面向精确营销的用户行为分析模型研究与应用.ppt

《面向精确营销的用户行为分析模型研究与应用.ppt》由会员分享，可在线阅读，更多相关《面向精确营销的用户行为分析模型研究与应用.ppt（48页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、中国移动集团重点中国移动集团重点/联合研发项目联合研发项目结题汇报报告结题汇报报告项目名称：面向精确营销的用户行为分析模型研究与应用项目名称：面向精确营销的用户行为分析模型研究与应用项目编号：项目编号：第2页一一一一.开题计划完成情况开题计划完成情况目目 录录二、主要研究成果（整合后）二、主要研究成果（整合后）第3页1.1 1.1 研究背景及目标（开题报告）研究背景及目标（开题报告）市场竞争日趋激烈，市场竞争日趋激烈，特别是在高校、家庭市场，音乐、终端、移动互联网等领域，需要更精准的营销。市场营销活动中缺乏模型及工具支持市场营销活动中缺乏模型及工具支持，特别是有效的内容模型、社会关系模型、用户

2、偏好模型、精准推荐模型等，导致许多用户数据没有得到充分应用,营销活动往往凭经验人工设定规则选取营销目标，无法满足精确营销要求项项目目背背景景1.1.研究用户行为分析算法研究用户行为分析算法，为公司面向特定群体、特定业务的精确营销奠定基础，提升公司精准营销水平2.2.通过所研究算法的应用，为无线音乐业务营销、终端及相关业务营销、家庭及高校市场营销、用户关系营销、移动互联网等具体营销领域提供具体营销领域提供支撑支撑项项目目目目标标第4页1.2 1.2 项目研究主要内容及分工（开题报告）项目研究主要内容及分工（开题报告）方法研究方法研究(研究院研究院)-社会关系网络研究-推荐算法(包括文本、web挖

3、掘）及平台研究应用研究应用研究(各省公司）各省公司）-家庭客户研究家庭客户研究(上海）上海）：家庭客户的定义、挖掘、特征及营销方案；-号立方研究（江苏）号立方研究（江苏）：挖掘用户之间的关系，并对关系进行管理与营销。-高校客户研究（广东）高校客户研究（广东）：通过客户基站通信归属等算法定位高校客户；分析高校客户的通话数据和数据业务使用情况，描绘高校竞争情况的全景图。-无线音乐用户研究（四川）无线音乐用户研究（四川）：通过对全网音乐市场、用户构成、消费习惯、内容偏好、用户欺诈等用户相关行为，营销渠道数据等进行全面的分析，建立用户/产品/渠道的用户行为分析体系-12530WAP12530WAP音乐

4、推荐研究（四川）音乐推荐研究（四川）：实现对会员用户的个性化音乐推荐、音乐与咨询的互动推荐。-用户手机上网行为分析研究（四川）用户手机上网行为分析研究（四川）：通过对用户手机上网套餐、用户手机上网访问内容的分析，分析用户使用手机上网的热门网站、热点关键字、时间规律、终端情况等。-基于基于wapwap日志的用户偏好模型研究（安徽）日志的用户偏好模型研究（安徽）：通过手机用户wap上网日志，对用户访问内容进行分析，分析用户的内容偏好，为内容产品营销奠定基础。-WlanWlan用户上网分析研究（广东）用户上网分析研究（广东）：研究wlan用户的上网行为，从多个系统中整合wlan数据，从多个角度分析和

5、展现wlan用户的上网习惯，为营销提供支撑。-定制终端研究（湖南）定制终端研究（湖南）：通过单个客户终端补贴效益分析模型、多维度终端捆绑客户分析模型、移动客户终端消费行为分析模型，建设终端营销方案决策支持系统第5页1.3 1.3 开题计划完成情况总结开题计划完成情况总结项目总体研究框架项目总体研究框架交往圈交往圈数据整合数据整合方法研究方法研究(研究院）研究院）上网日志上网日志应用研究应用研究业务推荐业务推荐内容推荐内容推荐营销支持与目标选择营销支持与目标选择社会网络分析社区发现社区发现关系类型挖掘关系类型挖掘精准推荐算法及平台基于内容推荐基于内容推荐基于行为推荐基于行为推荐音乐日志音乐日志位

6、置信息位置信息终端补贴数据终端补贴数据家庭社区发家庭社区发现与营销现与营销(上海上海)无线音乐用无线音乐用户偏好分析户偏好分析与欺诈分析与欺诈分析(四川）四川）高校用户特高校用户特征挖掘与营征挖掘与营销销(广东广东)Wap音乐音乐个性化推荐个性化推荐(四川）四川）用户偏好用户偏好分类与推分类与推荐系统荐系统(安徽安徽)Wlan用户用户分析挖掘系分析挖掘系统统(广东）广东）定制终端定制终端消费分析消费分析与营销与营销（湖南）（湖南）”号立方号立方“关系管关系管理系统理系统(江苏江苏)移动互联网移动互联网分析平台分析平台(四川）四川）第6页1.3 1.3 开题计划完成情况总结开题计划完成情况总结

