聚類分析的數(shù)據(jù)挖掘技術(shù)進(jìn)行電信市場(chǎng)客戶分群

1、采用聚類分析的數(shù)據(jù)挖掘技術(shù)進(jìn)行電信市場(chǎng)客戶分群1.引言 隨著國內(nèi)電信市場(chǎng)競(jìng)爭(zhēng)的日趨激烈，電信運(yùn)營商的經(jīng)營模式逐漸從“技術(shù)驅(qū)動(dòng)”向“市場(chǎng)驅(qū)動(dòng)”、“客戶驅(qū)動(dòng)”轉(zhuǎn)化。面對(duì)客戶的多樣化、層次化、個(gè)性化的需求，大眾化營銷已經(jīng)失去了其優(yōu)勢(shì)，基于客戶信息、客戶價(jià)值和行為，深入數(shù)據(jù)分析的洞察力營銷、精確化營銷的理念逐漸被各大電信運(yùn)營商所接受，并渴望通過從數(shù)據(jù)中挖掘價(jià)值來減少營銷成本、提高營銷效益。近幾年迅速崛起的數(shù)據(jù)挖掘技術(shù)成為實(shí)現(xiàn)這些目標(biāo)的必要手段。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中提取隱含在其中的有用信息和知識(shí)的過程。電信各運(yùn)營支撐系統(tǒng)所積累的海量歷史數(shù)據(jù)是企業(yè)的一筆寶貴財(cái)富，誰能正確地挖掘與分析隱含在數(shù)據(jù)中的知識(shí)，

2、誰就能更好地向用戶提供產(chǎn)品與服務(wù)，從而在競(jìng)爭(zhēng)中脫穎而出。數(shù)據(jù)挖掘提供了從數(shù)據(jù)到價(jià)值的解決方案：“數(shù)據(jù) + 工具+方法+目標(biāo)+行動(dòng)=價(jià)值”。數(shù)據(jù)挖掘目前已有一系列應(yīng)用：分類分析、聚類分析、預(yù)測(cè)分析、偏差分析、關(guān)聯(lián)分析和時(shí)序模式等，這些應(yīng)用涉及到的技術(shù)和工具各不相同，然而卻可以依據(jù)統(tǒng)一的方法論來實(shí)行，并可以協(xié)同作戰(zhàn)，解決許多有價(jià)值的商業(yè)問題。由SPSS、NCR和Daimler-Benzd在1996年提出的CRISP-DM方法論是國際上數(shù)據(jù)挖掘行業(yè)流行的標(biāo)準(zhǔn)，其成功之處在于源于實(shí)踐，是實(shí)際數(shù)據(jù)挖掘項(xiàng)目的智慧和經(jīng)驗(yàn)的結(jié)晶。CRISP-DM定義了數(shù)據(jù)挖掘項(xiàng)目的標(biāo)準(zhǔn)化流程，如圖1所示。圖1CRISP-DM

3、方法論準(zhǔn)確的細(xì)分市場(chǎng)和差異化的營銷策略是目前電信企業(yè)市場(chǎng)營銷所必須面對(duì)的難題。所謂市場(chǎng)細(xì)分是指營銷者根據(jù)顧客之間需求的差異性，把一個(gè)整體市場(chǎng)劃分為若干個(gè)消費(fèi)者群的市場(chǎng)分類過程。由于顧客對(duì)電信產(chǎn)品需求的多樣性、變動(dòng)性以及電信企業(yè)資源的有限性，電信企業(yè)在進(jìn)行市場(chǎng)營銷過程中，必須進(jìn)行市場(chǎng)分析，選擇目標(biāo)市場(chǎng)，做出市場(chǎng)定位，并結(jié)合目標(biāo)市場(chǎng)的特點(diǎn)和結(jié)構(gòu)制定有針對(duì)性的市場(chǎng)營銷策略?？蛻舴秩菏橇私饪蛻暨M(jìn)行市場(chǎng)細(xì)分和目標(biāo)市場(chǎng)營銷的前提。數(shù)據(jù)挖掘的分類和聚類的方法都可應(yīng)用于客戶分群。下面我們將對(duì)用聚類方法進(jìn)行客戶分群的實(shí)現(xiàn)模式進(jìn)行詳細(xì)闡述，為電信目標(biāo)市場(chǎng)營銷的客戶分群提供完整的解決方案，并以實(shí)際案例驗(yàn)證其可行性。

