專(zhuān)利名稱(chēng)：選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信領(lǐng)域，具體而言，涉及一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法及
>J-U ρ α裝直。
背景技術(shù)：
隨著電信重組和第三代(3rd Generation，簡(jiǎn)稱(chēng)為3G)牌照的發(fā)放，電信市場(chǎng)的競(jìng)爭(zhēng)日趨白熱化。對(duì)于整個(gè)電信行業(yè)而言，在語(yǔ)音業(yè)務(wù)同質(zhì)化的情況下，增值業(yè)務(wù)已成為電信企業(yè)豐富差異化業(yè)務(wù)的利器，并成為打造企業(yè)品牌和核心競(jìng)爭(zhēng)力的重要手段。增值業(yè)務(wù)不僅能夠給運(yùn)營(yíng)商帶來(lái)豐厚的利潤(rùn)和搶占新客戶(hù)，同時(shí)又能對(duì)客戶(hù)帶來(lái)業(yè)務(wù)黏性，避免客戶(hù)流失。三大運(yùn)營(yíng)商都在不遺余力地積極開(kāi)發(fā)各種增值業(yè)務(wù)，以吸引更多的用戶(hù)。面對(duì)日益增加的市場(chǎng)競(jìng)爭(zhēng)壓力，如何定位增值業(yè)務(wù)的目標(biāo)客戶(hù)，降低增值業(yè)務(wù)的營(yíng)銷(xiāo)成本，如何提升增值業(yè)務(wù)的滲透率和活躍度，提高客戶(hù)的每用戶(hù)平均收入(AverageRevenue Per User,簡(jiǎn)稱(chēng)為ARPU)值(該值用于衡量電信運(yùn)營(yíng)商業(yè)務(wù)收入的指標(biāo))，顯得越來(lái)越重要。經(jīng)過(guò)幾年的建設(shè)，運(yùn)營(yíng)商基本完成了以省為單位的客戶(hù)關(guān)系管理(Customerrelationship Management,簡(jiǎn)稱(chēng)為CRM)、計(jì)費(fèi)、資源管理、人力資源等系統(tǒng)的集中建設(shè),構(gòu)建了全業(yè)務(wù)運(yùn)營(yíng)的IT支撐能力。通過(guò)數(shù)據(jù)倉(cāng)庫(kù)項(xiàng)目的實(shí)施，實(shí)現(xiàn)了以省為單位的全省運(yùn)營(yíng)數(shù)據(jù)集市，有效地支撐了經(jīng)營(yíng)分析的相關(guān)工作，為企業(yè)管理層提供了良好的決策支撐。但對(duì)增值業(yè)務(wù)和新業(yè)務(wù)的支撐力度相對(duì)較弱，主要開(kāi)展了增值業(yè)務(wù)統(tǒng)計(jì)、報(bào)表等簡(jiǎn)單分析，盡管基于數(shù)據(jù)倉(cāng)庫(kù)開(kāi)展了針對(duì)營(yíng)銷(xiāo)等數(shù)據(jù)挖掘的分析，其重點(diǎn)也是圍繞傳統(tǒng)語(yǔ)音業(yè)務(wù)。針對(duì)相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)準(zhǔn)確率較低的問(wèn)題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容
針對(duì)相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)準(zhǔn)確率較低的問(wèn)題，本發(fā)明提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法及裝置，以至少解決上述問(wèn)題。根據(jù)本發(fā)明的一個(gè)方面，提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法，該方法包括:根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群；從初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)該預(yù)測(cè)樣本進(jìn)行測(cè)試；根據(jù)測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。優(yōu)選地，選擇上述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)包括:根據(jù)各個(gè)增值業(yè)務(wù)間的支持度和置信度可以選擇該目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。優(yōu)選地，根據(jù)上述關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群包括:可以將訂購(gòu)該關(guān)聯(lián)業(yè)務(wù)，且未訂購(gòu)上述目標(biāo)增值業(yè)務(wù)的客戶(hù)作為該目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群。