基于機器學習的5G精準營銷模型

周露露，鐘玲，思永坤

（中移在線服務有限公司云南分公司，云南 昆明 650221）

0 引言

隨著物質生活的不斷豐富，消費者的需求越來越精細化，以市場為導向的傳統營銷模式難以滿足客戶的個性化需求，這就要求企業在制定營銷策略時，更精準地識別各細分市場的目標客戶[1-2]。

隨著公司對直接溝通銷售的重視，需要更精準、可衡量和高投資回報的營銷溝通，更注重結果和回報的營銷傳播方法及對直接溝通銷售的投資[3]。美國學者Jeff Zabin 認為如果要影響目標客戶的購買決策，就必須依靠精準營銷[4]。運營商擁有多元、海量的用戶特征和行為信息，通過建立精準營銷模型，識別目標客戶并制定不同的營銷計劃，可以在降低營銷成本的同時提升用戶粘性，從而提高營銷產品的轉化率[5]。

1 基于機器學習模型的呼叫中心精準營銷模型

1.1 問題描述

面對復雜多變的市場環境和客戶需求，移動通信運營商現行的營銷策略難以滿足客戶的實際需求。一方面，任何企業都是生存在市場環境中的，在制定營銷策略時必須以市場環境為依據，宏觀環境因素包括政策環境、經濟發展狀況、地理環境等，同時，企業內部環境、營銷渠道等微觀環境也影響著營銷策略的實施。另一方面，在電信市場增速放緩、存量用戶爭奪愈發激烈的形勢下，如果策略實施不當，不僅會降低客戶滿意度和品牌信任度，還可能造成客戶流失。本文從維系現有存量客戶角度出發，通過精準定位目標客戶，定制適配產品及營銷服務策略，在滿足客戶實際需求和消費偏好的同時，發掘產品的潛在高價值用戶群體[6-7]。

1.2 方法概述

本文根據呼叫中心客戶的基本信息數據（號碼、歸屬地、年齡、在網時長及星級等）和消費行為數據（月均消費、流量/語音使用情況及活動辦理等），構建精準營銷模型的核心指標體系。在此指標體系基礎上，提出基于機器學習的5G 精準營銷模型。模型構建的主要步驟如下：

（1）建立基于客戶的核心指標體系，根據類別識別規則，將指標向量作為非類別屬性，對應的標簽向量作為類別屬性[8]；

（2）確定模型的關鍵參數集，使用決策樹、邏輯回歸、支持向量機機器學習算法構建目標客戶識別模型，在測試數據集上驗證模型效果；

（3）選擇最優的模型應用于生產運營。

基于機器學習算法的精準營銷模型步驟如圖1 所示。

1.3 數據預處理：特征指標體系

為構建精準模型，梳理了可能對標簽向量有影響的特征指標。基于可采集的數據源，主要包含運營數據和過程數據。其中，運營數據包括BOSS 計費系統、CRM客戶關系管理系統、賬務系統的數據，可細分為用戶基本信息數據、訂購關系數據、營銷數據、消費數據等；過程數據指用戶在業務使用過程中產生的數據，包括用戶上網日志數據、語音通話與短信發送/接收的行為數據及終端與網絡交互的信令數據等。

定義次月生效套餐為5G 智享系列套餐的客戶為正類樣本，反之則為負類樣本，作為模型預測的類別屬性。除標簽列外，選取21 個重點變量作為樣本的特征指標體系。每個變量的具體描述如下所示：