4、基于聚類分析的客戶分群聚類（clustering）是指把一組個(gè)體按照相似性歸成若干類別，即“物以類聚”，其目的是使得屬于同一類別的個(gè)體之間的相似度盡可能大，而不同類別的個(gè)體之間的相似度盡可能小。相似度是根據(jù)描述對(duì)象的屬性來測(cè)算的，距離是經(jīng)常采用的度量方式。聚類和分類有著很大的區(qū)別：分類時(shí)，我們總是事先知道哪些屬性是重要的，運(yùn)營商總是將重要的、有影響力的屬性作為分類的依據(jù)；而聚類時(shí)，運(yùn)營商事先根本不知道哪些屬性起作用，任務(wù)之一就是要找到那些起關(guān)鍵作用的屬性。聚類分析能夠幫助我們發(fā)現(xiàn)特征迥異的不同客戶群，和對(duì)客戶分群起關(guān)健作用的指標(biāo)變量，并輔助運(yùn)營商對(duì)各客戶群的特征進(jìn)行深刻洞察。2.1 客戶分群的

5、商業(yè)理解依據(jù)CRISP-DM流程首先要進(jìn)行客戶分群的“商業(yè)理解”，這一初始階段集中在從商業(yè)角度理解項(xiàng)目的目標(biāo)和要求，然后把理解轉(zhuǎn)化為數(shù)據(jù)挖掘問題的定義和一個(gè)旨在實(shí)現(xiàn)目標(biāo)的初步計(jì)劃。我們必須明確項(xiàng)目的商業(yè)目標(biāo)，這個(gè)目標(biāo)應(yīng)該是適于用基于聚類分析的客戶分群方法去達(dá)到的。比如某電信運(yùn)營商定義的客戶分群的商業(yè)目標(biāo)是“對(duì)某市數(shù)十萬公眾客戶，從價(jià)值和行為的分析維度進(jìn)行客戶分群，以了解不同客戶群的消費(fèi)行為特征，為發(fā)展新業(yè)務(wù)、流失客戶保有、他網(wǎng)用戶爭(zhēng)奪的針對(duì)性營銷策略的制訂提供分析依據(jù)，并實(shí)現(xiàn)企業(yè)保存量、激增量的戰(zhàn)略目標(biāo)”。電信客戶從營銷屬性分為三類：公眾客戶、商業(yè)客戶和大客戶，其中公眾客戶消費(fèi)行為有較大的隨機(jī)

6、性，客戶分布難有規(guī)律可尋，比較適于聚類分析。我們可以將此商業(yè)目標(biāo)轉(zhuǎn)化為數(shù)據(jù)挖掘的可行性方案：從價(jià)值和行為維度，考察客戶業(yè)務(wù)擁有與使用、消費(fèi)行為變化、他網(wǎng)業(yè)務(wù)滲透等方面屬性，采用聚類分析的數(shù)據(jù)挖掘技術(shù)對(duì)研究的目標(biāo)客戶 (公眾客戶、入網(wǎng)時(shí)長、地域?qū)傩?、產(chǎn)品擁有類型等方面限定)進(jìn)行客戶分群，對(duì)各客戶群進(jìn)行特征刻畫和屬性分析，為針對(duì)性營銷確定目標(biāo)客戶群，并根據(jù)客戶群屬性和營銷目標(biāo)量體裁衣制訂恰當(dāng)?shù)臓I銷方案。由于客戶的特性是不斷變化的，數(shù)據(jù)挖掘的分析結(jié)果具有一定時(shí)效性，因此數(shù)據(jù)挖掘必須以項(xiàng)目來實(shí)施，在目標(biāo)、進(jìn)度和資源安排上明確要求。2.2 客戶分群的數(shù)據(jù)理解“巧婦難為無米之炊”，數(shù)據(jù)是挖掘的基礎(chǔ)，在確定

7、目標(biāo)和方案后需要進(jìn)行“數(shù)據(jù)理解”，以確定要支持我們的分析目標(biāo)需要哪些方面的數(shù)據(jù)，數(shù)據(jù)基礎(chǔ)是否已經(jīng)具備，數(shù)據(jù)質(zhì)量是否能滿足要求，如果不能得到肯定的答復(fù)，我們建議推遲項(xiàng)目實(shí)施直至條件成熟，因?yàn)椤斑M(jìn)去的是垃圾出來的仍是垃圾”，錯(cuò)誤的分析結(jié)果可能會(huì)給我們帶來重大的損失。比如在上述案例中，我們分析了各業(yè)務(wù)系統(tǒng)及企業(yè)數(shù)據(jù)倉庫中客戶信息、客戶消費(fèi)及購買使用行為三個(gè)方面最近六個(gè)月的歷史數(shù)據(jù)。電信企業(yè)擁有業(yè)務(wù)受理開通的CRM系統(tǒng)，進(jìn)行計(jì)費(fèi)、帳務(wù)及欠費(fèi)處理的計(jì)費(fèi)系統(tǒng)，卡類業(yè)務(wù)的智能網(wǎng)系統(tǒng)，客戶服務(wù)的10000號(hào)系統(tǒng)，營銷服務(wù)的渠道系統(tǒng)，還有結(jié)算系統(tǒng)、寬帶、窄帶及小靈通系統(tǒng)等等，這些業(yè)務(wù)系統(tǒng)儲(chǔ)蓄了企業(yè)運(yùn)營的海量客戶

