【文档说明】03-电信精准智能营销.pptx，共(50)页，1.589 MB，由精品优选上传

转载请保留链接：https://www.ichengzhen.cn/view-282416.html

以下为本文档部分文字说明：

基于数据挖掘技术的精准智能营销2013年8月10日•精准智能营销FAQ•What•Why•How•Which•基于聚类分析的客户分群•战术分群与目标市场营销•总结•精确智能营销FAQ--What❖金字塔客层架构图潜在客户群PotentialAccounts经常往来客户群Or

dinaryAccounts主要交易客户群MajorAccounts客户来源的基础建设提升忠诚客户价值差异化增值服务创造更高的利润留下有价值的客户才能创造更高的利润•精确智能营销FAQ--What❖精确智能营销，即精准营销(Precisionmarketing)，就是在精准定位

的基础上，依托数据挖掘技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。就是公司需要更精准、可衡量和高投资回报的营销沟通，需要更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。❖精准营销是相对大众营销而言的。•精确智能营销FAQ--Why❖市场竞争迫使企

业由规模型发展向规模效益型发展转型❖电子商务、金融、保险、通讯等运营商的经营模式从“技术驱动”向“市场驱动”、“客户驱动”转化❖大众化营销已经失去了其优势❖基于客户信息、客户价值和行为，深入数据分析的

洞察力营销、精确化营销的理念逐渐被各大运营商所接受，并渴望通过从数据中挖掘价值来减少营销成本、提高营销效益❖数据挖掘技术成为实现这些目标的必要手段•聚类（clustering）是指把一组个体按照相似性归成若干类别，即“物以类聚”，保

证各组间特征的相异性最大，同组内各观测值特征的相似性最大。•聚类分析能帮助发现特征迥异的不同客户群，和对客户分群起关健作用的指标变量。各条记录在细分变量空间的透视图点对点短信梦网短信本地通话通话行为数据

业务长途通话各行为特征在空间的位置相对集中，因此被划分为有一定共同行为特征的客户群•精确智能营销FAQ--How•精确智能营销FAQ--How低高高高12845376因素二（国内呼叫次数）因素三（IP呼叫次数）因素一（繁忙时段

呼叫次数）示例实施的难易程度客户信息(CustomerInfo)客户价值(CustomerValue)客户行为(Behavioral)态度(Attitudinal)•性别•年龄•户藉•职业•婚姻状况•教育程度•收入•通话时段•繁忙和非繁忙通话量•漫游服务•方便程度•行为方式的变化•高

利润率•中等利润率•低利润率•负利润率•形象•价值观•生活方式•心理因素客户信息客户行为客户价值客户态度客户细分方式•精确智能营销FAQ--How•考虑不同客户细分方法的有效性及实施的难易程度，并结合系统所提供的数据资源和用户特点，采用客户行

为方式进行客户细分，再结合客户信息和客户价值准确定位细分人群客户信息客户行为客户群X客户细分三维分析体系三维分析体系所带来的业务利益客户价值•识别高价值客户群，成为目标客户群客户行为•如何针对目标客户群

，根据客户行为分析，扩展及保留客户群，提供服务满足客户需求客户信息•整理客户群的背景资料以便市场营销人员能找到目标客户群•精确智能营销FAQ--How•数据挖掘流程确定商业目标ETL建立模型数据收集、管理数据探索、修改各部门访谈数据

中心支持数据挖掘工程师数据挖掘、商业分析、市场营销人员商业理解BusinessUnderstanding数据理解DataUnderstanding数据准备DataPreparation建立模型Modeling模型评估Evaluation结果发布Dep

loyment模型调优应用策略•精确智能营销FAQ--How11•精确智能营销FAQ--HowCRISP－Cross-IndustryStandardProcess各个环节顺序进行，但需要不断地循环往复进行数据探索和模型的调优•精确智能营销FA