優(yōu)選地，對(duì)上述預(yù)測(cè)樣本進(jìn)行測(cè)試包括:可以將該預(yù)測(cè)樣本分為兩類(lèi)，一類(lèi)為訓(xùn)練樣本，另一類(lèi)為驗(yàn)證樣本；采用數(shù)據(jù)挖掘工 具中的預(yù)測(cè)分類(lèi)算法，用上述訓(xùn)練樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)建立預(yù)測(cè)模型，將上述驗(yàn)證樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入該預(yù)測(cè)模型進(jìn)行驗(yàn)證，再根據(jù)驗(yàn)證結(jié)果選取最佳預(yù)測(cè)模型；相應(yīng)的，根據(jù)測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)包括:將該初始客戶(hù)群對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入最佳預(yù)測(cè)模型，可以將該最佳預(yù)測(cè)模型輸出的客戶(hù)作為目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。優(yōu)選地，上述用戶(hù)數(shù)據(jù)可以為根據(jù)預(yù)測(cè)模型的要求轉(zhuǎn)換后的數(shù)據(jù)。優(yōu)選地，根據(jù)測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)之后，根據(jù)該潛在用戶(hù)訂購(gòu)關(guān)聯(lián)業(yè)務(wù)的情況對(duì)該潛在用戶(hù)進(jìn)行分類(lèi)，按照分類(lèi)結(jié)果可以確定營(yíng)銷(xiāo)策略。根據(jù)本發(fā)明的另一方面，提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置，包括:目標(biāo)業(yè)務(wù)確定模塊，用于根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；關(guān)聯(lián)業(yè)務(wù)選擇模塊，用于選擇目標(biāo)業(yè)務(wù)確定模塊確定的目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；初始客戶(hù)確定模塊，用于根據(jù)關(guān)聯(lián)業(yè)務(wù)選擇模塊選擇的關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群；測(cè)試模塊，用于從初始客戶(hù)確定模塊確定的初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)該預(yù)測(cè)樣本進(jìn)行測(cè)試；潛在客戶(hù)選擇模塊，用于根據(jù)測(cè)試模塊的測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。優(yōu)選地，上述關(guān)聯(lián)業(yè)務(wù)選擇模塊包括:關(guān)聯(lián)業(yè)務(wù)選擇單元，用于根據(jù)各個(gè)增值業(yè)務(wù)間的支持度和置信度選擇上述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。優(yōu)選地，上述初始客戶(hù)確定模塊包括:初始客戶(hù)確定單元，用于將訂購(gòu)上述關(guān)聯(lián)業(yè)務(wù)，且未訂購(gòu)上述目標(biāo)增值業(yè)務(wù)的客戶(hù)作為該目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群。優(yōu)選地，上述測(cè)試模塊包括:分類(lèi)單元，用于將上述預(yù)測(cè)樣本分為兩類(lèi)，其中，一類(lèi)為訓(xùn)練樣本，另一類(lèi)為驗(yàn)證樣本；模型建立單元，用于采用數(shù)據(jù)挖掘工具中的預(yù)測(cè)分類(lèi)算法，用上述分類(lèi)單元?jiǎng)澐值挠?xùn)練樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)建立預(yù)測(cè)模型；最佳模型選取單元，用于將上述分類(lèi)單元?jiǎng)澐值尿?yàn)證樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入上述預(yù)測(cè)模型進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果選取最佳預(yù)測(cè)模型；相應(yīng)的，上述潛在客戶(hù)選擇模塊包括:數(shù)據(jù)輸入單元，用于將上述初始客戶(hù)群對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入上述最佳預(yù)測(cè)模型；潛在客戶(hù)確定單元，用于將該最佳預(yù)測(cè)模型輸出的客戶(hù)作為上述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。