8、數(shù)據(jù)。有些電信企業(yè)還建立了數(shù)據(jù)倉庫系統(tǒng)，對(duì)這些數(shù)據(jù)進(jìn)行了清洗、整合和集中，建立了企業(yè)統(tǒng)一數(shù)據(jù)視圖，并確保了數(shù)據(jù)來源的廣泛性、完整性和準(zhǔn)確性，為數(shù)據(jù)挖掘創(chuàng)造了更好的條件。我們從企業(yè)數(shù)據(jù)倉庫中確定了以下數(shù)據(jù)的來源：· 客戶基本資料· 用戶基本資料· 帳單信息· 本地通話信息· 長話通話信息· 卡通話信息· 結(jié)算信息· 窄帶使用信息· 寬帶使用信息· 客服交互行為· 繳費(fèi)信息· 欠費(fèi)信息· 服務(wù)使用信息· 除了數(shù)據(jù)源分析，數(shù)據(jù)理解階段的另一些重要任務(wù)是進(jìn)行數(shù)據(jù)探

9、索和檢驗(yàn)數(shù)據(jù)質(zhì)量。我們可以借助一些可視化工具或統(tǒng)計(jì)分析進(jìn)行數(shù)據(jù)探索，以明確數(shù)據(jù)的分布狀況和重要的屬性及其關(guān)系。比如通過值分析對(duì)數(shù)據(jù)進(jìn)行基本的探查，包括空值、唯一值、空字符串、零值、正值、負(fù)值的統(tǒng)計(jì)；統(tǒng)計(jì)分析計(jì)算各數(shù)值型變量的最小值、最大值、均值、標(biāo)準(zhǔn)差、眾數(shù)等，有利于發(fā)現(xiàn)一些異常值，便于更好地理解數(shù)據(jù)；頻次分析、直方圖分析有助于更準(zhǔn)確地了解數(shù)據(jù)的分布，從中發(fā)現(xiàn)有價(jià)值的點(diǎn)，其中頻次分析主要面向離散型變量，而直方圖分析主要面向連續(xù)型變量。數(shù)據(jù)探索有助于提煉數(shù)據(jù)描述和質(zhì)量報(bào)告，還能發(fā)現(xiàn)數(shù)據(jù)異常，并為進(jìn)一步的數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)準(zhǔn)備打基礎(chǔ)，甚至可能直接指向數(shù)據(jù)挖掘的目標(biāo)。數(shù)據(jù)探索的同時(shí)可以全面檢驗(yàn)數(shù)據(jù)質(zhì)量，

10、對(duì)數(shù)據(jù)的完整性、正確性、一致性有更細(xì)致的認(rèn)識(shí)。除了統(tǒng)計(jì)分析，抽樣核查比較也是數(shù)據(jù)檢驗(yàn)常用的方法，在進(jìn)行數(shù)據(jù)質(zhì)量核查時(shí)，需要有對(duì)數(shù)據(jù)意義和取值范圍敏感的業(yè)務(wù)人員參與。2.3 客戶分群的數(shù)據(jù)準(zhǔn)備“數(shù)據(jù)準(zhǔn)備”包括所有從原始的未加工的數(shù)據(jù)構(gòu)造最終分析數(shù)據(jù)集的活動(dòng)，是數(shù)據(jù)挖掘過程中最耗時(shí)的環(huán)節(jié)，甚至要占據(jù)整個(gè)數(shù)據(jù)挖掘項(xiàng)目一半以上的工作量。數(shù)據(jù)準(zhǔn)備工作的流程如圖2所示。 圖2. 數(shù)據(jù)準(zhǔn)備流程選擇數(shù)據(jù) 決定用來分析的數(shù)據(jù)。選擇標(biāo)準(zhǔn)包括與數(shù)據(jù)挖掘目標(biāo)的相關(guān)性，數(shù)據(jù)質(zhì)量和工具技術(shù)的限制，如對(duì)數(shù)據(jù)容量或數(shù)據(jù)類型的限制。數(shù)據(jù)選擇包括數(shù)據(jù)表格中屬性（列）和記錄（行）的選擇。我們可以分主題在企業(yè)數(shù)據(jù)倉庫中選擇

