全球通中高端用戶價值降低預警_佛山_模型分析報告

佛山市全球通中高端用戶價值降低預警模型分析報告 主要內(nèi)容 背景介紹 分析目標 模型定義 數(shù)據(jù)分析與探索 模型構(gòu)建 模型評估 背景 2008年底，運營商重組基本完成，隨著全業(yè)務運營時代的來臨，移動市場上客戶爭奪越演越烈，尤其是中高端客戶市場硝煙四起，戰(zhàn)火紛飛。 為了贏得這場戰(zhàn)爭，集團公司把中高端客戶保有作為 09年的戰(zhàn)略目標之一，為各省公司下達了相應的中高端保有任務，而省公司也對市公司下發(fā)鎖定中高端考核指標。 分析目標 利用客戶近期通信行為，建立中高端客戶的價值流失預警模型，預測集團公司下發(fā)的客戶以及最新的中高段客戶的價值下降的情況，使中高端客戶保有更有針對性，更有效地支撐客戶挽留活動，實現(xiàn)集團公司中高端客戶保有的目標。 模型定義 分析用戶群： 集團公司下發(fā)的拍照用戶中的全球通用戶： 08底在網(wǎng)且 10、 11、 12月三個月累計 ARPU不低于 360元，且客戶年底狀態(tài)正常且 12月是通話的二類地市全球通客戶。 模型目標： 預測哪些客戶的 ARPU將會低于 50元。 時間窗口： 分析窗口 預測窗口 預測點 M M-1 M-2 M-3 M-4 M-5 M+1 M+2 請下載觀看 ! 主要內(nèi)容 背景介紹 分析目標 模型定義 數(shù)據(jù)分析與探索 模型構(gòu)建 模型評估 總結(jié) 數(shù)據(jù)分析與探索 我們采用了拍照用戶中的 193009個用戶在 2008年 8、 9、 10月的數(shù)據(jù)，利用直方圖進行分析各個變量與流失的關系比較 184033,95%8976, 5%ARPU大于 等于50ARPU小于 50數(shù)據(jù)分析與探索：網(wǎng)內(nèi)號碼情況 客戶網(wǎng)內(nèi)的號碼數(shù)越多越穩(wěn)定 ，不易流失。 網(wǎng)內(nèi)號碼占比過高或者過低的人群，流失率都偏大。當此比值是 0.4到 0.8時流失率最小。 H i s t o g r a m 010000200003000040000500006000070000800001 2 3 4 500 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率網(wǎng)內(nèi)號碼數(shù) H i s t o g r a m 0500010000150002000025000300001 2 3 4 5 6 7 8 9 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率網(wǎng)內(nèi)號碼占比 H i s t o g r a m 01000020000300004000050000600007000080000900001000001 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率數(shù)據(jù)分析與探索 :家庭、集團用戶 H i s t o g r a m 0200004000060000800001000001200001 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率H i s t o g r a m 01000020000300004000050000600007000080000900001000001 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率是否家庭產(chǎn)品用戶 是否集團產(chǎn)品用戶 集團產(chǎn)品用戶占 80%，流失率較低； 家庭產(chǎn)品用戶占 12%，流失率較高； 用戶等級高占 83%，流失率較高，普通用戶流失率較低 客戶等級 H i s t o g r a m 01000020000300004000050000600007000080000900001 2 300 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率H i s t o g r a m 0100002000030000400005000060000700001 2 300 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率數(shù)據(jù)分析與探索 :最近新業(yè)務情況 用戶新業(yè)務使用數(shù)增加帶來的價值增長比較穩(wěn)定，不易流失 