摘要流量經(jīng)營是電信運營商的重點工作，基于數(shù)據(jù)挖掘技術(shù)，對潛在客戶的精細(xì)化分群和營銷是流量經(jīng)營的重要手段之一。本文利用了聚類分析隨機抽取25萬電信運營商客戶進(jìn)行統(tǒng)計分析，根據(jù)結(jié)果分為4類客戶，本文對這4類客戶進(jìn)行流量特征描述，給運營商精準(zhǔn)化流量產(chǎn)品營銷提供了參考。

　　關(guān)鍵詞流量經(jīng)營;客戶細(xì)分;聚類分析

　　流量經(jīng)營是電信運營商�？蛻�、保收入的核心業(yè)務(wù)。自2013年起，經(jīng)過5年多的經(jīng)營發(fā)展，流量業(yè)務(wù)經(jīng)歷了從規(guī)模經(jīng)營到流量紅利，再到目前的量收增速“剪刀差”階段(即流量收入增長無法補償流量成本)。而且隨著流量滲透率的進(jìn)一步提升，流量收入增長將不可避免地再次放緩。

　　平衡好流量的規(guī)模與價值、縮減流量量收增幅的“剪刀差”，確保流量紅利的可持續(xù)性是亟待解決的難題。電信運營商擁有大量的用戶及其海量的用戶數(shù)據(jù)，具有數(shù)據(jù)挖掘天然優(yōu)勢，通過數(shù)據(jù)挖掘?qū)⒖蛻艏?xì)分為具有不同流量特征的差異化潛在需求群體，從粗放型的經(jīng)營轉(zhuǎn)變到以客戶為中心的運營上來，是在后流量經(jīng)營時代獲得企業(yè)增值，實現(xiàn)流量收入可持續(xù)增長的重要營銷方法。

　　1客戶細(xì)分理論和技術(shù)

　　1.1客戶細(xì)分理論

　　客戶細(xì)分是根據(jù)客戶的價值、需求和行為等因素對客戶進(jìn)行分類，分到同一個客戶群的用戶具有一定程度的相似性，而不同客戶群之間存在明顯的差異，從而針對這種特性進(jìn)行針對性營銷與服務(wù)。合理的細(xì)分策略能有效的降低企業(yè)成本，科學(xué)的制定競爭策略。客戶細(xì)分的指標(biāo)一般包括人口統(tǒng)計資料、地理統(tǒng)計資料、消費特征、行為特征4個方面。對客戶進(jìn)行細(xì)分要遵循以下4個原則。

　　(1)可區(qū)分性，即細(xì)分后的各客戶群的特征清晰，能明顯的分別。(2)可到達(dá)性，即企業(yè)的營銷渠道能夠到達(dá)該客戶。(3)可盈利性，即各客戶群的潛在規(guī)模要足夠大。(4)可衡量性，即細(xì)分后的各客戶群的范圍要清晰，各客戶群流量購買力大小可以度量。

　　1.2客戶細(xì)分技術(shù)

　　客戶細(xì)分常用的技術(shù)包括聚類分析技術(shù)、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、主成分分析技術(shù)、因子分析技術(shù)等，均在社會實踐中有著廣泛的應(yīng)用。本文研究的客戶上網(wǎng)流量因影響因素眾多，包括客戶年齡、流量產(chǎn)品的資費及資費的匹配度等多種因素，所以利用綜合因素法和SPSS軟件的聚類分析來構(gòu)建客戶結(jié)構(gòu)進(jìn)行細(xì)分。

　　1.2.1聚類分析概述

　　聚類分析(ClusterAnalysis)又稱群分析、點群分析和簇群分析，是將一組研究對象分為相對同質(zhì)的群組的統(tǒng)計分析技術(shù)。根據(jù)研究對象的多個觀測指標(biāo)，找出一些能夠度量對象或指標(biāo)之間相似程度的統(tǒng)計量，再以這些統(tǒng)計量為依據(jù)劃分類別。常用聚類算法可以分為基于劃分、層次、密度、網(wǎng)格及模型5類算法，在金融、電信及互聯(lián)網(wǎng)等多個行業(yè)領(lǐng)域應(yīng)用廣泛。電信行業(yè)可以根據(jù)聚類分析將客戶劃分為不同流量特征客戶群，針對營銷以滿足多元化的需求。

　　1.2.2K-Means聚類基本原理

　　K-means算法的核心思想是：把n個數(shù)據(jù)對象劃分為k個簇群，使得每個簇群中的數(shù)據(jù)點到該簇群聚類中心的平方和最小。處理流程如下。(1)隨機選取k個對象，即為每個簇的初始中心。(2)對剩余的每個對象，根據(jù)其與各簇中心的距離，將其指派到最近的簇。(3)計算每個簇的新均值，得到更新后的簇中心。(4)不斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。