（1）USER_ID：用戶編碼；

（2）MSISDN：手機號碼；

（3）CITY_NAME：所屬地州，包含昆明、曲靖、昭通等16 個地州；

（4）VILLAGE_FLAG：農村城市屬性，1 個農村、0 個城市、9 個不祥；

（5）CREDIT：客戶星級，包含未評級、準星、一至五星；

（6）AGE：年齡；

（7）USER_ONLINE_MONTH：在網時長（月）；

（8）USE_DURA：終端使用時長（月）；

（9）AVG_MON3_APRU：近三月月均用戶收入；

（10）AVG_MON3_MOU：近三月月均使用通話分鐘數；

（11）AVG_MON3_DOU：近三月月均使用流量；

（12）USED_OUT_VOICE：已使用套餐外通話時長（分鐘）；

（13）USED_OUT_FLOW：已使用套餐外流量；

（14）AVG_MON3_2G_FLOW：近三個月月均2G 流量；

（15）APP_YX_FLOW_RATE：近三個月游戲類軟件使用流量占比；

（16）APP_SP_FLOW_RATE：近三個月視頻類軟件使用流量占比；

（17）BANDWIDTH_DESC：寬帶帶寬；

（18）TARGET_CUST_MARKER_ID：營銷活動標簽；

圖1 基于機器學習算法的精準營銷模型

（19）APP_MOST：當月使用流量最高的三個視頻類APP；

（20）PURCHASE_DESC：辦理的營銷活動；

（21）CALLS_NUM：月均來電次數。

在進行模型訓練前，需要對數據進行預處理，預處理的方法與步驟如下：

（1）去除唯一屬性，刪除用戶編碼、手機號碼字段；

（2）缺失值處理：將空值用數值0 替代，減少數據缺失，提升模型預測結果的準確性；

（3）數據映射：將文本屬性標簽（如所屬地州）映射為數字；

（4）數據派生：依據業務場景需求，若客戶滿足活動規則，則將享受套餐折扣優惠。根據用戶的網時長、寬帶帶寬和客戶標簽等字段，判斷用戶可享受的折扣。5G 套餐設計包含了綜合視頻類、移動音樂類和音頻娛樂等權益，為判斷用戶對權益的偏好，根據用戶視頻類APP 的流量消耗以及視頻會員權益活動辦理情況，構造視頻類APP 偏好、會員權益偏好字段。

派生變量及描述如下所示：

1）DISCOUNT：折扣，“1”表示不打折，“0.8”表示八折，“0.7”表示7 折；

2）VIDEO_PRE：視頻類APP 偏好，如會員權益包含該APP，該字段為“1”，否則為“0”；

3）MEMBER_PRE：會員權益偏好，如辦理隨心系權益，該字段為“1”，否則為“0”。

1.4 基于決策樹的呼叫中心精準營銷模型

在設計決策樹精準營銷模型時，主要步驟如下：1）首先輸入經過預處理的用戶數據集，將樣本數據分成訓練集和驗證集；2）計算集中訓練用戶的年齡、網齡、星級、月均收入及使用流量等24 個指標的信息熵、信息增益和增益率等指標，選定最優劃分屬性[9]；3）重復步驟2），層層劃分，直至將樣本劃分為5G 智享套餐目標客戶或非5G 智享套餐目標客戶[10]；4）對決策樹進行剪枝，使得模型能盡可能正確地劃分訓練數據集外的用戶；5）在驗證集上計算模型評價指標，評估模型性能。

訓練數據通常會受到錯誤分類樣本的噪聲、訓練樣例數量太少、節點純度的錯誤度量等因素影響，導致訓練模型的過度擬合[11]。決策樹的剪枝主要是為了解決決策樹的過擬合問題，在節點劃分前后，判斷當前節點的劃分是否能帶來模型泛化性能的提升[12]。

1.5 基于邏輯回歸的呼叫中心精準營銷模型

Berkson 最早將邏輯回歸（LR,Logistic Regression）方法應用于藥物自催化反應過程的研究[13]，現已被廣泛應用于用戶預測和尋找影響因變量的因素[14]。

基于邏輯回歸訓練精準營銷模型時，主要步驟如下：1）輸入用戶數據集，將地市、星級等定性變量轉化成定量變量；2）劃分模型訓練數據集與驗證集；3）確定回歸的因變量和自變量，訓練模型并得到各自變量的回歸系數以及目標客戶的概率輸出；4）使用Sigmoid 函數將樣本的概率輸出映射到[0,1]范圍內，選定閾值為0.5，當概率大于0.5 時，將其判定為目標客戶，反之為非目標客戶；5）在驗證集上計算模型評價指標，評估邏輯回歸模型性能。

1.6 基于支持向量機的呼叫中心精準營銷模型

支持向量機（SVM,Support-Vector Network）是一種用于二分類問題的新型學習器，其基本思想是將輸入向量非線性地映射到高維特征空間。在該特征空間中構造線性超平面，分離訓練數據，并確保學習器具有較高的泛化能力[15]。簡而言之，就是找到一個最優劃分超平面，使得它能夠盡可能多地將兩類樣本正確分開，同時使分開的兩類數據點距離分離面最遠（最大間隔），如圖2 所示：

