论文部分内容阅读
摘要：加强分客户群专业化管理，开展细分客户群分析与挖掘，针对不同聚类客户的特点，制定差异化的产品包装与业务组合。并在合适的时间准确的地点向客户发起营销推送活动，最终实现电信产品和服务的精确销售工作。
关键词：数据仓库；分析主题；客户群细分；精确营销
中图分类号：F062.4 文献标识码：A 文章编号：1008-4428(2011)05-139-03
一、数据仓库技术的兴起
传统数据库技术是单一的数据资源，进行事务处理或批处理的工作。而随着信息系统数年收集了海量的数据，且数据还在以指数级增长，企业迫切需要高效、精确地分析数据，找出其背后的寓意，进而了解企业的经营状况和外部环境，作出科学决断。在现代的激烈竞争中胜出，就这样，数据仓库技术诞生了。数据仓库是在企业管理和决策中面向主题的、集成的、时间相关的数据集合。是对分布在企业内部各处的业务数据的整合、加工和分析的过程。
(一)电信领域数据仓库的应用现状
随着电信企业经营环境的变化，市场竞争越来越激烈。如何有效地利用信息技术提高经营决策水平，成为今天每个电信企业必须面对的问题。调查显示，在许多引入竞争机制的国家或地区，如美、日的电信公司都建立数据仓库系统作为经营决策的工具，全面提升其运营水平。同样，中国的电信市场竞争也迫使电信运营商选择了数据仓库手段，提高企业的分析能力，通过科学的决策，提高企业的市场竞争力。
在目前的电信行业中产生的应用很多，不仅涉及市场经营方面的内容(BSS域的分析)，也包括网络运维方面(OSS域的分析)，同时也渗透到财务、人力资源等方面(MSS域的分析)。根据Gartner 2009年统计数据，在数据仓库的投资BSS域的分析占75％以上，下面介绍一下目前的主要应用：通信业务消费行为分析；优惠策略预测仿真；欠费和动态欺诈行为分析；客户关系管理分析；收入与经营成本分析；网络管理与网络优化分析；动态报表。
二、电信市场的精确营销
(一)电信市场精确营销的兴起
精确营销最早兴起于欧美等发达地区市场，随后迅速遍及全球。对于中国来说，面对整个社会消费层次的普遍升级，随着市场环境的深刻变化，电信运营商的重组及3G网络的大规模商用，电信业的竞争已经日趋白热化，在精确营销的大环境下。电信行业不能再继续粗放式、漫天撒网的营销模式。走上精确化营销的模式已经越发成为一种必然，只有“精耕细作”的精准营销才是企业营销发展的大趋势。
精确营销从原来以运营商为导向转向以客户为导向，研究客户的消费行为、生活形态，从而理解用户的深层次需求，并思考与客户的接触模式，最终给消费者以最精确的电信服务提供。这种营销的模式，其目标是在合适的时间和地点，把合适的信息传递给合适的人，从而实现“锁定目标客户，细分消费市场，节约广告成本，达成资源集优”的结果。
(二)电信精确营销的实现
从广义上讲，电信市场的精确营销包括5个步骤：
1、收集和整理有关客户的各方面信息，建立客户数据库；
2、加深客户理解，掌握细分客户群体的差异化需求；
3、根据细分客户群体需求设计差异化产品和服务；
4、提供满足客户群体的差异化产品和服务；
5、通过营销活动反馈进一步深化对客户本质需求和客户购买和使用习惯的理解，从而进一步优化营销方案。
三、电信精确营销的核心问题
(一)客户经理的烦恼
电信公司的客户经理小张近期很烦恼，从他负责的VIP客户王老板的消费结构看，王老板还有很深的消费潜力等待挖掘。但是特别在当前电信业务呈爆炸式增长的今天，小张根本不知道应该介绍些什么新业务给王老板(What)，更不知道在什么时间合适(When)。王老板在什么地点的时候合适(Where)。王老板是个VIP客户，介绍他不需要的东西给他就是垃圾信息，就是在浪费他的时间会遭致他的反感，甚至可能导致王老板换网。
所以，虽然电信市场发现了新的增长点，但现有的营销方式存在问题，传统方式下的营销人员时间和能力都成了营销成功的瓶颈，怎样发现新客户，怎样推送合适的业务给有需求的客户，如何不让垃圾广告信息骚扰其他客户，如何推送这些业务，什么时机推送等等，这都是我们应该思考和解决的。只有精确营销的引入才能顺利解决这些问题，使得对于营销的投入更加的有效。
(二)精确营销实现的核心问题