Q--Which❖客户流失分析❖客户综合价值评估❖交叉销售和增量销售❖客户信用评估❖欺诈行为分析❖……❖某电信运营商定义的客户分群的商业目标是“对某市数十万公众客户，从价值和行为的分析维度进行客户分群，以了解不同客户群的消费行为特征，为发展新业务、流失客户保有、他

网用户争夺的针对性营销策略的制订提供分析依据，并实现企业保存量、激增量的战略目标”。❖电信客户从营销属性分为三类：公众客户、商业客户和大客户，其中公众客户消费行为有较大的随机性，客户分布难有规律可寻，比较适于聚类分析。•案例描述—基于聚类分析的移动智能

营销•精确智能营销FAQ•基于聚类分析的客户分群•客户分群的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发布•战术分群与目标市场营销•总结•客户分群的商业理解❖从商业角度理解项目的目标和要求，然后把理解转化为数据挖掘问题的定义和一

个旨在实现目标的初步计划；❖明确项目的商业目标，这个目标应该是适于用基于聚类分析的客户分群方法去达到的。•精确智能营销FAQ•基于聚类分析的客户分群•客户分群的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发

布•战术分群与目标市场营销•总结•客户分群的数据理解❖“巧妇难为无米之炊”，数据是挖掘的基础；❖在确定目标和方案后需要进行“数据理解”，以确定要支持我们的分析目标需要哪些方面的数据，数据基础是否已经具备，数据质量是否能满足要求，如果不能得到肯定的答复，我们建议推迟项目实施直至条件成熟

，因为“进去的是垃圾出来的仍是垃圾”，错误的分析结果可能会给我们带来重大的损失。•客户分群的数据理解❖分析业务系统中的客户信息、客户消费及购买使用行为三个方面最近六个月的历史数据。❖电信企业拥有业务受理开通的CRM系统，进行计费、帐务及

欠费处理的计费系统，卡类业务的智能网系统，客户服务的10000号系统，营销服务的渠道系统，还有结算系统、宽带、窄带及小灵通系统等等，这些业务系统储蓄了企业运营的海量客户数据。•基于访谈中了解的客户需求，采用用户行为特征作为细分变量，

用户人口统计信息和客户价值作为描述变量，从而定位人群特征。•对行为特征从以下几个方面来获取信息对多元化服务的需求程度服务类型对通话的多层次需求本地、长途、漫游呼叫时长本地、长途、漫游呼叫次数呼叫时间、次数（繁忙/非繁忙时段，工作/休息时段）呼

叫类型（主叫、被叫、呼转）对资费的敏感程度IP使用情况优惠时段通话情况拨打1861次数对方便性及信息实时性的需求SMS使用次数Monternet使用次数WAP上网时间GPRS数据流量导出客户需求种类客户

数据注：细分变量——用于进行客户细分的变量描述变量——将客户细分成各个群体后，各群体的基本特征•客户分群的数据理解•客户分群的数据理解通话范围本地通话d_localt_local省内长途通话d_toll_inprnt_toll_inprn省间长途通话d_

toll_btwprnt_toll_btwprn国际、港澳台长途通话d_toll_htm+iddt_toll_htm+idd活动范围省内漫游通话d_rm_inprnt_rm_inprn省际漫游通话d_rm_btwprnt_rm_btwprn国际漫游通话d_rm_iddt_rm_iddIP使用情况I

P通话d_ipt_ip•基于客户需求，并结合以上行为特征选取的方向，定义几组数据作为细分变量与各运营商联系程度网内通话比例d_mob_vs_Ttlt_mob_vs_Ttl联通通话比例d_uni_vs_Ttlt_uni_vs_Ttl小灵通通话比例d_phs_vs_Ttlt_phs_v

s_Ttl固话通话比例d_fix_vs_Ttlt_fix_vs_Ttl呼转行为d_fwd_totalt_fwd_total数据业务使用情况WAP使用d_wapt_wap点对点及网间短信发送次数t_sms_total梦网短