通過(guò)本發(fā)明，通過(guò)選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群，進(jìn)而依據(jù)對(duì)該初始客戶(hù)群的測(cè)試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)準(zhǔn)確率較低的問(wèn)題，使目標(biāo)增值業(yè)務(wù)針對(duì)客戶(hù)的營(yíng)銷(xiāo)更有針對(duì)性，提升了目標(biāo)增值業(yè)務(wù)針對(duì)用戶(hù)的滲透率。


此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:圖1是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的流程圖；圖2是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的另一流程圖；圖3是根據(jù)本發(fā)明實(shí)施例一的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的流程圖；圖4是根據(jù)本發(fā)明實(shí)施例的模型建立的示意圖；圖5是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置的結(jié)構(gòu)框圖；圖6是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置的具體結(jié)構(gòu)框圖；圖7是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置的另一具體結(jié)構(gòu)框圖；圖8是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置的又一具體結(jié)構(gòu)框圖。
具體實(shí)施例方式下文中將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。在定位增值業(yè)務(wù)的目標(biāo)用戶(hù)的方法中，數(shù)據(jù)挖掘(Data Mining)是一種透過(guò)數(shù)理模式來(lái)分析企業(yè)內(nèi)存儲(chǔ)的大量資料，以找出不同的客戶(hù)或市場(chǎng)劃分，分析出消費(fèi)者喜好和行為的方法。數(shù)據(jù)挖掘從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量的數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的過(guò)程。數(shù)據(jù)挖掘主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示三個(gè)步驟。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中重要的研究方法之一，它主要用于發(fā)現(xiàn)大量數(shù)據(jù)中有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。關(guān)聯(lián)規(guī)則挖掘的一個(gè)典型例子是產(chǎn)品銷(xiāo)售分析，研究發(fā)現(xiàn)產(chǎn)品銷(xiāo)售中不同商品之間的聯(lián)系，從而找出顧客購(gòu)買(mǎi)行為模式。本發(fā)明實(shí)施例采用上述關(guān)聯(lián)規(guī)則挖掘的方法進(jìn)行目標(biāo)增值業(yè)務(wù)的潛在用戶(hù)的選擇，基于此，本發(fā)明實(shí)施例提供了 一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法及裝置。下面通過(guò)實(shí)施例進(jìn)行詳細(xì)說(shuō)明。本實(shí)施例提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法，如圖1所示的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的流程圖，該方法包括以下步驟(步驟S102-步驟S110):步驟S102，根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；步驟S104，選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；步驟S106，根據(jù)關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群；步驟S108，從初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)該預(yù)測(cè)樣本進(jìn)行測(cè)試；步驟S110，根據(jù)測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。