基于大数据存量经营体系分析与研究

邓孟城

摘 要：该文主要分析如何利用大数据技术，建立完善的存量经营体系，提升电信的存量客户营销能力，最终实现“以大数据为基础、客户为中心”的“五个合适”，即合适的数据、合适的模型、合适的客户、合适的触点、合适的产品，实现高效的精确化营销支撑。

关键词：存量经营 数据挖掘 大数据 精准营销 客户维系

中图分类号：F626 文献标识码：A 文章编号：1672-3791（2017）07（c）-0132-03

1 项目背景

在新增用户空间逐渐缩小的情况下，存量用户的稳定和价值提升是巩固规模优势、保持业务收入持续增长的关键所在，且在移动互联网环境下，随着大数据时代的来临，重新审视存量用户，通过相应的数据挖掘技术获得更深刻的客户画像，在合适的时间，通过合适的渠道向合适的用户提供合适的服务，提升存量用户的移动互联网应用，也是应对移动信息化的必然要求。

2 基于大数据存量营销总体业务流程

将基于大数据的存量营销过程从客户洞察、事件捕捉、营销方案匹配、营销活动执行及营销效果评估5个环节，抽象出相关营销要素配置工作，形成存量营销总体业务流程。

（1）营销准备。

①定义目标客户。

②选择合适的产品标签及营销渠道。

（2）事件捕捉。

①营销事件捕捉规则。

②与之相关的商机目录。

（3） 营销方案匹配。

实现各个营销要素的匹配。

（4）营销活动执行。

根据营销要素匹配的结果，执行营销活动。

（5）营销效果评估。

建立营销效果评估模型，有针对性地对营销方案进行迭代优化。

2.1 营销准备

2.1.1 定义客户全生命周期阶段

客户生命周期动态地描述了客户在企业的客户关系体系中处于不同需求的展现形式，也为了了解如何在不同的阶段获取客户价值，用什么方法延长和维持客户生命周期，以获得价值最大化。

客户生命周期分为入网期、成长期、成熟期、衰退期，每个阶段的目前和措施如下。

（1）入网期。

入网期是获取相互信任的第一关，其关键点是入网关怀，客户已被套餐、促销政策等吸引，因此，在入网期重点在于以下几个细节。

①及时帮助客户快速了解已购买商品（产品、业务）的属性，提供后续的服务电话。

②对客户进行回访，增加与客户的联系。

③从入网期的第二个月起要关注客户的消费行为。

（2）成长期。

在这个阶段可适当推荐一些简单的产品，这个阶段的主要方向是提升客户价值，进一步融洽与客户的关系，提高客户的满意度、忠诚度，进一步扩大交易量。

这一阶段重点在于：

①了解客户在不同服务渠道的消费行为和操作行为，以便更好地为客户推荐相应的业务和产品，要注意推荐应切中客户的需求。

②该阶段是交叉销售的最好时刻，但交叉销售不能过于复杂，需要与SEB需求（从了解客户现状【situation】入手，收集客户信息，体会客户感受【emotion】，以引导为主，尽量使客户说出不满和抱怨，从而了解客户需求，提出方案能给客户带来的利益【benefits】）挖掘模型相结合使用。

③尝试改变客户消费习惯。

（3）成熟期。

这一阶段客户对提供的价值比较满意，使用企业的业务，并保持长期缴费，无欠费或费用波动等行为，双方关系处于一种相对稳定的状态。

这一阶段重点在于：

①细分客户群，通过大数据挖掘分析能力，细分客户的归类、行为，并制定详细的服务计划。

②常态化活动和专项活动。制定常态化活动，让客户感知到你的存在、感知到电信的关注和关心。

（4）衰退期。

衰退期是指客户要终止但还没有终止合作关系的阶段，它的主要特征表现为：业务量/话务量下降；一方或双方正在考虑结束关系甚至物色候选关系伙伴；开始交流接触关系的意图。

2.1.2 建立客户标签体系

结合行业客户标签体系经验及电信行业的客户标签规范，从多个维度建立客户标签体系，实现全方位全角度洞察客户，主要的标签类型如下。

（1）客户基本属性。包括客户基本信息、客户基本业务信息和客户基本业务特征等。

（2）消费价值特征。包括通信消费特征、投入产出情况、价值流失特征、客户价值属性、用户合约情况、消费类型和欠费信息等。

（3）通信行为偏好：包括通信分类、通信特征、通信时间偏好、漫游偏好、交往圈信息。

（4）营销活动偏好：营销活动参与行为等。

（5）渠道偏好：运营商渠道偏好、交际渠道偏好、新媒体渠道偏好等。

（6）终端偏好：终端信息偏好、终端特性偏好、换机行为等。

（7）互联网行為内容偏好：上网行为偏好、互联网内容偏好等。

（8）地理位置：基站活跃信息、用户生活轨迹等。

客户标签可通过3种方法实现。根据实现方法的不同，对应实现的标签分别称为基本标签、统计标签和模型标签。

其一，基本标签。通过原始信息整理得到，如CRM、MBOSS、网管等支撑系统中已有客户基础信息直接获取。

其二，统计标签。根据一定的业务规则，通过分析统计转换形成的客户标签，如3个月的平均ARPU值、用户是否为学生等。

其三，模型标签。通过大量数据整合挖掘，构建数据模型；通过模型输出结果沉淀为客户标签。如离网预警客户、潜在换机客户。

2.2 事件捕捉

根据场景的实际需要，定义营销事件规则，然后充分利用静态数据和动态数据，实现基于事件触发营销活动。

（1）利用用户的静态数据与动态数据，及时捕捉客户的行为变化，结合事件定义的规则触发营销活动。

（2）充分利用客户主动接触渠道的时机进行营销，基于不同的交互情境，在合适的时间，开展个性化的沟通，推荐合适的产品和服务。

2.3 营销方案匹配

通过对目标客户、产品、渠道和营销事件的进行统一规则匹配，逐步积累成规范化的精准营销模板，为今后自动化、智能化营销提供支撑，快速为一线人员提供营销解决方案。以下为营销模板案例（见表1）。

2.4 营销活动执行

根据已定义的目标客户，结合目标客户的多维度特征及相关的事件，按匹配好的营销方案进行营销执行。

“4G终端推荐”场景参考（见图1）。

2.5 营销效果评估

将营销效果的评估指标按照3个维度进行了划分，分别为营销效果评估、营销过程评估和客户体验，从这3个维度建立整体的营销活动评估体系，具体参考指标见表2。

3 业务建模，全方位挖掘客户特征

业务建模重点是对用户进行360度的洞察分析，得出最终细分后的目标用户清单，最后对目标用户进行营销。业务建模离不开前期对业务的理解说明，前期的业务理解可指导业务建模的思路和方向，更精准定位目标客户，以实现客户精准营销。

4 结语

文章旨在通过搭建存量客户经营数据挖掘体系，使用大数据挖掘理念和迭代开发思维，自下而上整理客户数据，搭建业务模型，挖掘潜在效益，辅助市场营销决策，为运营商存量保持与价值提升提供数据保障。

参考文献

[1] 中国移动大数据微营销的业务规范[S].

[2] 王勇献，王正华.数据挖掘技术[M].清华大学社出版，2011.

[3] 中国移动业务支撑系统运营管理指标体系[S].