7、成果一览成果一览单位单位主要成果主要成果初步应用效果初步应用效果研究院研究院推荐平台系统(含推荐平台系统、社会网络关系分析系统、基于内容的用户偏好分析模型等）提交专利申请3项labs流量提升20%以上，跳出率减小一半以上；研究成果应用于:四川公司子项目音乐基地wap音乐推荐、安徽公司子项目基于wap的推荐系统、上海公司子项目家庭客户挖掘、江苏公司子项目号立方系统及其他项目中。上海公司上海公司家庭客户挖掘模型、统一视图及营销方案模型实际验证准确率79%；实际营销成功率提高3倍以上四川公司四川公司无线音乐用户使用偏好模型及欺诈行为识别模型；移动互联网分析平台12530WAP个性化音乐推荐产品使用偏

8、好模型进行无线音乐营销，成功率提升13.5%,欺诈模型发现95%的欺诈用户；使用移动互联网分析平台，上网套餐推荐成功率提升一倍以上；使用个性化音乐推荐，推荐页面访问转化率提升68.5%湖南公司湖南公司定制终端营销决策支持模型模型验证表明模型预测的arpu与实际arpu拟合度达90%以上。广东公司广东公司高校用户特征挖掘模型Wlan用户分析与挖掘系统在迎新期间进行竞争态势监控和营销，发展高校新增活跃客户超过24万，同比增加17%。使用wlan分析挖掘系统，合理规划热点，挖掘用户上网习惯，进行针对性营销。江苏公司江苏公司号立方用户关系管理平台求职通订购数上升59%；139邮箱活跃用户提升55%安徽

9、公司安徽公司基于wap日志的用户偏好分析及推荐系统对用户偏好进行分类，推荐相应的内容，用户响应率提升6-10倍第7页1.3 1.3 开题计划完成情况总结开题计划完成情况总结 项目成果总结项目成果总结完成推荐平台、社会网络、基于内容的用户偏好分析等新型用户分析模型的研究及系统开发，并在实际项目中进行了模型验证，效果良好。并申请专利3项；完成在家庭用户、高校用户、wlan用户、手机上网用户、无线音乐用户行为分析、终端补贴用户等应用领域的行为分析和挖掘，成果均进行了部署、测试和效果评估，部分成果取得了良好的效益。探索了研究院和省公司的合作模式。通过充分结合研究院在算法模型研发和方案设计等方面优势，及

10、省公司在市场需求洞察和营销推广的实战经验，在四川、上海、安徽、江苏等省公司实现了了研发成果的应用落地，取得了较好的经济效益和社会效益。提出营销需求分析需求样本数据需求提取样本数据算法模型试验预期效果和资源需求制定部署方案评估及协调资源提供模型、接口文档远程或本地部署精确营销实验营销效果评估省省公公司司研研究究院院第8页1.3 1.3 开题计划完成情况总结开题计划完成情况总结-研发情况总结研发情况总结项目研发总结项目研发总结项目的时间安排、人员分工、成果达到了开题计划中的预计目标,绝大部分成果取得了良好的效益。研究中也存在一些不足。由于时间限制，小部分成果还有待进一步的应用检验。项目对各种用户行

11、为数据的挖掘均进行了探索，取得了一定的成绩，但在某些子项目上，研究方法、应用推广上仍嫌不足，有待进一步提高。由于联合项目较多等等原因，研究院未能在所有子项目上均进行模型和方法支持，而只是在四个子项目上进行了支持。第9页一一.开题计划完成情况开题计划完成情况目目 录录二、主要研究成果（整合后）二、主要研究成果（整合后）第10页2.2 2.2 研究成果介绍研究成果介绍2.2.1 方法研究-社会网络关系判定与社区发现-推荐算法与平台2.2.2 应用研究业务推荐业务推荐-家庭客户挖掘模型与统一视图-号立方用户关系管理平台-移动互联网分析平台内容推荐内容推荐-12530WAP个性化音乐推荐产品-基于wa

12、p日志的用户偏好分析及推荐系统-无线音乐用户使用偏好模型及欺诈行为识别模型营销支持与目标选择营销支持与目标选择-高校用户特征挖掘模型-Wlan用户分析与挖掘系统-定制终端营销决策支持模型第11页社会网络关系判定与社区发现研究社会网络关系判定与社区发现研究-目标目标识别社会网络中两个人之间交往关系的本质，为潜在家庭客户、集团客户、圈子产品营销提供支持。第12页社会网络关系判定与社区发现研究社会网络关系判定与社区发现研究-技术路线技术路线1 利用用户移动轨迹数据，发现用户居住地（O）和工作地（D）及其它泊点。2 基于用户OD、交往圈等信息，精准判别用户之间的关系3 对相同关系用户进行判别，获得相同

