电信运营商拥有数量庞大的客户信息，谁能充分利用这些信息，进行正确地挖掘分析隐含在其中的知识，谁就能更好地向客户提供产品与服务，并能发现更多的商机，从而在竞争中获胜。

　　【通信产业网讯】电信运营商拥有数量庞大的客户信息，谁能充分利用这些信息，进行正确地挖掘分析隐含在其中的知识，谁就能更好地向客户提供产品与服务，并能发现更多的商机，从而在竞争中获胜。

　　电信业发展到今天，不仅从“卖方市场”转向“买方市场”，并形成了三大运营商同台竞技的市场格局，从而决定了客户关系的“大一统”必然向客户细分和“个性化”营销和服务转变。

　　客户细分是指按照一定的标准将企业的现有客户划分为不同的客户群。正确的客户细分能够有效地降低成本，同时获得更强、更有利可图的市场渗透。通过客户细分，企业可以更好地识别不同客户群体对企业的价值及其需求，并针对不同细分特征的客户群体采取独特的产品或市场营销组合战略，从而达到吸引合适客户，保持客户，建立客户忠诚的目的。因此，在竞争激烈的今天客户细分成为运营商精准营销的关键所在。

　　传统的客户细分往往根据用户所属地区、品牌、ARPU值等进行分类，然而在分析中我们却发现同为动感地带且ARPU值相似的用户消费特征差异很大，如ARPU值同为100元左右的用户，有的以通话消费为主，有的却以数据业务消费为主。因此，传统的基于描述统计的客户细分方法显得力不从心了。基于数据挖掘技术的分类方法，为更深入的客户细分提供了有效的手段。与其他行业相比，中国电信运营商拥有更多的客户信息，谁能充分利用这些信息，进行正确地挖掘分析隐含在其中的知识，谁就能更好地向客户提供产品与服务，并能发现更多的商机，从而在竞争中获胜。

　　根据数据挖掘的方法论，从数据挖掘角度进行客户细分包括六大步骤：理解业务需求、选择市场细分变量、所需数据及其预处理、选择细分技术建模、评估结果、应用细分模型。下面详细进行说明。

　　STEP1　理解业务需求

　　这个阶段要解决四个方面的问题。

　　确定商业目标。明确电信行业的背景、需实现的商业目标和成功的标准等。分析的结果应当在业务远景中意义深远，并且能够在实际业务环境中得到进一步实际应用。

　　形式评估。评估我们拥有多少资源、我们的需求是什么、我们的假定是什么、有什么限制条件，存在什么样的风险，应用的专业术语有哪些，成本收益等。

　　确定数据挖掘目标和成功的标准。数据挖掘的目标非常重要，在进行数据挖掘前一定要明确挖掘的目标。电信业务变化快，不同的时期，挖掘的对象并不一样，挖掘目标也千差万别，而挖掘目标不一样，决定了挖掘使用的模型和算法完全不一样。如，若分析的目标是寻找高价值客户，则主要考虑的变量是用户的ARPU。

　　制定项目计划。制定项目的时间节点，阶段性成果、评估地方法工具等。　

STEP2　选择市场细分变量

　　变量选择的优劣直接影响细分结果的质量，因此变量选择应该建立在理解业务需求并充分了解运营商掌握的客户信息的基础上，以需求为前提，根据需求选择变量。

　　运营商掌握的客户信息一般有：用户基本属性信息(年龄、性别等；以及在网时长、付款方式、套餐等)、通话行为数据(通话次数：市话次数、长话次数等)、通话费用(市话费用、长话费用等)、账单数据(月租费、功能费等)、业务量信息(本地通话时长、国内长途通话时长量等)、缴费信息(缴费金额、缴费次数)等。

　　此外，所选择的变量的数量并不是越多越好，应该有一定的数量，可以通过相关分析、因子分析、主成分分析来剔除不必要变量。

　　STEP3　所需数据及其预处理

　　包括以下两个方面：

　　数据的提取。根据选择的市场变量，通过营业系统、计费系统、账务系统和结算系统等提取原始数据。

　　原始数据预处理。对原始数据进行清理、变换和整理。数据清理是去除噪点、减少变量等，客户可以通过统计描述、相关分析、因子分析实现。数据变换可以通过标准化、主成分分析实现。数据整理即把清理、变换后的数据整理合并成模型输入所需要的格式。该过程是数据挖掘过程中花费时间最长的过程，并且需对行业领域知识有较深理解。

　　STEP4　选择细分技术

　　在电信业中，聚类分析是深入了解客户群体，进行客户细分的有效工具。常用的聚类算法有K-means、Two-step聚类、Kohonen网络等，可以根据不同的数据情况和需要选择不同的算法，并可以通过SPSS、Clementine等软件实现。

　　K-Means聚类法：也称为快速聚类法。使用者需要首先将数据分为K群，该方法会自动确定K个群的中心位置，继而计算每条记录距离这K个中心位置的距离，按照距离最近的原则把各个记录都加入到K个群，然后重新计算K个群的中心位置，再次计算每条记录距离这K个中心位置的距离，并把所有记录重新归类，再次调整中心位置，依次类推……，达到一定标准时，结束上述步骤。这种算法的优点是：运算速度快，适合于大数据量。缺点是：提前必须确定需要分为几类。

　　Two-step聚类法：这种方法首先需要确定一个最大群数(比如说n)，并把数据按照一定的规则分为n个群，这是该方法的第一步。接着按照一定的规则把n个群中最接近的群进行归并，当达到一定的标准时，这种归并停止，这就是该种方法最终确定的聚类群数(比如说m)，这是第二步。该方法的显著优点是可以根据结构本身自动确定应该把数据分为多少群。缺点是运算速度慢。

　　Kohonen网络聚类法：是运用神经网络的方法对数据进行细分的数据挖掘方法。

　STEP5　评估结果

　　在对客户进行细分之后，会得到多个细分的客户群，但是，并不是得到的每个细分都是有效的。可以从四个方面对细分结果进行评估：

　　可衡量性。指细分的客户群是可以识别和衡量的，亦即细分出来的客户群不仅范围明确，而且对其容量大小也能大致作出判断。

　　可进入性。指细分出来的客户群应是企业营销活动能够抵达的，亦即是企业通过努力能够使产品进入并对客户施加影响的。

　　有效性。即细分出来的客户群，其容量或规模要大到足以使企业获利。

　　营销策略的差异性。指各细分客户群的营销策略应有明显差异。

　　STEP6　应用细分模型

　　根据客户细分的结果，制定合适的营销活动，进行有针对性的营销。

　　总之，客户细分是电信运营商与用户二者实现双赢的重要举措。目前用户需求呈现多样化、个性化的趋势，我们不仅要通过描述统计学，更应通过数据挖掘深入分析用户消费行为，精确识别、细分用户市场，开发出针对不同层次用户的产品进行营销，方能使得各方价值发挥到最大，实现共赢。

　　（作者为中研博峰咨询有限公司咨询顾问）