彭德新

摘要：針對(duì)目前粗放式流量經(jīng)營(yíng)模式存在的營(yíng)銷成本高、營(yíng)銷效率低、未能充分挖掘用戶潛在價(jià)值的問(wèn)題，從電信運(yùn)營(yíng)商角度入手進(jìn)行研究，電信運(yùn)營(yíng)商應(yīng)積極探索大數(shù)據(jù)分析應(yīng)用，構(gòu)建以數(shù)據(jù)倉(cāng)庫(kù)為載體的流量經(jīng)營(yíng)支撐平臺(tái)，實(shí)現(xiàn)多維數(shù)據(jù)的關(guān)聯(lián)分析，引入數(shù)據(jù)挖掘構(gòu)建目標(biāo)用戶模型，建立高效的信息支撐平臺(tái)支撐市場(chǎng)營(yíng)銷，提升營(yíng)銷效率、降低營(yíng)銷成本，實(shí)現(xiàn)從“粗放式流量經(jīng)營(yíng)”到“精準(zhǔn)化流量經(jīng)營(yíng)”的華麗轉(zhuǎn)變。

關(guān)鍵詞：大數(shù)據(jù)；流量經(jīng)營(yíng)；數(shù)據(jù)挖掘；精準(zhǔn)營(yíng)銷

一、前言

隨著移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)業(yè)務(wù)流量，呈現(xiàn)爆炸式發(fā)展態(tài)勢(shì)，流量收入已成為電信運(yùn)營(yíng)商的主要收入來(lái)源之一。然而，傳統(tǒng)的流量經(jīng)營(yíng)是提供同質(zhì)化的、以GB為價(jià)值衡量單位的流量產(chǎn)品的模式，而不考慮誰(shuí)在用網(wǎng)絡(luò)、為何用網(wǎng)絡(luò)、何時(shí)用網(wǎng)絡(luò)、何處用網(wǎng)絡(luò)、感知如何。隨著移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)的快速發(fā)展，這種粗放的經(jīng)營(yíng)模式，由于不了解用戶需求，無(wú)法針對(duì)不同業(yè)務(wù)應(yīng)用的客戶量身定制營(yíng)銷方案，因此缺乏準(zhǔn)確的目標(biāo)用戶導(dǎo)向，往往采取普遍撒網(wǎng)的方式，導(dǎo)致?tīng)I(yíng)銷效率低，營(yíng)銷成本高，用戶價(jià)值也未得到充分挖掘。

“擴(kuò)大流量規(guī)模、提升流量層次、豐富流量?jī)?nèi)涵”是運(yùn)營(yíng)商突破流量經(jīng)營(yíng)困境、釋放流量?jī)r(jià)值的三大法寶。而三大法寶的實(shí)現(xiàn)則依賴于以智能管道和聚合平臺(tái)為基礎(chǔ)的大數(shù)據(jù)分析應(yīng)用。相比于第三方移動(dòng)互聯(lián)網(wǎng)公司，運(yùn)營(yíng)商擁有豐富的網(wǎng)絡(luò)運(yùn)營(yíng)數(shù)據(jù)和用戶業(yè)務(wù)數(shù)據(jù)，數(shù)據(jù)信息更全面、更準(zhǔn)確。因此，運(yùn)營(yíng)商在大數(shù)據(jù)應(yīng)用領(lǐng)域具有得天獨(dú)厚的優(yōu)勢(shì)，通過(guò)大數(shù)據(jù)分析可以更快捷、更高效的獲取價(jià)值信息，助力營(yíng)銷策略制定，實(shí)現(xiàn)從“粗放式流量經(jīng)營(yíng)”到“精準(zhǔn)化流量經(jīng)營(yíng)”的華麗轉(zhuǎn)變。

二、基于大數(shù)據(jù)分析的市場(chǎng)營(yíng)銷支撐思路

（一）構(gòu)建以數(shù)據(jù)倉(cāng)庫(kù)為載體的分析支撐平臺(tái)

