍妍妍.淺析大數(shù)據(jù)時(shí)代的精準(zhǔn)營(yíng)銷(xiāo)[J].中國(guó)商論,2016(z1):10-12

[2] 存量經(jīng)營(yíng)智庫(kù)百科[DB/OL].[2017-12-20].http://wiki.mbalib.com/wiki/%E5%AD%98%E9%87%8F%E7%BB%8F%E8%90%A55

[3] 施巍巍. 大數(shù)據(jù)助力電信企業(yè)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)[J].信息技術(shù)與信息化, 2015(1):92-94

[4] 霍玉嵩,魏進(jìn)武,張?jiān)朴?助力電信運(yùn)營(yíng)商把握云數(shù)據(jù)時(shí)代[J]. 世界電信, 2016(2):42-45

[5] 魏想明,張晶,向賢松.大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)[J]. 企業(yè)管理,2016(11):91-93

[6] 李靜. 基于大數(shù)據(jù)精準(zhǔn)營(yíng)銷(xiāo)的網(wǎng)絡(luò)營(yíng)銷(xiāo)策略研究[J]. 商業(yè)時(shí)代, 2017(11):46-47

劉穎慧

碩士，主要從事數(shù)據(jù)挖掘，數(shù)據(jù)建模、大數(shù)據(jù)處理等方面研究。

劉靜沙

碩士，主要從事電信領(lǐng)域存量經(jīng)營(yíng)方面的研究、大數(shù)據(jù)挖掘和建模等工作。

許丹丹

碩士，主要從事數(shù)據(jù)挖掘、數(shù)據(jù)可視化等方面的研究。

Integrate Telecom Internal Big Data and Transform the Stock Management

Liu Yinghui Liu Jingsha Xu Dandan

China Unicom Research Institute, Beijing 100176, China

The increasing development of mobile Internet technology and popular use of smart terminal bring the data explosion of various industries and make traditional telecom market to be saturated. It is a new issue for the telecom vendors to maintain users and enhance users’ value. This thesis analyses the necessity of stock management and the precision marketing process for inventory management. Based on users' profile, it states precision marketing practice which is used to support internal business, and provides ideas for the telecom development.

Telecom Field; Big Data; Stock Management; Precision Marketing; User labels