11、我們需要的各類數(shù)據(jù)，并進(jìn)行按月匯總，生成月粒度數(shù)據(jù)基礎(chǔ)表。基礎(chǔ)表中每個(gè)用戶每個(gè)帳務(wù)月的信息匯總成一條記錄。如在我們的案例中基礎(chǔ)表涵蓋了以下數(shù)據(jù)：用戶及客戶的基本信息 包括客戶身份信息、聯(lián)系方式、產(chǎn)品擁有情況，用戶竣工時(shí)間、入網(wǎng)時(shí)長、服務(wù)開通情況、優(yōu)惠套餐信息、客戶服務(wù)信息（投訴、咨詢、催繳情況）等價(jià)值信息包括話音、寬窄帶業(yè)務(wù)的月租費(fèi)、使用費(fèi)、優(yōu)惠費(fèi)用及增值業(yè)務(wù)、新業(yè)務(wù)、信息費(fèi)和卡類、結(jié)算費(fèi)用，還包括了繳欠費(fèi)信息行為信息包括時(shí)長、次數(shù)、跳次、發(fā)話不同號(hào)碼數(shù)、時(shí)長集中度（撥打時(shí)長最多的三個(gè)號(hào)碼撥打時(shí)長在總時(shí)長中占比）、次數(shù)集中度基礎(chǔ)表中數(shù)據(jù)屬性粒度要求盡量細(xì)，以便于在后期靈活構(gòu)建數(shù)據(jù)。我們將以上價(jià)

12、值和行為變量從專業(yè)（區(qū)內(nèi)、區(qū)間、本地移動(dòng)、本地異商固網(wǎng)、傳統(tǒng)國內(nèi)長途、傳統(tǒng)國際長途、傳統(tǒng)港澳臺(tái)長途、傳統(tǒng)異地行動(dòng)、IP國內(nèi)長途、IP國際長途、IP港澳臺(tái)長途、IP異地行動(dòng)）和時(shí)段（白天:7:00-18:0、晚上：18:00-7:00、特殊時(shí)段：0:00-7:00）兩個(gè)維度進(jìn)行了劃分。清洗數(shù)據(jù) 將數(shù)據(jù)質(zhì)量提高到所選分析技術(shù)和分析目標(biāo)要求的水平。這包括選擇需要進(jìn)行數(shù)據(jù)清洗的子集，插入適當(dāng)?shù)哪J(rèn)值或者通過更加復(fù)雜的技術(shù)如建模來估計(jì)缺失值，比如某月份的數(shù)據(jù)缺失我們可以用前后月份數(shù)據(jù)的平均值來填充，我們將擁有產(chǎn)品較多（可能不是公眾客戶）及公免的客戶數(shù)據(jù)剔除。此階段需要對(duì)基礎(chǔ)表的數(shù)據(jù)進(jìn)一步探索和檢驗(yàn)。構(gòu)建

13、數(shù)據(jù) 該任務(wù)包括構(gòu)建數(shù)據(jù)的準(zhǔn)備操作，如進(jìn)行變量設(shè)計(jì)生成派生屬性、生成完整的新記錄或者已存屬性的轉(zhuǎn)換值（將字符型字段轉(zhuǎn)化為數(shù)值型字段）。在基礎(chǔ)表基礎(chǔ)上通過抽取、合并、衍生得到分主題匯集的價(jià)值變量和行為變量形成的中間表，中間表中每個(gè)用戶6個(gè)月的信息匯總成一條記錄。抽取指直接從基礎(chǔ)表中選擇變量進(jìn)行匯總；合并指將基礎(chǔ)表中多個(gè)字段合并成一個(gè)字段匯總，如將區(qū)內(nèi)通話時(shí)長和區(qū)間通話時(shí)長合并成本地通話時(shí)長；衍生指根據(jù)各種邏輯關(guān)系派生出新的變量，如均值變量、占比變量、趨勢(shì)變量、波動(dòng)變量等。在進(jìn)行變量設(shè)計(jì)時(shí)建議技術(shù)人員和業(yè)務(wù)人員密切配合討論，根據(jù)業(yè)務(wù)需要、挖掘目標(biāo)及數(shù)據(jù)源的實(shí)際狀況確定數(shù)據(jù)選擇，確定基礎(chǔ)變量和數(shù)據(jù)源

14、的映射關(guān)系，確定衍生變量的數(shù)據(jù)轉(zhuǎn)換邏輯。中間表變量命名的規(guī)范化有助于用戶理解、記憶和應(yīng)用，便利于將來數(shù)據(jù)挖掘的應(yīng)用分析。變量命名采用對(duì)變量屬性進(jìn)行描述的分段的英文縮寫（首字母大字）用下劃線連接來實(shí)現(xiàn)，字段按屬性意義從大到小的范圍排列，從而在對(duì)變量進(jìn)行排序時(shí)可以把同一類型的變量聚集在一起，便于分析，如“價(jià)值/行為(v/b)_業(yè)務(wù)專業(yè)(Inner/Inter/Tol)_地域(Dms/Int/Gat)_撥打方式(Trd/IP)_ 值類型(Amt/Fee/Dur/Cnt/Dstn)_衍生值類型(Trd/Rat)”。中間表可以按模塊化原則來設(shè)計(jì)實(shí)現(xiàn)，可隨著應(yīng)用和業(yè)務(wù)發(fā)展的需要不斷進(jìn)行擴(kuò)充。整合數(shù)據(jù) 對(duì)各