圖2 最優劃分超平面與最大間隔

基于支持向量機的精準營銷模型主要步驟如下：1）首先輸入用戶數據集，并劃分訓練集和驗證集；2）確定分類變量為二分類，分別是5G 智享套餐目標客戶和非5G 智享套餐目標客戶，其余變量作為自變量；3）根據訓練集樣本年齡、月均使用流量、視頻偏好等屬性取值與所屬類別之間的關系，尋找兩類樣本的最優劃分超平面，確定法向量w和位移項b[16]，形成一個凸二次規劃問題[17]并求解；4）最終將樣本聚為兩類，分別是5G 智享套餐目標客戶和非5G 智享套餐目標客戶；5）對驗證集樣本進行分類，并計算準確率等模型評價指標。

2 數據與實驗

2.1 數據來源與處理

本文采用了中國移動云南公司的用戶基本屬性和用戶通信行為數據進行模型研究。數據來源于公司Gbase數據庫，系統運行環境主要為CPU：i5 2.80 G；內存：8 192 MB；操作系統：Window 7 64 位；數據庫：Gbase集群管理器（版本：8.5.1.2_build40_2_24）。

由于正類和負類樣本存在著嚴重的數據不平衡，可能會導致模型訓練結果偏向多數類樣本，少數類樣本的正確率較低[18]。為降低數據不平衡，提高分類器的性能，保證模型運算效率，本文篩選5 000 條正類樣本和15 000條負類樣本，共20 000 條樣本作為模型訓練的數據集。并基于R 語言的集成開發環境R Studio，運用rpart、caret、pRoc、e1071 等安裝包進行模型訓練。

2.2 實驗設計

對于機器學習模型，往往存在著泛化能力不足的問題。模型的泛化能力即指模型對于未知數據的預測能力，因此，本文采用交叉驗證的方法來提高模型的泛化能力，基本思想是將數據集反復劃分為多組訓練數據集和測試數據集，在訓練數據集上交叉驗證得到最佳模型參數，使用測試數據集衡量最終模型性能。這種基于多組模型訓練進行調參的方式，可有效地避免模型對某些樣本的過擬合，提高其泛化性能。

為了避免過度擬合，本文采用k折交叉驗證來構建集成分類器。該方法的基本思想是將原始數據集劃分成k份相同樣本量的數據子集，每次使用其中k-1 份數據子集的集合訓練模型，余下的1 份數據子集用作模型測試集，并計算模型的評價指標。重復k次，得到k組評價指標，取平均值作為最終評價指標[19]。本文進行的實驗中，取k=10，10 折交叉驗證的示意圖如圖3 所示：

圖3 10折交叉驗證的示意圖

2.3 模型評價指標

本文主要采用的性能度量指標包括準確率、一類錯誤率、二類錯誤率和AUC 值，對模型效果進行評估。在介紹各度量指標之前，以二分類為例，構造混淆矩陣如下所示：

（1）預測值：正類；真實值：正類，則為真正類（TP）；

（2）預測值：正類；真實值：負類，則為假正類（FP）；

（3）預測值：負類；真實值：正類，則為假負類（FN）；

（4）預測值：負類；真實值：負類，則為真負類（TN）。

在機器學習領域，最常用的度量模型預測能力的指標是準確率。對于二分類問題，將準確率定義為模型分類結果中真正類和真負類占總樣本的比例，簡而言之，就是模型分類正確的比例。準確率的計算公式為：

對于二分類問題，正類和負類樣本錯誤分類的代價差異較大。本文的正類樣本是5G 智享套餐的目標客戶，對其錯誤分類會直接導致損失其更改套餐的可能性。若對非目標客戶錯誤分類為目標客戶，僅可能損失部分營銷成本。因此本文還將分別采用兩類樣本的分類錯誤率對模型性能進行評價，兩類錯誤率的計算公式如下：

在數據存在嚴重的不平衡時，準確率或錯誤率等指標對分類器性能的評估會過于樂觀[20]，此外，通過分類精度進行的評估還假設兩類樣本錯誤分類的成本是相同的[21]。但在目標客戶識別場景，將非目標客戶識別為目標客戶，與將目標客戶識別為非目標客戶的代價是不同的。為此，本文引入了受試者工作特征（ROC,Receiver Operating Characteristic）曲線，這是醫學診斷中信號檢測理論的經典方法，現已廣泛應用于機器學習分類器的模型效果評價[22]。在進行分類器性能比較時，僅僅通過觀察ROC 曲線還不夠直觀，可通過比較ROC 曲線下的面積（AUC,Area Under the Curve）的值，判斷分類器性能高低[23]。