13、关系的社区，如家庭用户、集团用户、朋友圈等实际测试模型实际测试模型准确度约：准确度约：79%第13页社会网络关系判定与社区发现研究社会网络关系判定与社区发现研究-可视化可视化一个家庭所在地和成员工作地点家庭的两个成员回家的动态轨迹一个用户从家上班的典型轨迹一个集团的位置和成员家庭位置第14页推荐算法与平台研究推荐算法与平台研究-目标目标使用使用SaaSSaaS模式为中国移动各门户、模式为中国移动各门户、业务平台提供远程推荐及分析服务业务平台提供远程推荐及分析服务具备支持资讯、电子商务、音乐具备支持资讯、电子商务、音乐等应用场景的个性化精准推荐能力等应用场景的个性化精准推荐能力具备不良信息过滤能

14、力具备不良信息过滤能力部署容易，无需后台系统改造部署容易，无需后台系统改造支持匿名推荐，确保用户隐私不受侵犯支持匿名推荐，确保用户隐私不受侵犯支持实时行为计算与推荐，结果个性化支持实时行为计算与推荐，结果个性化程度和相关性高程度和相关性高云计算架构，支持大规模并发用户推荐，云计算架构，支持大规模并发用户推荐，易于扩展处理能力易于扩展处理能力分析功能强大，可帮助站点进行改进分析功能强大，可帮助站点进行改进中国移动精准营销推荐服务平台在中国移动自有平台上在中国移动自有平台上实现推荐服务的整合应实现推荐服务的整合应用，促进产品销售用，促进产品销售第15页推荐算法与平台研究推荐算法与平台研究-技术路线

15、技术路线音乐平台音乐平台资讯类网站资讯类网站电子商务类网站电子商务类网站数据获取数据预处理推荐模型配置训练推荐生成推荐平台推荐平台页面插码页面插码页面嵌入JS代码（采集和推荐）采集用户在线行为轨迹定期更新导入内容数据和用户信息推荐内容推荐内容 网站为您推荐的资讯浏览该资讯的用户还看过同主题资讯推荐推荐内容推荐内容 网站为您推荐的产品购买该产品的用户还买过相似产品推荐推荐内容推荐内容 网站为您推荐的歌曲喜欢该音乐的用户还喜欢同类音乐推荐云计算平台云计算平台第16页推荐算法与平台研究推荐算法与平台研究-算法模块算法模块第17页推荐算法与平台研究推荐算法与平台研究-应用形式应用形式Labs上访问过此

16、内容的用户还访问过Labs给你推荐的相关资讯、博文和话题Labs相关标签扩展阅读前台产品第18页推荐算法与平台研究推荐算法与平台研究-应用效果评测应用效果评测推荐结果：主题相符或相近推荐结果：主题相符或相近内容占比内容占比80%80%以上，较之关键以上，较之关键字匹配，在扩展性和精准性字匹配，在扩展性和精准性方面都有所提升。方面都有所提升。原文示例：国外运营商LTE市场发展与策略分析推荐结果：主题相符或相近推荐结果：主题相符或相近内容占比内容占比80%以上，较之关以上，较之关键字匹配，在扩展性和精准键字匹配，在扩展性和精准性方面都有很大提升。性方面都有很大提升。按兴趣推荐内容或相关标签博文报告

17、/视频新闻帖子实际应用效果：实际应用效果：Labs推荐上线后，平推荐上线后，平均提升了均提升了20%的流量，跳出率较少的流量，跳出率较少一半一半多，平均页面停留时间增长多，平均页面停留时间增长3%。第19页方法研究方法研究-实际应用实际应用江苏公司号立方(本联合项目)上海公司家庭用户挖掘(本联合项目）河南公司基于位置的关系挖掘(11年联合项目）研究院Labs推荐音乐基地 wap音乐推荐(本联合项目）安徽公司wap用户偏好推荐(本联合项目）第20页2.2 2.2 研究成果介绍研究成果介绍2.2.1 方法研究-社会网络关系判定与社区发现-推荐算法与平台2.2.2 应用研究业务推荐-家庭客户挖掘模型

18、与统一视图-号立方用户关系管理平台-移动互联网分析平台内容推荐内容推荐-12530WAP个性化音乐推荐产品-基于wap日志的用户偏好分析及推荐系统-无线音乐用户使用偏好模型及欺诈行为识别模型营销支持与目标选择营销支持与目标选择-高校用户特征挖掘模型-Wlan用户分析与挖掘系统-定制终端营销决策支持模型第21页家庭用户标签家庭用户标签家庭用户分类家庭用户分类小小小小灵通灵通家有家有电信电信三口三口之家之家两口两口之家之家亲密亲密无间无间窃窃窃窃私语私语短信短信情长情长高消高消费型费型经济经济型型家庭营销家庭营销信息来源信息来源登记信息登记信息业务使用信息业务使用信息 用户话单信息用户话单信息用户