15、中間表的數(shù)據(jù)進(jìn)行聯(lián)合，生成最終的分析數(shù)據(jù)集也稱寬表。我們以客戶標(biāo)識(shí)為主鍵，串聯(lián)起客戶相關(guān)的所有信息數(shù)據(jù)，建立起統(tǒng)一客戶視圖。在整合數(shù)據(jù)時(shí)，我們要回顧商業(yè)理解階段對(duì)數(shù)據(jù)挖掘目標(biāo)的定義，以使我們的分析數(shù)據(jù)集能滿足需求。有些電信企業(yè)由于歷史數(shù)據(jù)以用戶為中心，難以建立起統(tǒng)一客戶數(shù)據(jù)視圖；這時(shí)可使數(shù)據(jù)挖掘的目標(biāo)限定于對(duì)某類用戶進(jìn)行分析；或以分析某類用戶為主，通過企業(yè)數(shù)據(jù)庫中用戶之關(guān)的關(guān)系數(shù)據(jù)，去關(guān)聯(lián)其它產(chǎn)品信息輔助分析。在完成數(shù)據(jù)整合后，我們需要再次對(duì)數(shù)據(jù)質(zhì)量進(jìn)行核查。格式數(shù)據(jù) 格式化轉(zhuǎn)換是指根據(jù)建模的要求，對(duì)數(shù)據(jù)表現(xiàn)形式進(jìn)行變換，如用K均值算法做聚類分析時(shí)，需要先將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，對(duì)數(shù)據(jù)進(jìn)行Z變換

16、，以消除量綱不同可能引起的數(shù)據(jù)差異。2.4 客戶分群的模型建立在生成最終分析的數(shù)據(jù)集后，就可以建立模型進(jìn)行聚類分析了。“模型建立”階段主要是選擇和應(yīng)用各種建模技術(shù)，同時(shí)對(duì)它們的參數(shù)進(jìn)行校準(zhǔn)以達(dá)到最優(yōu)值。通常對(duì)于同一個(gè)數(shù)據(jù)挖掘問題類型，會(huì)有多種模型技術(shù)，每一類技術(shù)又有多種實(shí)現(xiàn)算法。聚類分析常用的有k-means算法、Gaussian算法和Poisson算法，后兩種算法對(duì)數(shù)據(jù)分布有所要求。由于電信客戶對(duì)各類產(chǎn)品的消費(fèi)情況有較大差別，變量中會(huì)出現(xiàn)較多的0值，比如大量客戶國際長途、電話卡或增值業(yè)務(wù)等的消費(fèi)記錄可能都為0值，因此適合用k-means算法來建立聚類模型。k-means算法通過隨機(jī)點(diǎn)劃分K個(gè)

17、類，每條記錄被歸到類中心距它距離最近的類中。在明確建模技術(shù)和算法后需要確定模型參數(shù)和輸入變量。模型參數(shù)包括類的個(gè)數(shù)（建議值5、7、9）、最大迭代步數(shù)（建議值100）等。寬表中包含了大量客戶數(shù)據(jù)變量，但我們只需要挑選部分變量參與建模；參與建模的變量太多會(huì)削弱主要業(yè)務(wù)屬性的影響，并給理解分群結(jié)果帶來困難；太少則不能全面覆蓋需要考察的各方面屬性，可能會(huì)遺漏一些重要的屬性關(guān)系。輸入變量的選擇對(duì)建立滿意的模型至關(guān)重要。我們應(yīng)結(jié)合商業(yè)理解，選擇有重要業(yè)務(wù)意義并與數(shù)據(jù)挖掘目標(biāo)密切相關(guān)的變量；被選擇的變量應(yīng)具備較好的數(shù)據(jù)質(zhì)量；被選變量之間相關(guān)性不宜太強(qiáng)，如在總量與分量之間只挑選一類參與建模。由于價(jià)值變量和行為

18、變量有較強(qiáng)的相關(guān)性，我們可以只挑選客戶業(yè)務(wù)收入變量進(jìn)行客戶價(jià)值分群，也可只挑選客戶消費(fèi)行為變量進(jìn)行客戶行為分群，根據(jù)數(shù)據(jù)挖掘的商業(yè)目標(biāo)選擇一種分群模式。也可以同時(shí)用兩種分群模式對(duì)同一批客戶作兩次分群，然后根據(jù)兩次分群的結(jié)果進(jìn)行組合，如先分成7個(gè)價(jià)值分群，再分成9個(gè)行為分群，組合后會(huì)有63個(gè)子群，見圖3。由于組合后子群數(shù)目較多不便分析和管理，我們可以借助透視圖分析將特征相似的子群進(jìn)行歸并，建議最終歸并成7到9個(gè)分群。進(jìn)行價(jià)值和行為組合分群的好處是，能同時(shí)兼顧考慮價(jià)值和行為兩方面因素對(duì)客戶分群的影響，更利于對(duì)各分群特征的深刻刻畫，并能有效消除單次分群產(chǎn)生的偏差，但過程較為復(fù)雜并且不能做到對(duì)參與分群

