广东移动肇庆分公司
摘要：本文基于此背景下展开了对电信业务国际电信业务的精准营销研究，主要关注电信业务国际电信客户的市场细分和对细分客群的精准营销。为了研究的顺利开展，本文对国际电信业务的营销现状进行了分析。
关键词：数据挖掘；精确营销；数据业务；电信行业
一、数据挖掘与精确营销技术概念
数据挖掘标准定义是从大量的、不完整的、有噪声的数据集中，提取出隐含在其中的有效的、新颖的、潜在有用的和最终可理解的模式的非平凡过程。目前数据挖掘技术包括分类、估值、关联、聚类、预测、描述与可视化分析方法。而目前公认的、较有影响的数据挖掘技术方法论之一为C R I S P-D M，是Michael J?A?Berry提出一种寻找应用数据挖掘技术解决商业问题的科学的、有效的方法，并通过实践检验方案实施的一个完整过程。它将整个挖掘过程分为以下六个阶段，包括商业理解、数据理解、数据准备、建立模型、模型评估，最后是模型发表；当然它并不是一个直线流程，而是一个闭环流程，在某个环节出现问题时，可以循环去修证某个环节，以到达最优最短。
精确营销是在数据库营销基础上发展而来，它通过采集大量历史客户数据，构建以客户为中心数据仓库，并借助数据挖掘技术，了解客户消费行为特征、心理特征、产品喜好等消费行为问题，从而实现对目标市场不同消费者群体强有效性、高投资回报的营销沟通。
二、数据挖掘方法在精准营销中的使用流程
数据挖掘在精准营销中的应用一般按照如下几个步骤来进行。
首先是问题定义。数据挖掘前，首先要明确挖掘的目的，认清挖掘的方向。这就要求首先要对研究领域的总体概况、相关知识有深度的调研和熟练的掌握，从而能够明确的定义业务的问题，树立工作的具体目标。
第二是要选择恰当的分析方法。数据挖掘的分析方法有估值、分类、预测、聚类、描述和可视化、关联规则等，对不同的问题需要使用不同的分析方法，因此必须根据问题的定义，来正确选择。
第三是进行数据准备。数据准备和规划是数据挖掘过程中最为繁琐和复杂的，可能占据了整个数据挖掘过程所花精力的80%以上，它主要包括数据获取、数据预处理。
第四是模型构造和评估。该步是数据挖掘的核心环节。好的挖掘模型能解决前期定义的问题，它必须经过评判、调整、再评判再调整的训练过程得来。模型评价的标准就看其是否有效能否正确反应前期定义，结果是否存在偏差。
三、基于数据挖掘的电信客户细分的模型设计
电信企业有大量丰富的数据资源，基于数据挖掘的客户细分方法可以把这些资源完美结合并且充分应用。电信企业的内部数据庞大，细分维度多，包括：客户的消费心理偏好和客户的消费行为等多种因素。因此，通过数据挖掘技术对电信企业客户细分可以帮助企业从多角度、多层面了解客户之间的差异，从而使客户细分的结果更加精确。
客户细分主要是对客户业务需求进行细分，基于行为和价值的客户细分对电信企业具有重要的意义，通常由消费行为和消费价值维度来体现。基于数据挖掘的客户细分的步骤包括业务理解、数据理解、数据准备、建立模型、模型评估、部署等过程。对客户进行聚类分析是客户细分过程中的核心过程，运用聚类分析方法有助于将电信企业的客户群体按照其消费过程中行为和价值等因素以及内在差异进行合理细分。
在电信企业中，基于数据挖掘的客户细分方法与企业客户群体内在的特征和状态有关，因此，在细分的准确度上较传统的细分方法有显著的提高，从而有针对性地满足客户的需求，使得营销活动能够更加精准。基于数据挖掘的电信企业客户细分过程如下图所示。
四、基于数据挖掘的电信客户细分的设计目标
在电信企业中，要实现精准营销应该对基于数据挖掘的客户细分进行功能设计，具体设计目标从客户分类、客户分析、定向服务、辅助营销以及价格定位几个方面来进行。
1、客户分类
根据客户的消费模式、消费频率、消费习惯以及每个用户平均收入（Average Revenue Per User，ARPU，表示每个客户为企业贡献的收入）等特征对客户进行分类，使电信企业对各种类型的客户有一定了解，并对企业新入网的用户加以准确的定位，为客户提供更好地服务，进而提高企业的收益率。