19、行为用户行为业务业务家庭客户家庭客户挖掘挖掘家庭客户家庭客户位置信息位置信息直接外呼直接外呼BOSS营销营销点对点短信点对点短信Mail嵌入电子渠道嵌入电子渠道家庭客户挖掘模型与统一视图家庭客户挖掘模型与统一视图(上海上海)-)-目标与研目标与研究框架究框架物理物理家庭客户家庭客户重点重点目标：家庭用户定义和区分方法，研究家庭客户挖掘模型的方法，家庭客户统一视图的目标：家庭用户定义和区分方法，研究家庭客户挖掘模型的方法，家庭客户统一视图的建立，分析其特点，捕捉精细化的营销机会。建立，分析其特点，捕捉精细化的营销机会。第22页家庭客户挖掘模型与统一视图家庭客户挖掘模型与统一视图 技术路线技术路线

20、第23页家庭客户挖掘模型与统一视图家庭客户挖掘模型与统一视图 统一视图及模型验统一视图及模型验证证家庭成员家庭成员5757其它关系其它关系2222样本样本经分员工经分员工密友密友21抽样验证准确率抽样验证准确率家庭成员部分：个人基本信息：年龄、ARPU等、通话时长、通话分钟数、短信条数等与户主对应关系：与户主交往情况：各时段通话次数以及占比，各时段通话分钟数以及占比、各时段短信条数以及占比与户主位置关系：重合的基站数家庭客户部分：家庭整体情况：成员数、固话数、小灵通数等等、家庭的ARPU、通话次数、通话分钟数、平均在网时长、年龄等家庭内指标：与户主的各时段通话次数、短信条数、通话分钟数等家庭位

21、置信息：与户主平均位置重合情况家庭标签：基于位置、交往圈大小、交往密切情况、家庭平均年龄等等打上标签家庭客户统一视图家庭客户统一视图结果集1目标家庭数：660万总成员数：1000万结果集2目标家庭数：200万总成员数：300万根据营销的规模选择相应的结果集目标家庭客户目标家庭客户模型准确率：模型准确率：79%青浦属地自营厅外呼总数7835，其中考虑用户占35%，2742位，拒绝用户（拒绝+挂机）占33%，2585；关机停机销户等非正常状态客户占13%，1081位，直接愿意办理用户占2%，共157户；无人接听占17%，共1332户；相比原先随机抽取用户的外呼模式(随机选取arpu30的用户，考虑

22、用户占10%,直接愿意办理的用户0.7%），该模型提升营销成功率3倍以上。营销验证营销验证第24页号立方用户关系管理平台号立方用户关系管理平台(江苏江苏)-)-目标与路线目标与路线目标：通过用户的通信行为挖掘用户之间的关系，并对关系进行管理与营销第25页号立方用户关系管理平台号立方用户关系管理平台-应用：求职通应用：求职通分析出企业的招聘电话号码分析出企业的招聘电话号码然后对与这些招聘电话联系的然后对与这些招聘电话联系的移动移动号码进行号码进行求职求职通通营销营销号立方分析目标号立方分析目标工作时间通话次数占比，联系人数量，平均通话工作时间通话次数占比，联系人数量，平均通话时间，打出时间，打出

23、/打入，和相同号码的联系次数打入，和相同号码的联系次数等等关系变量关系变量分析分析通过训练集和以上关系变量，判别通过训练集和以上关系变量，判别招聘招聘关系关系，从从而识别出而识别出招聘电话招聘电话求职关系判别求职关系判别对和以上招聘电话有联系的移动号码进行营销对和以上招聘电话有联系的移动号码进行营销营销营销在基于号立方进行精确营销在基于号立方进行精确营销之后，之后，6月份和月份和7月份，求职月份，求职通订购人数明显上升，通订购人数明显上升，提升比例超过：提升比例超过：59%第26页号立方用户关系管理平台号立方用户关系管理平台-应用：应用：139139邮箱邮箱通过分析和联系人的关系，预测潜在的通

24、过分析和联系人的关系，预测潜在的139邮箱活跃用户邮箱活跃用户号立方分析目标号立方分析目标1对多对多关系变量关系变量通话次数通话次数总和总和，短信次数，短信次数总和总和，通话平均持续时间，通话平均持续时间总和总和，短，短信平均长度信平均长度总和总和关系变量关系变量分析分析通过训练集通过训练集计算关系变量，然后计算关系变量，然后识别出识别出测试集中的潜在测试集中的潜在139活跃用户活跃用户潜在潜在活跃活跃用户用户预测预测对潜在的对潜在的139活跃用户进行营销活跃用户进行营销营销营销139邮箱活跃用户数在邮箱活跃用户数在基于号立方进行精确基于号立方进行精确营销之后的活跃用户营销之后的活跃用户人数比

25、之前提升比例人数比之前提升比例超过：超过：55%第27页移动互联网分析平台移动互联网分析平台(四川四川)-)-目标与技术路线目标与技术路线通通过过用用户户手机上网套餐流量分析，手机上网套餐流量分析，为为用用户户的的发发展与展与维维系提供目系提供目标标用用户户。通通过过用用户户手机上网行手机上网行为轨为轨迹的分析，迹的分析，为为内容运内容运营营提供依据，提升用提供依据，提升用户户活性。活性。主要研主要研究目标究目标用户群类型对应生命周期分群规则潜在目标用户考察期500K-5M，未订购资费套餐尝试性用户形成期连续三月使用量低于套餐流量30%活跃用户稳定期连续3个月高于套餐流量30%危机用户退化期1