19、客戶的全覆蓋。 圖3. 客戶價(jià)值及行為分群模型建立是一個(gè)螺旋上升，不斷優(yōu)化的過程，在每一次分群結(jié)束后，需要判斷分群結(jié)果在業(yè)務(wù)上是否有意義，其各群特征是否明顯。如果結(jié)果不理想，則需要調(diào)整分群模型，對(duì)模型進(jìn)行優(yōu)化，稱之為分群調(diào)優(yōu)。分群調(diào)優(yōu)可通過調(diào)整分群個(gè)數(shù)及調(diào)整分群變量輸入來實(shí)現(xiàn)，也可以通過多次運(yùn)行，選擇滿意的結(jié)果。通?？梢砸罁?jù)以下原則判斷分群結(jié)果是否理想：群間特征差異是否明顯各分群之間有明顯特性差異；各分群主要的特征各不相同；決定各分群主要特征的變量各不相同或變量的取值屬性各不相同。群內(nèi)特征是否相似各分群有各自明顯的特性；各分群有決定其主要特性貢獻(xiàn)度最大的變量；決定各分群主要特征的變量

20、在此群中的分布特性與在全體樣本中的分布特性有明顯差異；分群是否易于管理及是否具有業(yè)務(wù)指導(dǎo)意義分群的個(gè)數(shù)及各群人數(shù)的分布應(yīng)相對(duì)合理，分群結(jié)果能從業(yè)務(wù)上作出合理理解和解釋，并能切合業(yè)務(wù)需要，實(shí)現(xiàn)對(duì)客戶的深刻洞察，幫助制訂合適的營銷措施。2.5 客戶分群的模型評(píng)估在分群調(diào)優(yōu)過程中我們已經(jīng)需要對(duì)模型進(jìn)行合理評(píng)估。在完成模型建立后，從數(shù)據(jù)分析的角度來看，模型似乎有很高的質(zhì)量，然而在模型最后發(fā)布前仍有必要更為徹底地評(píng)估模型和檢查建立模型的各個(gè)步驟，從而確保它真正地達(dá)到了商業(yè)目標(biāo)。我們會(huì)與商業(yè)分析師，以及行業(yè)專家從商業(yè)角度來討論數(shù)據(jù)挖掘結(jié)果以及項(xiàng)目過程中產(chǎn)生的其它所有結(jié)論?！澳Ｐ驮u(píng)估”階段需要對(duì)數(shù)據(jù)挖掘過程

21、進(jìn)行一次全面的回顧，從而決定是否存在重要的因素或任務(wù)由于某些原因而被忽視，此階段關(guān)鍵目的是決定是否還存在一些重要的商業(yè)問題仍未得到充分地考慮。這種回顧也包括質(zhì)量保證問題，如：過程的每一步是否必要？是否被恰當(dāng)?shù)貓?zhí)行？是否可以改進(jìn)？有什么不足及不確定的地方及會(huì)產(chǎn)生何種影響？根據(jù)評(píng)估結(jié)果和過程回顧，決定是完成該項(xiàng)目并在適當(dāng)?shù)臅r(shí)候進(jìn)行發(fā)布，還是開始進(jìn)一步的反復(fù)或建立新的數(shù)據(jù)挖掘項(xiàng)目。2.6 客戶分群的模型發(fā)布模型的創(chuàng)建通常并不是項(xiàng)目的結(jié)尾。即使建模的目的是增加對(duì)數(shù)據(jù)的了解，所獲得的了解也需要進(jìn)行組織并以一種客戶能夠使用的方式呈現(xiàn)出來。根據(jù)需要，發(fā)布過程可以簡(jiǎn)單到產(chǎn)生一個(gè)報(bào)告，也可以復(fù)雜到在整個(gè)企業(yè)中執(zhí)

22、行一個(gè)可重復(fù)的數(shù)據(jù)挖掘過程。客戶分群的結(jié)果發(fā)布是通過客戶群特征刻畫和客戶群屬性分析來展現(xiàn)的。特征刻畫是對(duì)單個(gè)客戶群特征的詳細(xì)描述，屬性分析是對(duì)客戶群之間的屬性進(jìn)行比較分析。形成客戶分群后，對(duì)客戶群的特征描述直接影響到營銷活動(dòng)的策劃和執(zhí)行?？蛻羧旱奶卣髅枋鍪前押芏嗫菰餆o味的數(shù)據(jù)變成生動(dòng)形象的客戶體現(xiàn)，以幫助市場(chǎng)營銷人員更好地理解客戶群。參與分群的變量決定了各分群的主要特性，除了對(duì)這些變量的統(tǒng)計(jì)及分布特性進(jìn)行深入刻畫外，對(duì)未參加分群的變量也可在特征刻畫階段來考察其統(tǒng)計(jì)特性。特征刻畫首先進(jìn)行客戶群特征粗略定性比較分析，然后可利用透視圖等工具對(duì)各客戶群寬表變量分類進(jìn)行詳細(xì)的定量刻畫，如圖4。 