通過(guò)上述方法，通過(guò)選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群，進(jìn)而依據(jù)對(duì)該初始客戶(hù)群的測(cè)試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)準(zhǔn)確率較低的問(wèn)題，使目標(biāo)增值業(yè)務(wù)的營(yíng)銷(xiāo)更有針對(duì)性，提升了目標(biāo)增值業(yè)務(wù)針對(duì)用戶(hù)的滲透率。在確定目標(biāo)增值業(yè)務(wù)之后，選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，此時(shí)一般是根據(jù)各個(gè)增值業(yè)務(wù)間的支持度和置信度選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群，該初始客戶(hù)群一般是指訂購(gòu)了關(guān)聯(lián)業(yè)務(wù)，但是未訂購(gòu)目標(biāo)增值業(yè)務(wù)的客戶(hù)。通過(guò)這種方式，可以以簡(jiǎn)單的方式篩選出比較有可能訂購(gòu)目標(biāo)增值業(yè)務(wù)的用戶(hù)，為目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)選取縮小范圍，提高了潛在客戶(hù)選取的效率。在確定了初始客戶(hù)群之后，從初始客戶(hù)群中選取預(yù)測(cè)樣本并對(duì)該預(yù)測(cè)樣本進(jìn)行測(cè)試，一般可以將預(yù)測(cè)樣本分為兩類(lèi)，一類(lèi)是訓(xùn)練樣本，另一類(lèi)是驗(yàn)證樣本，然后采用數(shù)據(jù)挖掘工具中的預(yù)測(cè)分類(lèi)算法用訓(xùn)練樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)建立預(yù)測(cè)模型，用驗(yàn)證樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)驗(yàn)證預(yù)測(cè)模型，根據(jù)該預(yù)測(cè)模型的輸出結(jié)果(即驗(yàn)證結(jié)果)選取最佳預(yù)測(cè)模型，根據(jù)預(yù)測(cè)模型的要求轉(zhuǎn)換初始客戶(hù)群對(duì)應(yīng)的用戶(hù)數(shù)據(jù)，然后再將該用戶(hù)數(shù)據(jù)輸入最佳預(yù)測(cè)模型，將最佳預(yù)測(cè)模型輸出的客戶(hù)作為目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。這種依據(jù)上述預(yù)測(cè)模型訓(xùn)練樣本的方式可以確定出訂購(gòu)目標(biāo)增值業(yè)務(wù)的客戶(hù)的基本信息，即具有哪些條件的客戶(hù)最有可能訂購(gòu)該目標(biāo)增值業(yè)務(wù)，從而選取出訂購(gòu)傾向性最大的客戶(hù)作為潛在客戶(hù)，這種方式能夠保證定位的準(zhǔn)確性。在確定了目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)之后，考慮到不同的用戶(hù)關(guān)注的內(nèi)容不同，本實(shí)施例還可以根據(jù)潛在用戶(hù)訂購(gòu)關(guān)聯(lián)業(yè)務(wù)的情況對(duì)潛在用戶(hù)進(jìn)行分類(lèi)，按照分類(lèi)結(jié)果確定營(yíng)銷(xiāo)策略。例如對(duì)價(jià)格敏感型用戶(hù)進(jìn)行優(yōu)惠推銷(xiāo)，對(duì)內(nèi)容偏好型用戶(hù)進(jìn)行內(nèi)容導(dǎo)向性營(yíng)銷(xiāo)等等。這種營(yíng)銷(xiāo)策略確定方式可以進(jìn)一步提高營(yíng)銷(xiāo)的成功率。圖2是根據(jù)本發(fā)明實(shí)施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的另一流程圖，該方法包括以下步驟(步驟S202-步驟S210):步驟S202，業(yè)務(wù)問(wèn)題定義。例如，根據(jù)業(yè)務(wù)的需求，確定業(yè)務(wù)目標(biāo)是什么，確定涉及什么產(chǎn)品、服務(wù)或者客戶(hù)群，確定數(shù)據(jù)挖掘采用的算法，確定數(shù)據(jù)挖掘模型輸出的結(jié)果。