某市电信低质用户活跃度解决方案.ppt

1汕头电信低质用户活跃度提升解决方案--,两个客户画像标签3G升4G换卡模型(营销响应模型)政企专线离网预警模型(用户保有模型)双百兆目标用户模型(营销响应模型)乐享5折用户聚类模型(用户画像刻画)乐享5折用户生命周期分析(用户画像刻画)手机加副卡目标用户模型(营销响应模型)乐享5折目标用户模型(营销响应模型)数据挖掘客户标签(数据挖掘基础能力沉淀)3G升4G换卡营销模型目标为提升当前3G升级4G营销成功率,通过数据挖掘模型,找出意愿度更高的用户优先进行营销。截止9月份,共提供5批次,,通过数据挖掘模型,找出意愿度更高的用户优先进行营销。本模型以老宽带用户为出发点,以是否融合划分不同子模型,利用随机森林算法,构建最终目标用户模型。模型评估模型实际应用模型经过10月,11月两月实际应用,接通率,接通后成功率及总体成功率均比未使用模型前有明显提升。10月总体成功率接近9月的两倍。手机加副卡目标用户模型目标为提升当前营销成功率,通过数据挖掘模型,找出意愿度更高的用户优先进行营销。手机加副卡模型分成两部分,一部分为网龄3个月以上的用户,另一部分为网龄3个月以下的用户。利用逻辑回归算法和KNN分类算法,分别构建模型。逻辑回归模型评估逻辑回归模型系数注:系数的绝对值越大,对模型的影响越大。KNN分类模型评估KNN分类模型字段重要性政企离网预警模型目标通过深度数据挖掘方法,挖掘政企专线用户离网规律,并提前2个月预测用户离网概率模型的效能(ROC)曲线乐享5折目标用户模型目标为提升当前营销成功率,通过数据挖掘模型,找出意愿度更高的用户优先进行营销,利用随机森林算法,构建最终目标用户模型。模型评估字段重要性模型实际应用模型效能(ROC)曲线乐享5折用户聚类模型为了提高乐享5折用户的活跃度及价值,我们将对用户进行分群,以达到精细化营销的目的。根据聚类模型的数据要求,需要观测用户在基准月前3个月及次月的行为表现,因此选取2016年2月作为基准月。2016年2月,,其中,,疑似用完即扔用户1707户,疑似养卡用户6709户。基于精细化营销的目的,剔除套餐使用时长不足3个月及疑似养卡、用完即扔用户,,接下来的聚类模型针对这部分用户进行建模。出账用户::::T+4个月内开始产生欠费,并且欠费后连续2个月依然有欠费记录用户疑似养卡:省公司模型清单疑似用完即扔:1707疑似养卡:6709套餐使用时长<3::,采用聚类数据挖掘中成熟的“行为-价值”分析框架,分别对用户的行为和价值特征进行聚类,并总结用户在这两个维度上的特征,从而给出用户画像由于聚类模型对于输入字段的要求,需要对行为字段和价值字段进行Z-SCORE标准化及主成分算法分析,降维之后作为输入,通过测试多个聚类算法(K-MEANS聚类算法、两步聚类算法)并选择聚类模型通过聚类的结果,分析不同用户群的特征,并针对用户特征提出针对性的营销策略