數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、相對(duì)穩(wěn)定地反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。首先，數(shù)據(jù)倉(cāng)庫(kù)用于支持決策面向分析型數(shù)據(jù)處理，它不同于企業(yè)現(xiàn)有的操作型數(shù)據(jù)庫(kù)；其次，數(shù)據(jù)倉(cāng)庫(kù)是對(duì)多個(gè)異構(gòu)數(shù)據(jù)源的有效集成，集成后按照主題進(jìn)行重組并包含歷史數(shù)據(jù)，而且存放在數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)一般不再修改。

本次研究主要是通過(guò)聚合基站數(shù)據(jù)庫(kù)、無(wú)線網(wǎng)、核心網(wǎng)、BSS系統(tǒng)、終端管理系統(tǒng)等海量數(shù)據(jù)，實(shí)現(xiàn)用戶終端、套餐、業(yè)務(wù)量、ARPU值、用戶主要活動(dòng)區(qū)域、用戶上網(wǎng)偏好、業(yè)務(wù)類型、業(yè)務(wù)感知指標(biāo)等多元數(shù)據(jù)的關(guān)聯(lián)分析，形成具有高價(jià)值信息的數(shù)據(jù)倉(cāng)庫(kù)。再以數(shù)據(jù)倉(cāng)庫(kù)為載體，運(yùn)用OLAP方法，建設(shè)用戶畫(huà)像、熱點(diǎn)透視、領(lǐng)域分層等核心能力組件，拓展數(shù)據(jù)服務(wù)范圍，打造靈活、開(kāi)放的數(shù)據(jù)服務(wù)平臺(tái)，提升流量經(jīng)營(yíng)支撐能力[1]。

（二）運(yùn)用數(shù)據(jù)挖掘算法構(gòu)建用戶模型，支撐營(yíng)銷策略定制

常用的算法主要包括決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、貝葉斯分類、關(guān)聯(lián)規(guī)則等。算法不是專門(mén)為解決某個(gè)問(wèn)題而特制的，各種算法之間也并不互相排斥。

關(guān)聯(lián)規(guī)則分析是指若兩個(gè)或多個(gè)數(shù)據(jù)項(xiàng)的取值之間重復(fù)出現(xiàn)概率很高時(shí)，它們就存在某種關(guān)聯(lián)，可以建立起這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則可直觀的表達(dá)數(shù)據(jù)中項(xiàng)集間的聯(lián)系，這種聯(lián)系并不是基于某種特定的分布、依靠數(shù)據(jù)在特定模型中的多次迭代擬合而來(lái)，而是根據(jù)項(xiàng)集在數(shù)據(jù)資料中出現(xiàn)的概率來(lái)構(gòu)建。因而，這種方法有異于傳統(tǒng)的統(tǒng)計(jì)學(xué)方法，其優(yōu)勢(shì)在于結(jié)果明確，容易解釋[2]。

（三）引入數(shù)據(jù)挖掘模型，實(shí)現(xiàn)市場(chǎng)營(yíng)銷全流程監(jiān)控

數(shù)據(jù)挖掘的過(guò)程模型CRISP-DM強(qiáng)調(diào)完整的數(shù)據(jù)挖掘過(guò)程，不僅只針對(duì)數(shù)據(jù)整理、數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)分析以及構(gòu)建模型，還包括對(duì)企業(yè)需求的了解，以及后期對(duì)模型進(jìn)行評(píng)價(jià)和延伸應(yīng)用，也是一個(gè)完整的數(shù)據(jù)挖掘過(guò)程不可或缺的。CRISP-DM從方法學(xué)的角度強(qiáng)調(diào)實(shí)施數(shù)據(jù)挖掘的方法和步驟，并獨(dú)立于每種具體數(shù)據(jù)挖掘算法和數(shù)據(jù)挖掘系統(tǒng)。

