电信商业客户市场营销策略论文

调查机构的数据显示，“用户保持率”增加5%，就有望为电信运营商带来85%的利润增长；而且，发展一个新客户比保持一个老客户的费用要高7倍，由此可见用户流失或话务量流失都将对运营商的经营产生深远的影响。今天小编为大家推荐《电信商业客户市场营销策略论文(精选3篇)》的相关内容，希望能给你带来帮助!

电信商业客户市场营销策略论文 篇1：

电信客户分群的KXEN分析

摘要:电信业是典型的数据密集行业,客户分群对电信企业发现更多的商机有重要作用。该文利用商业数据挖掘自动化软件KXEN并依据其方法给出了电信客户分群的解决方案。

关键词:客户分群;KXEN

Telecom Customer Segmentation Analysis with KXEN

LUO Ye, CAI Qiu-ru, LIU Yi-jun, LI Bin-zhang

(School of Computer Science and Engineering, Jiangsu Teachers University of Technology, Changzhou 213001,China)

Key words: Customer segmentation; KXEN

1 引言

电信业是典型的数据密集行业, 随着电信体制改革的深化, 电信业的竞争也日趋激烈。与其他行业相比,电信行业拥有更多的有关用户的数据。谁能正确地分析这些数据所得到有用的知识, 谁就能更好地向用户提供服务, 能够发现更多的商机, 从而在竞争中获胜。而数据挖掘可以从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识,因此数据挖掘应用开发对电信企业的发展有重要意义[1]。

KXEN是商业数据挖掘自动化软件,其特点在于专注数据挖掘的高端技术,面向结果而不是面向方法。用户不需要专业的统计学背景和机器学习的理论,而只需要知道数据和想分析的问题,对于每种问题,KXEN都提供一种简单的解决方案。本文以江苏省常州电信为例,利用KXEN并依据其方法给出了电信客户分群的解决方案。

2 客户分群原理

电信的数据挖掘应用开发,主要进行客户分群、客户流失分析、客户发展分析、客户行为分析等数据挖掘专题分析,逐步实现业务预测和信息挖掘等功能。客户分群是根据一个或多个客户属性组合把所有客户划分成不同的类,同类内的客户具有最大的相似性,异类间的客户具有最大的差异性。通过对客户合理的类别划分,并对当前客户以及预期的客户群作区段分析,判断不同区段的突出特点,对客户总体构成有准确的认识,对客户的服务和营销更具针对性。对客户分群可以达到如下目标[2]:

1)了解客户的总体构成;

2)了解各种客户价值的客户群体特征;

3)了解流失客户的客户群体特征;

4)了解客户群体的消费特征;

5)了解各信用等级的客户群体特征。

客户分群后的结果可应用于:对不同价值分段的客户进一步分析以了解各个分段的客户组成;对流失倾向高的客户进一步细分以采取不同的挽留策略;对交叉销售的目标客户进一步细分以采取不同的行销策略。

常用的数据挖掘技术包括关联分析、异类分析、分类与预测、聚类分析以及演化分析等。客户分群采用聚类分析技术解决。

3 KXEN软件特点分析

数据挖掘自动化软件KXEN特点如下[3-4]:

1) 在数据准备阶段,KXEN可以自动化处理缺失值、奇异值、进行自动化编码。KXEN独特的预处理编码技术和特征选择方式,大量减少了建模时间。

2) KXEN在建模的时候不用额外的磁盘空间来存储数据,数据直接在数据仓库内部处理,很好的利用数据仓库的性能,节省硬件成本,符合现在的Knowledge Discovery in Database的理念。

3) KXEN共有四个模块(稳健回归、聪明分群、关联规则和时间序列)来解决所有的商业数据挖掘问题。一个商业问题只有一种算法,因此不需要用户选择算法。所有算法都基于Vapnik的结构风险最小化理论。

4) KXEN进行自动建模,不需要进行模型的参数设置,KXEN引擎采用结构风险最小化理论,找到最佳模型。

5) 结果的可解释性。KXEN所有组件的设计都使之对最终用户呈现有意义的结果。

由于上述特点,KXEN改变了传统的数据挖掘方法,数据准备时间从以前的占整个建模周期的70%到现在的几乎不用花时间,如图1和图2所示。而KXEN的模型与传统工具创建的模型一样精确健壮。