23、; 圖4. 客戶群特征刻畫我們可以在特征刻畫的基礎(chǔ)上，通過客戶與收入分析、ARPU構(gòu)成分析、長途構(gòu)成分析、產(chǎn)品滲透率分析、費(fèi)用趨勢(shì)分析、優(yōu)先級(jí)分析、入網(wǎng)時(shí)長分析、離網(wǎng)率分析、指標(biāo)統(tǒng)計(jì)費(fèi)用構(gòu)成分析、費(fèi)用分布分析等多個(gè)方面對(duì)各客戶群進(jìn)行屬性分析為營銷策劃提供依據(jù)。為輔助營銷策劃需要對(duì)各戰(zhàn)略分群的人口、人口占比、收入、收入占比、MOU，各項(xiàng)業(yè)務(wù)的ARPU、收入占比和變化趨勢(shì)、滲透率等各項(xiàng)指標(biāo)進(jìn)行統(tǒng)計(jì)；并結(jié)合流失傾向、收入下降趨勢(shì)、收入潛力（平均ARPU）、人數(shù)占比和商業(yè)目標(biāo)，確定進(jìn)行營銷的戰(zhàn)略分群的優(yōu)先級(jí)及營銷的目標(biāo)客戶群，如圖5。  圖5. 客戶群屬性分析實(shí)踐是檢驗(yàn)真

24、理的唯一標(biāo)準(zhǔn)，模型發(fā)布后也需要在營銷實(shí)踐中驗(yàn)證調(diào)整。另外，數(shù)據(jù)挖掘結(jié)果已經(jīng)成為日常業(yè)務(wù)和其環(huán)境的一部分后，在運(yùn)用模型的過程中，模型的監(jiān)測(cè)和維護(hù)也是十分重要的事情。周密的維護(hù)策略將有助于避免不必要地長期誤用數(shù)據(jù)挖掘結(jié)果。為了監(jiān)測(cè)數(shù)據(jù)挖掘結(jié)果的發(fā)布，項(xiàng)目需要根據(jù)應(yīng)用類型制定一個(gè)關(guān)于監(jiān)測(cè)過程的詳細(xì)計(jì)劃，例如定期察看各分群的主要特性是否已產(chǎn)生較大的偏移和變遷。這些監(jiān)測(cè)一個(gè)方面可以對(duì)營銷效果進(jìn)行評(píng)估反饋，另一方面也為模型的維護(hù)和調(diào)整提供決策依據(jù)，如是否需要運(yùn)行模型重新生成分群？是否應(yīng)對(duì)模型作出調(diào)整或重新生成模型？是否應(yīng)終止模型的使用？3 戰(zhàn)術(shù)分群與目標(biāo)市場(chǎng)營銷在獲取了客戶分群結(jié)果，了解了客戶之后，應(yīng)該針

25、對(duì)所掌握的情況，有所行動(dòng)。通過分群我們有了對(duì)客戶的整體感覺：哪些是最有價(jià)值的，哪些是最需要關(guān)注的，哪些可能是對(duì)企業(yè)貢獻(xiàn)度最低等等。通過客戶分群，得到了的客戶的不同貢獻(xiàn)及不同的消費(fèi)特征，進(jìn)而得到的整體優(yōu)先級(jí)考慮是進(jìn)行下一步工作的基礎(chǔ)和起點(diǎn)，也是客戶分群最為重要的收獲之一。在客戶分群基礎(chǔ)上下一步工作就是營銷活動(dòng)的設(shè)計(jì)與執(zhí)行。營銷活動(dòng)基本可分為機(jī)會(huì)識(shí)別、營銷設(shè)計(jì)、方案執(zhí)行、管控調(diào)整四個(gè)環(huán)節(jié)。四個(gè)環(huán)節(jié)中，機(jī)會(huì)識(shí)別屬于營銷活動(dòng)的戰(zhàn)略范疇，因?yàn)樗鼪Q定了營銷活動(dòng)“做什么”，回答的是對(duì)誰做營銷，對(duì)某類業(yè)務(wù)，做何種營銷這樣的方向性、全局性問題。營銷設(shè)計(jì)屬于戰(zhàn)術(shù)范疇，因?yàn)樗鼪Q定了營銷活動(dòng)“怎么做”，回答的是如何圍