26、.当月退订套餐用户2.下月套餐到期用户3.当月使用量较三月平均值下降50%根据用户生命周期理论构建合理的用户分群模型，以实现根据用户生命周期理论构建合理的用户分群模型，以实现差异化的用户维系和价值提升策略。差异化的用户维系和价值提升策略。热门网站分类热门网站分类网站内容爬取与分类网站内容爬取与分类根据用根据用户访问的分的分类确确定定用户偏好。用户偏好。用户其他行为如上网时用户其他行为如上网时段、使用业务等分析段、使用业务等分析第28页移动互联网分析平台移动互联网分析平台-应用应用营业厅推荐套餐订购尝试数套餐成功订购数推荐套餐升级尝试数套餐成功升级数推荐成功率青羊营业厅1152220721%少城

27、营业厅4398222%八宝街营业厅52139225%人东厅24449552123%合计45493923223%1 上网套餐推荐成功率上升上网套餐推荐成功率上升。成都分公司武侯区营业厅在。成都分公司武侯区营业厅在11月月1日日-5日利用顾问营销系统进行手机上网日利用顾问营销系统进行手机上网套餐推荐的试验数据证明，该模型能够提升推荐成功率套餐推荐的试验数据证明，该模型能够提升推荐成功率100%以上以上(注：原推荐成功率约注：原推荐成功率约10%)。PUSHPUSH时间时间 用户样本用户样本 响应用户响应用户 响应率响应率8:008:0050005000114511455.73%5.73%11:00

28、11:00500050008688684.34%4.34%17:0017:0050005000127712776.38%6.38%19:0019:00500050009339334.66%4.66%通过用户上网行为的分析，整体用户手通过用户上网行为的分析，整体用户手机上网集中在上午机上网集中在上午7-9点、下午点、下午16-18点、点、晚上晚上24点，三个时段。因此在通过点，三个时段。因此在通过WAP PUSH的方式，刺激用户活性时，尽可能的方式，刺激用户活性时，尽可能利用前两个高峰期（第三个高峰期时间段利用前两个高峰期（第三个高峰期时间段不适宜进行线上营销）。不适宜进行线上营销）。2 营销响

29、应率提升营销响应率提升。同一用户群，同一。同一用户群，同一PUHS内容在用户上网高峰期，可以获得更高营销响应率。内容在用户上网高峰期，可以获得更高营销响应率。3 用户活跃度提升用户活跃度提升。借助用户内容偏好。借助用户内容偏好分析的结论，利用我省四川风采的分析的结论，利用我省四川风采的WAP网站进行内容资源的整合，为尝网站进行内容资源的整合，为尝试期的用户进行针对性的内容投放，试期的用户进行针对性的内容投放，逐步培育用户上网行为。逐步培育用户上网行为。第29页2.2 2.2 研究成果介绍研究成果介绍2.2.1 方法研究-社会网络关系判定与社区发现-推荐算法与平台2.2.2 应用研究业务推荐业务

30、推荐-家庭客户挖掘模型与统一视图-号立方用户关系管理平台-移动互联网分析平台内容推荐-12530WAP个性化音乐推荐产品-基于wap日志的用户偏好分析及推荐系统-无线音乐用户使用偏好模型及欺诈行为识别模型营销支持与目标选择营销支持与目标选择-高校用户特征挖掘模型-Wlan用户分析与挖掘系统-定制终端营销决策支持模型第30页12530WAP12530WAP个性化音乐推荐产品个性化音乐推荐产品(四川四川)-)-目标与技术路线目标与技术路线目标目标目标目标通过个性化推荐，通过个性化推荐，增强用户粘性，增加用户的增强用户粘性，增加用户的回访率，提升用户的转化率，培养一批具有高回访率，提升用户的转化率，

31、培养一批具有高价值、高活性会员用户群体价值、高活性会员用户群体。高高频用用户中中频用用户低低频用用户SlopeOne按照用户历史访问项目集合，根据音乐间的线性拟合评分偏差，预测推荐期望最高的音乐关联规则关联规则 查找与某一音乐共现的其他音乐，用歌曲热度、用户访问时间、频次等加权进行相关性排序TOPN根据歌曲热门程度、流行程度、推荐程度、下载次数等进行排序，选取最大的N个进行推荐每个用户的音乐推荐列表每个用户的音乐推荐列表运营规则干预运营规则干预原则：针对原则：针对不同类型的不同类型的用户采用与用户采用与之相应的推之相应的推荐算法荐算法第31页12530WAP12530WAP个性化音乐推荐产品个