4 应用实例

4.1 业务问题

电信运营商定义的客户分群的商业目标是“对市数十万公众客户,从价值和行为的分析维度进行客户分群,以了解不同客户群的消费行为特征,为发展新业务、流失客户保有、他网用户争夺的针对性营销策略的制订提供分析依据,并实现企业保存量、激增量的战略目标”。将此商业目标转化为数据挖掘的可行性方案:从价值和行为维度,考察客户业务拥有与使用、消费行为变化、他网业务渗透等方面属性,采用聚类分析的数据挖掘技术对研究的目标客户进行客户分群,对各客户群进行特征刻画和属性分析,为针对性营销确定目标客户群,并根据客户群属性和营销目标量体裁衣制订恰当的营销方案。

4.2结果分析

本文在常州选择了营销服务相对薄弱的小型商客作为目标客户群,取得目标客户群的近一年的相关数据。其中小型商客是指客户有1-2门电话、小灵通的客户,不包含已经安装宽带的客户,有效小型商客为23074户。基础表涵盖了以下数据:1) 用户及客户的基本信息:包括客户身份信息、联系方式、产品拥有情况、入网时长、服务开通情况、优惠套餐信息、客户服务信息(投诉、咨询、催缴情况)等;2) 价值信息:包括业务月租费、使用费、优惠费用及增值业务、新业务、信息费和卡类、结算费用、缴欠费信息等;3) 行为信息:包括时长、次数、跳次、发话不同号码数、时长集中度、次数集中度等。

KXEN软件分群采用结构风险最小化的K-Means算法实现。本文使用KXEN软件从价值纬度(V)将客户分为6个价值分群,从行为纬度(B)将客户分为5个行为分群。其中参加分群的V变量有21个,B变量有15个。然后对V变量按总费用进行群排序,形成VB矩阵交叉图,如图3和图4所示。在组成的交叉矩阵中选出1000人以上的8个战略客户群SS1-SS8,共有客户17128户,占总客户的比例为74.23%。

根据分群结果,计算出每个群的平均收入进行客户价值分析:

ARPU=客户群总收入/m

式中m为该群客户人数,ARPU(Average Revenue Per User)为每用户平均收入。图5是各群分布气泡图。图中气泡的大小代表客户数的多少。SS7、SS8客户群最大。横轴方向越靠右,表明客户价值越高。SS1、SS2、SS3群为高值的小商客,SS7、SS8为低值小商客。纵轴表明客户的消费趋势值情况,横轴以下为下降趋势,偏离越多,下降值越大。SS2群下降最多,SS1上升最为明显。

以中值下降的SS6战略客户群为例进行特征分析,可得到该群特征如下:

1)该群为中值下降群,ARPU值为93.35元。总费用趋势下降较明显,月均下降5.28元,各项费用均呈下降趋势。

2)该群客户为长话低值客户,长话主要使用传统长途。

3)使用他网卡较多,但他网IP卡下降趋势明显。SS6群使用非电信卡消费均值最高,长话流失严重。

针对上述情况,采用的营销策略是用超级IP、商务行、17908卡等有针对性地开展策反工作。

5 结束语

数据挖掘可以对大量数据进行自动分析,发现有价值的模式或规律。聚类分析能帮助企业进行客户分群,从而应用于目标市场营销。本文利用数据挖掘工具KXEN出了一个电信企业客户分群的解决方案。实践证明本文提供的电信目标市场营销客户分群的解决方案是成功有效的。

参考文献

[1] 张建萍,刘希玉.基于聚类分析的K-means算法研究及应用[J].计算机应用研究, 2007(5):166-168.

[2] 陶露菁.基于数据挖掘的电信客户分群设计和实现[D].南京大学硕士学位论文,2005.06.