信发送次数t_sms_mont客服到营业厅次数t_service拨打1860次数t_1860拨打1861次数t_186120注：其中d_X代表时长，t_X代表次数•客户分群的数据理解客户基本信息agespecial_feet_fwd_unimalesms_feed_fwd_fixfemalewa

p_feet_fwd_fixGenderMissingip_fee闲时忙时通话情况d_pkon_totalCashPaygprs_feet_pkon_totalPrePaymessage_feed_pkoff_totalvip_markother_feet_pkoff_totaldue_mark主

叫被叫情况d_outgoing_total工作时间、生活时间通话情况d_worktime_totaltenure_in_dayst_outgoing_totalt_worktime_total费用信息ARPUd_incoming_totald_re

sttime_totalshould_feet_incoming_totalt_resttime_totalfavor_fee联系人群范围distinct_out_total各项短信使用情况t_sms_p2prent_feedistinct_in_totalt

_sms_linklocal_fee与联系紧密人群的主被叫情况d_outgoing_topNt_sms_topNinprn_feet_outgoing_topNsms_msg_lengthbtwprn_feed_incoming_topNdistinct_sms_sen

dhtm_feet_incoming_topNdistinct_spidd_fee各项呼转情况d_fwd_mobrm_inprn_feet_fwd_mobrm_btwprn_feed_fwd_srvrm_idd_feet_fwd_srvrm_toll_feed_fwd_uni21通

过细分变量将客户进行细分，再通过以下描述变量定位人群，进一步分析人群特征。•精确智能营销FAQ•基于聚类分析的客户分群•客户分群的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发布•战术分

群与目标市场营销•总结•客户分群的数据准备❖数据准备流程：•客户分群的数据准备—选择数据❖决定用来分析的数据❖选择标准：与数据挖掘目标的相关性❖数据选择包括数据表格中属性（列）和记录（行）的选择•客户分群的数据准备—选择数据❖用户及客户的基本信息：客户身份信息、联系方式、产品拥有情况

，用户竣工时间、入网时长、服务开通情况、优惠套餐信息、客户服务信息（投诉、咨询、催缴情况）等。❖价值信息：话音、宽窄带业务的月租费、使用费、优惠费用及增值业务、新业务、信息费和卡类、结算费用，还包括了缴欠费信息。❖行为信息：时长、次数、跳次、发话不同号码数、时长集中度（拨打时长最多的三个号码

拨打时长在总时长中占比）、次数集中度。•客户分群的数据准备—选择数据❖基础表中数据属性粒度要求尽量细，以便于在后期灵活构建数据。❖将价值和行为变量从专业（区内、区间、本地移动、本地异商固网、传统国内长途、传统国际长途、传统港澳台长途、传统异

地行动、IP国内长途、IP国际长途、IP港澳台长途、IP异地行动）和时段（白天:7:00-18:00、晚上：18:00-7:00、特殊时段：0:00-7:00）两个维度进行了划分。•客户分群的数据准备—清

洗数据❖将数据质量提高到所选分析技术和分析目标要求的水平。❖包括选择需要进行数据清洗的子集，插入适当的默认值或者通过更加复杂的技术如建模来估计缺失值，比如某月份的数据缺失可以用前后月份数据的平均值来填充

，将拥有产品较多（可能不是公众客户）及公免的客户数据剔除。❖此阶段需要对基础表的数据进一步探索和检验。宽表生成流程注：宽表是将数据经过组合所形成的包括细分变量和描述变量的记录表。DSS目前开放的表格作为接口表其他接口文件作为中间表的数据集1作为中间

表的数据集2建模使用的宽表数据集建模使用的宽表数据集接口文件直接参与宽表的生成•客户分群的数据准备•精确智能营销FAQ•基于聚类分析的客户分群•客户分群的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发布•战术分群与目

标市场营销•总结•通过因子分析找到变量之间的关系，并优化变量组合。在对模型结果的分析中，根据标准——群间差距最大，群内差距最小的原则进行分析，同时调整变量组合，以尽量接近标准。以此方式循环，逐步使模型得到优化。数据探索建摸模型分析因子分析客户分群的模型建立customer

type项目百分比数量用户类型不详0.017B普通73.4495758B重要客户A10.14185B重要客户A20.10133B重要客户A30.18241B重要客户A40.21276B集团客户B10.22282B集团客户B21.13