什么是精确营销的核心问题，解决了核心问题我们就成功地实现了精确营销。到这里，我们已经可以非常清晰地看到，精确的客户群划分和锁定是实现细化营销的基础与核心问题。
要做好客户群细分，改变以往客户划分的做法，根据客户的年龄、性别、行业、职业、区域、价值、消费结构、消费趋势、使用习惯等特性聚类进行细分客户群。并坚持和加强分客户群专业化管理，开展细分客户群分析与挖掘，针对不同聚类客户的特点，制定差异化的产品包装与业务组合，并在合适的时间准确的地点向客户发起营销推送活动，最终实现电信产品和服务的精确销售工作。
(三)客户行为的挖掘与群细分的实现方法
电信产品不同于其他行业的基本特点决定了它的营销具有特殊性，也决定了电信业市场非常适合进行精确营销。从电信企业内部各个IT系统如网上营业厅、营业系统、客户服务热线、计费账务系统等中获取数据，并以客户ID为主键进行抽取、清洗、转换并装载形成一个集中的有效数据中心。然后把需要的数据通过聚合形成目标数据集。在这个基础上，电信企业可以通过使用SPSS，SAS等数据挖掘工具分析收集到的数据集。电信企业进行客户分群时一般从价值纬度和行为纬度对客户分别进行价值分群和行为分群，再结合两次分群的结果确定战略性客户分群，并对每个群进行深入的特征刻画和分析。文章选取数据仓库中相关性最强的三块内容来介绍。
1、数据仓库的组件架构
要完成基于电信数据仓库的数据挖掘与分析，首先要完成数据仓库的搭建。数据仓库就是要从电信企业运营的相关系统中，这里主要指计费账务、客户服务、营业受理、自服务系统、综合结算等系统中抽取数据，并通过ETL的抽取、转换、装载，形成数据集市，然后由数据接人层面及应用层面进行动态查询、在线分析、数据挖掘等工作。
在数据仓库中主要包括源数据、真实表数据、临时数据、在线分析数据、报表数据、实时动态查询数据等。
2、ETL的组件架构
ETL是Extract抽取，Transform转换，Load加载的缩写，ETC是数据仓库的最重要、核心的组成部分，用于将相关的外围系统的有效数据采集、收集到数据仓库中形成数据集市的过程。
下面分别简介主要的几个模块，以便了解其如何工作：
(1)Extraction抽取，从指定的数据源采集需要的数据目标的过程
①通常支持数据库表接口、文件接口、消息接口三种模式； ②抽取模式支持增量抽取、全量抽取；
③抽取频度通常包括以日、周、月、年为单位；
④抽取顺序包括同步与异步；
(2)clean清洗，对不规则数据进行整理的过程；
①对错误数据的归类、校正和修改；
②对重复数据的检重；
③对离散数据的整合。
(3)Transform转换，不同的源信息形式到数据实体的过程，如统一代码、数据格式、统一单位等。通常包括计算、联合、分割等必需的辅助手段。
(4)Formatting标准化，将源数据加工为数据集市可以处理的格式，为后期的挖掘、分析做好准备。
(5)calculafion计算，根据企业的商业规则对格式化后的数据进行处理的过程，并将结果存储在数据仓库中，通常包括加、减、乘、除、求和、求平均、最大、最小值等。
(6)summary总结，在数据处理加工好后将被以一定的数据粒度组织和存储到仓库中，通常以四个粒度层次进行，包括详细数据、轻度聚集数据如日粒度、中度聚集数据如月粒度、高聚集数据如年粒度。
(7)Loading装载，整理后的数据加载到数据仓库的过程，通常对装载的效率和性能要求较高。
①全量装载，通常在一种业务类型数据第一次加载时采用，数据量大；
②增量装载与装载更新，根据时间、业务类型等维度对系统的数据进行更新。
(四)OLAP的分析主题
OLAP通过多角度对企业信息进行分析，来为企业管理提供深层的运营理解。维度是一种特定的观察数据的角度，主题分析则是采用在线分析技术通过多维度对一个相关的数据域进行观察及展现的过程。在电信运营领域，数据仓库的分析主题通常集中在六个领域，市场与营销分析、电信产品分析、客户与订户分析、资源分析、收入分析、服务分析。在本篇文章中，我们重点讨论的是数据仓库对电信精确营销的支持，所以，在分析主题上则主要集中在客户与用户分析上面，我们以此来说明，通过对客户行为的分析以达到客户群细分的目的，从而实现精确营销。
(五)客户主题分析
