基于流量抑制及 高額溢出用戶識別的大數據流量經營

曹蕊　葉林　陳志偉　吳味波　誠然

摘要：文章針對流量用戶進行區分，對高額溢出用戶與流量抑制用戶分別建立識別模型，在增強用戶體驗的同時增大流量包的銷量，達到增加用戶的ARPU值及用戶品牌粘度的良好效果。

關鍵詞：大數據;流量抑制;流量高額溢出;精準營銷

當前，流量經營成為電信運營商擺脫管道化、同質化和低值化困境、實現突破的重要抓手，運營商必須基于對流量特質的深度理解、重新制定流量經營策略。隨著4G流量時代的到來和需求的個性化，真正的轉變已經發生，即以流量為承載的個性化、碎片化信息消費成為主流，同時信息的生產和消費使得產品品類極大豐富，市場呈現長尾效應。因此需要基于大數據分析細分用戶需求，推進營銷創新，釋放傳統電信業務潛力，從而擴大流量規模，同時利用資費杠桿調節量收。

一、問題提出與實證流程

面對著用戶增量市場的趨于飽和，各大運營商已經紛紛將經營中心轉移至如何進行有效的客服需求挖掘及客戶維系上。如何有效挖掘流量用戶的需求，進行精準營銷，進一步的提升其ARPU值，并針對新流量用戶循序漸進地引導養成其流量產品消費習慣，都成了各大運營商在流量運營中的核心發展戰略。

基于以上背景，通過對中國電信S省公司用戶2016年5月的流量激活用戶流量使用情況進行分析，發現約253萬用戶為中低飽和度用戶，136萬用戶為流量溢出用戶，87萬用戶為高飽和度流量用戶。本研究在開發過程中將神經網絡算法以及決策樹算法運融入管理流程中，通過采集整合電信公司CDR話單數據，利用數據挖掘工具對用戶的流量使用軌跡進行量化分析，建立用戶的流量軌跡變遷特征識別模型，區分出兩大類用戶特征群體，并建立流量客戶識別模型。

其中，流量抑制型用戶為在自然月隨著時間的推移，用戶使用流量不斷增多，到達某個時間點后，開始主動做出流量控制的用戶。高額溢出型用戶為在自然月隨著時間的推移，用戶使用流量不斷增多，同時不會有減少趨勢，最后流量使用達到高額溢出的用戶。

針對流量抑制型用戶，在用戶到達使用臨界點時，要展開流量包的營銷，促使用戶在本自然月剩余時間放心流量使用。針對高額溢出型用戶，在用戶流量增大到臨界點，也同時要展開大額流量包推薦營銷，為用戶經濟考量，讓用戶放心用，避免用戶轉為抑制型用戶或者流失。

在對流量用戶進行細分后，進一步進行精細化營銷，同時與各種業務流程相結合，增加用戶的ARPU值以及用戶品牌粘稠度，經本省實際使用后，進一步印證了系統的商業效果以及流程創新的有效性，圖1為本研究的實證流程圖。

二、數據分析與匯聚

由于流量產品精準營銷系統在運營商現有流量運營的整體系統工具中，是作為各項數據匯聚、篩選、整理、挖掘、共享及最終形成具體策略的系統，其所實現的效用就是在“在最合適的時間”、“最恰當的地點”將“最適合的業務”推薦給“最具潛在需求的用戶”，在流量運營整體系統規劃中占據著核心的地位。本次研究通過BSS接口、客戶折扣資源系統接口、MISC接口、移動互聯網網絡行為分析系統接口、生活圈等，經過DPI設備解碼后分揀出用戶流量行為的數據。

三、數據挖掘模型建立

（一）數據挖掘模型分析

邏輯斯蒂增長模型又稱自我抑制性方程，邏輯斯蒂曲線通常分為五個時期：

1. 開始期：種群個體數很少，密度增長緩慢。

2. 加速期：隨個體數增加，密度增長加快。

3. 轉折期：當個體數達到飽和密度一半（K/2），密度增長最快。

4. 減速期：個體數超過密度一半（K/2）后，增長變慢。

5. 飽和期：個體數達到K值而飽和。

如前所述，流量抑制型用戶是在自然月里隨著時間的推移，使用流量不斷增多，到達某個時間點后主動做出流量使用控制的用戶。其行為增長符合邏輯斯蒂增長模型，因此設計判定值：R=（100%-t）/（100%-c），意思是以某個時間點為界，之后的單位時間內的流量密度比之前的流量密度; 當R=1，意味著之前和之后的日均流量相等;R>1，意味著之后的日均流量相比之前出現下降，R越大，表明下降得越嚴重; 流量抑制型用戶：R≥N（閾值）的用戶。