用戶新業(yè)務使費用用增加帶來的價值增長比較穩(wěn)定，不易流失 用戶新業(yè)務使用費用占比增加帶來的價值增長不穩(wěn)定，容易流失 H i s t o g r a m 0500010000150002000025000300003500040000450001 2 3 4 5 6 7 8 9 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率最近新業(yè)務使用數(shù) 新業(yè)務費用占比 新業(yè)務費用 (最近一月 ) H i s t o g r a m 01000020000300004000050000600007000080000900001000001 2 3 4 5 6 700 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率數(shù)據(jù)分析與探索 :用戶 ARPU情況 平均 ARPU 用戶平均 ARPU高帶來的價值增長比較穩(wěn)定，不易流失。 用戶當前 ARPU高帶來的價值增長比較穩(wěn)定，不易流失。 。 H i s t o g r a m 01000020000300004000050000600007000080000900001000001 2 3 4 5 600 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率當前 ARPU 數(shù)據(jù)分析與探索 :用戶 ARPU情況 H i s t o g r a m 01000020000300004000050000600007000080000900001000001 2 3 4 500 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率警戒 ARPU H i s t o g r a m 0200004000060000800001000001200001 200 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率ARPU波動 用戶警戒 ARPU高比較穩(wěn)定，不易流失。 ARPU波動大的流失率較高。 H i s t o g r a m 01000020000300004000050000600007000080000900001 2 3 4 5 6 7 8 9 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率數(shù)據(jù)分析與探索 :月固定費 月固定費 用戶月固定費增加帶來的價值增長比較穩(wěn)定，不易流失。 請下載觀看 ! 數(shù)據(jù)分析與探索：變量篩選 通過以下方法來篩選模型的輸入變量： 值分析：去掉取值不正常的變量 直方圖：選取和流失相關、區(qū)分度大的變量 相關分析：從相關性大的變量中選取區(qū)分度較大的 201782, 95%9518, 5%ARPU大于 等于50ARPU小于 50數(shù)據(jù)分析與探索：變量篩選 利用直方圖，我們可以直觀的看到該變量和流失的關系，對于和流失的關系比較復雜的變量，我們將其排除在模型輸入變量之外，或者生成新的變量。 H i s t o g r a m 0500010000150002000025000300003500040000450001 2 3 4 5 6 7 8 9 1000 . 0 20 . 0 40 . 0 60 . 0 80 . 10 . 1 20 . 1 40 . 1 60 . 1 80 . 2arpu = 50 流失率 整體流失率最近新業(yè)務使用數(shù) 主要內(nèi)容 背景介紹 分析目標 模型定義 數(shù)據(jù)分析與探索 模型構(gòu)建 模型評估 模型構(gòu)建：建模工具 該業(yè)務問題是一個二元預測問題，并且從數(shù)據(jù)探索的結(jié)果來看，與之相關的數(shù)據(jù)大都是數(shù)值型的數(shù)據(jù)，因而適合用 邏輯回歸 的方法來建模。 Teradata Warehouse Miner能夠方便的建立邏輯回歸模型，并且能夠很好的配合 Teradata數(shù)據(jù)庫進行大量數(shù)據(jù)的計算，是建模工具一個較好選擇。 請下載觀看 ! 模型構(gòu)建：建模流程 模型輸入變量 抽樣 訓練集 用 TWM建模 測試集 LG模型 對測試集打分 我們將 2008年 8、 9、 10的數(shù)據(jù)按照 6： 4的比例分成訓練集（115805個用戶）和測試集（77204個用戶）來構(gòu)建、評估模型。 