1473B集团客户B32.252930B集团客户B46.288193B信誉客户C10.0111B信誉客户C20.0340B信誉客户C31.381793B信誉客户C41.011321B信誉客户C51.511968B信誉客户C61.5

42006B潜在大用户10.2913411B老客户0.0570B原重要0.0221B公免0.21269customer_status项目百分比数量正常79.05103066冒高17.4322721欠停0.34448报停1.692206挂失0.0223预销1.2

81669强开0.0562强关0.15193tenure_in_days项目百分比数量在网时间90天以上0.79102942在网时间90天以内0.2127446•公免不能代表普遍用户行为，容易对在聚类形成噪音•在用户状态中

仅选择正常用户•选择入网时间90天以上用户，保证研究样本拥有完整的研究期间数据注：黄色部分为去掉的数据客户分群的模型建立--数据探索customer_idphone_noshould_feefavor_fee320075348137

08130041381.76381.7632007534913708130042375.02375.0232007535013708130043797.27797.27320075351137081300441090.681090.68320075352137081300456.

666.6632007535313708130046432.07432.07320075354137081300471478.761478.76•在记录中发现should_fee（用户应收费）=favor_fee（优惠费）的用户

记录，详细查看其记录，比较异常。在与移动分公司访谈后了解此类记录多为用于测试的号码。于是去掉该部分记录部分should_fee=favor_fee的记录客户分群的模型建立--数据探索192453012258101226850135751709112422703020126893050001000

015000200002500030000地区不详市中区峨眉夹江犍为金口河井研马边沐川沙湾峨边五通地区人数男性,52685,67%女性,18777,24%性别不详,6877,9%平均ARPU值：156.48元获得的某市移动用户记录共有130388条，经过正常值选择、极值处理等，最后用于

研究的记录有78339条数据探索的目的主要在于发现数据存在的问题及寻找数据的内在规律用户年龄分布用户性别比例用户区域分布客户分群的模型建立--数据探索•用户的ARPU值分布•细分结果数据表—细分变量组1组2组3组4组5组6组7组8组

9组10客户细分群cluster-1cluster-8cluster-12cluster-9cluster-7cluster-5cluster-10cluster-3cluster-11cluster-4cluster-6cluster

-2客户数占总客户比例0.0650.0900.1970.1930.1020.1580.1250.0110.0350.0200.0050.001ARPU68.5398.87126.41135.44145.52162.74153.84194.58467.68545.8

6818.851422.02本地通话时间7874.749575.9814219.8815029.9418305.4420607.7718176.3015219.1574130.9047523.8049344.0039735.35本地通话次数80.9310

3.79161.61170.09211.23238.01200.97140.33822.74497.04521.28406.72省内长途通话时间255.34560.60671.11843.86658.50885.161159.61987.363774.80838

9.128418.616134.88省内长途通话次数1.864.425.727.295.717.8110.027.1234.0373.1773.5653.14省际长途通话时间110.32305.7529

3.05409.41269.26373.12533.24485.091263.322209.1915981.604346.05省际长途通话次数0.601.731.812.581.652.343.432.808.7115.92120.7028.84国际港澳台长途通话时间0.326.781.632.8

21.000.892.560.2210.427.9131.484273.49国际港澳台长途通话次数0.000.040.010.020.010.010.020.000.060.050.2237.47省内漫游通话时间338.40591.40781.291046.00796.111108.6

21560.101362.624515.1510459.799909.148736.74省内漫游通话次数3.245.707.9110.648.1711.5315.9112.8446.96102.9094.0583.40省际漫游通话时间34.1219

1.22169.02253.75124.42180.73311.17257.00538.171436.5814768.834178.14省际漫游通话次数0.251.441.392.111.081.572.622.034.7512.32127.5731.60国际漫游通话时间0.171.

