推荐期刊
  • 1

    级别:国家级期刊

    周期:月刊

    国内刊号:11-5025/TK

    国内刊号:1672-2000

    点击咨询
  • 2《中国商贸》经济期刊征稿
  • 3船舶标准化与质量船舶工程论文
  • 4《现代电子技术》核心科技期刊征稿
  • 5中外建筑 如何查期刊是普刊还是核心期刊
  • 在线客服

    咨询客服 咨询客服

    客服电话:400-6800558

    咨询邮箱:[email protected]

    各类职称评审入口

    推荐论文

    基于聚类分析运营商流量精准营销研究

    时间:2019年06月01日 所属分类:推荐论文 点击次数:

    摘要流量经营是电信运营商的重点工作,基于数据挖掘技术,对潜在客户的精细化分群和营销是流量经营的重要手段之一。本文利用了聚类分析随机抽取25万电信运营商客户进行统计分析,根据结果分为4类客户,本文对这4类客户进行流量特征描述,给运营商精准化流量

      摘要流量经营是电信运营商的重点工作,基于数据挖掘技术,对潜在客户的精细化分群和营销是流量经营的重要手段之一。本文利用了聚类分析随机抽取25万电信运营商客户进行统计分析,根据结果分为4类客户,本文对这4类客户进行流量特征描述,给运营商精准化流量产品营销提供了参考。

      关键词流量经营;客户细分;聚类分析

    通信企业管理

      流量经营是电信运营商??突?、保收入的核心业务。自2013年起,经过5年多的经营发展,流量业务经历了从规模经营到流量红利,再到目前的量收增速“剪刀差”阶段(即流量收入增长无法补偿流量成本)。而且随着流量渗透率的进一步提升,流量收入增长将不可避免地再次放缓。

      平衡好流量的规模与价值、缩减流量量收增幅的“剪刀差”,确保流量红利的可持续性是亟待解决的难题。电信运营商拥有大量的用户及其海量的用户数据,具有数据挖掘天然优势,通过数据挖掘将客户细分为具有不同流量特征的差异化潜在需求群体,从粗放型的经营转变到以客户为中心的运营上来,是在后流量经营时代获得企业增值,实现流量收入可持续增长的重要营销方法。

      1客户细分理论和技术

      1.1客户细分理论

      客户细分是根据客户的价值、需求和行为等因素对客户进行分类,分到同一个客户群的用户具有一定程度的相似性,而不同客户群之间存在明显的差异,从而针对这种特性进行针对性营销与服务。合理的细分策略能有效的降低企业成本,科学的制定竞争策略??突阜值闹副暌话惆ㄈ丝谕臣谱柿?、地理统计资料、消费特征、行为特征4个方面。对客户进行细分要遵循以下4个原则。

      (1)可区分性,即细分后的各客户群的特征清晰,能明显的分别。(2)可到达性,即企业的营销渠道能够到达该客户。(3)可盈利性,即各客户群的潜在规模要足够大。(4)可衡量性,即细分后的各客户群的范围要清晰,各客户群流量购买力大小可以度量。

      1.2客户细分技术

      客户细分常用的技术包括聚类分析技术、人工神经网络技术、主成分分析技术、因子分析技术等,均在社会实践中有着广泛的应用。本文研究的客户上网流量因影响因素众多,包括客户年龄、流量产品的资费及资费的匹配度等多种因素,所以利用综合因素法和SPSS软件的聚类分析来构建客户结构进行细分。

      1.2.1聚类分析概述

      聚类分析(ClusterAnalysis)又称群分析、点群分析和簇群分析,是将一组研究对象分为相对同质的群组的统计分析技术。根据研究对象的多个观测指标,找出一些能够度量对象或指标之间相似程度的统计量,再以这些统计量为依据划分类别。常用聚类算法可以分为基于划分、层次、密度、网格及模型5类算法,在金融、电信及互联网等多个行业领域应用广泛。电信行业可以根据聚类分析将客户划分为不同流量特征客户群,针对营销以满足多元化的需求。