模型結(jié)果 yyeep1通過用訓練集來建模，我們得到用戶在下下個月 arpu低于 50元的概率為 ： 其中 Y=常數(shù) +變量 1*系數(shù) 1+變量 2*系數(shù) 2+變量 3*系數(shù) 3 +。 變量名稱 系數(shù) 標準化系數(shù) 常數(shù) -2.7654 N/A 網(wǎng)內(nèi)號碼數(shù) -0.0193 -0.3586 警戒 ARPU -0.042 -2.2721 平均 ARPU 0.029 1.8927 最近一月對手主叫次數(shù) -0.0128 -0.6196 當前 ARPU -0.0061 -0.4183 最近新業(yè)務使用數(shù) -0.2099 -0.2276 客戶等級 0.6831 0.1417 ARPU 波動 -0.013 -0.363 在網(wǎng)時長 -0.0001 -0.0685 月固定費 -0.0002 -0.2225 網(wǎng)內(nèi)號碼占比 0.6178 0.0504 新業(yè)務使用數(shù)趨勢 0.1701 0.0659 是否家庭產(chǎn)品用戶 0.2629 0.047 是否飛信 0.1491 0.0332 是否集團產(chǎn)品用戶 0.1261 0.0276 月均省外長途費用 -0.0076 -0.0639 省外漫游費用趨勢 0.0051 0.0321 月均 WLAN費用 6.2483 0.0178 新業(yè)務費用占比 1.5705 0.1173 新業(yè)務費用 (最近一月 ) -0.0123 -0.1881 最近一月是否對手客服接觸 1.4235 0.0164 最近省外長途費用 0.0047 0.0473 請下載觀看 ! 模型結(jié)果分析 變量名稱 系數(shù) 標準化系數(shù) 意義解釋 常數(shù) -2.7654 N/A 警戒 ARPU -0.042 -2.2721 警戒 ARPU高，最近 ARPU增加， ARPU 波動增加，月固定費高的用戶流失風險小 當前 ARPU -0.0061 -0.4183 ARPU 波動 -0.013 -0.363月固定費 -0.0002 -0.2225 最近一月對手主叫次數(shù) -0.0128 -0.6196 最近一月對手主叫次數(shù)多的用戶流失風險小 網(wǎng)內(nèi)號碼數(shù) -0.0193 -0.3586 網(wǎng)內(nèi)號碼數(shù)多的流失風險小 新業(yè)務費用 (最近一月 ) -0.0123 -0.1881 新業(yè)務使用數(shù)，費用多的用戶流失風險小 最近新業(yè)務使用數(shù) -0.2099 -0.2276在網(wǎng)時長 -0.0001 -0.0685 在網(wǎng)時長長的用戶比較穩(wěn)定，流失風險小 月均省外長途費用 -0.0076 -0.0639 省外長途費用高流失風險小 是否集團產(chǎn)品用戶 0.1261 0.0276 集團用戶流失風險大 是否飛信 0.1491 0.0332 飛信用戶流失風險大 網(wǎng)內(nèi)號碼占比 0.6178 0.0504 網(wǎng)內(nèi)號碼占比高的流失風險大 平均 ARPU 0.029 1.8927 平均 ARPU高的流失風險大 客戶等級 0.6831 0.1417 用戶等級高流失風險大 新業(yè)務費用占比 1.5705 0.1173 新業(yè)務使用趨勢增加，新業(yè)務費用占比高的流失風險大 新業(yè)務使用數(shù)趨勢 0.1701 0.0659是否家庭產(chǎn)品用戶 0.2629 0.047 家庭網(wǎng)用戶流失風險大 月均 WLAN費用 6.2483 0.0178 月均 WLAN費用高流失風險大 最近一月是否對手客服接觸 1.4235 0.0164 有與對手客服接觸的流失風險大 最近省外長途費用 0.0047 0.0473 最近省外漫游長途費用高，趨勢增加的流失風險大 省外漫游費用趨勢 0.0051 0.0321主要內(nèi)容 背景介紹 分析目標 模型定義 數(shù)據(jù)質(zhì)量分析 數(shù)據(jù)探索 模型構(gòu)建 模型評估 模型評估 我們使用命中率（ Response %）、提升率（ Lift）、覆蓋率（ Capture Respones%）來對模型進行評估： 命中率 =提取的客戶中流失的數(shù)目 /提取的人數(shù) 提升率 =命中率 /總體的流失率 覆蓋率 =提取的客戶中流失的數(shù)目 /總體的流失的人數(shù) 請下載觀看 ! 模型評估 測試集評估結(jié)果： 前 3%（約 0.23萬用