張小敏，王小丫，左小雪

（安徽財經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，蚌埠　233030）

1　引言

21世紀(jì)以來，數(shù)據(jù)的快速增長使得電信行業(yè)面臨著巨大的機遇與挑戰(zhàn)。隨著移動互聯(lián)網(wǎng)的快速發(fā)展，電信運營商主營業(yè)務(wù)由傳統(tǒng)的語音業(yè)務(wù)逐漸向移動數(shù)據(jù)業(yè)務(wù)轉(zhuǎn)變。作為大數(shù)據(jù)的生產(chǎn)者，電信企業(yè)擁有極有價值的用戶數(shù)據(jù)，如何利用這些大數(shù)據(jù)實現(xiàn)客戶的價值分析、產(chǎn)品的高效營銷以及市場的領(lǐng)先地位，成為決定企業(yè)未來發(fā)展的關(guān)鍵。移動通信高速發(fā)展的同時也帶來了電信市場激烈的競爭，對電信運營商提出了更加嚴(yán)酷的要求。現(xiàn)有研究表明，電信運營商想要保持市場的相對領(lǐng)先，就必須善于利用客戶數(shù)據(jù)進(jìn)行客戶細(xì)分，提高客戶價值，并針對不同的客戶群實現(xiàn)精準(zhǔn)市場營銷[1]。

2　客戶細(xì)分方法演進(jìn)及現(xiàn)狀

客戶細(xì)分的目的是為了將有潛力的客戶與無潛力的客戶區(qū)分開，以此對不同的客戶群進(jìn)行不同的針對性營銷策略。自Smith（1956）首次提出客戶細(xì)分的概念以來，客戶細(xì)分方法經(jīng)歷了一系列的變化[2]。

傳統(tǒng)的統(tǒng)計法主要是以客戶基本屬性特征的簡單統(tǒng)計來進(jìn)行細(xì)分，包括諸如年齡、性別、家庭、種族、職業(yè)、教育狀況等客戶基本信息。但由于該方法不具備定量分析的功能，統(tǒng)計細(xì)分得出的結(jié)果往往帶有較強的主觀性，不能反映出真正的客戶價值。

經(jīng)過多年的研究和探索，營銷學(xué)者們提出了一種基于客戶價值的細(xì)分方法，由于不同的客戶對企業(yè)的價值不同，通過分析客戶的盈利能力及公司的利潤貢獻(xiàn)率將客戶進(jìn)行細(xì)分，再針對不同價值的客戶群采取精準(zhǔn)營銷策略，從而實現(xiàn)企業(yè)的利潤最大化。

為了動態(tài)的對客戶的行為特征進(jìn)行劃分，隨后提出了基于數(shù)據(jù)挖掘的客戶細(xì)分方法，也是現(xiàn)在電信企業(yè)實現(xiàn)客戶細(xì)分重點關(guān)注的研究領(lǐng)域[3]。基于數(shù)據(jù)挖掘的方法主要是運用聚類算法對客戶進(jìn)行細(xì)分，通過客戶的歷史數(shù)據(jù)來分析未知的客戶行為特征，大致可分為兩類客戶細(xì)分方法：1）多元統(tǒng)計分析，如K-means方法；2）神經(jīng)網(wǎng)絡(luò)模型，如自組織神經(jīng)網(wǎng)絡(luò)SOM算法。

目前，國內(nèi)外學(xué)術(shù)界比較關(guān)注的是對于數(shù)據(jù)挖掘技術(shù)的優(yōu)化與改進(jìn)，以提高細(xì)分結(jié)果的準(zhǔn)確性和可靠性，為企業(yè)界提供一定的理論結(jié)果和方法創(chuàng)新。而國內(nèi)學(xué)者對客戶細(xì)分的研究起步較晚，相關(guān)理論主要來源于國外，沒有與中國企業(yè)的現(xiàn)狀很好地結(jié)合起來。隨著市場的不斷發(fā)展，相信客戶細(xì)分解決方法的需求會越來越強烈，在一定程度上會加快客戶細(xì)分理論的研究進(jìn)程。