步驟S204，數(shù)據(jù)準(zhǔn)備。例如，根據(jù)業(yè)務(wù)調(diào)研，確定能用到的分析數(shù)據(jù)源是哪些，包含了哪些字段和變量，然后對(duì)分析數(shù)據(jù)源進(jìn)行統(tǒng)計(jì)分析，根據(jù)分析結(jié)果完成數(shù)據(jù)質(zhì)量報(bào)告，為變量選擇做好準(zhǔn)備工作，確認(rèn)分析數(shù)據(jù)源中哪些字段可用，哪些字段不可用，然后根據(jù)上述分析結(jié)果選擇可用來(lái)進(jìn)行建模工作的初始變量列表，并完成相應(yīng)的數(shù)據(jù)提取、轉(zhuǎn)換和加載(Extraction Transformation Loading,簡(jiǎn)稱(chēng)為ETL)工作，ETL負(fù)責(zé)將分布的異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)(如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等)抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換和集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，稱(chēng)為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。采用標(biāo)準(zhǔn)化的方法把上述初始變量轉(zhuǎn)化為0-1之間的相對(duì)比例數(shù)字，對(duì)于離散取值的變量，將其轉(zhuǎn)化為多個(gè)布爾型變量，布爾型變量是有兩種邏輯狀態(tài)的變量，它包括兩個(gè)值:真和假。如果使用布爾型變量，那么將根據(jù)變量值的真假而賦予整型值I或O。要把一個(gè)整型變量轉(zhuǎn)換成布爾型變量，如果整型值為0，則其布爾型值為假，反之如果整型值為非0，則其布爾值為真。布爾型變量在運(yùn)行時(shí)通常用作標(biāo)志。比如假設(shè)品牌有3個(gè)，取值分別是1、2、3，在做變量轉(zhuǎn)換的時(shí)候，就可以生成3個(gè)變量，是否取1、是否取2以及是否取3，然后將這3個(gè)布爾型變量列入建模變量列表。上述轉(zhuǎn)化后生成的變量間可能會(huì)存在較強(qiáng)的關(guān)聯(lián)關(guān)系，強(qiáng)關(guān)聯(lián)關(guān)系的變量沒(méi)有同時(shí)存在的必要，如果同時(shí)存在可能會(huì)干擾模型的生成效果，因此對(duì)變量進(jìn)行關(guān)聯(lián)度分析，從關(guān)聯(lián)度較高的變量中選擇合適的變量，將其余變量剔除。根據(jù)以上幾步的結(jié)果，將合適的變量數(shù)據(jù)組織起來(lái)生成建模用的數(shù)據(jù)寬表。步驟S206，建立模型。本實(shí)施例可以根據(jù)步驟S202確定的數(shù)據(jù)挖掘采用的算法選擇合適的參數(shù)，用建模數(shù)據(jù)寬表來(lái)訓(xùn)練模型，一般都是利用數(shù)據(jù)挖掘工具來(lái)完成該步驟的實(shí)現(xiàn)。步驟S208，模型效果評(píng)估。該評(píng)估包括根據(jù)模型檢驗(yàn)參數(shù)，從多個(gè)模型結(jié)果中選擇出最優(yōu)的模型。步驟S210，模型應(yīng)用發(fā)布。該步驟包括用模型的結(jié)果來(lái)協(xié)助業(yè)務(wù)開(kāi)展、戰(zhàn)略設(shè)計(jì)和戰(zhàn)術(shù)實(shí)施。收集模型的結(jié)果并進(jìn)行反饋，為模型的退化進(jìn)行偵測(cè)，從而更進(jìn)一步改善模型的性能。下面結(jié)合優(yōu)選實(shí)施例和附圖對(duì)上述實(shí)施例的實(shí)現(xiàn)過(guò)程進(jìn)行詳細(xì)描述。實(shí)施例一
本實(shí)施例選擇世界上最通用的方法論跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)(Cross-1ndustryStandard Process For Data Mining,簡(jiǎn)稱(chēng)為CRISP-DM)作為指導(dǎo),對(duì)上面介紹選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法進(jìn)行詳細(xì)描述，如圖3所示的是根據(jù)本發(fā)明實(shí)施例一的選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法的流程圖，該方法包括如下步驟(步驟S302-步驟S322):步驟S302，確定業(yè)務(wù)需求。