基于移動支付業務構建異網策反模型研究

張廬穎+王振+陳天池

摘要：中國移動用戶居世界首位，移動支付具有廣闊的市場發展空間。翼支付業務作為某個通信業特有的業務種類，用戶使用越來越廣。文章深入挖掘移動用戶在支付業務中的使用情況，例如消費水平、消費次數、消費偏好等，建立大數據分析，構建策反用戶樣本。通過SPSSModeler對樣本進行算法評估，構建最佳異網策反模型，提升異網策反成功率。

關鍵詞：移動支付；異網策反；模型

移動支付是指交易雙方為了某種貨物或者業務，通過移動設備進行商業交易。移動支付使用終端可以是手機、PAD、移動PC等[1]。信息產業部統計顯示，截至2015年年底，移動用戶13.06億戶，居世界首位。中國移動支付具有廣闊的市場發展空間。

翼支付業務是某通信企業“2+5”重點業務中5項重要工作之一，也是通信業特有的移動支付業務。目前己經推出了理財、繳費、消費等系列移動支付項目。隨著經濟和移動技術進一步發展，移動支付產業逐漸成熟，移動支付的應用勢必越來越廣泛。

翼支付轉變銷售和服務模式，從傳統銷售轉型為賣價值、賣應用和生活方式，搶占用戶入口。大數據結合翼支付分析，參與開展異網策反活動，用戶選址、網點分布區，搭建用戶信用評價機制、提供風險管控能力，給通信業務發展帶來新的商機。

1算法模型

1.1業務理解與相關定義

本模型通過分析翼支付金融消費識別異網用戶號碼，利用關鍵字段識別、用戶標簽分析，構建初步交往圈信息；在此基礎上通過外部數據、詳單通話圈分析和客戶關系管理（Customer Relationship Management，CRM）信息資料等

對模型進行修正與數據融合，使用聚類分析、決策樹分析挖掘最終潛在用戶。

1.2數據收集與分析

為了建立翼支付異網策反模型，必須收集用戶原始信息，并轉化為數據訓練集。此項目選用某地電信運營商建立異網用戶數據信息。異網用戶是指非碼分多址（Code Division Multiple Access，CDMA）網絡的移云力用戶，其來源主要有：（1）使用翼支付異網用戶。使用翼支付軟件，并且產生理財或者消費行為的異網移動用戶。（2）異網交往圈用戶。識別與異網用戶交互緊密的本網用戶信息，建立初步交往圈信息。對本網用戶特征識別，終端使用偏好、翼支付消費偏好、是否開通網銀、年齡結構、家庭結構，采用聚類和主成分分析方法，確定異網用戶分屬類型：金融高端、都市白領、三口之家、外出務工等。

針對以上兩類用戶來源，分別抓取10萬用戶。經過數據抽樣后，把樣本數據分成訓練數據集（TramDataSet，TDS）和校驗數據集（ValidationDataSet，VDS）。訓練集實現對算法評估，得到較優解決方案，校驗集用于評估模型是否適當。數據的分析階段，第一步結合業務理解，檢查數據質量，對數據重要關系進行判斷，分析自變量和因變量之間的關系，為建立模型做準備；第二步對數據進行探索，按照模型需求對數據進行修正，如生成新的變量、刪除較弱的影響因子等。例如由于客戶沒有使用某一業務而造成該變量值的缺失，可直接對缺失值進行補零處理。根據對變量的觀察和實際的業務需求，剔除異常點和穩定區間外值，避免極端值影響后面的分類和預測模型的精度。

根據電信業務特征，將用戶的特征區分為以下幾個維度：（1）客戶信息；（2）消費水平；（3）細分群體；（4）本網交往圈用戶業務使用信息。建立全面維度信息，并入到業務受理的維度。寬表字段如表1所示。

異網策反成功結果7；客戶信息變量X1；消費水平Z2；細分群體不；業務使用不；建模的目的就是要分析并確定這些向量變量與客戶流失狀態變量r的關系，即： 在特征維度下，構建反應特征的屬性，確定訓練集合的屬性。在用戶的行為特征的屬性上，引入了趨勢變量即：根據當前月數值與上月值的比值計算得出。趨勢變量=（當月值一上月值（上月值），即：

本文趨勢變量的觀察值取連續3個月的，來衡量行為的穩定性。（如果，定義趨勢是下降；定義趨勢是穩定；：定義趨勢是上升）。

1.3構建異網策反模型

針對此次建模的要求，在對此問題的深入研究下，我們提出了合理的假設，將本問題歸結為一個預測分析的問題，其基本思想是通過SPSS軟件求解。通過對決策樹、神經網絡和邏輯回歸分析，組合模型等方法的運用得到最優的預測結果。因為是異網朿反，最終朿反結果僅為yes和no兩種值，根據所學算法原理，結合實際情況，通過比較神經網絡和決策樹C5.0模型，結合數據處理結果選擇最優模型。

在異網策反模型中，通過SPSSModeler特征選擇保留終端、消費水平、收入、用戶分群、使用特征、行為偏好等7大類指標，確定了20個因子作為輸入變量進行觀測。通過訓練集選取最優的方案。決策樹C5.0算法在異網策反模型中優于神經網絡模型，因此將此算法運用到測試集。

2營銷策劃

開展營銷活動策劃，促進異網用戶辦理通信業務，對于成功辦理通信業務的用戶，做定向優惠激勵。對金融高端人士贈送翼支付金融理財產品券和翼支付有車禮包，對于都市白領贈送麥當勞優惠券和電影購票優惠券，對于三口之家贈送超市優惠活動等，促使異網用戶向本網轉化。

3活動效果

在翼支付異網策反方面，通過大數據挖掘異網精準目標用戶，結合翼支付理財，525大促、翼支付購買火車票、水電煤繳費等個性化的營銷活動，提升異網策反用戶成功率。

建立異網策反智慧化運營體系，針對不同用戶，結合大數據標簽數據從用戶偏好、終端定制等方面進行用戶畫像。通過電話呼叫、營業廳、網廳等觸點推送，開展異網策反活動。針對新入網用戶，贈送翼支付紅包，維系客戶穩定，建議完善的策反流程。通過大數據深挖翼支付異網策反活動，對于某公司20萬異網用戶開展營銷，成功轉化2萬用戶，轉化率為10%。

[參考文獻]

[1]曹媛媛，李琪.移動支付使用者使用意向與使用行為模型及實證研究[J].統計與信息論壇，2009（2）：72-77.endprint