在客户管理方面，通常按照电信运营商对客户的大分类中，分为普通客户(公众客户)与大客户(集团客户)，这里我们仅选取普通客户作为目标进行介绍，不对大客户的分析进行展开。对普通客户的分析主题通常如下：
1、用户日分析，对新增用户、换号、停机等业务变更的统计
(1)分析维度：日期、地理位置、交费方式、客户等级、客户类型、品牌、上月消费等级等。
(2)分析KPI：用户量、激活用户量、静音用户量、欠费用户量、停机用户量等。
2、用户月分析，和日分析方法类似。
3、新增用户日分析，分析在一定周期内的新增用户。以及潜在的用户群。
4、用户流失日分析，分析一定周期内的流失用户，可以预测哪些类型的用户会流失并采取相应的措施对客户进行挽留。
5、预挽留用户月分析，分析即将离网用户，运营商可以推出一定的营销策略进行挽留。
6、用户使用行为月分析，深层理解客户的消费行为、电信服务使用行为，并细分市场。
(1)分析维度：日期、地理位置、交费方式、客户等级、客户类型、品牌、上月消费等级、语音业务消费等级、其他电信业务消费情况等。
(2)分析KPI：用户量、呼出次数、通话时长、SMS使用次数等。
7、客户交费行为月分析，通过对用户交费方式、金额、次数等分析，了解客户的交费习惯，优化交费模式，降低欠费水平；
8、客户充值行为月分析，和缴费分析类似。
(六)案例问题解决
在有了客户主题分析后，我们再回头来看原来案例。客户经理小张将不再烦恼。根据客户信息的分析，在数据仓库支撑下CBM系统将很容易实现客户群的细分了，假设根据客户的年龄、性别、行业、职业、区域、价值、消费结构、消费趋势、使用习惯等特性聚类进行细分客户群。在这种情况下，假设系统根据王老板的信息把他分类到“平均月电信消费500元，40岁男性，软件行业，小企业主，经常在工作上从南京往上海打电话等”。在这些信息的支撑下，我们很容易知道王老板对以下电信业务感兴趣的可能性很高，比如包月定向长途、电话秘书服务、快讯新闻手机报(软件行业)、小企业通讯套餐等，这样一来小张的烦恼将得到了解决。
上面的案例从最简单的层面介绍了客户细分对精确营销的支撑，一方面电信运营商提高了新产品销售能力、提高ARPU、提升客户满意度；另一方面电信客户则避免了垃圾广告信息的骚扰、降低了信息搜索成本，实现了目标精确、时机精确、内容精确的营销方式。
关键词：数据仓库；分析主题；客户群细分；精确营销
中图分类号：F062.4 文献标识码：A 文章编号：1008-4428(2011)05-139-03
一、数据仓库技术的兴起
传统数据库技术是单一的数据资源，进行事务处理或批处理的工作。而随着信息系统数年收集了海量的数据，且数据还在以指数级增长，企业迫切需要高效、精确地分析数据，找出其背后的寓意，进而了解企业的经营状况和外部环境，作出科学决断。在现代的激烈竞争中胜出，就这样，数据仓库技术诞生了。数据仓库是在企业管理和决策中面向主题的、集成的、时间相关的数据集合。是对分布在企业内部各处的业务数据的整合、加工和分析的过程。
(一)电信领域数据仓库的应用现状
随着电信企业经营环境的变化，市场竞争越来越激烈。如何有效地利用信息技术提高经营决策水平，成为今天每个电信企业必须面对的问题。调查显示，在许多引入竞争机制的国家或地区，如美、日的电信公司都建立数据仓库系统作为经营决策的工具，全面提升其运营水平。同样，中国的电信市场竞争也迫使电信运营商选择了数据仓库手段，提高企业的分析能力，通过科学的决策，提高企业的市场竞争力。
在目前的电信行业中产生的应用很多，不仅涉及市场经营方面的内容(BSS域的分析)，也包括网络运维方面(OSS域的分析)，同时也渗透到财务、人力资源等方面(MSS域的分析)。根据Gartner 2009年统计数据，在数据仓库的投资BSS域的分析占75％以上，下面介绍一下目前的主要应用：通信业务消费行为分析；优惠策略预测仿真；欠费和动态欺诈行为分析；客户关系管理分析；收入与经营成本分析；网络管理与网络优化分析；动态报表。
二、电信市场的精确营销
(一)电信市场精确营销的兴起
精确营销最早兴起于欧美等发达地区市场，随后迅速遍及全球。对于中国来说，面对整个社会消费层次的普遍升级，随着市场环境的深刻变化，电信运营商的重组及3G网络的大规模商用，电信业的竞争已经日趋白热化，在精确营销的大环境下。电信行业不能再继续粗放式、漫天撒网的营销模式。走上精确化营销的模式已经越发成为一种必然，只有“精耕细作”的精准营销才是企业营销发展的大趋势。