520.781.320.820.793.520.0012.786.3329.384633.49国际漫游通话次数0.000.010.010.010.010.010.040.000.110.050.2443.30IP通话时间492.19600.45584.37688.80599.59729.4

61084.452591.801104.838322.416629.192273.72IP通话次数2.353.263.443.973.404.316.0810.486.6353.2340.8711.07呼叫转移时间666.86689.19904.18988.

471190.041353.711233.80807.353677.672933.653967.393909.30呼叫转移次数8.8910.4713.6715.0318.2720.4118.6411.4357.944

3.2459.1761.81与移动通话时间/总通话时间0.130.170.220.390.190.360.580.340.460.340.460.44与移动通话次数/总通话次数0.110.170.220.400.180.350.570.320.460.340.470.

49与联通通话时间/总通话时间0.070.090.160.090.390.240.090.100.180.170.150.11与联通通话次数/总通话次数0.060.080.160.090.390.240.090.100.190.1

70.150.12与小灵通通话时间/总通话时间0.020.010.010.010.010.010.000.010.010.010.000.00与小灵通通话次数/总通话次数0.020.010.010.010.010.010.000.010.010.010.000.00与固

话通话时间/总通话时间0.170.610.410.360.270.230.210.260.220.360.320.38与固话通话次数/总通话次数0.140.570.390.340.250.220.190.230.210.340.300.37WAP上网时间19.1

26.468.849.148.9610.4415.7092.4626.4616.092.78128.37WAP上网次数0.140.040.050.060.050.060.080.620.160.080.020.

26短信总次数33.3011.0519.5221.9228.8029.9437.44701.6653.1349.9058.3487.40梦网短信次数4.003.984.664.774.514.954.828.506.647.057.166

.93到营业厅次数0.480.530.730.820.760.950.901.673.313.734.736.84拨打1860次数1.730.630.840.720.980.940.843.680.821.080.840.21拨打1861次数6.812.45

4.023.564.835.154.2711.523.154.062.110.26•细分结果数据表—描述变量组1组2组3组4组5组6组7组8组9组10客户细分群cluster-1cluster-8cluster-12cluster-9cluster-7clus

ter-5cluster-10cluster-3cluster-11cluster-4cluster-6cluster-2客户数占总客户比例0.0650.0900.1970.1930.1020.1580.1250.0110.0350.0200.0050.001ARPU68.5398.87126.

41135.44145.52162.74153.84194.58467.68545.86818.851422.02年龄30.9935.3934.1934.3232.7932.9232.7424.1833.7933.7234.9335.95男性比例0.590

.640.670.660.690.720.660.470.750.740.800.77女性比例0.290.270.250.250.220.200.250.440.160.190.150.12性别不详比例0.110.0

90.090.090.080.080.090.090.080.070.060.12现金付费比例0.090.190.190.210.160.180.180.080.510.510.590.86预付费比例0.910.810.810.79

0.840.820.820.920.490.490.410.14VIP比例0.070.130.180.200.180.230.200.180.760.810.850.88欠费比例0.020.020.030.030.030.030.030.010.090.090.1

00.05在网时长（天）775.00823.20852.02888.43760.20827.97794.64424.441214.861152.101192.931500.07应收费88.89128.22164.29179.0

7194.14220.03215.79258.79692.31697.45991.011552.63优惠费20.3529.3537.8843.6348.6157.2961.9564.21224.63151.59172.16130.61月租费21.

5635.1038.0739.2039.7442.8140.7118.9848.9049.3749.0949.22基本通话费42.4859.8787.6792.93115.20128.86113.0097.73500.66329.60336.54259.

09本地通话费比例0.480.470.530.520.590.590.520.380.720.470.340.17省内长途费0.852.342.472.942.283.103.743.5114.2922.7120.8814.11省际长途费1.744.525.206.855.

