To comapre traditional and art-of-the-time segmentation practices

1. 数据挖掘实务
-关于客户细分及特征描述的汇总-
关于客户细分及特征描述的汇总
2011年12月

2. 文心武行 王建斌个人简介
文心武行-王建斌个人简介
王建斌
咨询总监
华院分析技术有限公司
新浪微博：weibo.com/wenxinwuxing
2

3. 客户细分的业务假设
“对所有客户使用相同的方法" “对每个客户使用不同的方法 (一个人就是一个客户群)”
完全相同的价值/需求 不同的价值/需求
完全相同的服务/产品 完全个性化的服务/产品
“对一个客户群内的客户使用相似的方法"
同类的客户具有相似的价值/需求
有针对性的产品/服务
3

4. 传统客户细分方法一般利用原始变量
直接进行聚类等操作
d_local d_mob_vs_Ttl
本地通话 网内通话比例
t_local t_mob_vs_Ttl
d_toll_inprn d_uni_vs_Ttl
省内长途通话 联通通话比例
通话范围
t_toll_inprn
t toll inprn 与各运营商联 t_uni_vs_Ttl
t uni vs Ttl
d_toll_btwprn 系程度 d_phs_vs_Ttl
省间长途通话 小灵通通话比例
t_toll_btwprn t_phs_vs_Ttl
国际、港澳台长途 d_toll_htm+idd d_fix_vs_Ttl
通话 t_toll_htm+idd
t toll htm+idd 固话通话比例
t_fix_vs_Ttl
t fix vs Ttl
d_rm_inprn d_fwd_total
省内漫游通话 呼转行为
t_rm_inprn t_fwd_total
d_rm_btwprn d_wap
活动范围 省际漫游通话 WAP使用
t_rm_btwprn
t rm btwprn t_wap
t wap
d_rm_idd 数据业务使用 点对点及网间短信
国际漫游通话 情况 发送次数
t_sms_total
t_rm_idd
d_ip
IP使用情况 IP通话 梦网短信发送次数 t_sms_mont
t_ip
t ip
到营业厅次数 t_service
客 服 拨打1860次数 t_1860
注：其中d_X代表时长，t_X代表次数
拨打1861次数 t_1861
4

5. 通过强弱势特征解释结果，结果的解
释性与解释者经验相关
分类 组号 人数 百分比 强势特征 弱势特征
语音每次呼叫时间、香港（澳门）呼叫、
#1 12,585 3.46% 繁忙时呼叫、IP呼叫、短信、转移
非繁忙时段呼叫
繁忙时段月均呼叫次数、漫游地区呼叫、
#2 12,203 3.36% 转移呼叫、短信、转移
香港呼叫次数
#4 3,187 0.88% IP呼叫 转移呼叫
IP呼叫、转移呼叫
优质客户群
103,664 #6 24,998 6.88% IP呼叫 短信、转移
28.51%
#9 4,174 1.15% IP呼叫、短信 非繁忙时段呼叫
#12 19,745
, 5.43% 非繁忙时段呼叫 漫游地区呼叫、转移、短信
#14 21,092 5.8% 繁忙时段月均呼叫次数 漫游呼叫、非繁忙呼叫、转移
繁忙时段月均呼叫次数、转移呼叫、香
#16 5,680 1.56% 港（澳门）呼叫
IP呼叫
#8 12,046
12 046 3.31%
3 31% 短信 转移呼叫、IP
转移呼叫 IP
普通客户群
54,816 #11 10,418 2.87% 转移呼叫 繁忙时段月均呼叫次数、短信
15.08%
#15 32,352 8.9% 漫游地区呼叫 短信、繁忙呼叫次数
#3 32,170 8.85% 语音每次呼叫时间 繁忙时段次数、短信
#5 66,134 18.19% 繁忙时段次数、每次呼叫时间、短信
弱势客户群
205,071 #7 34,784 9.57% 呼入/呼出比 短信
56.41%
#10 59,676 16.41% 繁忙时段次数、呼入/呼出比、每次呼叫时间
#13 12,307 3.39% 繁忙时段月均呼叫次数
5