32、性化音乐推荐产品-应用形式应用形式首页首页12原畅销歌曲页原畅销歌曲页3个性化推荐页个性化推荐页第32页12530WAP12530WAP个性化音乐推荐产品个性化音乐推荐产品-应用效果应用效果实验前推荐页转化率实验前推荐页转化率实验前推荐页转化率实验前推荐页转化率实验后推荐页转化率实验后推荐页转化率实验后推荐页转化率实验后推荐页转化率20%20%将个性化推荐模型部署在12530 WAP现网系统的1台前端机中，进行了近20天的实验，结果表明推荐模型大幅提升页面访问的转化率。33.7%33.7%使用个性化推荐模型之后推荐页面访问转化率提升了68.5%同时，WAP门户每用户访问页面深度增加，表明推荐模

33、型能提升用户黏性。使用个性化推荐模型之后每用户访问页面深度增加1.2个(13%)实验前每用户访问页面数实验前每用户访问页面数实验前每用户访问页面数实验前每用户访问页面数实验后每用户访问页面数实验后每用户访问页面数实验后每用户访问页面数实验后每用户访问页面数9.29.210.410.4第33页基于基于wapwap日志的用户偏好分析及推荐系统日志的用户偏好分析及推荐系统(安安徽）徽）-目标与技术路线目标与技术路线WAP网关记录数据清理资讯访问记录资讯类型标注资讯类型访问记录聚类分析用户群体聚类结果计算群体偏好数据采样群体对各资讯类的偏好存储隶属关系数据清理推荐模型合成用户内容偏好模型待推荐资讯用户

34、内容偏好模型类型特征矢量标注类型类型标注模型匹配产生推荐列表排序用户喜好程度推荐列表模型构建模型构建模型应用模型应用 目标：建立客户内容偏好标签，开展内容营销根据客户偏好，有效细分客户，结合业务本身特性，设计增值业务产品包，开展内容营销，引导第三方产品到移动自有产品的迁移第34页基于基于wapwap日志的用户偏好分析及推荐系统日志的用户偏好分析及推荐系统-应用方案应用方案各偏好客户细分细分客户群通过对客户的偏好梳理，可将客户细分为不同偏好用户群。财经偏好群1游戏偏好群2体育偏好群3时尚娱乐偏好群4影视偏好群5选择地市偏好类型将客户偏好部署到营销管理平台中，营销人员可方便利用平台分析客户偏好需求

35、：可筛选各类别偏好的客户群；可筛选各数据及信息业务的不同偏好客户群；指导地市开展内容型业务营销；第35页基于基于wapwap日志的用户偏好分析及推荐系统日志的用户偏好分析及推荐系统-应用效果应用效果经过安徽公司对有手机上网行为的用户进行随机抽取营销和个性化推荐营销发现，用户对推荐内容的响应率要远高于随机发送的内容。第一组实验：普通上网用户随机推荐命中率0.043%，个性化推荐命中率0.29%，命中率提高命中率提高6.7倍倍。第一组实验：普通上网用户随机推荐命中率0.049%，个性化推荐命中率0.51%，命中率提高命中率提高10.4倍倍。实验方案实验方案：11月3012月3，对有手机上网行为的2

36、0万左右普通用户推荐手机上网助手的内容(URL)；对2.4万分析了上网偏好的用户，根据其兴趣偏好推荐上网内容(URL)。所有用户进行两次实验，前后两次推送的内容不同。计算指标为“命中率”，即记录推荐用户中有多少用户成功访问推荐的信息。计算公式：命中率=访问用户数（推荐内）/推荐用户数第36页 目标：通过对全网音乐市场、用户构成、消费习惯、内容偏好、用户欺诈等用户相关行为目标：通过对全网音乐市场、用户构成、消费习惯、内容偏好、用户欺诈等用户相关行为以及营销渠道等进行全面的分析，建立一个用户、产品、渠道的用户行为分析体系，指导实以及营销渠道等进行全面的分析，建立一个用户、产品、渠道的用户行为分析体

37、系，指导实际营销和管理应用。际营销和管理应用。无线音乐用户使用偏好模型及欺诈行为识别模型无线音乐用户使用偏好模型及欺诈行为识别模型（四川（四川)-)-目标与技术路线目标与技术路线号码ID139*Web登录次数20Web试听次数25Web购买次数5Wap登录次数10Wap试听次数30Wap购买次数1层次分析层次分析法定权法定权维度权重登录次数1试听次数2购买次数5号码ID139*Web偏好得分95Wap偏好得分85门户使用数据门户使用数据偏好打分方法偏好打分方法各门户偏好得分各门户偏好得分门户偏好确定门户偏好确定把门户、渠道、把门户、渠道、产品等偏好进行产品等偏好进行交叉组合形成用交叉组合形成用