[3] 刘文.凯森(KXEN)商业数据挖掘[EB/OL].www.datom-i.com,2008

[4] 刘文.KXEN市场细分教程[EB/OL].http://www.amteam.org/print.aspx?id=606090,2007.7

[5]苏宁军.采用聚类分析的数据挖掘技术进行电信市场客户分群[EB/OL].http://www.billingchina.com/html/2006-07-03/1726.html,2006.7

作者：罗烨,蔡秋茹,柳益君,李秉璋

电信商业客户市场营销策略论文 篇2：

挖掘客户规律　提升客户保持率

调查机构的数据显示，“用户保持率”增加5%，就有望为电信运营商带来85%的利润增长；而且，发展一个新客户比保持一个老客户的费用要高7倍，由此可见用户流失或话务量流失都将对运营商的经营产生深远的影响。

宁夏电信与宁夏移动、宁夏网通、宁夏联通、宁夏铁通等运营商的竞争激烈，这势必对宁夏电信工作内容、工作方式、经营管理以及客户服务提升提出严峻的挑战。

项目背景

在宁夏电信目前经营过程中，已经出现了客户大量流失和业务收入不明原因下降的现象。在现有业务系统条件下，宁夏电信更多的是通过相关的报表看到这些现象产生的结果，根据相关数据找到部分原因，再采取相应的措施。但这些事后的补救行为对于现象的发生并不能进行预测，也就无法及时采取相应的预防措施。同时，现有业务系统的数据处理速度和响应时间较慢，不能保证管理层和决策层能及时地得到结果。

客户流失分析是以客户的历史通话行为数据、客户的基础信息、客户拥有的产品信息为基础，通过适当的数据挖掘手段，综合考虑流失的特点和与之相关的多种因素，从中发现与流失密切相关的特征，并在此基础上建立可以在一定时间范围内预测用户流失倾向的预测模型，为相关业务部门提供有流失倾向的用户名单和这些用户的行为特征，以便相关部门制定恰当的营销策略，采取针对性措施，开展客户挽留工作。面对海量的业务数据，如何处理宁夏电信所关心的客户流失问题，是宁夏电信目前急需解决的问题。

如何做客户流失分析

对于客户流失的现象，我们可以分为以下情况：

1. 公司内部客户转移：在电信企业表现为客户转移至本电信公司的不同网络或不同业务。例如，电信公司增加新业务，或者资费调整引发的业务转移。虽然就某个业务单独统计来看存在客户流失，但对公司整体而言客户没有流失。当然公司内部客户转移也会影响公司的收入。

2. 客户被动流失：表现为电信运营商由于客户欺诈或恶意欠费等行为而主动终止客户使用网络和业务。这是由于电信运营商在客户开发的过程中忽视了客户质量造成的。

3. 客户主动流失分：分为两种情况，一种是客户不再使用任何一家电信运营商的电信业务；二是客户选择了另一家运营商，即所谓的“客户跳网”。后一种情况的原因是客户认为公司不能提供他所期待的价值，即公司为客户提供的服务价值低于另一家电信运营商。这可能是客户对电信公司的业务和服务不满意，也可能是客户仅仅想尝试一下别家公司提供而本公司未提供的新业务。这种客户流失形式往往是研究的主要内容。

通过数据挖掘技术，可以研究客户流失中客户特征分析、流失预测、流失后果评估等问题。研究电信客户流失的时候会考虑到以下的一些问题：

1. 哪些现有客户即将流失？

2. 现有客户的流失概率如何？

3. 哪些因素造成客户的流失？

4. 客户流失对客户自身会造成什么影响？

5. 客户流失对公司有何影响？

6. 不同类别之间客户的流失情况有什么差别？

7. 如果某个客户将要流失，他会在多长时间内流失？

以上的问题可通过设计合适的数据挖掘流程来解决。研究哪些客户即将流失时，将其定位为一个分类问题，即将现有客户分为流失和不流失两类。选择适量的历史上流失客户和未流失客户的属性数据组成训练数据集，利用神经网络、决策树、logistic回归等分类建立客户流失的分类模型。同时会给出分类结果的概率值，这个值可以看作是客户的流失概率。用建立的分类模型预测可对现有用户进行流失预测，并给出流失概率。

