客户数据分析.ppt

第二部分:客户数据分析;概述;目录;1.客户分析方法总论;2.客户信息视图;经验之谈;2.客户信息视图(续);3.客户分析维度;3.客户分析维度

①变量选择;;;;;4.客户分析内容与结果

①假定;4.客户分析内容与结果

②概要;4.客户分析内容与结果

③深圳联通CDMA客户年龄与ARPU值分析;数据来源：2003年7/8/9月深圳联通CDMA出帐用户数据.去除600包月用户6005人。;4.客户分析内容与结果

⑤宁波联通CDMA客户年龄与ARPU值分析;4.客户分析内容与结果

⑥年龄分段的话费结构分布(深圳);4.客户分析内容与结果

⑦年龄分段的话费结构分布(深圳);4.客户分析内容与结果

⑧年龄分段的话费结构分布(宁波);连续三个月在网出帐用户(7/8/9)

抽样客户数量：96349人

抽样样本分布：16岁-55岁

样本计费标准：优惠前费用;连续三个月在网出帐用户(7/8/9)

抽样客户数量：96349人

抽样样本分布：16岁-55??;4.客户分析内容与结果

(11)话费结构分析——本地通话;4.客户分析内容与结果

(12)话费结构分析——国内长途;4.客户分析内容与结果

(13)话费结构分析——国内漫游;4.客户分析内容与结果

(14)话费结构分析——国际长途;4.客户分析内容与结果

(15)话费结构——国际漫游;4.客户分析内容与结果

(16)话费结构分析——数据增值业务;4.客户分析内容与结果

(17)话费结构——短消息(SMS);4.客户分析内容与结果

(18)本地通话呼入呼出分析;4.客户分析内容与结果

(19)本地通话呼叫时间分布;4.客户分析内容与结果

(20)国内长途呼叫时间分布;4.客户分析内容与结果

(21)国内漫游呼叫时间分布;使用率

;使用率

;在完成CDMA在网客户分析后，我们可以得到相当多的信息：

不同年龄的人数分布和年龄群平均ARPU值

客户的年龄与ARPU值有一定的正相关性

客户的年龄分布与相关移动通信业务用量的关系

不同年龄段客户的移动业务用量情况

不同年龄段的话务分布之间的差异性

在进行客户分群时，我们主要考虑以下一些方面的因素：

客户群的规模足够大。分群得到的客户群要具有一定的数量，年龄分群很好的解决了这一问题。

容易识别。不同客分群间有较明显的区别的差异性，能够很容易识别出不同的客户群。

年龄分布与ARPU值的关系。希望通过分群将具有相似ARPU值和年龄的客户群集合在一起，便于采取相应的市场活动进行有针对性的获取。

从深圳和宁波的年龄－ARPU分布和年龄－人数分布中，很明显的看出ARPU值的连续变化，结合不同年龄的人数分布，对深圳和宁波进行了相应的分群建议。;5.客户分群/细分建议(续);数据来源：2003年/8/9/10月宁波联通CDMA出帐用户数据.;5.客户分群/细分建议

①18-25岁客户群–“CoolYouth”;5.客户分群/细分建议

②26-34岁客户群–“YoungAchievers”;5.客户分群/细分建议

③35-45岁客户群–“EstablishedAdults”;在埃森哲的客户洞察分析方法论中，客户分析/细分模型是建立在大量的生活方式/人口统计学/生命阶段数据上。这些数据通常可以从专业的数据提供商处购买得到(如在许多的欧美国家)。目前联通的系统中不存在这些数据，同时在本项目期内也无法从潜在的数据源提供商处获得如此丰富的的数据。

由于数据的不足，项目在此刻无法使用此方法论来建立一个交全面的客户获取模型以支持筛选潜在客户。

因此在此项目中我们不得不使用目前联通数据库与外部数据列表共有的字段－年龄，来建立客户倾向模型。我们期望年龄作为一个细分变量来定义潜在客户并驱动客户获取战役。

一些其他全球性的通讯公司也通过年龄来进行客户分析/细分。基本上，年龄是可行的基本细分方法，因为一般公司都有这方面的数据和去预测客户行为及使用特征的能力。

;经验之谈;在没有足够数据条件下对识别目标客户时所产生的影响-是随机/没目标的客户选择;反观，拥有足够的数据将能更有针对性及有效地识别目标客户;而在有限数据情况下，使用年龄细分能带来相当程度的针对性;以下为因为数据支持不足其它无法进行的分析;呼叫集中度。指电话用户呼入呼出号码的集中程度。

例如，年轻用户群中可能相当数量的呼入或出电话是与父母等家庭成员、同学或朋友的通话，呼入/呼出号码可能有着明显的集中倾向。

又如，一些快递公司业务员的电话主要是接听公司的业务来电，因此呼入号码的集中度可能会非常高。

商务用户中大多数的电话打给公司客户或合作伙伴，呼入或呼出号码比较分散。

通过对移动电话用户呼叫集中度的分析可以有助于了解客户的移动消费特征。

呼叫倾向分析。呼叫倾