　　2數(shù)據(jù)分析處理

　　2.1數(shù)據(jù)來源

　　本文研究的是從用戶的手機上網(wǎng)行為中分析用戶的流量使用特征和規(guī)律，來為針對性營銷提供建議。因此，首先要選擇手機用戶流量特征相關(guān)的數(shù)據(jù)。本文所使用的數(shù)據(jù)采集于某電信運營商數(shù)據(jù)倉庫，所選數(shù)據(jù)賬期為2018年6月，選取手機用戶流量信息。

　　2.2數(shù)據(jù)相關(guān)分析和整合

　　本文主要分析的是流量經(jīng)營，基于此選取了衡量客戶流量行為和流量消費特征的指標(biāo)，主要表現(xiàn)為客戶流量行為,主要選取了流量使用率(實際使用流量/套餐可用流量)、近3個月流量和年齡;流量消費特征選取近3個月話費、近3個月通話時長和套餐費。另外，為了能更好的區(qū)分客戶，流量選取了APP視頻流量、社交流量、資訊流量、游戲流量分別度量。流量屬性指標(biāo)選擇完畢后進(jìn)行數(shù)據(jù)預(yù)處理工作，針對選擇的屬性主要采取了數(shù)據(jù)聚合、缺失值和異常值處理、屬性構(gòu)造、數(shù)據(jù)規(guī)范化等方法。通過在數(shù)據(jù)庫中間層定義賬期(2018年6月)，通信行為——主動通信個人客戶(賬期當(dāng)月有主動產(chǎn)生上網(wǎng)或通話行為個人客戶)記錄數(shù)為2527776條。

　　統(tǒng)計得到的記錄發(fā)現(xiàn)，部分用戶流量使用率和套餐費不完整，對于此類用戶，由于無法確定是否確實沒有訪問信息還是源數(shù)據(jù)統(tǒng)計缺失導(dǎo)致，故選擇將此類用戶直接刪除，只選用信息完整的用戶數(shù)據(jù)。另外，發(fā)現(xiàn)用戶話費有小于0的情況，此類用戶業(yè)務(wù)狀態(tài)不正常，也選擇刪除。

　　最終得到用戶記錄數(shù)為2512505條，從中隨機抽取250000條記錄作為樣本進(jìn)行客戶細(xì)分?jǐn)?shù)據(jù)統(tǒng)計分析。依據(jù)對客戶流量影響的貢獻(xiàn)度大小，本文最終選擇流量使用率、近3個月流量、近3個月話費、近3個月通話時長、用戶年齡、套餐費進(jìn)行相關(guān)分析。分析結(jié)果顯示：套餐費和近3個月話費指標(biāo)有顯著的相關(guān)關(guān)系。為了避免同類變量的重復(fù)“貢獻(xiàn)”，所以剔除套餐費，并對剩余指標(biāo)進(jìn)行K—Means聚類分析。

　　2.3流量客戶細(xì)分

　　在K—Means聚類分析過程中，不斷調(diào)整K值，通過不斷檢驗，最終確定K值為4，劃分流量使用率不同檔次的客戶群。聚類分析將客戶分為4大類。一是低零流量沉默型客戶。此類用戶流量使用率0～10%，客戶近3個月流量接近于0，此類用戶記錄數(shù)92500條，占比37%，屬于4大類中比重最大的客戶。整體客戶年齡50歲以上，通話時長較其他客戶群高，話費低。

　　初步判斷此類用戶資費敏感度高，未習(xí)慣使用流量或舍不得使用流量或流量被友商分流，通常使用語音較多，流量使用比較保守的群體。將此類客戶定義為低零流量沉默型客戶。二是中低流量抑制型客戶。此類用戶流量使用率10%～50%，客戶近3個月流量在1GB以下，此類用戶記錄數(shù)60000條，占比24%。多數(shù)用戶年齡在40～50歲，通話時長較高，話費高，上網(wǎng)流量中社交類流量比重最大。初步判斷為具備使用流量的習(xí)慣，有上網(wǎng)需求但對流量資費較敏感，流量需求處于抑制狀態(tài)的客戶。

　　將此類客戶定義為中低流量抑制型客戶。三是中流量合理型客戶。此類用戶流量使用率50%～90%，客戶近3個月流量在1～5GB，此類用戶記錄數(shù)27500條，占比11%。用戶偏年輕，年齡在30～40歲左右。此類用戶有固定的流量需求，流量高，有使用視頻類流量。初步判斷客戶流量需求和流量資費匹配達(dá)到靜態(tài)平衡的狀態(tài)，流量使用率在合理區(qū)間。

　　將此類客戶定義為中流量合理型客戶。四是高流量先鋒型客戶。此類用戶流量使用率90%以上，客戶近3個月流量在5GB以上，此類用戶記錄數(shù)70000條，占比28%。用戶年齡低，81%的用戶介于18～30歲。此類用戶流量貢獻(xiàn)大，80%的流量消費由這20%的用戶產(chǎn)生，大部分客戶有使用視頻APP記錄，具有明顯視頻屬性。由于該類客戶流量單價較低，整體話費水平并不高。初步判斷此類用戶流量需求量大，新事物接受度高，屬于數(shù)字內(nèi)容偏好者，將此類客戶定義為高流量先鋒型客戶。