2、客户分析
对客户的价值属性和行为进行详细的了解，帮助电信企业做出经营决策分析。例如对企业分别从不同客户群体获得的利润进行比较；了解各年龄阶段的客户对企业的忠诚度；全面分析电信企业业务发展、业务量和业务收入之间的内在联系；针对不同ARPU值的客户群体特征，分析 ARPU 值相似的客户需求偏好有什么差异，如下图所示。
3、定向服务
在大数据时代的到来和各企业激烈竞争的背景下，用户需求的差异性会更大，基于数据挖掘技术对客户进行细分可以准确了解到客户的真正需求和消费行为偏好，为客户提供有针对性的产品，并且为开展全方位的定制服务提供基础。
4、辅助营销
企业对于一些特定的客户群，了解他们的需求和消费行为，有针对性地设计营销渠道，制定有价值的营销策略，并相应的进行宣传，确保老客户和 VIP 客户不会流失，即时挽留即将流失的客户并且吸引新的客户和有价值的客户，从而增加企业的业务量。
5、价格定位
对各类客户的价格敏感度和期望值进行了解，结合企业的实际情况，针对客户的需求制定价格战略，不但提高客户满意度，也为企业带来利润。
五、基于数据挖掘客户细分的应用实例
数据挖掘最具活力的应用是在市场和销售领域。在电信领域，企业为了挽留基本用户群，需要发现并建立可能从中获利的行为模型，推出符合客户需求的新服务，并对这些客户宣传新业务。一个成功的数据挖掘能够精准的、有针对性的对可能为企业带来最大利润的用户群体提供特殊服务，使企业从中受益。
（一）应用实例实现过程
1.实验环境
本实例的编程环境：使用联想 thinkpad-t440 计算机在 Windows10 操作系统环境下，用 MATALAB R2012b 64 位进行编程。
2.业务理解与目标
随着国内电信企业的激烈竞争，客户资源成为了企业竞争的焦点。要使企业减少客户流失的数量，市场营销实现精准化就非常重要。客户自身的属性与营销之间的联系不是很密切，但一个用户的行为往往能直接反应他的消费习惯和消费倾向。所以，用户行为特征能帮助企业制定营销策略，从而实现“一对一个性化”营销。基于数据挖掘的客户细分对电信企业分析客户行为特征有重要的意义，根据客户的特性和行为预测客户的消费倾向，并且结合竞争环境的变化制定有效的营销策略以实现企业利益的最大化，已成为电信企业关注的焦点之一。客户对电信业务的需求呈现多层次、差异化、个性化的趋势，单一的客户属性划分方式很难满足市场经营和营销决策的需要，因此应该对挖掘因子进行设计，从不同的角度全面地对客户属性进行划分，来满足企业管理决策和市场营销时的需求。挖掘因子包括以下四方面：
（1）用户基本信息
用户基本信息包括：归属地，性别，年龄，品牌，入网时长，积分值级别，信用度，终端类型，手机终端是否支持彩信以及歌曲下载，是否为集团客户，入网渠道类型，客户付费类型等。
（2）用户通话行为及费用
用户通话行为及费用包括：漫游情况，本地通话时长，长途通话时长、总通话时长，平均每次通话时长，短信条数和通话次数比例，主叫时长占比，通话关联号码人数，当月ARPU，当月增值业务收入，增值业务收入占比，最近三个月月均 ARPU，办理套餐月租信息等。
（3）用户数据业务类信息
用户数据业务类信息包括：上网流量，上网次数，上网时长，上网内容、APP使用情况、点对点短信条数，是否发送接收彩信，彩铃下载次数，网内通话关联号码人均增值消费金额等。
（4）用户订购关系信息
用户订购关系信息包括：是否手机阅读用户，是否手机邮箱用户，是否炫铃用户，是否下载手机游戏，是否手机报用户，是否手机电视用户，是否手机搜索用户等。
（二）建立客户细分模型的流程
客户细分模型建立的流程，如图所示：
说明如下：
（1）从外部数据源获取数据，包含用户信息、产品信息、产品订购信息、语音详单、短信详单、数据业务详单信息，并基于获取的数据进行数据集成。
（2）数据挖掘分析模型从外部获取模型中输入的数据，在进行相关数据处理并对输入的数据进行相关算法的处理，最终输出相关的客户群标签和有关评估指标值。