2.4 實驗結果

本文基于R 語言編程工具，采用10 折交叉驗證法，設計并實現了三組模型。首先是決策樹模型，模型的輸入為用戶的24 個屬性，輸出為是否為5G 智享套餐目標客戶。按照10 折交叉驗證的方法劃分訓練集和驗證集，18 000 位用戶為訓練集，2 000 位用戶為驗證集，鑒于實驗設計過程，取10 次實驗結果的算術平均值為最終結果，經節點劃分和屬性歸類，生成的決策樹如圖4 所示。

圖4 決策樹結果圖

其次是邏輯回歸模型，模型的目的是尋找目標變量（是否為5G 智享套餐目標客戶）與多個自變量（所屬地州、星級、月均使用通話分鐘數等）之間的線性關系。根據實驗設計方法，按9:1 比例劃分訓練集和驗證集，進行10 次實驗。通過尋找回歸參數，預測自變量在不同的取值下，是5G 智享套餐目標客戶的概率。確定閾值為0.5，將模型概率輸出轉換為二分類輸出，計算模型評價指標并計算算術平均值。

對于支持向量機分類模型，將樣本的24 個屬性作為特征空間，是否為5G 智享套餐目標套餐作為待分類屬性。每次取18 000 條樣本作為尋找劃分超平面的訓練集，根據樣本自變量取值的空間分布，尋找最優劃分超平面對樣本進行區分。進行10 次實驗，獲得10 組指標值，計算其算術平均值為最終結果。以其中兩個屬性為例，訓練的支持向量機如圖5 所示：

圖5 支持向量機結果圖

為評估模型性能，計算每組模型準確率、錯誤率、AUC值作為模型評價指標，并對三組實驗結果進行對比分析，選擇最優的模型進行應用。模型評價指標的對比如表1 所示：

表1 模型評價指標對比

從總體的分類準確率來看，決策樹同其他模型相比是最高的。對于目標客戶預測模型來說，更關注的是將目標客戶錯誤預測為非目標客戶的樣本，也就是第一類錯誤率。結果表中顯示決策樹的第一類分類錯誤率最低。與此同時，AUC 作為評價不平衡數據集模型/性能的重要指標，可輔助模型效果對比。本實驗中支持向量機模型的AUC 取得最大值，但決策樹與其結果相差不大。因此，決策樹的綜合性能表現最佳，并且在目標客戶精準營銷場景具有很好的適用性。

2.5 模型應用

在模型的落地應用方面，將底層的算法邏輯與業務運營需求緊密結合，訓練決策樹模型識別重點業務目標客戶，將客戶偏好的產品通過合適的渠道，在最佳的時機推送給目標客戶群體。應用的渠道包括瞬時運營、短信群發、IOP 彈窗等。其中，瞬時運營是指用戶在達到觸發條件（如流量超套、新換5G 手機）的瞬間，啟動互動式語音應答（IVR,Interactive Voice Response）外呼，詢問是否需更改套餐，客戶可選擇是否轉入人工。短信群發是指向目標客戶發送模板短信，宣傳5G 智享套餐相關信息。IOP 彈窗是在客戶接入10086 人工后，系統自動彈窗5G 智享套餐目標客戶，提示客服代表進行套餐營銷。經統計，瞬時運營外呼的5G 業務轉化率達到36.96%；短信群發測試的營銷轉化率最高達到17.62%；IOP 彈窗的營銷轉化率較模型上線前有明顯的提升。

3 結束語

本文從精準營銷模型的角度出發，將機器學習模型應用于呼叫中心的生產運營。基于中國移動云南公司用戶的樣本數據，構造用戶基本信息、訂購關系、消費、交互行為4 個維度的24 個指標，搭建自適應快速迭代的機器學習模型，預測5G 套餐目標客戶，旨在描繪通信運營商呼叫中心客戶的全息畫像，明確目標客戶群體的特征和產品定位方向。在建模過程中，經歷了定位、分析、驗證、跟蹤、迭代優化等環節，是大數據分析和人工智能在傳統通信行業領域的大膽嘗試，也是精細化運營的重要體現。模型預測結果的準確率超過90%，在精準營銷場景具有很好的適用性，也能輔助優化制定策略。最后本文提出了針對性的建議方案，為5G 套餐目標客戶的精準營銷提供了有益借鑒。

在本文的研究過程中還存在一些待改進的地方。首先，通信運營商擁有著海量用戶數據，本文采用的是用戶部分基本信息和消費行為數據，未來可挖掘其他數據的內在價值，還可結合外部數據，構建更為完善的模型；其次，本文研究產品單一，為提升營銷轉化率、提高客戶感知價值，在設計營銷方案時，可加入與主套餐搭配的語音包、流量包等，通過交叉銷售滿足不同客戶需求。