精确营销从原来以运营商为导向转向以客户为导向，研究客户的消费行为、生活形态，从而理解用户的深层次需求，并思考与客户的接触模式，最终给消费者以最精确的电信服务提供。这种营销的模式，其目标是在合适的时间和地点，把合适的信息传递给合适的人，从而实现“锁定目标客户，细分消费市场，节约广告成本，达成资源集优”的结果。
(二)电信精确营销的实现
从广义上讲，电信市场的精确营销包括5个步骤：
1、收集和整理有关客户的各方面信息，建立客户数据库；
2、加深客户理解，掌握细分客户群体的差异化需求；
3、根据细分客户群体需求设计差异化产品和服务；
4、提供满足客户群体的差异化产品和服务；
5、通过营销活动反馈进一步深化对客户本质需求和客户购买和使用习惯的理解，从而进一步优化营销方案。
三、电信精确营销的核心问题
(一)客户经理的烦恼
电信公司的客户经理小张近期很烦恼，从他负责的VIP客户王老板的消费结构看，王老板还有很深的消费潜力等待挖掘。但是特别在当前电信业务呈爆炸式增长的今天，小张根本不知道应该介绍些什么新业务给王老板(What)，更不知道在什么时间合适(When)。王老板在什么地点的时候合适(Where)。王老板是个VIP客户，介绍他不需要的东西给他就是垃圾信息，就是在浪费他的时间会遭致他的反感，甚至可能导致王老板换网。
所以，虽然电信市场发现了新的增长点，但现有的营销方式存在问题，传统方式下的营销人员时间和能力都成了营销成功的瓶颈，怎样发现新客户，怎样推送合适的业务给有需求的客户，如何不让垃圾广告信息骚扰其他客户，如何推送这些业务，什么时机推送等等，这都是我们应该思考和解决的。只有精确营销的引入才能顺利解决这些问题，使得对于营销的投入更加的有效。
(二)精确营销实现的核心问题
什么是精确营销的核心问题，解决了核心问题我们就成功地实现了精确营销。到这里，我们已经可以非常清晰地看到，精确的客户群划分和锁定是实现细化营销的基础与核心问题。
要做好客户群细分，改变以往客户划分的做法，根据客户的年龄、性别、行业、职业、区域、价值、消费结构、消费趋势、使用习惯等特性聚类进行细分客户群。并坚持和加强分客户群专业化管理，开展细分客户群分析与挖掘，针对不同聚类客户的特点，制定差异化的产品包装与业务组合，并在合适的时间准确的地点向客户发起营销推送活动，最终实现电信产品和服务的精确销售工作。
(三)客户行为的挖掘与群细分的实现方法
电信产品不同于其他行业的基本特点决定了它的营销具有特殊性，也决定了电信业市场非常适合进行精确营销。从电信企业内部各个IT系统如网上营业厅、营业系统、客户服务热线、计费账务系统等中获取数据，并以客户ID为主键进行抽取、清洗、转换并装载形成一个集中的有效数据中心。然后把需要的数据通过聚合形成目标数据集。在这个基础上，电信企业可以通过使用SPSS，SAS等数据挖掘工具分析收集到的数据集。电信企业进行客户分群时一般从价值纬度和行为纬度对客户分别进行价值分群和行为分群，再结合两次分群的结果确定战略性客户分群，并对每个群进行深入的特征刻画和分析。文章选取数据仓库中相关性最强的三块内容来介绍。
1、数据仓库的组件架构
要完成基于电信数据仓库的数据挖掘与分析，首先要完成数据仓库的搭建。数据仓库就是要从电信企业运营的相关系统中，这里主要指计费账务、客户服务、营业受理、自服务系统、综合结算等系统中抽取数据，并通过ETL的抽取、转换、装载，形成数据集市，然后由数据接人层面及应用层面进行动态查询、在线分析、数据挖掘等工作。
在数据仓库中主要包括源数据、真实表数据、临时数据、在线分析数据、报表数据、实时动态查询数据等。
2、ETL的组件架构
ETL是Extract抽取，Transform转换，Load加载的缩写，ETC是数据仓库的最重要、核心的组成部分，用于将相关的外围系统的有效数据采集、收集到数据仓库中形成数据集市的过程。
下面分别简介主要的几个模块，以便了解其如何工作：
(1)Extraction抽取，从指定的数据源采集需要的数据目标的过程
①通常支持数据库表接口、文件接口、消息接口三种模式； ②抽取模式支持增量抽取、全量抽取；