　　3結(jié)論

　　根據(jù)二八定律關(guān)鍵少數(shù)的法則，按照顧客重要程度合理分配營銷力量，將有限資源投放到關(guān)鍵價值的客戶。依據(jù)本文客戶細(xì)分的結(jié)果，將高流量先鋒型客戶稱為優(yōu)質(zhì)客戶，中流量合理型客戶為次優(yōu)客戶，中低流量抑制型客戶和低零流量沉默型客戶稱為一般客戶。電信運營商應(yīng)根據(jù)各類客戶的不同流量特征，提供個性化的流量服務(wù)。

　　一是要重點關(guān)注優(yōu)質(zhì)客戶。應(yīng)向客戶持續(xù)不斷的提供視頻流量包等大流量產(chǎn)品，讓客戶流量使用率持續(xù)保持在一個相對高的水平。這類客戶具備年輕人有上網(wǎng)時間+有流量需求+喜歡嘗試新事物的基礎(chǔ)基因和視頻/游戲的流量屬性，用戶流量需求旺盛但對流量資費較敏感，營銷價值極高。通過加載不限量及相關(guān)視頻/游戲權(quán)益流量產(chǎn)品，低價格送大流量用，引導(dǎo)用戶放心使用流量，提升流量價值。并利用觸點跟蹤式的流量增值服務(wù)來鎖定這一目標(biāo)群體，使流量資費時刻處于他們可以接受的范圍內(nèi)，讓他們放心使用。

　　二是對于次優(yōu)客戶，他們是未來流量大幅增長的潛力點。持續(xù)跟蹤客戶流量變化，在合適的時候給予他們適當(dāng)?shù)牧髁績?yōu)惠，提高其滿意度和忠誠度，維持客戶流量的使用率處于合理區(qū)間。后期通過調(diào)整流量產(chǎn)品推廣節(jié)奏，優(yōu)化產(chǎn)品組合方式，疊加流量產(chǎn)品，多次持續(xù)激發(fā)客戶流量，逐步調(diào)優(yōu)客戶流量使用率，使客戶流量需求和流量資費匹配處于一種動態(tài)平衡的狀態(tài)。

　　三是一般客戶，他們的流量需求因為資費或套餐匹配等原因受到抑制，這類客戶主要是啟用“流量放心用”的概念。一方面電信運營商通過加送流量，培育客戶流量習(xí)慣，并疊加大量送優(yōu)惠活動。另一方面通過短信進(jìn)行流量使用情況提醒，提升客戶流量感知。這類客戶非常注重流量資費，強調(diào)流量不限量，用超后只降速不產(chǎn)生費用，打消用戶疑慮，抓住客戶套內(nèi)流量“不浪費”心理，喚醒流量使用需求。及時通過各種渠道給此類客戶發(fā)送有效的流量優(yōu)惠信息，同時大力宣傳流量不限量的概念，他們有可能成為運營商未來的次優(yōu)客戶。

　　本文分析的樣本由于地域性比較強，所以細(xì)分的客戶群體特征不能代表全國范圍內(nèi)的客戶，運營商應(yīng)根據(jù)本區(qū)域的客戶特征、自己的經(jīng)營特點、業(yè)務(wù)現(xiàn)狀和實力程度等各種因素，來制定符合本區(qū)域有效的精細(xì)化流量營銷策略和營銷計劃，以滿足不同客戶群的流量需求。

　　參考文獻(xiàn)

　　[1]金永生.基于數(shù)據(jù)挖掘的電信精細(xì)化營銷策略研究[D].北京：北京郵電大學(xué),2008.

　　[2]張理云.基于數(shù)據(jù)挖掘的運營商流量經(jīng)營分析與研究[D].南京：南京郵電大學(xué),2017.

　　[3]陳慶波.大數(shù)據(jù)精細(xì)分流量精準(zhǔn)營銷探討[J].南京：福建電腦,2018(6).

　　[4]王安.后流量經(jīng)營時代三大運營商的公眾市場競爭博弈[J].通信企業(yè)管理,2018(7).

　　[5]姜芳,崔可升.基于大數(shù)據(jù)挖掘的流量經(jīng)營研究[J].山東通信技術(shù),2018(3).

　　[6]徐甲.流量增長背景下運營商經(jīng)營發(fā)展現(xiàn)狀及策略研究[J].中國集體經(jīng)濟,2018(5).

　　相關(guān)刊物推薦：通信企業(yè)管理是由中華人民共和國信息產(chǎn)業(yè)部主管，人民郵電報社主辦的專業(yè)理論刊物。傳播郵電企業(yè)管理的先進(jìn)經(jīng)驗，探討郵電經(jīng)濟體制改革的理論與實踐問題.