（3）将数据挖掘分析模型输出的客户分群进行保存，并周期性刷新生成的客户群。
（4）分析不同客户群的特征，根据实际需求进行相关配置，不断刷新客户群，形成最优的客户群。然后根据分析的结果进行相应营销活动策划、交互方案设计、用户群筛选、营销任务执行、营销活动监控等。
六、精准营销的策略和建议
（1）第一组用户显著特征体现在本地通话比较繁忙，其余的业务使用量都使用一般。可见，该组客户主要为中年客户，这些群体通话以及信息交往圈子多为本地或省内。所以应该主要向该群体推荐本地通话套餐，还可以对一次交 12个月以上话费的客户采取返现活动，此外向客户推荐亲情业务、彩信套餐等业务。建议赠送短信、省内流量包、天气预报和当地手机报等业务。
（2）第二组用户显著特点体现在通话时长和上网流量上，推测本组客户可能是年轻活跃人群较多并且部分使用合约套餐。对本组所采用的策略是推出优惠的通话、流量套餐，以及充话费返现活动，有效地挽留住客户，避免流失。对于合约用户而言，免费赠送国内流量。推荐该组客户使用 4G，上网效率高会比较吸引该组客户。方法：采用外呼的方式，或者手机营业厅、短信提示。
（3）第三组客户对于其他的低端客户而言，对通话和流量的需求较高，但通话主要集中在市内，长途通话费很低，对其他业务的使用较少，尤其是短信费用比较低。该组客户平均入网时间最长，所以对于此类客户，营销的重点在于维系此类客户的忠诚度，并且适当采取价格战略刺激客户的消费需求。该组客户不容易改变自己的消费习惯，所以应该先对组中一些高价值的客户进行外呼回访，了解他们的实际需求，来制定合适他们的套餐。可以赠送增值业务或者省内流量包给该组客户。
（4）第四组客户通话时长和上网流量等业务使用量很少，并且长途通话费几乎为零，说明该组客户对消费比较敏感，交往圈子较小，手机主要用于打电话和上网。该组用户主要为低收入人群，包括：老年人、在校学生或者收入较低的其他人群。所以对于这些群体，应该设计一些经济实用的套餐来吸引此类客户，比如校园优惠套餐、亲情套餐、团圆卡等。在产品推广方面，主要的方法就是广告宣传、发传单等，地点多选在学校、社区、超市和营业厅等人群较密集的地方。
（5）第五组的客户，显著特征体现在通话时长（包括本地和长途通话）和上网流量比较多。推测本组客户大多可能是业务繁忙的商务人士，可以把该组客户定义为大客户，是企业重点预防流失和积极挽留的客户组。对于该组客户，主要有以下建议：推荐全国通话类套餐，可以适当考虑赠送话费；推荐手机搜索并且为客户赠送流量包；根据客户消费的等级办理钻石卡、白金卡或者金卡。推广时主要采取外呼方式。
（6）第六组用户的显著特征体现在上网流量上。除了高端客户组，该组 GPRS上网流量均值都比其他组要高很多。另外，该组客户拨打电话时长很少，漫游时长更是微乎其微，推测用户基本是有限的本地通话。该组客户喜欢用手机上网，入网时长较短，推测本组客户是年轻人居多。为提高客户上网效率，推荐使用4G合适的上网套餐、流量包、手机杀毒软件业务、手机电视、手机音乐、手机阅读、手机报等相关业务并赠送省内流量。
结束语
在携号转网、5G商用以及国内电信行业竞争日趋激烈的大环境下，基于形式上的客户细分已经不能满足电信企业发展的需求。采用数据挖掘技术对电信企业进行客户细分是实现精准营销的保障，是客户保有、提高企业的竞争力的重要保障。
参考文献：
[1]刘岗. 电信企业客户细分研究[D]. 暨南大学，2016
[2]丁训军. 中国电信大客户关系营销探讨[J]. 现代商业，2015
[3] 彭清圳. 基于数据挖掘的电信精细化营销策略研究[D]. 北京邮电大学，2016
[4]程照星. 数据挖掘在电信企业客户细分中的应用[D]. 重庆大学2014
论文作者:陈如
论文发表刊物:《防护工程》2019年12期
论文发表时间:2019/9/3
标签：客户论文; 数据挖掘论文; 用户论文; 电信企业论文; 数据论文; 时长论文; 模型论文; 《防护工程》2019年12期论文;