分析客户历史消费数据
中国移动将CRM系统从BOSS分离系统，解决系统耦合问题，减少BOSS整个系统风险。中国移动NGBOSS以S为基础OA（系统面向服务架构)概念，设计综合考虑标准化、可扩展性、可扩展性、可管理性、可测试性、高可用性、高性能、高安全性等(见图15-4）。 在NG-BOSS系统建设的同时，中国移动不断推进经营分析系统（NG-BASS）建设。2002年，中国移动投入巨资NG-BASS2004年，省级业务分析系统与有限公司一级业务分析系统的全国联网建设不断完善，下一代业务分析N不断完善G-BASS系统（见图15-5)。业务分析系统的建设为企业运营建立了统一的数据信息平台，为全网络业务、客户服务、营销、业务决策、业务实施提供了有效的支持；进一步支持省级市场活动的管理和指导，在中国移动业务运营中发挥了重要作用，为中国移动的精细运营提供了基础。中国移动业务分析系统的功能正在增加和增强，包括KPI基本功能，如指标监控、统计报表、综合分析和数据挖掘。 图15-4 中国移动NGBOSS规划框架 图15-5 中国移动NG-BASS系统架构 1.KPI指标监控 KPI在表格和图形的帮助下，指标监控功能进行KPI实时监控指标的完成情况，使分析人员和各级管理人员能够及时了解当前指标的完成进度，比较分析不同指标和分支机构之间的完成进度。 2.统计报表功能 统计报表功能是根据预设项目、数据、格式等需要，根据一定的周期，定期生成统计结果数据，进行汇总或分析处理，形成规定的报表格式。报表生成灵活性高，支持各级报表数据自动生成，支持各种统计元素的选择，报表模板设计开发难度小，操作方便。 3.综合分析 基于O的综合分析LAP根据轴、面、群的分析方法，多维分析技术改变了品牌和客户的指标、ARPU、分解时间、区域、用户特征等维度，分析分解组中包含的内容。分析内容可包括客户数量、收入、业务量分析、新业务等。 4.高级数据挖掘功能 高级数据挖掘是利用数据挖掘方法和技术从大量数据中找到数据之间的关系模式。高级数据挖掘包括客户价值分析、业务预测、消费水平变化分析、客户损失分析、客户细分等。这种分析涉及大量的变量，复杂的变量关系，缺乏强大的数据分布规律。因此，分析的综合性、难度和深度都很高，对分析人员的要求也很高。 中国移动NG-BOSS、NG-BASS、CRM系统之间的关系见图15-6。 图15-6 中国移动业务支持系统二级架构 第二节 数据挖掘营销 数据挖掘（DM：Data Mining）这是一个利用各种分析工具在大量数据中发现模型和数据之间关系的过程。这些模型和关系可以用来进行预测，可以根据企业设定的业务目标探索和分析大量的企业数据，揭示隐藏的、未知的规律性或验证已知的规律性，并进一步将其模型化为先进和有效的方法。数据挖掘作为一种数据信息处理技术，与传统的数据分析（如查询、报告、在线应用程序分析）有本质的区别：数据挖掘是一个完整的过程，没有明确的假设。该过程从大型数据库中挖掘未知、有效和实用的信息，并使用这些信息做出决策或丰富知识。 数据挖掘技术可以帮助决策者找到隐藏的信息，使用决策树、模糊收集、神经网络等计算方法分析企业数据，进行归纳推理，挖掘潜在模式，预测客户行为，帮助决策者调整市场策略，做出正确的决策，降低风险，一般来说，数据挖掘常用的方法和技术，主要是相关规则、数据分类、数据聚类、时间序列模式、事故规则、回归分析、偏差分析，基于Web数据挖掘等。 通信企业拥有大量的客户信息和客户通信信息。虽然这些业务数据看起来很普通，但它们包含了客户管理的宝贵信息。数据挖掘技术与大量数据密切相关。通过数学算法，可以根据这些数据建立客户管理预测模型，分析客户相关信息，采取有效措施为各类客户服务。 案例 上海联通数据挖掘营销 上海联通积极利用呼叫渠道进行准确的服务营销，在客户服务系统中建立呼叫服务营销界面，使客户服务人员能够充分掌握120秒的呼叫时间，给予用户专业的指导和建议，提供最合适的服务。基于大数据的概念，结合用户信息，结合公司的产品预设，上海联通推出了基于用户肖像精细服务营销，采用小颗粒个性化营销方案，实现服务营销活动准确匹配不同群体的需求和行为习惯，提高客户对服务的满意度和产品使用价值。在粒度设计中，从分组、分类、分时、分域四个维度考虑，提高针对性，加强实时性，提高营销成功率，降低营销成本，优化用户感知。 上海联通制定了精细服务营销三步计划。在第一阶段，上海联通根据现有的系统支持能力，启动了客户服务系统营销界面的开发。当目标用户致电10010时，直接显示用户适合在客户服务代表界面免客户服务代表盲目推荐或查询各种信息。第二阶段，上海联通优化数据分析，准确定位，实时调用用户数据，使推荐产品更及时，根据用户互联网行为分析增加用户标签，在增值业务的基础上增加应用推荐。在未来的第三阶段，上海联通将整合数据资源，以客户服务中心为新兴的业务推广渠道，配合数据平台建设功能，启动客户服务平台、Esales平台与营销平台实时对接，跟踪服务营销效果，协助数据平台优化数据模型。通过有针对性的营销，2013年上海客户服务中心电话营销量大幅增长，第三季度营销量达到第一季度产能的两倍。目标用户组的营销成功率约为目标用户的三倍，更重要的是，客户意识大大提高。 案例 衡水联通大数据营销 2014年，河北衡水联通成立了基于用户行为的大数据虚拟团队，进行了一系列价值分析。例如，宽带离线网络用户行为特征分析和移动在线流量消费跟踪行为分析，方便各运营商更准确地了解客户需求，开展有针对性的营销活动。在炒店活动中%；在大数据平台的帮助下，衡水联通在营业厅开发了精细助销系统，客户推荐成功率超过20%；衡水联通借助外脑，构建了基于谷歌搜索技术的本地分布式大数据HADOOP该平台入语音、流量、位置信息等用户数据，依托平台建立流量准实时推荐模型，通过维护保留系统接口，通过维护系统引入客户服务维护人员工作台，维护人员实施一对一推荐营销，实现流量推荐积极营销。 案例 广东移动数据挖掘营销 广东移动早些时候建立了数据挖掘系统，实施各种业务的数据挖掘和营销。例如，建立彩铃业务的挖掘和销售模式，分析客户的历史消费数据。模型选择296个数据项目，筛选68个作为彩信业务倾向的评分依据，包括：三个月平均声信平台业务使用、三个月平均音信互动业务使用、三个月平均语音普通业务使用、三个月平均梦网彩信业务使用、三个月平均网络呼叫相关号码打开彩铃、三个月平均日间网络称为普通话。 参考文献 ［1］林有宏。电信行业精准的营销方法和案例［M］.北京：2009年人民邮电出版社 ［2］宋杰，徐静。电信行业的竞争分析方法和实践［M］.北京：2009年人民邮电出版社 ［3］漆晨曦.电信市场经营分析方法与案例［M］.北京：2007年人民邮电出版社 ［4］李霓虹.电信营销［M］.北京：2011年人民邮电出版社 ［5］匡斌.电信营销［M］.北京：2005年人民邮电出版社 ［6］沈阿强.电信营