      1.2.2K-Means聚类基本原理

      K-means算法的核心思想是:把n个数据对象划分为k个簇群,使得每个簇群中的数据点到该簇群聚类中心的平方和最小。处理流程如下。(1)随机选取k个对象,即为每个簇的初始中心。(2)对剩余的每个对象,根据其与各簇中心的距离,将其指派到最近的簇。(3)计算每个簇的新均值,得到更新后的簇中心。(4)不断重复,直到准则函数收敛。

      2数据分析处理

      2.1数据来源

      本文研究的是从用户的手机上网行为中分析用户的流量使用特征和规律,来为针对性营销提供建议。因此,首先要选择手机用户流量特征相关的数据。本文所使用的数据采集于某电信运营商数据仓库,所选数据账期为2018年6月,选取手机用户流量信息。

      2.2数据相关分析和整合

      本文主要分析的是流量经营,基于此选取了衡量客户流量行为和流量消费特征的指标,主要表现为客户流量行为,主要选取了流量使用率(实际使用流量/套餐可用流量)、近3个月流量和年龄;流量消费特征选取近3个月话费、近3个月通话时长和套餐费。另外,为了能更好的区分客户,流量选取了APP视频流量、社交流量、资讯流量、游戏流量分别度量。流量属性指标选择完毕后进行数据预处理工作,针对选择的属性主要采取了数据聚合、缺失值和异常值处理、属性构造、数据规范化等方法。通过在数据库中间层定义账期(2018年6月),通信行为——主动通信个人客户(账期当月有主动产生上网或通话行为个人客户)记录数为2527776条。

      统计得到的记录发现,部分用户流量使用率和套餐费不完整,对于此类用户,由于无法确定是否确实没有访问信息还是源数据统计缺失导致,故选择将此类用户直接删除,只选用信息完整的用户数据。另外,发现用户话费有小于0的情况,此类用户业务状态不正常,也选择删除。

      最终得到用户记录数为2512505条,从中随机抽取250000条记录作为样本进行客户细分数据统计分析。依据对客户流量影响的贡献度大小,本文最终选择流量使用率、近3个月流量、近3个月话费、近3个月通话时长、用户年龄、套餐费进行相关分析。分析结果显示:套餐费和近3个月话费指标有显著的相关关系。为了避免同类变量的重复“贡献”,所以剔除套餐费,并对剩余指标进行K—Means聚类分析。

      2.3流量客户细分

      在K—Means聚类分析过程中,不断调整K值,通过不断检验,最终确定K值为4,划分流量使用率不同档次的客户群。聚类分析将客户分为4大类。一是低零流量沉默型客户。此类用户流量使用率0~10%,客户近3个月流量接近于0,此类用户记录数92500条,占比37%,属于4大类中比重最大的客户。整体客户年龄50岁以上,通话时长较其他客户群高,话费低。

      初步判断此类用户资费敏感度高,未习惯使用流量或舍不得使用流量或流量被友商分流,通常使用语音较多,流量使用比较保守的群体。将此类客户定义为低零流量沉默型客户。二是中低流量抑制型客户。此类用户流量使用率10%~50%,客户近3个月流量在1GB以下,此类用户记录数60000条,占比24%。多数用户年龄在40~50岁,通话时长较高,话费高,上网流量中社交类流量比重最大。初步判断为具备使用流量的习惯,有上网需求但对流量资费较敏感,流量需求处于抑制状态的客户。

      将此类客户定义为中低流量抑制型客户。三是中流量合理型客户。此类用户流量使用率50%~90%,客户近3个月流量在1~5GB,此类用户记录数27500条,占比11%。用户偏年轻,年龄在30~40岁左右。此类用户有固定的流量需求,流量高,有使用视频类流量。初步判断客户流量需求和流量资费匹配达到静态平衡的状态,流量使用率在合理区间。