同时，面对客户越来越个性化、多样化的消费需求，宁夏电信需要提供更加丰富的产品和服务。市场策略应对速度是保持竞争力的重要手段，而市场应对策略的制定需要真实、及时、准确的市场经营信息的支持。

宁夏电信项目思路

为有效地应对市场变化，数据的集中至关重要，集中的数据提供全省业务整体的视图，是全局决策的基础，因此“宁夏电信数据挖掘项目”按“一级平台，两级应用”的全省集中模式进行建设。“一级平台”即在省一级建立统一的软硬件平台，对全省的业务数据进行集中统一管理； “两级应用”即对系统应用而言，建立省中心和各地分公司两级应用模式。各地分公司的用户，通过内部办公网，按其权限，对自己分公司的相关客户信息进行分析和提取。由于数据挖掘的分析主题众多，因此“宁夏电信数据挖掘项目”应遵循总体规划，分步实施，循序渐进展开的项目建设原则。本项目计划分两期进行实施，第一期主要是建立数据集市系统，为数据挖掘应用奠定数据基础，同时构建数据挖掘平台，以解决客户流失问题为目标，积累数据挖掘的经验。项目第二期将把数据挖掘向更广泛的领域全面展开，如客户分群、交叉销售、针对性营销等。

数据仓库解决方案系统体系结构

通过对“宁夏电信数据挖掘系统”的需求分析，Sybase建议采用集中式数据仓库建立的方式。数据仓库系统主要从计费系统、渠道系统和10000号系统提取数据，经过整理转换后，供数据挖掘和分析系统使用。

数据仓库的实施是一个相当复杂的过程，主要数据仓库的设计建模、数据转换与集成、数据存储与管理、数据仓库的维护和管理。Sybase提供了覆盖整个数据仓库建立周期的完整解决方案和产品集。在一期项目中，使用了Sybase整体解决方案中的部分产品：Sybase IQ数据仓库服务器、Clementine数据挖掘工具和SPSS数据分析工具。

方案特点

1. 保证系统高效、稳定、可靠运转

数据存储要保证数据的安全性、完整性、一致性，还要有复杂分析查询的高效性。 Sybase的数据仓库服务器Sybase IQ是一个关系型数据库，为高性能决策支持和数据仓库的建立进行优化。IQ中的关键技术是数据按列存储、Bit-Wise查询索引、数据压缩和Multiplex技术。这些先进的技术使基于Sybase IQ构建的应用系统拥有卓越的查询性能与最低的总拥有成本。

2. 维护方便, 操作便捷

本系统采用中文图形用户界面，用户界面友好、美观实用、方便简单、易于操作并包含必要的系统连机帮助。 系统具有参数维护、维表维护功能，可以实现自身的维护管理。

同时，Clementine 提供了一个可视化的快速建立模型的环境，是业界领先的数据挖掘工具。使用它，企业可以将数据分析和建模技术与特定的商业问题结合起来，找出其他传统数据挖掘工具可能找不出的答案。

Clementine使用一些有效、易用的按钮组件，用户只需用鼠标将这些组件连接起来建立一个“数据流”。可视化的界面使得数据挖掘更加直观交互，从而可以将用户的商业知识在每一步中更好地利用。

Clementine为结果展示提供了丰富的图形，包括直方图、分布图、条形图、线型图、点图、网状图等，用户可以将结果转换成3D图形，对数据从多方位进行理解。同时，Clementine还提供了数据挖掘结果评估图形。

3. 灵活的分析建模

Sybase公司充分考虑了宁夏电信数据模型的复杂性，可以灵活满足各种分析型业务的需求，可以进行适合用户需求的主题域划分和合理的数据分割与粒度定义，以及对不同粒度数据的合理存储周期。在设计数据仓库基础数据模型时，更充分体现宁夏电信企业内部业务规则以及数据之间的关系，使分析使用更具有灵活性。