3　電信客戶細(xì)分模型構(gòu)建

目前，數(shù)據(jù)挖掘已經(jīng)逐漸被應(yīng)用到國內(nèi)外電信業(yè)的生產(chǎn)和經(jīng)營中，而數(shù)據(jù)挖掘建模方法是數(shù)據(jù)挖掘順利開展的先決條件，由歐洲委員會和相關(guān)行業(yè)的四大公司提出的行業(yè)標(biāo)準(zhǔn)過程CRISP-DM[4]，是目前業(yè)界權(quán)威的標(biāo)準(zhǔn)流程方法。CRISP-DM將數(shù)據(jù)挖掘過程看作一個商業(yè)過程，提供了一個數(shù)據(jù)挖掘項目生命周期的全面描述，如圖1所示。

CRISP-DM參考模型大致可分為6個階段：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、模型建立、模型評估和結(jié)果部署，最終構(gòu)成一個統(tǒng)一的循環(huán)周期。在整個過程的每一個階段，如果發(fā)現(xiàn)某個階段產(chǎn)生的結(jié)果和預(yù)想的結(jié)果有偏差，則需要用戶重復(fù)以前的工作。本文將從這6個過程對電信客戶細(xì)模型進(jìn)行詳細(xì)闡述。

3.1　商業(yè)理解

根據(jù)數(shù)據(jù)挖掘的流程，對客戶細(xì)分進(jìn)行商業(yè)理解主要是從商業(yè)角度理解項目的目標(biāo)和要求。對于積累了大量客戶數(shù)據(jù)的電信行業(yè)來說，商業(yè)目標(biāo)可概括如下：利用系統(tǒng)化的方式組織和分析龐大的數(shù)據(jù)量，從中發(fā)現(xiàn)有價值的規(guī)律；把有相近交易行為的客戶歸到一個客戶群，深入了解每一客戶群組的客戶消費行為特征；從而為發(fā)展新業(yè)務(wù)、挽留高價值客戶打下基礎(chǔ)，實現(xiàn)利潤最大化、提升企業(yè)競爭力。

3.2　數(shù)據(jù)理解

移動通信企業(yè)擁有計費、賬務(wù)、欠費、寬帶上網(wǎng)等系統(tǒng)，而這些系統(tǒng)數(shù)據(jù)庫中存儲了大量的客戶消費及行為數(shù)據(jù)。通常情況下電信運營商會以消費樣本數(shù)據(jù)作為研究對象構(gòu)建模型，主要包括客戶基本數(shù)據(jù)、消費數(shù)據(jù)以及行為數(shù)據(jù)。主要收集的用戶數(shù)據(jù)清單如表1所示。

圖1　CRISP-DM參考模型

表1　數(shù)據(jù)收集清單

3.3　數(shù)據(jù)準(zhǔn)備

獲得客戶的消費樣本數(shù)據(jù)后，還需要對數(shù)據(jù)樣本進(jìn)行充分的準(zhǔn)備與分析。數(shù)據(jù)準(zhǔn)備過程的關(guān)鍵步驟是數(shù)據(jù)檢測、屬性約簡及數(shù)據(jù)轉(zhuǎn)換[5]。對電信企業(yè)來說，數(shù)據(jù)檢測主要是指缺省值和異常值的檢測，一般采用值分析、統(tǒng)計分析和頻次分析等方法來進(jìn)行檢測。在客戶所有的屬性中，許多屬性對客戶細(xì)分的意義不大，甚至還會影響結(jié)果，因此，需要進(jìn)行屬性約簡將冗余的屬性清除。此外，電信企業(yè)數(shù)據(jù)倉庫包含大量不同數(shù)據(jù)類型的數(shù)據(jù)，需要根據(jù)建模的要求，對數(shù)據(jù)加以變換，以消除量綱不同可能引起的數(shù)據(jù)差異。

3.4　模型建立

聚類算法在客戶細(xì)分模型構(gòu)建中得到了大量的應(yīng)用，本文針對適合大數(shù)據(jù)分析且效果較好的K-means聚類算法進(jìn)行詳細(xì)闡述。K-means[6]算法的基本步驟可表述如下：

（1）隨機或按照某種先驗知識選擇一個K值，用來確定簇的總數(shù)。

（2）在數(shù)據(jù)集中任意選擇K個樣本，作為初始聚類中心c1,c2,…,ck。

（3）依據(jù)樣本｛xi，i=1，2，…，n｝到聚類中心的距離，將其賦給最近的中心cj的簇Xj，即若

則x∈Xj。

確定好數(shù)據(jù)挖掘算法之后，才能建立挖掘模型。從整個流程來看，建立模型是一個反復(fù)的模型調(diào)優(yōu)過程，不僅涉及不同算法的選擇，也取決于屬性參數(shù)的設(shè)置，確保建立最合適的電信客戶細(xì)分模型。

