电信客户社交网络分析方法与营销应用探讨

漆晨曦

（中国电信股份有限公司广东研究院 广州510630）

1 社交网络分析概述

移动互联网时代，社交网络成为推动移动互联网迅猛发展的生力军。比如：互联网花了30年时间才使用户数达到7.5亿；至2012年，成立于2004年的Facebook只花了8年时间便达到与之不相上下的用户数。

Facebook公司创始人、CEO马克·扎克伯格点明Facebook的核心价值就在于人和人的社交关系，他说：“人们分享得越多，他们就能够通过自己信赖的人，获得更多有关产品和服务的信息。他们能够更加轻松地找到最佳产品，并提高生活品质和效率。在这一过程中，企业获得的益处是：他们能够制造更好的产品——即以人为本的个性化产品，与传统商品相比，那些基于社交关系、社交图谱、社交圈推广的产品更富有吸引力。”可见，社交网络为人们开拓了新的信息分享和交流空间，也为企业创造了利用社交关系更开阔、更深入、更高效地开展客户销售、服务和营销的机会，对于企业来说，谁更早抓住机会研究并了解自身客户社交网络关系，谁就更具核心市场竞争力。

1.1 社交网络及社交网络分析的概念

社交网络由网络成员组成，这些网络成员被界定为一系列“节点”，而节点由不同类型的关系连接在一起，这些关系即称为“连接”，因此，社交网络即为一系列节点及其之间连接关系的共同构成。

社交网络分析（social network analysis，SNA）最早脱胎于以研究社会群体或团体成员之间关系（个人的朋友关系、同事间合作关系、家庭间联姻关系及公司间商业关系等）的社交网络研究，这一社会学研究，后引进数学、物理和计算机等学科，发展成为以定量分析为核心，跨社会、心理、数学、统计、计算机、物理等学科的综合交叉学科研究。

1.2 社交网络分析发展趋势

社交网络分析发展迅速并成为一门新兴的学科研究，与社交网站，如国外的Facebook、Twitter和国内的腾讯、新浪微博等的迅猛发展紧密相关。以前散落在线下并割裂存在的人与人之间接触、沟通和交互的社交关系，现在大量集中存在于这些社交网站中，从而为专家、学者和企业认识这些关系，并将对这些关系的认识结果应用于人类社会发展预测、传染病的预防阻止、企业生产运营的管理控制等提供了数据量大、数据完整而翔实的前所未有的绝佳条件。

Watts在2007年《科学》杂志发表的一篇题为《21世纪的科学》中指出：如果处理恰当，关于在线通信和交互数据有可能对于我们理解人类集群行为产生革命性的变化。

2 开展电信客户社交网络分析的意义

由于电信企业本身生产运营管理的需要，电信行业拥有一般行业所不具备的客户交易、消费、营销、服务交互等数据完整性和准确性的特点。一直以来，电信行业无论在数据仓库/BI系统建设方面，抑或在数据分析、数据挖掘及其支撑的精确营销方面，均远远走在其他行业前列。但是，以往传统的分析只是针对客户个体或基于客户个体特征属性相似，而聚类细分形成的客户群体，完全没有考虑客户个体与个体之间的关系，更没考虑到利用客户个体与个体之间存在的不同类型的关系，进一步全面深入认识客户，判断评估客户的价值，优化企业客户关系管理，进一步准确实现客户针对性的服务、销售和营销，在提高客户价值基础上，实现客户忠诚度管理和客户保持计划。

对于电信行业来说，社交网络分析的目的也正在于此，即通过对客户与客户间关系所形成网络的认识，并通过网络中客户角色的定位（谁是领袖者？谁是追随者？）来形成企业对客户影响力以及价值的判断，在此基础上，利用这些网络和角色的认识，帮助企业实现更精确的生产运营管理。而研究网络结构，利用网络结构实现或推进网络功能的应用，一方面是电信开展社交网络分析的目标，另一方面恰恰也是难点和挑战。