6. 常见的强弱势特征提取评分表
6

7. 传统的客户细分方法由于直接利用原
始变量分析，易造成特征交混问题
始变量分析 易造成特征交混问题
传统长途趋势
10
SS1
5 SS2
统计指标 使用比例 平均费用 趋势
SS3
0 SS3 总体 SS3 总体 SS3 总体
0 50 100 150 200 SS4 总费用 100% 91.22% 279.75 371.75 -33.29 13.13
-5 SS5 市话 100% 89.65% 171.98 220.59 -14.79 5.38
长话 100% 73.28% 102.43 138.11 -18.05 6.65
SS6 传统长途 84.49% 55.54% 44.51 70.41 -7.96 2.54
-10
10 IP 96.55% 59.26% 57.84 81.09 -10.95 3.07
200 28.61% 27.29% 41.44 62.50 -3.15 6.56
其他IP市话 52.18% 38.83% 4.23 7.33 -0.47 -0.12
IP趋势 国内 99.95% 72.77% 89.66 111.35 -15.36 5.94
20
国际 6.27% 7.07% 32.20 57.80 -6.28 5.17
SS1
港澳台 18.08% 15.97% 40.04 68.61 -6.40 3.43
10 SS2 语音 100% 89.66% 265.15 317.63 -31.98 9.09
数据 2.32% 8.36% 292.65 524.05 -26.21 37.36
SS3
0 ADSL 2.07% 7.24% 279.01 340.57 -26.49 29.48
0 50 100 150 200 SS4 其 数据
其它数据 0.00% 0.00% 149.07 25.24
-10 SS5 总窄带 16.70% 20.13% 22.82 27.86 -3.62 -2.18
SS6
-20
7

8. 改进的框架式客户细分方法会首先对
原始变量进行特征泛化
价值分段
基础上的
分群整合
生命期分段
分群宽表 使用数据挖掘工具中的数据探索功能 基础上的
根据数据整体分布
数据准备 进行基础整合分群 分群整合
将原始变量转化为 特征
……
多种分段
基础上的
分群整合
8

9. 在多维度的特征基础上建立多维的客
户基础分群模型体系
价值 实际收益贡献 客户生命期 在网时长 套餐/
套餐/承诺 套餐使用度
价值成色 年龄 套餐变动度
价值潜力 入网年龄 承诺期限
高端评定
风险 综合流失风险 发展趋势 发展趋势 行为特征 忙/闲 竞争
欠费流失风险 通话量 增值业务 抱怨
非欠费流失风险 通话类型 通话长短 异动
费用敏感性 呼转类型 睡眠
部分流失风险
呼入/呼出 活动范围
宏观分群 中观分群 微观分群
9

10. 如根据行为特征得到的分群示例
行为类型 通话量 通话密集型 通话密集型 呼叫时长 话霸一族 话霸一族 呼入/呼出 呼出积极型 呼出积极型 费用敏感性 费用敏感性 精打细算型
非通话密集 非话霸 族
非话霸一族 非呼出积极 非精打细算
型 型 型
通话稀少型 通话稀少型 长话短说型 长话短说型 接听积极型 接听积极型 增值业务 拇指一族 拇指一族
非通话稀少 非长话短说 非接听积极 非拇指一族
型 型 型
有朋远方型 有朋远方型 呼转类型 座机型手机 座机型手机 忙/闲 工作活跃型 工作活跃型 彩信新贵 彩信新贵
非有朋远方 非座机型手 非工作活跃 非彩信新贵
型 机 型
商旅人士型 商旅人士型 经常呼转 经常呼转 休闲活跃型 休闲活跃型 增值贵宾 增值贵宾
非商旅人士 非经常呼转 非休闲活跃 非增值贵宾
型 型
竞争 竞争对手关 竞争对手关 活动范围 东奔西走型 东奔西走型 异动 通话突变型 通话突增型
照者 照者
非竞争对手 非东奔西走 通话突降型
关照者 型
外联密切者 外联密切者 稳坐帐中型 稳坐帐中型 非通话突变
型
非外联密切 非稳坐帐中
者 型
主动他投型 主动他投型
非主动他投
型
10