3.5　模型評估

建立好模型以后，評估是重要的環(huán)節(jié)。模型評價標(biāo)準(zhǔn)就看其是否有效，能否正確反映前期定義或假設(shè)，結(jié)果是否存在偏差。對于聚類、關(guān)聯(lián)規(guī)則挖掘等無監(jiān)督學(xué)習(xí)系統(tǒng)來說，模型的評估是困難的，因為結(jié)果的好壞很大程度上取決于使用工具的特定環(huán)境。

3.6　結(jié)果部署

結(jié)果部署，即對挖掘結(jié)果進(jìn)行解釋分析，對其盡可能使用統(tǒng)計工具和可視化方法來刻畫屬性特征，如表格或圖形的形式，最后根據(jù)挖掘結(jié)果提出相應(yīng)的決策方案和建議。

4　面向大數(shù)據(jù)的電信客戶細(xì)分方法未來展望

大數(shù)據(jù)背景下電信客戶細(xì)分方法也會有所轉(zhuǎn)變，筆者將基于大數(shù)據(jù)對電信客戶細(xì)分方法進(jìn)行展望，同時也為進(jìn)一步研究客戶細(xì)分方法提供相關(guān)依據(jù)。

（1）基于技術(shù)不斷發(fā)展的大背景下，電信客戶細(xì)分模型中數(shù)據(jù)網(wǎng)絡(luò)型用戶已經(jīng)取代了電信傳統(tǒng)的話務(wù)型客戶，電信客戶細(xì)分模型應(yīng)該趨于面向數(shù)據(jù)業(yè)務(wù)的分群分析，企業(yè)逐漸培養(yǎng)客戶使用數(shù)據(jù)的習(xí)慣。

（2）近年來，中國電信與互聯(lián)網(wǎng)公司開始進(jìn)行產(chǎn)業(yè)融資合作，在迅速增強其競爭優(yōu)勢的同時，在客戶細(xì)分過程中充分利用互聯(lián)網(wǎng)企業(yè)的網(wǎng)絡(luò)資源、網(wǎng)絡(luò)平臺、客戶服務(wù)與營銷渠道，達(dá)到需要的細(xì)分效果，可大大提高企業(yè)的獲利。

（3）在大數(shù)據(jù)時代，獲取信息的途徑更為豐富，可以通過社交網(wǎng)絡(luò)獲取客戶之間的聯(lián)系信息，增加個體客戶對所在群體內(nèi)其他客戶的影響力指標(biāo)，這樣客戶的價值不再僅是個體客戶消費體現(xiàn)的價值，營銷效率將會有很大的提高。

5　結(jié)束語

本文首先詳細(xì)描述了客戶細(xì)分方法的發(fā)展歷程并對其現(xiàn)狀進(jìn)行分析，其次介紹了數(shù)據(jù)挖掘過程參考模型CRISP-DM，并依據(jù)其6個過程對電信客戶細(xì)分模型進(jìn)行闡述與構(gòu)建，重點介紹了K-means聚類算法。最后，就大數(shù)據(jù)時代背景，對未來電信客戶細(xì)分方法進(jìn)行展望，為進(jìn)一步研究客戶細(xì)分方法提供相關(guān)依據(jù)。

[1]賀仁龍，葉宇航，趙曉康.電信企業(yè)客戶細(xì)分模型構(gòu)建與應(yīng)用研究[J].情報雜志，2011，30（S1）：148-151.

[2]楊茜.基于大數(shù)據(jù)的客戶細(xì)分模型及精確營銷策略研究[D].南京郵電大學(xué)，2015.

[3]陳治平，胡宇舟，顧學(xué)道.聚類算法在電信客戶細(xì)分中的應(yīng)用研究[J].計算機應(yīng)用，2007（10）：2566-2569+2577.

[4]薛薇.SPSS Modeler數(shù)據(jù)挖掘方法及應(yīng)用（第二版）[M].北京：電子工業(yè)出版社，2014：270-290.

[5]陳金波.面向電信CRM的數(shù)據(jù)挖掘應(yīng)用研究[D].東南大學(xué)，2006.

[6]Survey of clustering algorithm.XU R，WUNSCHLL D.IEEE Transactions on Neural Networks.2005.