下面讲述如何进行电信客户社交网络分析的方法，希望本文能够填补目前国内电信行业在社交网络分析专业领域的空白，并对有志在社交网络分析专业领域有所发展的专业人士有所帮助和启发。

3 电信客户社交网络分析方法

3.1 电信客户社交网络分析对象和目标的界定

对于电信企业来说，不同类型业务的用户或客户，比如用户电话号码、用户业务ID、客户ID、客户缴费账号ID等，均可视为节点；而用户或客户之间的通信往来，比如通话、短信、彩信、电子邮件往来等，均可视为节点间连接信息。因此，从广义上看，由所有电信用户通过所有电信业务的使用而实现的电信用户间的通信往来所构成的电信网络，即为一个巨型的社交网络。

本文对电信客户社交网络分析的目标定位于，通过用户之间关系的分析，发现用户自然形成的交往圈以及圈中用户的角色定位，利用用户角色以及交往圈，帮助电信企业进行营销、销售和服务等具体生产运营活动信息的传播和推广应用。因此，相对通信网络即为一个大社交网络的广义界定，本文的社交网络界定是狭义的，即针对具体营销活动，比如客户流失挽回或产品套餐推广等而言，发现活动扩散过程中出现流失行为或购买套餐的有影响力节点，通过随时间推移活动围绕有影响力节点而向其关联节点逐步扩散的过程跟踪，发现具体营销活动的社交网络圈，并将经具体活动实证后的社交网络关系及有影响力用户的角色定位应用于其他相似业务经营市场的营销活动推广过程中，当然也可通过对客户关系及影响力的分析判断，进一步完善客户价值判断，优化企业客户关系管理及客户忠诚度计划。

3.2 电信客户社交网络分析与传统电信客户分析的区别

电信客户社交网络分析与传统电信客户分析主要有以下3方面的区别。

3.2.1 分析对象的区别

传统电信客户分析是以客户个体作为分析对象，而电信客户社交网络分析是以客户个体间关系作为分析对象。因此前者是基于客户本身的背景属性、购买、消费、营销和服务互动信息等深入了解客户消费行为及需求特征，支撑企业客户关系管理及基于客户关系管理基础上的客户营销、销售、服务等市场经营管理决策的分析；后者则是基于个体间的关系特征变量，比如关系的类型、方向、强度、频率、重要性等进行分析，分析结果应用最后与前者殊途同归。另外，前者和后者的分析一般都有聚类的过程，前者是基于个体客户消费或价值属性相近而聚为一类；后者则是通过个体客户之间存在的关系紧密程度而聚为一类。

3.2.2 分析数据的区别

传统电信客户分析数据包括产品拥有、话音/数据业务使用、客服接触、营销活动参与、缴/欠费、账单以及竞争行为等八大类信息；而电信客户社交网络分析数据包括3个层面。

（1）客户接触关系信息

2005年，复杂网络科学家Barabasi A L最初以电子邮件等人与人之间接触关系信息分析开创了人类动力学，之后不断有专家学者以移动电话用户作为对象，通过对蓝牙、RFID、感应器、Wi-Fi等通信网络上移动电话用户之间发生的、比如距离不超过3 m的亲密接触互动（close proximity interaction，CPI）信息的跟踪、采集和分析，发展和完善电信客户社交网络分析。

（2）客户通信关系信息

通信关系信息是电信客户之间常规的通信往来信息，比如通话、短信、彩信等，这类信息由于电信企业对客户计费的需要，一般都在企业各类业务计费系统中长期保存，是最常用来进行电信客户社交网络分析的通信关系数据，一般采用计费系统中原始的通话详单记录 （call detail record，CDR），而非已做汇总，失去了被叫关系信息的用户账单级记录。