106.749.307.9027.0765.8898.0658.33港澳台长途费0.000.020.000.010.000.010.000.000.010.030.062.64国际长途费0.010.340.080.110

.030.010.080.000.510.210.8129.41长途费比例0.030.060.050.060.040.040.060.040.060.130.120.07省内漫游费3.486.718.7411.678.6712

.0817.2414.8548.02127.08110.9097.69省际漫游费0.432.792.223.331.552.294.023.366.5123.34183.5657.51国际漫游费0.020.220.120.260.140.130.500.002.200.946.

27706.27漫游费比例0.040.080.070.090.050.070.100.070.080.220.300.55漫游长途费0.241.891.392.050.901.352.341.794.7412.04116.55202.86特服费6.636.757.347.587

.748.408.156.1713.7914.3619.1217.94SMS费4.591.382.112.242.402.633.7181.093.384.324.426.14WAP费0.030.010.010.010.020.020.020.120.040.03

0.000.28IP费1.622.101.992.322.082.423.709.604.1927.8220.3019.78IP费比例0.570.230.220.190.250.220.240.730.090.280.090.06GPRS费0.450.1

00.150.190.140.150.310.361.712.282.6812.09代收信息费4.343.574.685.124.365.365.2812.3510.3511.2211.5714.60其它费0.360.552.022.203.713.653.660.605.8

86.1110.1016.7835•各组相对强弱势比较分组号细分编号强势特征弱势特征组1：低使用率组1与小灵通通话多，拨打1860、1861次数本地、省内长途漫游、省间长途、短信、IP、与联通用户通话组2：固话联系紧密组8与固定电话通话多本地、省内长途漫游、省间长途、短信、IP、与联通用户

通话组3：中低使用率组12与固定电话通话多省际长途、IP电话9与联通通话次数组4：联通联系紧密组7与联通用户通话时长、次数省际漫游5与联通用户通话时长、次数组5：移动联系紧密组10与移动用户通话时长、次数与联通和

固话的通话时长、次数组6：短信高使用组3短信、梦网短信、WAP、拨打1860、1861港澳台、国际长途漫游。组7：大量本地通话组11本地通话时长、次数。呼叫转移。与移动用户通话时长、次数组8：高IP&省内漫游组4IP通话时长、次

数。省内漫游组9：高省际长途漫游组6省际长途漫游通话时长、次数WAP使用，1861拨打次数组10：高国际长途漫游组2港澳台、国际长途漫游36•组1：低使用率组组1：低使用率组细分组信息数量：比例：6%年龄

：30.99ARPU:68在网时间(月)：27女性比例：29%预付费比例：81%VIP比例：7%客户群分析本组用户对手机基本使用通话功能，并且通话需求低。平均每天2.8次主要在本地活动，并且也主要与市内用户沟通。联系圈子小。并且与小灵通联系较多。每个市内、长途电话的时长在12组人群中居第

一、二位，但次数却最少。可看出此类人群一般是有事情才打电话，所以谈话时间会长，但次数却少。优惠时段通话次数在所有组中最高，占了整个通话次数的5%。短信使用量相对其他低端人群较多，结合其低ARPU值的特征，估计因为资费敏感而用会采用短信替代一定通话行为IP通话电话次数占整个通话次数

比例较高，有28%，可看出其对资费非常敏感。访问营业厅次数少。拨打1860、1861次数多。由于1861为话费查询电话，可见此客户群对资费比较敏感。37•组1：低使用率组客户策略产品/服务：此类人群对资费非常敏感，可能会对省钱类产品感兴趣。由于人群圈子窄，并且主要为

市内通话，容易成为小灵通的抢夺对象，可设计亲情号码类产品。推广：估计此类人群中包括低工资人群、家庭妇女、老人、学生等人群、社交需求少的技术人员，所以可选择超市、商场、学校等地进行海报宣传或安排人员发送宣传单。在人群聚集地进行一定促销活动，实物奖励会对该组人