模型算法由三個基本條件組成：時間變量T;飽和度C;流量閥值R;T=發生日/當日天數;C=截至判定日累計用量/截止判定日套餐量;R=T/（1-C）;判定值R意味著隨著自然月時間推移，流量密度的變化情況。

（二）系統流程改造

對營銷管理系統中的數據表進行改造，增加如下的功能模塊：

1. 增加流量日表。

2. 日表中加入字段T，表示自然月中當日天數。

3. 日表中加入字段C，表示截止發生當日已使用流量/套餐流量。

4. 加入字段公用數表示用戶套餐下綁定號碼數量，SC為該套餐下所有號碼C的總值。

5. 日表中加入閥值判定值R，R=TX/（1-SC）TX為當日天數/當月總天數。

6. 日表中加入預測總用量M用于計算流量缺口同時分類推薦流量包，M=30*目前使用用量/T。

流量抑制模型驗證以當月21日當日為基準，92%的用戶在達到抑制點后，用量比會同比減少，其中20%用戶流量使用速率降到之前的20%以下，61%用戶適用速率降為之前的50%以下。流量高額溢出模型驗證以15日為基準，66%的用戶在達到溢出判定條件后流量使用速率并未減少，其中36%用戶流量使用速率為之前1倍。

需要指出的是，傳統的數據挖掘模型，本質上都是計算概率，存在誤差;流量抑制模型與高額溢出模型不依賴概率，而是賦予每一個用戶每一天一個R值，根據R值進行判斷，因此能零差錯定位用戶。

（三）營銷啟示

對于運營商來說，流量抑制用戶與高額溢出用戶都具有較高的營銷價值。流量抑制型用戶會對減收和減量均造成較大影響，做好這部分用戶的保收、保量，將起到事半功倍的效果。流量抑制型用戶對飽和度非常敏感，導致用戶當月達到一定飽和度后開始嚴重抑制流量使用，且抑制行為延續到次月，導致次月用量和流量支出降低;但這些用戶對流量的需求旺盛，需求和支出的矛盾突出。

流量高額溢出用戶持續的高額溢出會使用戶的離網風險加大，同時也有用戶在下個自然月轉為抑制用戶的風險，做好這部分用戶的保量營銷會有很好的效果。流量抑制型用戶與高額溢出用戶的行為開始時間，在一個月的各個時段都有發生，行為開始時間越早，用戶的需求壓抑得越久，需求越迫切，營銷成功的可能性越高，如果到了次月，開始新的一輪流量計費周期，時效性會打折扣，因此，有必要在一個月周當中進行多波次營銷，或針對行為時間進行實時營銷。

四、精準營銷工作安排

業務負責人每次需要實施一個營銷推廣任務，都需要先在管理界面上先填寫本次推廣任務的基本信息，描述本次營銷推廣任務的目的，目標，計劃實施的方案，時間等，以確保任務實施過程各部門的協助工作。

分析挖掘目標客戶群體包括系統自動推薦和業務負責人特定需求提取等方式。在目前的流量包營銷體系中，省公司集約營銷，對高額流量溢出型用戶和高飽和度流量抑制用戶分別在自然月的7，10，15，21日展開針對性的常態化流量包升級營銷;分公司根據省公司挖掘出的連續2月高額流量溢出用戶做好客戶關懷工作，展開用戶套餐升級營銷工作。

推廣成功時，本流程可以通過業務開通接口實時獲取到客戶開通信息，并查詢到相關的實時信息。同時本流程創新為業務負責人和渠道負責人監控業務推廣過程和效果，提供一系列多角度的統計報表。

五、結論及展望

2016年下半年，S省公司以大數據精準化識別模型的應用為驅動開展流量經營工作。9月份完成全省流量抑制用戶以及流量高額溢出用戶識別模型的上線工作，通過推算用戶的月流量缺口，展開流量產品的精細化集約銷售。2016年下半年，通過各個營銷觸點報表統計，模型用戶直接轉化率接近14%，較自然轉化率提高7.5倍。同時，基于該模型的精準營銷在2016年全年的流量營銷中取得良好的商業效果。2016年下半年流量產品累計銷售環比增幅36.2%，在流量活躍用戶中的滲透率達到44.55%，直接拉動流量收入9.71%。

數據時代下，當所有運營商的網絡質量都相差無幾時，就必須依靠個性化、精細化的產品來維系用戶了。要滿足復雜多變的客戶需求、提供差異化的套餐產品以及避免同質化的競爭，這些都將是運營商必須解決的重要課題。

參考文獻：

[1]樊莉.人工智能中的A*算法應用及編程[J].微機發展，2003（05）.

[2]Robert B Bentley. Information technology and torisn[M].An update， 2003.

（作者單位：曹蕊、葉林，中國電信集團有限公司陜西分公司;陳志偉、吳味波、誠然，中國電信學院）