4. 具有良好的开放性和扩展性

系统采用开放的体系设计和基础软件平台，整体考虑了从系统结构、功能设计、数据容量、直到软平台的开放性和扩展性。

系统应用有良好的可拓展能力，如果增加新的统计分析模型，系统可以平滑升级，而不需要对现有系统的软件设计做重大改动。

5. 保证系统安全运作

Sybase在系统选型时充分考虑了系统的可靠性与安全性，以保证系统能连续稳定工作、具有高的可靠性与低故障率。整个系统具备良好的备份机制及备份策略，保证在出现单物理点故障时，系统基本功能不受到影响。所有访问决策支持系统的用户，必须经过系统用户权限认证方可使用。每月对中间层数据进行增量备份，对明细数据进行全备份。

系统主要功能

通过对“发现问题-找到解决方案-跟踪解决方案-总结经验教训”的全程跟踪和分析，解决如何针对有流失倾向的客户进行有效挽留的问题。

本系统主要由二部分组成:

1.业务分析子系统

对业务发展的现状进行分析，并对业务发展的未来趋势进行预测，找到业务增长和下降的趋势和原因，为业务的发展提供帮助。由数据仓库的各个分析主题来提供数据支持。

2.流失特征挖掘、流失预警分析子系统

通过建立流失客户行为的数据挖掘模型，发现流失客户使用业务的各种特征和规律。通过匹配这些特征，对在网客户流失进行预警，为客户经理提供具有流失倾向的客户清单，由客户经理考虑制定有关客户的挽留措施，从而有效地提升客户保持率。

应用效果

Sybase的整体解决方案有效地支撑了宁夏电信数据挖掘项目一期工程的建设。系统实际运行后，所提供的客户流失信息准确率高达93%，命中率和覆盖率也达到了85%以上。通过对系统提供的有流失倾向的客户制定有针对性的挽留措施，使客户保持率比以前的传统方式提高了8倍以上，从而有效地提升了客户保持率。

电信商业客户市场营销策略论文 篇3：

“大数据”时代金融统计在商业银行营销中的应用研究

【摘要】如今“大数据”已经成为新闻、互联网反复提及的热门词汇，人们用这个词来形容信息爆炸时代，社会上各行各业所产生的海量的数据。“大数据”时代，金融行业庞大的数据资源，使商业银行可以全面的了解客户，精准地向客户销售产品，使商业银行在产品营销和信用风险防范方面有的放矢。随着“大数据”时代的来临，该模式已经逐步成为金融机构营销发展的新趋势。

【关键词】大数据 金融统计 商业银行 营销

伴随着经济全球化进程的加快，我们已经步入了一个全新的信息化时代。“大数据”成为新闻、互联网反复提及的热门词汇。面对来自社会上金融业务活动所产生的海量数据，如何收集、整理和分析；如何根据这些重要信息做出合理的管理决策，避免金融风险事故的发生。在金融“大数据”时代，缺乏统计的思想和方法已经很难进行科学的管理和决策。金融统计与现代IT信息技术的融合，使商业银行得以挖掘数据背后隐藏的商业逻辑，使商业银行在产品营销和风险控制方面有的放矢。“大数据”时代金融统计的应用对商业银行起着十分重要的作用，银行业面临着新的变革和挑战。本文对于“大数据”时代金融统计在商业银行营销中的应用进行了说明和分析。

一、“大数据”时代金融统计的含义及特征

受经济全球化和全球信息化，人类社会发展和需求多样性、云计算和物联网技术深化应用等方面的影响，人们用“大数据”这个词来形容信息爆炸时代，社会上各行各业所产生的海量的数据。“大数据”是指集合海量非结构化数据，比如气象数据、金融数据、信用数据、银行按揭数据、住房数据、电力数据、煤气数据、道路交通数据、客运数据、安全刑事数据、旅游数据、医疗数据、教育数据、环保数据等。这些数据在每个机构、部门里面虽然独立保存，但是将这些数据汇总，进行合理的分析处理，将会发现数据所蕴含的真正价值。

全球最著名的管理咨询公司麥肯锡对“大数据”给出的定义是：一种规模达到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。“大数据”不仅仅是指拥有了数量多么庞大的信息数据，而在于如何对获得的这些信息和数据进行专业化的处理，使孤立的数据相互关联起来，运用数据来找出问题和答案。只有提高对数据的“加工能力”，通过“加工挖掘”才能实现数据的巨大价值。