由于增值業(yè)務(wù)比較多，首先需要確定尋找哪個(gè)增值業(yè)務(wù)的潛在客戶(hù)(即模型輸出)，其次需要確定選擇哪些增值業(yè)務(wù)作為目標(biāo)增值業(yè)務(wù)關(guān)聯(lián)分析的依據(jù)(即模型輸入)。例如，某運(yùn)營(yíng)商想擴(kuò)大彩鈴的用戶(hù)規(guī)模，也就是想尋找彩鈴業(yè)務(wù)的潛在用戶(hù)，并且想從已經(jīng)訂購(gòu)了如下增值業(yè)務(wù):手機(jī)報(bào)、無(wú)線音樂(lè)、飛信、彩信、WAP、手機(jī)電視的用戶(hù)中找出有訂購(gòu)彩鈴業(yè)務(wù)傾向的用戶(hù)。那么，彩鈴即為目標(biāo)增值業(yè)務(wù)，手機(jī)報(bào)、無(wú)線音樂(lè)、飛信、彩信、WAP、手機(jī)電視為分析業(yè)務(wù)。步驟S304，確定時(shí)間窗口。從業(yè)務(wù)需求的本質(zhì)來(lái)說(shuō)，這是一個(gè)分類(lèi)預(yù)測(cè)的業(yè)務(wù)，即預(yù)測(cè)給定的用戶(hù)群中誰(shuí)有可能訂購(gòu)給定的增值業(yè)務(wù)。既然是預(yù)測(cè)，就可以有時(shí)間窗口的定義，時(shí)間窗口可以為當(dāng)前月，預(yù)測(cè)窗口可以為下下個(gè)月，即當(dāng)前月之后的第二個(gè)月。步驟S306，數(shù)據(jù)準(zhǔn)備。根據(jù)業(yè)務(wù)需求，分析所需的數(shù)據(jù)源，比如用戶(hù)的基本資料、用戶(hù)的帳務(wù)信息、用戶(hù)的清單信息(包含語(yǔ)音和數(shù)據(jù)業(yè)務(wù)的清單信息)、用戶(hù)的客服信息以及用戶(hù)的數(shù)據(jù)業(yè)務(wù)信息。一般來(lái)說(shuō)，用戶(hù)的清單信息是每個(gè)電信數(shù)據(jù)挖掘業(yè)務(wù)優(yōu)先考慮的分析數(shù)據(jù)源，因?yàn)檫@個(gè)數(shù)據(jù)源信息最豐富也最容易得到，同時(shí)其數(shù)據(jù)質(zhì)量也是最好的，其他的數(shù)據(jù)源則視情況而定。例如本實(shí)施例分析的主要是數(shù)據(jù)業(yè)務(wù)，因此數(shù)據(jù)業(yè)務(wù)信息也就成為我們的分析數(shù)據(jù)源之一。如果是純語(yǔ)音分析業(yè)務(wù)，那么這個(gè)數(shù)據(jù)源就不一定需要進(jìn)入我們的分析列表。步驟S308，數(shù)據(jù)探索。對(duì)上述分析數(shù)據(jù)源進(jìn)行統(tǒng)計(jì)分析，根據(jù)分析結(jié)果完成數(shù)據(jù)質(zhì)量報(bào)告，為變量選擇做好準(zhǔn)備工作，該步驟最重要的工作是要確認(rèn)分析數(shù)據(jù)源中哪些字段可用，哪些字段不可用。步驟S310，變量選擇與生成衍生變量。根據(jù)數(shù)據(jù)質(zhì)量分析結(jié)果選擇可用來(lái)進(jìn)行建模工作的初始變量列表，并完成相應(yīng)的ETL工作。衍生變量對(duì)上述模型通常來(lái)說(shuō)是有必要的，有時(shí)候使用衍生變量得到的模型效果比直接使用初始變量的效果更好，比如比例關(guān)系、變化率關(guān)系、對(duì)數(shù)關(guān)系、平方關(guān)系、開(kāi)方關(guān)系等等都可以成為衍生變量的方法。步驟S312，變量轉(zhuǎn)換。由于使用的變量數(shù)據(jù)單位可能會(huì)不一致，變化范圍也有大有小，這樣對(duì)數(shù)據(jù)挖掘來(lái)說(shuō)是不適合直接使用的，因此可以對(duì)數(shù)據(jù)進(jìn)行一定的轉(zhuǎn)換。一般采用標(biāo)準(zhǔn)化的方法來(lái)完成，即將變量數(shù)據(jù)轉(zhuǎn)化成為0-1間的相對(duì)比例數(shù)字，然后再投入建模工作。對(duì)于一些離散取值的變量，不能將其直接轉(zhuǎn)換，這時(shí)可以將離散取值的變量轉(zhuǎn)化成為多個(gè)布爾型變量。假設(shè)品牌有3個(gè)，取值分別是1、2、3。在做變量轉(zhuǎn)換的時(shí)候就生成3個(gè)變量:是否取1、是否取2、是否取3，然后將這3個(gè)布爾型變量列入建模變量列表。步驟S314，變量關(guān)聯(lián)關(guān)系分析。上述步驟中生成的變量之間可能會(huì)存在較強(qiáng)的關(guān)聯(lián)關(guān)系，強(qiáng)關(guān)聯(lián)關(guān)系的變量沒(méi)有同時(shí)存在的必要，同時(shí)存在的話反而可能會(huì)干擾模型的生成效果。因此可以對(duì)變量進(jìn)行關(guān)聯(lián)度分析，在關(guān)聯(lián)度較高的變量中選擇合適的變量，將其余變量剔除。對(duì)于電信而言，一般可以認(rèn)為時(shí)長(zhǎng)(費(fèi)用)>次數(shù)(條數(shù))，即優(yōu)先保留時(shí)長(zhǎng)等變量。