群有一定吸引力1860、1861接听宣传销售渠道：除基本代销点外，可挑选此客户群体的居民楼附近超市、小商品店等作为代销点38•组6短信高使用组组6：短信高使用组细分组信息数量：比例：1%年龄：24ARPU:194在网时间(月)：14女性比例

：44%预付费比例：92%VIP比例：18%业务使用行为其最明显特征是点对点短信、网间短信、梦网短信、WAP等数据业务使用量大，估计此类人群对新技术比较敏感，对活动参与性高，信息渠道广泛。通话次数居中，平均每天5次左右。每个电话通话时间在12组中最高。

优惠时段通话次数、时长最高。IP使用占整个通话的30%，并且每个IP电话时间最长。综合考虑，估计此类人群有较强的长聊需求，对资费比较敏感。通话联系人群居中，但短信联系人群最高，有27.78人。与联系最密切的交往圈短信发送量也最高，平均每天2.2条。可见其短信联系面广且密切。可能一方面是资费敏感

，另一方面是该组人群喜欢并习惯短信渠道进行交流，还有一部分可能喜欢传播短信。拨打1860、1861次数最高，特别是1861资费查询号码，平均每月拨打11.52次。可见该人群对资费比较敏感39•组6短信高使用组客户策略产品：该组用户对资费比较敏感，且有沟通和长聊的需求，可设计随心

聊等进一步拉动长聊行为的产品此类客户应对新推出的增值业务特别是基于短信应用的增值业务产品很感兴趣由于此群体平均年龄在24岁，是用户组中最年轻的人群，并且女性用户比例最高，可考虑一些适用年轻人群或女性用户的

信息类产品推广：该群体中可能包括大部分学生，所以可选择学校、电影院、商场作为宣传渠道。可进行海报，发送传单，活动促销等宣传短信渠道网络渠道宣传时尚杂志广告销售渠道：学校附近的代销点电子城、手机市场代销点等其他：该群体入网时间最短，平均14个月，需从培养其忠实度角度设计产品和服务。

40•精确智能营销FAQ•基于聚类分析的客户分群•客户分群的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发布•战术分群与目标市场营销•总结42以t_fix_vs_total为强势特征的细分组t_fix_vs_total的分布所有用户t

_fix_vs_total（固话通话比例）的分布细分前整个用户群数据落差较大。细分后，各组的强势变量的分布趋于平缓，可看出，聚类模型将具有相似特征的记录聚在一组。若在此步骤中若发现模型不够优化，还需要回到前面步骤进行调整。客户分群的模型评估•精确智能营销FAQ•基于聚类分析的客户分群•客户分群

的商业理解•数据分群的数据理解•客户分群的数据准备•客户分群的模型建立•客户分群的模型评估•客户分群的模型发布•战术分群与目标市场营销•总结•研究只有应用于营销实践才会产生真正的价值客户分群的模型发布指导数据业务推广协助快速培养新品牌转变1

860为主动营销窗口如GPRS业务如动感地带1860营销•精确智能营销FAQ•基于聚类分析的客户分群•战术分群与目标市场营销•总结•战术分群与目标市场营销竞争者和企业对比分析明确竞争方针设计资费目标和方法论

明确资费设计原则客户分析驱动资费制定明确资费元素设计资费计划实施资费计划细分客户群分析业务机遇确定资费计划制定资费组合审核资费计划战术层面战略层面竞争者驱动移动驱动明确资费元素分析竞争应对活动计划和准备执行监控总结制

定指导意见锁定目标客户•精确智能营销FAQ•基于聚类分析的客户分群•战术分群与目标市场营销•总结客户行为及需求分析流失预测分析流失原因分析客户价值客户细分群的定义客户策略挽留策略客户生命周期价值交义销售和

增量销售其他分析模型客户价值客户细分客户周期价值客户流失其他分析模型•总结•总结流失预警模型交叉销售模型客户行为细分模型更多模型营销信息预警营销方案策划绩效管理主动营销客户行为数据业务系统数据仓库数据挖掘模型行为数据行为数据客户挽留

营销信息层分析企划层管理实施层谢谢！