迈入21世纪，我们的社会越来越快的发展着、科技越来越发达、信息快速传播，人和人之间的沟通交流变得越来越密切和频繁。在这样的一个信息化时代，促使了“大数据”现象的产生。随着“大数据”时代的来临，商业银行、金融机构积累了的庞大的金融数据。通过对这些海量的数据进行收集、整理和分析，便可以反映出经济金融活动中的规律性，可以更全面地了解客户的需求。通过分析客户的交易信息，可以掌握客户的消费习惯，从而准确预测客户将来的消费行为，使商业银行在营销和风险控制方面有的放矢。

二、“大数据”时代金融统计对商业银行营销的作用

金融统计的主要任务是运用统计学理论和方法，对金融活动内容进行分类、量化、数据搜集和整理，以及进行描述和分析。编制指标形成统计报表，统计分析金融活动中的规律或揭示基本的数量关系，为金融工作的开展提供科学客观的依据。在我国传统的金融统计工作中，比较重视数据收集以及制作统计报表，缺少分析层面的的创新应用。实际工作中，大部分的金融统计的成果就是形成一份份厚重的统计报表，而没有深入挖掘数据中存在的逻辑内涵，统计报表做成，工作就算完成。利用数据做出分析结论较少，缺乏将金融统计的成果进行合理的运用。我认为金融统计工作不仅仅是收集整理数据，还应该多注重实际分析，将零散的数据、孤立的信息关联起来，从数据中找规律、找逻辑、找问题、找答案。随着中国加入世贸，以及金融深化改革的进程不断加快，我国金融统计也应该与时俱进，提高金融统计的实用性，使金融统计为促进经济发展作出贡献。

“大数据”时代的金融统计对商业银行所起的作用：

（一）缓解信息不对称降低信贷风险

企业经营者掌握着包括生产经营情况、资产、负债、偿债能力等信息。而作为债权人的银行不可能拥有和掌握每个贷款企业的真实信息，缺少企业借款人信用记录等相关信息，对借款人真实的经营和财务状况缺乏了解。银行和企业之间信息不对称，导致信贷风险发生的概率很高。金融机构之间壁垒森严，“数据信息孤岛”现象十分突出。银行拥有金融交易流水，工商部门拥有企业登记信息，公安法院拥有刑事处罚等记录，但是这些信息数据没有得到合理的汇总和共享。企业、银行、证券、保险、等机构的金融数据均各自孤立，形成数据“孤岛”。客户的交易流水等金融业务信息均被视为视为各自的商业机密，没有得到合理的信息共享，商业银行所掌握的客户信息并不充分，信息优势难以充分体现出来。

信贷风险存在的原因是信息的不对称性[1]。因此商业银行数据的收集整合与分析处理的能力决定了其信贷风险的管理能力。如今IT互联网先进技术的广泛应用，使海量金融数据的收集、处理和分析成为了可能。近几年，很多商业银行推出了创新型的金融产品。如POS流水贷等，结合POS机交易流水信息进行商户信用情况分析，无需抵押物或者担保，凭POS流水数据为客户发放信用贷款。商业银行可以借助“大数据”技术来改善信息不对称现象，有效控制面临的信用风险。

（二）客户信息采集实现精准营销

商业银行客户经理往往对客户的基本情况、投资经验、投资需求和资产情况并不是十分了解的情况下就进行理财产品推荐，没有了解客户的真实需要，过多的介绍产品，使客户产生反感情绪。对客户缺少分类，没有将普通客户和高端客户区别对待，销售上缺乏针对性，导致被客户拒绝，销售效果不佳，使客户经理的自信心受到打击，影响销售产品的积极性。

金融产品的客户群高度分散，背景差异大，收入水平、资金量、偏好、风险承受能力的不同导致对金融产品需求差别很大。谁是金融产品的潜在客户？客户对金融产品有什么喜好？商业银行精准营销的重点在于采用“大数据”金融统计，在数据库中进行客户筛选。对于已经有过交易记录的客户，根据客户的基本信息、购买记录，对客户的消费习惯做相应的分析，把产品推荐给合适的客户。

作者：林旭华