26、繞營銷機(jī)會(huì)分配資源的問題。營銷機(jī)會(huì)確認(rèn)之后，需要利用企業(yè)資源為營銷機(jī)會(huì)設(shè)計(jì)產(chǎn)品、價(jià)格、渠道、傳播等事項(xiàng)，使?fàn)I銷機(jī)會(huì)從概念轉(zhuǎn)化為可執(zhí)行的營銷活動(dòng)方案。方案執(zhí)行和管控調(diào)整則屬于執(zhí)行層面的環(huán)節(jié)，通過建立合理的營銷組織、激勵(lì)機(jī)制和技能培訓(xùn)，使?fàn)I銷設(shè)計(jì)的方案得以執(zhí)行，以完成營銷活動(dòng)。服務(wù)于營銷機(jī)會(huì)識(shí)別分群屬于戰(zhàn)略分群，服務(wù)于營銷設(shè)計(jì)的分群屬于戰(zhàn)術(shù)分群。上述的客戶分群是戰(zhàn)略分群，戰(zhàn)略分群是營銷機(jī)會(huì)識(shí)別的手段，通過戰(zhàn)略分群，我們對(duì)營銷策劃有了全局方向性的認(rèn)識(shí)。如對(duì)于流失型客戶，我們需要優(yōu)先關(guān)注他們，對(duì)他們馬上采取客戶保留的措施；對(duì)于增長型和較穩(wěn)定用戶，我們可以通過交叉銷售、提升使用的方法，使他們可以使用的更

27、多；對(duì)于高價(jià)值用戶，我們要優(yōu)先對(duì)其采用有關(guān)忠誠度管理、客戶挽留和客戶贏回的一系列措施，使其繼續(xù)留在電信網(wǎng)內(nèi)，減少流失，增加收入；對(duì)于低價(jià)值用戶，我們也應(yīng)該采取措施，增加其使用產(chǎn)品的個(gè)數(shù)和提升其使用量。而戰(zhàn)術(shù)分群是先有預(yù)定的營銷機(jī)會(huì)，后有分群，分群的目的是設(shè)計(jì)差異化的4P（產(chǎn)品、價(jià)格、促銷、渠道 ）營銷組合，以求最大化的利用營銷機(jī)會(huì)，提升客戶價(jià)值。通過客戶分群（戰(zhàn)略分群）確定營銷機(jī)會(huì)，通過再次細(xì)分（戰(zhàn)術(shù)分群）確定營銷方案。戰(zhàn)略分群關(guān)注總體，戰(zhàn)術(shù)分群關(guān)注個(gè)體，個(gè)體與總體的平均特性不一定一致。采用聚類的分析方法，由于我們?cè)谀Ｐ徒r(shí)需要同時(shí)考慮幾十個(gè)方面的維度，雖然每個(gè)分群都有決定其特性的主要屬性，

28、但一些個(gè)體也會(huì)由于次要屬性的影響而歸到此類中，最終會(huì)導(dǎo)致許多個(gè)體與總體的平均特性有較大差異。因此在確定戰(zhàn)略分群后，還有可能會(huì)根據(jù)客戶特征、商業(yè)目標(biāo)、營銷方案的可行性等進(jìn)一步進(jìn)行戰(zhàn)術(shù)分群。同時(shí)由于營銷方案的普適性，最終會(huì)出現(xiàn)：同一戰(zhàn)略分群的個(gè)體可能歸屬不同戰(zhàn)術(shù)分群，不同戰(zhàn)略分群個(gè)體也可能歸屬同一戰(zhàn)術(shù)分群。如在我們的案例中，首先根據(jù)上述的客戶戰(zhàn)略分群，識(shí)別出營銷優(yōu)先級(jí)最高的三個(gè)客戶群：高值高危群、經(jīng)濟(jì)商務(wù)群和傳統(tǒng)長途群；然后根據(jù)這三個(gè)目標(biāo)客戶群的個(gè)體和總體特性，同時(shí)考慮我們的商業(yè)目標(biāo)和營銷方案的可行性、易操作性，從收入的變化趨勢(shì)和他網(wǎng)IP的使用情況兩個(gè)維度重新劃分出三個(gè)戰(zhàn)術(shù)分群：下降客戶群、上升客戶群和他網(wǎng)IP客戶群，并依據(jù)戰(zhàn)術(shù)分群來設(shè)計(jì)對(duì)應(yīng)的營銷方案，如圖6。  圖6. 戰(zhàn)術(shù)分群在進(jìn)行戰(zhàn)術(shù)分群時(shí)我們可以著重關(guān)注營銷方案制訂方面需要考慮的因素，從而使?fàn)I銷方案更可行，更易操作，更有效。由于針對(duì)性營銷需要對(duì)不同的目標(biāo)客戶群制訂不同的營銷方案，如何通過營銷方案的差異來實(shí)現(xiàn)對(duì)不同客戶需求的滿足及對(duì)不同客戶進(jìn)行區(qū)別對(duì)待，在有效區(qū)隔客戶的同時(shí)并能提高營銷收益，需要