11. 在基础分群基础上，根据战略需求或
营销需求，可进行灵活的组合交叉
营销需求 可进行灵活的组合交叉
#1 高价值老用户整合分群结果
#4 #1：有朋远方、单位时间贡献收益高
#3
#2 #2：有朋远方、有效话务量占比高、
全面发展、拇指一族、夜猫子
3：有朋远方、通话密集型、本地通
#3：有朋远方、通话密集型、本地通
话为主、外联密切
#4：有朋远方、通话密集型、商旅人
士、东奔西走、话霸 族、外联密切
士、东奔西走、话霸一族、外联密切
对高价值老客户设计有针对性的群体策略，提高客户的忠诚度，控制客户的流失率
由于整体上具有“有朋远方”的特征，考虑增加针对长途的优惠政策，特别是限额包月资费政策。
#1子群体：具有“单位时间贡献收益高”的特征，考虑提高积分或者话费奖励的比例；
#2子群体：具有“有效话务量占比高、 全面发展、拇指一族、夜猫子”的特征，可以考虑设计针对夜间通话、增值业务的优惠；
#2
#3子群体：具有“通话密集型、本地通话为主、外联密切”的特性，考虑增加针本地通话的优惠政策，同时做为流失控制的重点进行挽留。
#4子群体：具有“通话密集型、商旅人士、东奔西走、话霸一族、外联密切”的特性，考虑增加针对漫游的优惠政策，同时做为流失控制的重点进行挽
#4子群体 具有“通话密集型 商旅人士 东奔西走 话霸 族 外联密切”的特性 考虑增加针对漫游的优惠政策 同时做为流失控制的重点进行挽
留。
11

12. 改进的框架式客户细分方法的结果解
释的标准相对更加客观统
释的标准相对更加客观统一
12

13. 具体实战中一般用三维交叉比较多，
如埃森哲的N V B框架
如埃森哲的N-V-B框架
13

14. 其基于内部数据的V B交叉提出关键群
其基于内部数据的V-B交叉提出关键群
14

15. 通过提取V-B特征,结合外部N调研获取
的人口/心理等显性指标进行描述
15

16. 又如Teradata针对通信中高端用户也
采用类似的三维细分方法
从ARPU、语音业务、数据业务三个维度进行单独细分，然后再将三个
从ARPU 语音业务 数据业务三个维度进行单独细分 然后再将三个
维度的细分群叠加组合，生成最终细分群
语音业 第 步
第一步
务行为 •从ARPU、语音行为、数据业务行为这三
(Vi) 个维度进行单独细分
第二步
•三个维度细分群的叠加组合分析
•对细分群的分布与消费特征进行分析
•基于业务含义，形成最终细分群
数据业
务行为
(Di) 第三步
•基于消费特征，建立重点细分群的保有
ARPU分 策略建议
档(Ai)
16

17. 基于三维分群的用户分布，生成最终
细分群
V1 V2 V3 V4 V5 V6 V7
D1 1.1%
1 1% 0.0%
0 0% 0.1%
0 1% 0.0%
0 0% 0.1%
0 1% 0.1%
0 1% 0.0%
0 0%
D2 0.1% 0.0% 0.2% 0.0% 0.2% 0.1% 0.0%
A1 D3 0.2% 0.0% 0.2% 0.0% 0.2% 0.1% 0.0%
D4 0.7% 0.0% 0.3% 0.0% 0.2% 0.1% 0.0%
D5 0.2% 0.0% 0.1% 0.0% 0.0% 0.0% 0.0%
D1 G-1
G 1
1.6% 0.1% 0.3% 0.2% 0.2% 0.2% 0.1%
D2 0.3% 0.3% 1.4% 1.3% 0.7% 0.8% 0.4%
G-4
A2 D3 0.8% 1.0% 3.0% 3.2% 1.6% 1.4% 0.9%
D4 1.0% 0.5% 2.2% 1.9% 1.1% 1.1% 0.6%
G-2
G1%2
D5 0.4%
0 4% 0.1%
0 0.6%
0 6% 0.7%
0 7% 0.3%
0 3% 0.3%
0 3% 0.2%
0 2%
D1 0.1% 0.0% G-3
0.1% 0.4% 0.1% 0.1% 0.1%
D2 0.0% 0.2% 0.6% 2.7% 1.1% 1.6% 1.0%
D3
G-5
A3 0.4% 1.3% 2.7% 9.7% 3.8% 4.8% 3.3%
D4 0.1% 0.4% 1.1% 4.4% 1.8% 2.7% 1.8%
G-7
D5 0.0% 0.2% 0.5% 2.0% 0.8% 1.2% 0.9%
D1 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
D2 0.0% 0.0% 0.0% 0.3% 0.1% 0.3% 0.3%
A4 D3 0.0% 0.1% 0.2% 1.3% 0.8% 1.5% 1.2%
D4 0.0% 0.0% 0.1% 0.6% 0.3% 0.7% 0.6%
G-6
D5 0.0% 0.0% 0.1% 0.3% 0.2% 0.5% 0.3%
D1 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
D2 0.0% 0.0% 0.0% 0.0% 0.0% 0.1% 0.1%
A5 D3 0.0% 0.0% 0.0% 0.2% 0.1% 0.5% 0.4%
D4 0.0% 0.0% 0.0% 0.1% 0.0% 0.2% 0.2%
D5 0.0% 0.0% 0.0% 0.0% 0.1% 0.1% 0.2%
17