38、户偏好户偏好取最大的偏好得取最大的偏好得分为该用户的第分为该用户的第一偏好一偏好用户偏好沉淀用户偏好沉淀结果传输到营结果传输到营销平台进行针销平台进行针对的营销对的营销用户偏好营销用户偏好营销 用此方法确定用户的偏好，确定了门户、渠道、歌手、歌曲四个方面等28个大类，上百个交叉组合的子类的用户偏好第37页无线音乐用户使用偏好模型及欺诈行为识别模型无线音乐用户使用偏好模型及欺诈行为识别模型-欺诈欺诈识别模型识别模型 我们以全曲业务为例来简单介绍欺诈用户模式识别的过程。号码ID139*当天下载量20包月开通时间20100115当天下载歌曲数5当天每首歌曲平均下载量4当天下载CP数2当天每家CP平均

39、下载量10当天单CP最大下载量15当天下载方式的个数1确定的欺诈用户标记1历史数据历史数据决策树决策树算法算法神经网神经网络算法络算法数据挖掘算法数据挖掘算法1天内下载量10-20首并且cp=2家1天内下载量21-50首并且cp=3家1天内下载量在50首以上并且cp3次发现欺诈规律，提取发现欺诈规律，提取欺诈规则欺诈规则号码ID138*订购时间201003310528歌曲id600902000007513015歌曲id600749订购方式002实时数据实时数据实时数据处理，实时数据处理，进行规则匹配进行规则匹配实时监测实时监测号码ID135*136*欺诈号码欺诈号码平台预警、平台预警、封堵处理

40、封堵处理实时反馈实时反馈欺诈欺诈模式模式发现发现模型模型欺诈欺诈实时实时监测监测及反及反馈模馈模型型第38页无线音乐用户使用偏好模型及欺诈行为识别模型无线音乐用户使用偏好模型及欺诈行为识别模型-成成果及应用果及应用通过对无线音乐用户行为分析，把分析的结果和推荐系统进行结合，使歌曲的营销成功率有大幅度提高，达到13.5。通过对无线音乐用户行为分析，欺诈行为模式结果和监测系统进行结合，提高监测系统的效率和准确度。在进行全曲的实时的欺诈监控中，能够发现发现95以上的欺诈用户，占整个全曲量的11以上。第39页2.2 2.2 研究成果介绍研究成果介绍2.2.1 方法研究-社会网络关系判定与社区发现-推荐

41、算法与平台2.2.2 应用研究业务推荐业务推荐-家庭客户挖掘模型与统一视图-号立方用户关系管理平台-移动互联网分析平台内容推荐内容推荐-12530WAP个性化音乐推荐产品-基于wap日志的用户偏好分析及推荐系统-无线音乐用户使用偏好模型及欺诈行为识别模型营销支持与目标选择-高校用户特征挖掘模型-Wlan用户分析与挖掘系统-定制终端营销决策支持模型第40页高校用户特征挖掘模型高校用户特征挖掘模型(广东广东)-)-目标与技术路线目标与技术路线目标：针对高校学生市场进行研究，根据基站定位及客户通信情况划分各大运营商的高校客户的通信归属，进一步进行高校竞争态势监控和高校市场客户特征数据挖掘。第41页高

42、校迎新客户发展支撑高校迎新客户发展支撑高校迎新客户发展支撑高校迎新客户发展支撑案例介绍案例介绍对对市市场场新新增增客客户户发发展展情情况况及及占占有有率率进进行行全全天天候候2424小小时时监监控控，制制定定新新增增异异常常应应急急预预案案，及及时时抑抑制制竞竞争争对对手手发发展展，集集中中火火力力进进攻攻客客户户新新增增重重点点区区域域。9 9月月高高校校迎迎新新期期间间，发展高校新增活跃客户超过发展高校新增活跃客户超过2424万，万，同比增加同比增加17%17%，全面取得了高校迎新的胜利。，全面取得了高校迎新的胜利。1高校用户特征挖掘模型高校用户特征挖掘模型-应用案例应用案例案例介绍案例介

43、绍p建建立立高高校校学学生生通通信信及及业业务务特特征征模模型型，深深刻刻把把握握学学生生的的需需求求和和通通信信喜喜好好，制制定定有有针针对性的营销策略，提升市场拓展及精细化运营水平。对性的营销策略，提升市场拓展及精细化运营水平。高校客户深度运营高校客户深度运营高校客户深度运营高校客户深度运营2系统数据分析：系统数据分析：1010年新生特征年新生特征p长途需求旺盛长途需求旺盛新生长途话费占比老生高出新生长途话费占比老生高出12%12%p数据业务活跃度低于老生数据业务活跃度低于老生飞信活跃度飞信活跃度40%40%，老生，老生60%60%手机邮箱活跃度手机邮箱活跃度6%6%，老生，老生10%10

44、%应对营销政策：应对营销政策：p刺激话务：充刺激话务：充5050送送2020，1010万学生客户万学生客户参与参与p提升长途：长途午夜畅聊，学生参与提升长途：长途午夜畅聊，学生参与超过超过2424万人万人p数据业务运营：星光校园客户超过数据业务运营：星光校园客户超过1515万人万人第42页WlanWlan用户分析与挖掘系统用户分析与挖掘系统(广东广东)-)-目标与技术路线目标与技术路线 数据转换 数据加载 采采集集层层网络运维工程建设网络优化IPNETIPNETWLANWLAN统一统一OMC OMC 数据抽取接口适配器公共消息服务系统管理对外信息共享市场营销华为防火墙华为防火墙监控平台监控平台