（3）客户交互关系信息

与通信关系相比，客户交互关系更包含了超越通信交流之上的信息内容，一般指社交网站上客户之间沟通交流的有关情感、兴趣、偏好等心理层面的内容，目前由于文本挖掘等分析技术手段有待成熟，这部分信息的分析还有待完善，但其价值却毋庸置疑。

3.2.3 分析方法

传统电信客户个体分析手段比较成熟，除了一般的描述性统计方法，常用的高级统计方法除各种无监督的聚类算法之外，更有如神经元网络、决策树、多元回归等有监督的预测算法；而对于社交关系分析来说，一般可用传统统计分析方法中的网络分析算法，比如SAS的EM（enterprise miner）中关联分析算法节点（link analysis node），利用这个算法可以根据节点间的关联生成关系图并进行关系分析。

3.3 电信客户社交网络建模过程

上文已经说明，本文的社交网络界定是狭义的，即针对具体营销活动，如客户流失挽回或产品套餐推广等而言，发现活动扩散过程中出现流失行为或购买套餐的有影响力节点，通过随时间推移活动围绕有影响力节点而向其关联节点逐步扩散的过程跟踪，判断具体营销活动的社交网络圈。所以，电信客户社交网络建模过程围绕以下几个问题来进行：如何确定有影响力客户？如何确定有影响力客户的关联客户？如何跟踪活动随有影响力客户的关联客户进行逐步扩散的过程？如何根据扩散过程判断某类营销活动的社交网络关系圈构成？本文的建模过程则是依据传统数据挖掘过程简化成从数据获取到模型评估的3个主要环节工作。

（1）数据获取和准备

对于社交网络分析，最重要的数据是支撑建立节点间边的数据。在电信企业，这些数据包括通话详单记录数据（CDR），它们代表客户与客户间连接的方式。这些数据一般存储在企业的数据仓库，这使数据抽取工作相对容易操作。由于通话详单记录数据量庞大，有必要以月为周期进行数据抽取，并根据业务问题分析，需要每个月进行月均指标计算。另外，考虑到数据获取可能性问题以及社交网络相对完整性问题，一般仅以本网电信客户作为分析对象，因此采集本网内CDR，测算本网客户之间的关系。

社交网络分析所要分析的关系，也即客户间通话实现的客户间连接关系。因此，数据准备工作即对从数据仓库采集的全部数据以统一视图的方式进行整合汇总，形成以电话号码为中心的数据视图的过程，有必要的话，不仅需要将通话详单记录完成以电话号码为中心的数据视图，还需要将账户信息、定购业务和历史计费数据等相关参考信息也按照用户号码进行合并。

（2）基础指标和核心指标客户影响力因素指标计算

描述一个社交网络，最常用的指标就是一阶中心度和二阶中心度。一阶中心度指与一个特定节点存在直接联系的节点数量；二阶中心度，则指与原始点直连的节点的连接点的个数。以上两个基础指标计算非常重要，它们是确定电信客户社交网络中关键节点，即有影响力客户的核心指标，客户影响力因素指标计算的主要构成。

另外，对于电信企业，由于来电和去电资费价值的不同，用户连接的两个不同方向有不同意义，因此，一阶和二阶中心度的来、去电要分别进行计算，而客户间通话的次数、时长以及平均单次通话时长都将一并考虑，作为客户间关系强度基础指标分别进行计算。

完成基础指标计算后，接下来该对电信客户社交关系的核心指标，即对客户影响力因素指标进行计算，客户影响力因素指标需考虑以上基础指标要素，另外，由于各指标计量单位不同，需将各指标进行标准化。

（3）模型效果评估，即客户影响力实证效果评估

本文所阐述的电信客户社交网络是针对具体营销活动客户所形成的社交网络，因此，当要进行模型效果评估，即客户影响力实证效果评估时，需在具体营销活动中，对建模所确定的有影响力客户在活动消息传播和推广过程中的影响作用进行跟踪，并将跟踪结果与随机客户进行对比，验证模型的有效性。