另外，關(guān)聯(lián)度的閾值一般取值0.7以上，也可以視情況進(jìn)行調(diào)整，但是最好不要低于0.5ο步驟S316，生成輸入變量列表。根據(jù)上述幾個(gè)步驟的結(jié)果，將合適的變量數(shù)據(jù)組織起來(lái)生成建模用的數(shù)據(jù)寬表。本實(shí)施例建模用的數(shù)據(jù)寬表可以包括兩個(gè):一個(gè)用于建立關(guān)聯(lián)規(guī)則模型，一個(gè)用于建立預(yù)測(cè)模型。如表一所不的是用于建立關(guān)聯(lián)規(guī)則模型的寬表，表二所示的是用于建立預(yù)測(cè)模型的寬表。對(duì)于預(yù)測(cè)模型，數(shù)據(jù)寬表中還可以有一個(gè)指示變量，對(duì)于在周期末時(shí)未訂購(gòu)目標(biāo)增值業(yè)務(wù)的用戶(hù)，該指示變量取值為0，對(duì)于在周期末時(shí)已訂購(gòu)增值業(yè)務(wù)的用戶(hù)，該指示變量取值為I。表一
權(quán)利要求
1.一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法，其特征在于包括: 根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)； 選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)； 根據(jù)所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群； 從所述初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)所述預(yù)測(cè)樣本進(jìn)行測(cè)試； 根據(jù)測(cè)試結(jié)果從所述初始客戶(hù)群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)包括:根據(jù)各個(gè)增值業(yè)務(wù)間的支持度和置信度選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。
3.根據(jù)權(quán)利要求1所述的方法，其 特征在于，根據(jù)所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群包括: 將訂購(gòu)所述關(guān)聯(lián)業(yè)務(wù)，且未訂購(gòu)所述目標(biāo)增值業(yè)務(wù)的客戶(hù)作為所述目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于， 對(duì)所述預(yù)測(cè)樣本進(jìn)行測(cè)試包括:將所述預(yù)測(cè)樣本分為兩類(lèi)，其中，一類(lèi)為訓(xùn)練樣本，另一類(lèi)為驗(yàn)證樣本；采用數(shù)據(jù)挖掘工具中的預(yù)測(cè)分類(lèi)算法，用所述訓(xùn)練樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)建立預(yù)測(cè)模型，將所述驗(yàn)證樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入所述預(yù)測(cè)模型進(jìn)行驗(yàn)證；根據(jù)驗(yàn)證結(jié)果選取最佳預(yù)測(cè)模型； 根據(jù)測(cè)試結(jié)果從所述初始客戶(hù)群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)包括:將所述初始客戶(hù)群對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入所述最佳預(yù)測(cè)模型，將所述最佳預(yù)測(cè)模型輸出的客戶(hù)作為所述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述用戶(hù)數(shù)據(jù)為根據(jù)預(yù)測(cè)模型的要求轉(zhuǎn)換后的數(shù)據(jù)。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)測(cè)試結(jié)果從所述初始客戶(hù)群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)之后，所述方法還包括: 根據(jù)所述潛在用戶(hù)訂購(gòu)所述關(guān)聯(lián)業(yè)務(wù)的情況對(duì)所述潛在用戶(hù)進(jìn)行分類(lèi)，按照分類(lèi)結(jié)果確定營(yíng)銷(xiāo)策略。