45、RadiusRadius认证认证系统系统APAP、ACAC、SWSW等设备管理资料等设备管理资料处处理理层层数据库关联模型元数据管理指标引擎服务模型分析服务报表服务OLAP分析服务应应用用层层多维分析 信息发布自定义报表 业务行为分析用户行为分析区域行为分析业务综合分析信息维护 目标：构建Wlan用户分析与挖掘系统，收集并分析散落在不同地方的WLAN用户的使用行为和访问特性，为业务部门的营销策略制定、营销效果验证，WLAN规划部门的业务规划和网络规划，为WLAN维护部门的网络优化、投诉处理，绿色上网工程等提供支持和保障手段。第43页WlanWlan用户分析与挖掘系统用户分析与挖掘系统-系统展现

46、系统展现第44页定制终端营销决策支持模型定制终端营销决策支持模型(湖南湖南)-)-目标与技术路线目标与技术路线目前终端营销政策制定缺乏全面、科学的依据，无法对客户前期消费贡献进行精细分析；同时目前终端营销政策制定缺乏全面、科学的依据，无法对客户前期消费贡献进行精细分析；同时对客户享受终端补贴后的消费行为也缺乏监控与跟踪分析，为加强定制终端销售精细管理，提对客户享受终端补贴后的消费行为也缺乏监控与跟踪分析，为加强定制终端销售精细管理，提升终端消费行为分析能力，构建四大模型：升终端消费行为分析能力，构建四大模型：终端消费行为模型、补贴效益模型、贡献度模型、终端消费行为模型、补贴效益模型、贡献度模型

47、、多维度捆绑用户分析模型多维度捆绑用户分析模型，为定制终端营销方案制定在事前、事中、事后三个阶段提供支持。为定制终端营销方案制定在事前、事中、事后三个阶段提供支持。n终端补贴活动前，根据活动的基本信息结合移动用户终端消费行为分析模型可以对该活动面向的用户群进行预测（主要针对ARPU值），根据预测的ARPU值的结果及单个用户终端补贴模型可以对用户参加活动后的ARPU进行简单预测，结合绝对贡献度模型可以计算出该类用户的绝对贡献度n终端补贴活动期间，可以根据用户的ARPU值结合移动用户终端消费行为分析模型对该用户进行终端推荐及活动推荐。n活动结束后，通过移动用户贡献度计算模型，对活动的收益进行评估，

48、同时，通过多维度捆绑终端用户分析模型从不同的维度对活动中取得的收益进行分析，发现问题，并进行数据沉淀。第45页定制终端营销决策支持模型定制终端营销决策支持模型-模型验证模型验证活动前终端消费模型预测验证：活动前终端消费模型预测验证：(09年年10-12月月约约25万用户万用户)可见真实ARPU（横）与预测ARPU（纵）分布一致，该模型拟合度较高(平均误差0.0 线性相关系数：0.977)活动期间用户平均活动期间用户平均ARPUARPU值预测模型验证（值预测模型验证（0909年年1010月月-12-12月约月约2525万活动用户）万活动用户）老用户老用户ARPU值预测验证值预测验证新新用户用户A

49、RPU值预测验证值预测验证R方为0.939,显示模型拟合度很高。R方约为0.9,显示模型拟合度较高。第46页2.3 2.3 项目总结及下一步工作项目总结及下一步工作联合项目研究了社会关系网络、精准推荐、用户使用行为分析等各种有效的分析方法，并在交往圈数据、位置数据、移动互联网数据等传统分析较少进行分析的数据上进行了积极的研究探索，取得了较好的效果。在联合项目中，研究院与多个省公司探索了合作模式，进行了紧密合作，推动了研究成果的落地应用。下一步计划进一步增强研究成果的推广应用，与更多省公司密切合作，推动面向精确营销的用户行为分析方法的在公司范围的广泛使用。第47页47结束结束谢谢大家！第48页“

50、那破玩意儿，有什么用啊，连大学毕业证都成费纸了，还拿初中毕业证吓唬我，谁希罕！”刘冰儿想。但她看在老班苦口婆心的份上，还是给了她面子，来参加中考了。这漫长的两个小时怎么过？老班在考场外盯着他们这些差生呢，怕他们早早出去，影响了成绩。“作文一定要写完啊。”当她进来的时候，老班站在门外，向她发出讨好的笑。想到这里，刘冰儿看了看作文题目：“阳光灿烂的日子”。她抬起头，朝窗外望了望：阳光很纯净，很妩媚，果然是个阳光灿烂的日子。刘冰儿不讨厌这个题目，虽然她很讨厌作文课。它仿佛触动了她心底的一角，让她听到了冰层融化的声音。那一瞬间，刘冰儿做出了一个重大的决定，她要写作文了。虽然进考场时，她曾赌气地想，要做