比如，在流失问题或产品套餐推广活动中，跟踪所确定的流失或购买产品的中心节点客户，观察与其关联的客户是否受其影响跟随离网或跟随购买相应产品。假设模型确定的有影响力客户其关联客户受影响发生相同行为的数量远远大过随机客户的关联客户，则认为模型有效。

4 电信客户社交网络建模分析结果的市场经营管理应用

一般来说，电信客户社交网络建模可以有两方面的应用：一是客户关系管理中客户价值计算的应用；二是具体营销活动的目标客户定位应用。

（1）客户价值测算的应用

客户关系管理最核心的原则就是：根据客户价值，为不同价值客户提供不同针对性的营销、销售和服务，所以，客户价值的科学合理测算对于客户关系管理的准确、有效落实非常关键。

传统客户价值评估的方法一般基于客户基本消费属性，比如产品订购、计费、账单消费以及在网时长等数据，而由于电信网络是天然自成的社交网络，客户间通信关系数据在企业计费信息中原本就存在，因此，考虑客户对其他客户的影响力因素，进一步优化电信客户价值评估测算，能够提高电信企业客户关系管理的精确性，计算的可操作性也极强。而通过考虑客户影响力因素的客户价值评估方法，使企业能够保持住的不仅是高价值的客户，更是这些高价值客户的关系和影响力，这就意味着企业能够销售出更多的产品和业务。

（2）具体营销活动的微目标客户定位应用

传统的营销活动目标客户定位，是基于用户价值及行为变量将用户进行类群聚类，通过营销假设，属于同一类群的客户具备同一类产品消费需求，从而朝同一类群中没有使用同一类群其他用户已经使用产品A的用户推广产品A的“微目标客户定位”的营销作法。这种客户细分群体的客户之间或许根本不存在现实关系，也即他们之间不存在相识、交流互动关系。而基于社交网络关系，分析出来的客户社交关系，则是客户真实存在的交往关系，他们之间存在信息的分享与被分享、个性体现和被体现、情感交流等互动关系，也即存在社交互动活动从而存在影响和被影响关系。

本文电信客户社交网络关系的核心，是找出具有影响力的客户以及通过具体营销活动实证，发现有影响力客户对其关联客户的影响程度。因此，电信客户社交网络分析的结果应用即为，在类似的营销活动中，定位目标客户为已经证明的有影响力客户，利用有影响力客户本身对其交往圈的影响，发起产品互动信息，由其意见领袖向圈中其他客户分享产品信息、产品体验，甚至发起产品购买建议，营销渠道因此从一个滚雪球成千万个，并基于交往圈中用户信赖关系，让企业产品信息介入更早环节，使推广获得更高成功率。而对比以往传统目标客户定位，由于同一交往圈客户之间存在有效互动关系，其营销准确性大大提高。电信客户社交网络分析的营销应用具体包括以下3种：

·可以由同属一交往圈中有影响力客户实际已经发生的行为变化推及被影响客户行为即将发生变化的可能性，由此做出客户价值提升、下降或流失预警；

·可以由同属一交往圈中有影响力的客户实际使用产品或套餐的消费行为推及被影响客户使用该产品或套餐消费行为的倾向性，由此可做出产品、套餐或营销活动的微目标客户定位等；

·可以将客户关系所属交往圈的分析结果与基于客户价值—消费行为进行细分的分群结果进行整合，实现基于客户社交网络—价值—行为的综合分群模型，在此基础上完成上述两种营销应用。

1 Marin A,Wellman B.Social Network Analysis:An Introduction.Handbook of Social Network Analysis.Sage,2010

2 Carlos Andre Reis Pinheiro.Social Network Analysis in Telecommunications.Wiley,2010

3 中文互联网数据资讯中心.http://www.199it.com/

4 王小帆,李翔,陈关荣编著.网络科学导论.北京：高等教育出版社，2012