數(shù)據(jù)挖掘在渠道偏好用戶識別中的應(yīng)用——以某市移動網(wǎng)上營業(yè)廳為例.pdf

1、在移動互聯(lián)網(wǎng)的新形勢下，越來越多的電信運營商開始實現(xiàn)多向發(fā)展實體渠道和電子渠道，以提供給消費者更多便捷性的服務(wù)。同時，面對激烈的競爭環(huán)境，各渠道需要依托對于偏好用戶的精準(zhǔn)定位去迎合客戶需求，對客戶進(jìn)行分流并實施差別化營銷和服務(wù)，從而結(jié)合產(chǎn)品與渠道的適配實現(xiàn)產(chǎn)品的精準(zhǔn)營銷，以解決運營商“廣撒網(wǎng)、低回報”的難題。
　　為了解決該問題，本文基于精準(zhǔn)營銷的思路:首先尋找出該渠道的偏好用戶，然后在合適的時機向其推薦合適的產(chǎn)品，旨在提高該渠道

2、活動推廣效果以及客戶滲透率。其中，文章重點解決的是如何找到各個渠道的偏好用戶這個問題。在實施過程中，為了減少模型的復(fù)雜程度，我們將根據(jù)目前的主流渠道分別構(gòu)建偏好用戶識別模型。并以某市移動網(wǎng)上營業(yè)廳為例，基于該運營商企業(yè)級數(shù)據(jù)倉庫以及從屬的數(shù)據(jù)集市，利用各類生產(chǎn)系統(tǒng)的輕度匯總數(shù)據(jù)，彌補了數(shù)據(jù)面窄、數(shù)據(jù)周期短的弊端，充分挖掘了該渠道偏好用戶的特征信息、行為習(xí)慣等，并分別使用邏輯回歸和隨機森林?jǐn)?shù)據(jù)挖掘算法對用戶進(jìn)行了該渠道偏好度的預(yù)測。

3、>　　本文中的分析挖掘流程包含明確業(yè)務(wù)目標(biāo)、變量設(shè)計、數(shù)據(jù)準(zhǔn)備、變量篩選、數(shù)據(jù)預(yù)處理和模型構(gòu)建與評估這幾個過程，即根據(jù)業(yè)務(wù)需求明確了要解決的業(yè)務(wù)問題之后，進(jìn)行數(shù)據(jù)調(diào)研、取數(shù)設(shè)計、寬表構(gòu)建，然后通過SQL取數(shù)結(jié)果進(jìn)行數(shù)據(jù)質(zhì)量檢查和變量探索，確定需要保留的相對“重要”的變量，最后通過參數(shù)的不斷調(diào)整與模型擬合，對不同的算法產(chǎn)生的模型效果進(jìn)行評估，從而選擇最優(yōu)的模型進(jìn)行固化。
　　本文基于TWM和R挖掘工具，分別使用Logistic回歸和

4、隨機森林算法進(jìn)行了模型構(gòu)建，并利用模型結(jié)果和業(yè)務(wù)規(guī)則對目標(biāo)用戶進(jìn)行了效果驗證，結(jié)果顯示二者均能達(dá)到較高的覆蓋率和提升度。經(jīng)過綜合考慮模型效果和固化成本，本文選擇了使用邏輯回歸算法并實現(xiàn)庫內(nèi)效果固化。另一方面，本文還根據(jù)預(yù)測概率對全網(wǎng)用戶進(jìn)行了偏好度分檔，并利用分層抽樣的方式對用戶進(jìn)行了短信營銷測試，測試結(jié)果顯示該模型的分檔效果非常顯著。
　　為了更好地實現(xiàn)渠道與產(chǎn)品的結(jié)合，本文提出通過衍生出其他渠道的偏好用戶識別模型后，根據(jù)產(chǎn)品在