18. 细分群描述主要使用三维度呈现的个
性和共性特征进行描述
细分用户群 用户占比 核心特征
平均ARPU为59，只有本地通话，没有长途或漫游，通话量小，被叫占比较
G1-流失高风险用户 6.5% 高，交往圈小于50，很少使用数据业务或仅使用点对点短信，部分用户已经
持续无通话行为
平均ARPU为132 只有本地通话 无长途漫游 通话交往圈较大 通话量
▪平均ARPU为132，只有本地通话，无长途漫游，通话交往圈较大，通话量
G2-本地电话煲用户 4.0% 较大，通话集中于少数对象，对数据业务有一定的体验，对短彩类业务使用
有一定使用习惯
平均 为 元，只有本地与长途通话，长途通话占比较高，通话交往
▪平均ARPU为120元，只有本地与长途通话，长途通话占比较高，通话交往
G3-外来人口用户 12.6% 圈较小，主叫占比较高，有手机上网的使用需求，群中外来务工人员与学生
占比较高
▪平均ARPU为94元，主要是商务用户，通话交往圈较大，有一定的长途与漫
G4-低端商务用户 13.1%
13 1%
游，主叫占比较高，有一定数据业务使用体验，对手机上网需求较为强烈
▪平均ARPU为187元，主要是商务用户，有一定的长途通话，省内漫游较多
G5-中端商务用户 36.8%
，通话交往圈较大，对数据业务的使用以基础型的成熟业务为主
▪平均ARPU为367元，主要是商务用户，本地通话占比较低，漫游通话占比
G6-高端商务用户 8.3%
极高，通话交往圈较大，对数据业务的使用以基础型的成熟业务为主
▪平均ARPU为216元 通话交往圈较大 业务量较高 有国际长途或国际漫
▪平均ARPU为216元，通话交往圈较大，业务量较高，有国际长途或国际漫
G7-国际通信用户 12.5%
游的需求，对数据业务的使用以基础型的成熟业务为主
注：G1-G7覆盖了94%的拍照用户，剩余6%用户无显著特征
18

19. 也可以结合流失率分布，发现流失率
较高的关键细分群
流失率分布图
V1 V2 V3 V4 V5 V6 V7
D1 85% 67% 25% 85% 74% 100%
D2 68% 50% 67% 60%
A1
69% 65% 50% 流失率较高的细分群组
A1 D3 63% 33% 61% 50% 61% 68% 53%
D4 71% 0% 64% 33% 67% 67% 60%
•A1群：ARPU<50
D5 57% 0% 77% 75% V6
57%
D1 40% 38% 40% 16% 30% 42% 36% •V1群：本地低端群
D2 36% 19% 33% 11% 33% &
35% 26% •V3群：外来用户群
D3 48% 23% 38% 14% 32% 33% 21%
A2
•V6&A2：省际漫游低端群
D4 51% 20% 32% 10% 29%
A2
34% 20%
D5 54% 29% 37% 12% 28% 33% 27%
D1 43% 12% 26% 10% 40% 40% 20%
D2 41% 16% 33% 10% 21% 23% 16%
A3 D3 V1
47% 19% V3
35% 12% 20% 20% 13% 流失率较低的细分群组
D4 48% 14% 33% 11% 22% 20% 11%
D5 51% 16% 36% 10% 15% 15% 11%
D1 0% 25% 0% 44% 7% 44% •V2群：本地电话煲群
D2 100% 11% 25% 15% 19% 13% 18% •V4群：本地商务群
A4 D3 59% 19% 34% 13% 15% 13% 9% •V7群：国际通信群
D4 44% 33% 32% 13% 15% 17% 11%
D5 71% 50% 40% 13% 11% 11% 10%
D1 0% 100%
D2 36% 15% 19% 15% 22% 细分群流失人数
A5 D3 100% 33% 33% 14% 10% 10% 6% 注：流失率 =
D4 100% 0% 43% 24% 29% 12% 11%
细分群年初初始人数
D5 33% 19% 8% 8% 8%
19

20. Thanks！