      将此类客户定义为中流量合理型客户。四是高流量先锋型客户。此类用户流量使用率90%以上,客户近3个月流量在5GB以上,此类用户记录数70000条,占比28%。用户年龄低,81%的用户介于18~30岁。此类用户流量贡献大,80%的流量消费由这20%的用户产生,大部分客户有使用视频APP记录,具有明显视频属性。由于该类客户流量单价较低,整体话费水平并不高。初步判断此类用户流量需求量大,新事物接受度高,属于数字内容偏好者,将此类客户定义为高流量先锋型客户。

      3结论

      根据二八定律关键少数的法则,按照顾客重要程度合理分配营销力量,将有限资源投放到关键价值的客户。依据本文客户细分的结果,将高流量先锋型客户称为优质客户,中流量合理型客户为次优客户,中低流量抑制型客户和低零流量沉默型客户称为一般客户。电信运营商应根据各类客户的不同流量特征,提供个性化的流量服务。

      一是要重点关注优质客户。应向客户持续不断的提供视频流量包等大流量产品,让客户流量使用率持续保持在一个相对高的水平。这类客户具备年轻人有上网时间+有流量需求+喜欢尝试新事物的基础基因和视频/游戏的流量属性,用户流量需求旺盛但对流量资费较敏感,营销价值极高。通过加载不限量及相关视频/游戏权益流量产品,低价格送大流量用,引导用户放心使用流量,提升流量价值。并利用触点跟踪式的流量增值服务来锁定这一目标群体,使流量资费时刻处于他们可以接受的范围内,让他们放心使用。

      二是对于次优客户,他们是未来流量大幅增长的潜力点。持续跟踪客户流量变化,在合适的时候给予他们适当的流量优惠,提高其满意度和忠诚度,维持客户流量的使用率处于合理区间。后期通过调整流量产品推广节奏,优化产品组合方式,叠加流量产品,多次持续激发客户流量,逐步调优客户流量使用率,使客户流量需求和流量资费匹配处于一种动态平衡的状态。

      三是一般客户,他们的流量需求因为资费或套餐匹配等原因受到抑制,这类客户主要是启用“流量放心用”的概念。一方面电信运营商通过加送流量,培育客户流量习惯,并叠加大量送优惠活动。另一方面通过短信进行流量使用情况提醒,提升客户流量感知。这类客户非常注重流量资费,强调流量不限量,用超后只降速不产生费用,打消用户疑虑,抓住客户套内流量“不浪费”心理,唤醒流量使用需求。及时通过各种渠道给此类客户发送有效的流量优惠信息,同时大力宣传流量不限量的概念,他们有可能成为运营商未来的次优客户。

      本文分析的样本由于地域性比较强,所以细分的客户群体特征不能代表全国范围内的客户,运营商应根据本区域的客户特征、自己的经营特点、业务现状和实力程度等各种因素,来制定符合本区域有效的精细化流量营销策略和营销计划,以满足不同客户群的流量需求。

      参考文献

      [1]金永生.基于数据挖掘的电信精细化营销策略研究[D].北京:北京邮电大学,2008.

      [2]张理云.基于数据挖掘的运营商流量经营分析与研究[D].南京:南京邮电大学,2017.

      [3]陈庆波.大数据精细分流量精准营销探讨[J].南京:福建电脑,2018(6).

      [4]王安.后流量经营时代三大运营商的公众市场竞争博弈[J].通信企业管理,2018(7).

      [5]姜芳,崔可升.基于大数据挖掘的流量经营研究[J].山东通信技术,2018(3).

      [6]徐甲.流量增长背景下运营商经营发展现状及策略研究[J].中国集体经济,2018(5).

      相关刊物推荐:通信企业管理是由中华人民共和国信息产业部主管,人民邮电报社主办的专业理论刊物。传播邮电企业管理的先进经验,探讨邮电经济体制改革的理论与实践问题.

      

    上一篇:京津冀高校产学研专利合作网络结构演化特征研究

    下一篇:基于变频器的种子包衣机电气控制系统研究

    相关论文推荐