7.一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的裝置，其特征在于包括: 目標(biāo)業(yè)務(wù)確定模塊，用于根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)； 關(guān)聯(lián)業(yè)務(wù)選擇模塊，用于選擇所述目標(biāo)業(yè)務(wù)確定模塊確定的所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)； 初始客戶(hù)確定模塊，用于根據(jù)所述關(guān)聯(lián)業(yè)務(wù)選擇模塊選擇的所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群； 測(cè)試模塊，用于從所述初始客戶(hù)確定模塊確定的所述初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)所述預(yù)測(cè)樣本進(jìn)行測(cè)試； 潛在客戶(hù)選擇模塊，用于根據(jù)所述測(cè)試模塊的測(cè)試結(jié)果從所述初始客戶(hù)群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述關(guān)聯(lián)業(yè)務(wù)選擇模塊包括: 關(guān)聯(lián)業(yè)務(wù)選擇單元，用于根據(jù)各個(gè)增值業(yè)務(wù)間的支持度和置信度選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。
9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述初始客戶(hù)確定模塊包括: 初始客戶(hù)確定單元，用于將訂購(gòu)所述關(guān)聯(lián)業(yè)務(wù)，且未訂購(gòu)所述目標(biāo)增值業(yè)務(wù)的客戶(hù)作為所述目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群。
10.根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述測(cè)試模塊包括:分類(lèi)單元，用于將所述預(yù)測(cè)樣本分為兩類(lèi)，其中，一類(lèi)為訓(xùn)練樣本，另一類(lèi)為驗(yàn)證樣本；模型建立單元，用于采用數(shù)據(jù)挖掘工具中的預(yù)測(cè)分類(lèi)算法，用所述分類(lèi)單元?jiǎng)澐值乃鲇?xùn)練樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)建立預(yù)測(cè)模型；最佳模型選取單元，用于將所述分類(lèi)單元?jiǎng)澐值乃鲵?yàn)證樣本對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入所述預(yù)測(cè)模型進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果選取最佳預(yù)測(cè)模型； 所述潛在客戶(hù)選擇模塊包括:數(shù)據(jù)輸入單元，用于將所述初始客戶(hù)群對(duì)應(yīng)的用戶(hù)數(shù)據(jù)輸入所述最佳預(yù)測(cè)模型；潛在客戶(hù)確定單元，用于將所述最佳預(yù)測(cè)模型輸出的客戶(hù)作為所述目標(biāo)增值業(yè) 務(wù)的潛在客戶(hù)。
全文摘要
本發(fā)明公開(kāi)了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶(hù)的方法及裝置。其中，該方法包括根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群；從初始客戶(hù)群選取預(yù)測(cè)樣本，對(duì)該預(yù)測(cè)樣本進(jìn)行測(cè)試；根據(jù)測(cè)試結(jié)果從初始客戶(hù)群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)。通過(guò)本發(fā)明，通過(guò)選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶(hù)群，進(jìn)而依據(jù)對(duì)該初始客戶(hù)群的測(cè)試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶(hù)準(zhǔn)確率較低的問(wèn)題，使目標(biāo)增值業(yè)務(wù)針對(duì)客戶(hù)的營(yíng)銷(xiāo)更有針對(duì)性，提升了目標(biāo)增值業(yè)務(wù)針對(duì)用戶(hù)的滲透率。
文檔編號(hào)G06Q50/30GK103150696SQ20111040144
公開(kāi)日2013年6月12日 申請(qǐng)日期2011年12月6日 優(yōu)先權(quán)日2011年12月6日
發(fā)明者王艷麗 申請(qǐng)人:中興通訊股份有限公司