相比其他方法，CRISP-DM更適用于運(yùn)營(yíng)商以用戶、市場(chǎng)為導(dǎo)向的經(jīng)營(yíng)模式。本課題研究基于CRISP-DM模型進(jìn)行市場(chǎng)營(yíng)銷支撐數(shù)據(jù)挖掘，通過(guò)大數(shù)據(jù)分析，可以更快捷、更高效的獲取價(jià)值信息，助力營(yíng)銷策略制定，實(shí)現(xiàn)從“粗放式流量經(jīng)營(yíng)”到“精準(zhǔn)化流量經(jīng)營(yíng)”的華麗轉(zhuǎn)變[3]。

三、基于大數(shù)據(jù)分析的市場(chǎng)營(yíng)銷支撐應(yīng)用

（一）打造高效的信息支撐平臺(tái)，提高經(jīng)營(yíng)決策支撐效率

采集多維度海量數(shù)據(jù)是豐富平臺(tái)內(nèi)涵的基礎(chǔ)，構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)是利用平臺(tái)開(kāi)展大數(shù)據(jù)分析的依據(jù)。通過(guò)建立“自學(xué)習(xí)”決策中心，將分析支撐經(jīng)驗(yàn)沉淀形成決策庫(kù)，并固化于信息支撐平臺(tái)。該平臺(tái)集成了多個(gè)部門(mén)的數(shù)據(jù)信息，結(jié)合數(shù)據(jù)倉(cāng)庫(kù)技術(shù)和快速?zèng)Q策中心的應(yīng)用，為制定流量經(jīng)營(yíng)策略提供快速的信息支撐。應(yīng)用分析決策中心支撐系統(tǒng)結(jié)構(gòu)如圖1所示。

以建立“流量包”產(chǎn)品的營(yíng)銷方案為例，通過(guò)提取連續(xù)4個(gè)月用戶的手機(jī)號(hào)碼、總流量、套外流量（收入）、當(dāng)前流量包辦理情況、流量包包含流量、網(wǎng)絡(luò)質(zhì)量等數(shù)據(jù)，依托信息支撐平臺(tái)快速整合數(shù)據(jù)。

其中，用戶常駐小區(qū)的網(wǎng)絡(luò)質(zhì)量直接影響到用戶的上網(wǎng)感知，根據(jù)手機(jī)測(cè)量報(bào)告MR數(shù)據(jù)，將用戶常駐小區(qū)網(wǎng)絡(luò)質(zhì)量分為好、中、差三類【（RSRP>=-90dBm的周期性MR點(diǎn)數(shù)）/（RSRP>=-90dBm的周期性MR點(diǎn)數(shù)）大于等于80%，定義為好；大于等于60%，小于80%定義為中；低于60%為差】。決策中心同時(shí)根據(jù)植入的聚類算法對(duì)每個(gè)月錄入的流量數(shù)據(jù)進(jìn)行聚類整理自動(dòng)調(diào)整分類門(mén)限。信息支撐平臺(tái)輸出部分?jǐn)?shù)據(jù)字段有用戶手機(jī)號(hào)、歸屬地、套餐外流量收入、總流量、是否開(kāi)通普通流量包、是否超套等[4]。

（二）實(shí)現(xiàn)場(chǎng)景化觸點(diǎn)分析，支撐營(yíng)銷“準(zhǔn)實(shí)時(shí)”化

結(jié)合市場(chǎng)部門(mén)的營(yíng)銷策略，對(duì)時(shí)域、地域、網(wǎng)絡(luò)、用戶、終端、業(yè)務(wù)等多維度數(shù)據(jù)開(kāi)展深入分析，建立數(shù)據(jù)挖掘模型，將關(guān)聯(lián)分析算法模型固化至基于智能管道的場(chǎng)景化觸點(diǎn)營(yíng)銷支撐工具中，精準(zhǔn)定位目標(biāo)用戶特征，快速輸出匹配不同場(chǎng)景營(yíng)銷策略的目標(biāo)用戶清單，根據(jù)用戶模型的變化，及時(shí)調(diào)整支撐方案，實(shí)現(xiàn)用戶需求的及時(shí)響應(yīng)和準(zhǔn)實(shí)時(shí)觸點(diǎn)營(yíng)銷支撐，搶占營(yíng)銷先機(jī)。