③抽取频度通常包括以日、周、月、年为单位；
④抽取顺序包括同步与异步；
(2)clean清洗，对不规则数据进行整理的过程；
①对错误数据的归类、校正和修改；
②对重复数据的检重；
③对离散数据的整合。
(3)Transform转换，不同的源信息形式到数据实体的过程，如统一代码、数据格式、统一单位等。通常包括计算、联合、分割等必需的辅助手段。
(4)Formatting标准化，将源数据加工为数据集市可以处理的格式，为后期的挖掘、分析做好准备。
(5)calculafion计算，根据企业的商业规则对格式化后的数据进行处理的过程，并将结果存储在数据仓库中，通常包括加、减、乘、除、求和、求平均、最大、最小值等。
(6)summary总结，在数据处理加工好后将被以一定的数据粒度组织和存储到仓库中，通常以四个粒度层次进行，包括详细数据、轻度聚集数据如日粒度、中度聚集数据如月粒度、高聚集数据如年粒度。
(7)Loading装载，整理后的数据加载到数据仓库的过程，通常对装载的效率和性能要求较高。
①全量装载，通常在一种业务类型数据第一次加载时采用，数据量大；
②增量装载与装载更新，根据时间、业务类型等维度对系统的数据进行更新。
(四)OLAP的分析主题
OLAP通过多角度对企业信息进行分析，来为企业管理提供深层的运营理解。维度是一种特定的观察数据的角度，主题分析则是采用在线分析技术通过多维度对一个相关的数据域进行观察及展现的过程。在电信运营领域，数据仓库的分析主题通常集中在六个领域，市场与营销分析、电信产品分析、客户与订户分析、资源分析、收入分析、服务分析。在本篇文章中，我们重点讨论的是数据仓库对电信精确营销的支持，所以，在分析主题上则主要集中在客户与用户分析上面，我们以此来说明，通过对客户行为的分析以达到客户群细分的目的，从而实现精确营销。
(五)客户主题分析
在客户管理方面，通常按照电信运营商对客户的大分类中，分为普通客户(公众客户)与大客户(集团客户)，这里我们仅选取普通客户作为目标进行介绍，不对大客户的分析进行展开。对普通客户的分析主题通常如下：
1、用户日分析，对新增用户、换号、停机等业务变更的统计
(1)分析维度：日期、地理位置、交费方式、客户等级、客户类型、品牌、上月消费等级等。
(2)分析KPI：用户量、激活用户量、静音用户量、欠费用户量、停机用户量等。
2、用户月分析，和日分析方法类似。
3、新增用户日分析，分析在一定周期内的新增用户。以及潜在的用户群。
4、用户流失日分析，分析一定周期内的流失用户，可以预测哪些类型的用户会流失并采取相应的措施对客户进行挽留。
5、预挽留用户月分析，分析即将离网用户，运营商可以推出一定的营销策略进行挽留。
6、用户使用行为月分析，深层理解客户的消费行为、电信服务使用行为，并细分市场。
(1)分析维度：日期、地理位置、交费方式、客户等级、客户类型、品牌、上月消费等级、语音业务消费等级、其他电信业务消费情况等。
(2)分析KPI：用户量、呼出次数、通话时长、SMS使用次数等。
7、客户交费行为月分析，通过对用户交费方式、金额、次数等分析，了解客户的交费习惯，优化交费模式，降低欠费水平；
8、客户充值行为月分析，和缴费分析类似。
(六)案例问题解决
在有了客户主题分析后，我们再回头来看原来案例。客户经理小张将不再烦恼。根据客户信息的分析，在数据仓库支撑下CBM系统将很容易实现客户群的细分了，假设根据客户的年龄、性别、行业、职业、区域、价值、消费结构、消费趋势、使用习惯等特性聚类进行细分客户群。在这种情况下，假设系统根据王老板的信息把他分类到“平均月电信消费500元，40岁男性，软件行业，小企业主，经常在工作上从南京往上海打电话等”。在这些信息的支撑下，我们很容易知道王老板对以下电信业务感兴趣的可能性很高，比如包月定向长途、电话秘书服务、快讯新闻手机报(软件行业)、小企业通讯套餐等，这样一来小张的烦恼将得到了解决。
上面的案例从最简单的层面介绍了客户细分对精确营销的支撑，一方面电信运营商提高了新产品销售能力、提高ARPU、提升客户满意度；另一方面电信客户则避免了垃圾广告信息的骚扰、降低了信息搜索成本，实现了目标精确、时机精确、内容精确的营销方式。