客户需求信息管理与用户偏好分析

吴双

【摘 要】随着通信市场竞争日益激烈，价格空间进一步压缩，市场也逐步从价格竞争过渡到价值链竞争；客户需求呈现出多样化、差异化，客户对运营商有更高预期，注意力亦将更趋分散，选择空间更多，客户忠诚度维系难度将越来越大；同时全业务竞争环境下，市场竞争格局更加复杂，对社会渠道资源的争夺也将会不断加剧，企业的渠道成本与经营风险将大幅提升；而营销活动的频繁推出，对渠道的执行力与运营商的掌控力提出了更高的要求。本文提出了客户需求信息管理平台的设计方案。

【关键词】客户需求管理平台；用户偏好分析；文本挖掘算法

1.客户需求管理平台建设及应用

该平台利用门户网站、手机门户、语音服务平台和营业厅等资源，以问卷调查、暗访、外呼等方式搜集客户需求。通过电子化管理对信息采集的反馈数据进行快速汇总统计，提炼出既能体现客户需求又能提高产品和服务品质的可行性需求，进行分析、研究、实践和推广。

主要创新点：（1）实现各类需求信息采集的电子化操作；有效跟踪监控需求处理情况，提升处理效率；快速统计需求采集及反馈数据，缩短管理决策的响应周期。（2）需求网具有“多渠道，分类别，细挖掘”的特点，系统性进行客户需求收集、分析、处理的成功案例。

2.文本挖掘算法与需求系统的整合

2.1基于自动类别关键词发现与匹配的分类方法

自动从类别中提取关键词，文本分词、关键词提取。基于关键词匹配进行分析，多个关键词的加权匹配机制。

2.2基于支持向量机的文本分类方法

采用研究院用户行为实验室算法，将文本表示为单词向量的形式；利用数据挖掘中的支持向量机技术进行分类。

2.3两种解决方案的比较

基于关键字匹配方法：易于理解，采用少数关键词进行分类。准确率较低，依赖于文本中具有较明显的关键字。速度很快。

基于支持向量机方法：较难理解，使用文本词表示的向量进行分类。准确率较高，不需要较明显的关键字，使用整个文本的词进行分类。速度较快。

基于关键字匹配需求分类：取每个类别的特征最明显的关键字进行分类，准确率53%。基于支持向量机需求分类：将每个需求文本表示为向量，采用支持向量机技术进行分类，准确率76%。基于支持向量机的垃圾信息分类准确率92%。

从客户特征信息从易到难的获取程度来说，可以分为5个层次，分别为用户的自然属性，客户的消费行为，消费行为所衍生出来的信息，客户的知识信息，以及营销推荐的直接结论。

从结果上来说，前3种客户特征信息是显形的知识，而后2种是客户的隐形知识。从了解客户行为，到了解客户习惯特征的过程中，也是从简到繁，从容易到复杂的。

3.用户特征研究结果

3.1用户渠道偏好研究成果

渠道形式多样化。随着电信业务的发展，用户对渠道形式的偏好呈现多样化趋势。过去用户习惯于去传统的营业厅、代办点办理业务。但是随着互联网和电子商务的逐渐普及。网上营业厅，短信营业厅，自助式服务终端的形式越来越被人们所应用。热线也成为用户办理业务的另外一个重要渠道。可以更多地通过热线为客户提供有关业务受理、营销、咨询、申诉以及其他社会化的综合性服务。

本次研究主要从用户接触公司各个渠道为切入点，从用户与各渠道间交互的历史信息，用户联络时间的分布，接受服务的内容，咨询以及投诉的信息等方面进行研究，并结合时间的维度进行挖掘分析，建立起用户渠道偏好模型。

渠道偏好评分。

渠道偏好评分的原理是借用数据挖掘的决策树分类原理，计算出趋向某一接触渠道可能性，将客户以往相互关联又繁杂凌乱的各种涉及渠道接触表现的资料量化，以概率形式表述用户对各个渠道的依赖程度。

一份个人渠道偏好程度报告不仅打出个人的渠道偏好评分，还标示等级并给出比例。比如，按计算出的不同的概率值进行分档，将用户依赖某渠道的程度共分为分成5个等级：0-20%为基本不接触；20-40%为偶尔接触；40-60%为普通依赖；60-80%为较依赖；80%-100%为依赖。同时，渠道偏好报告还给出每一等级用户的比例。

3.2用户信息内容偏好研究成果

本次研究根据用户使用公司的各类新业务产品以及服务功能入手，从用户选择的产品类型，使用产品的内容及频率，享受的客户服务，用户的影响力等方面进行研究，建立相关业务模型。主要分析客户对“新闻类”、“商务类”、“财经类”、“体育类”、“娱乐类”、“生活类”、“文化类”、“游戏类”这八类内容信息的偏好程度。

首先，从分析客户显性特征上，我们制定了详细的业务经验模型。主要通过一些有明显内容信息承载的新业务来进行，这样的新业务包括：手机报、彩铃音乐、wap网页访问等方面。然后，还包括从客户的语音通话、短信收发情况、GPRS网站访问情况作为补充。通过分析用户对一些特定号码，比如娱乐短信的定购，每日笑话短信的定购等方面。将这些信息融合起来形成客户的内容偏好业务经验模型，用来分析客户的显性特征。

其次，通过决策树挖掘模型，结合从显性用户的样本数据信息，来建立分析挖掘模型，分析出潜在的内容偏好特征用户。模型需要有反复的训练和验证。

将显性信息内容融合隐性信息内容的综合结果，就完成了整个的客户内容信息偏好打分。

3.3用户职业定位研究成果

以用户为中心，从用户的特征角度将可能获取的数据进行进行归类整理，从用户的个人基本信息，使用语音业务，增值业务的使用习惯，活动场所的变化等方面对用户的职业进行刻画，建立相关用户细分模型。

根据用户的基本信息，从客户通话的时间，通话的地点，通话时长，长途漫游类型，对端号码的离散程度，新业务收入比重，使用SP服务类型，频次，用户通话基站变化情况等多方面去排列组合，根据用户的行为特征将用户区分不同的职业定位。本次主要分析客户中“学生”、“商务人士”、“外来务工者”、“年轻白领”、“低收入人群”、“司机”这六类职业的特征偏向程。

在分析用户职业定位研究成果的过程中，根据不同的职业制定有针对性的业务经验模型进行打分判断。

4.成果应用实例与前景

4.1支撑精确营销全过程

通过分析研究整个精确营销支撑全过程的情况后，我们发现，客户内容偏好，客户渠道偏好，客户职业定位可以在精确营销的三个关键步骤中进行有力的支撑。通过整个三个过程的应用，来整体提升精确营销的全过程。

4.2支撑渠道管理

将客户的渠道偏好也可以运用在支撑渠道管理相关应用中。通过对客户渠道使用行为的精确化了解得出的客户渠道偏好结果，可以为公司推广电子渠道，分流常规实体渠道压力的工作做出指导性借鉴。

5.项目总结及展望

5.1项目成果总结

本项目通过一定的固化方法，成功的从客户海量通信行为信息中，总结出客户行为特征，并找到了具体的进行应用的方法。同时，形成的方法为下阶段进行后续的行为特征分析挖掘提供了一种良好的思路借鉴。形成的客户统一信息库作为一种经营分析信息应用的载体也已经初显成效。项目对如何从数据中，提炼出知识，最终服务于企业运营，发挥其应有的价值，提供了一条通用的思路，值得借鉴和推广。

5.2项目展望

除了已经开展应用的部分成果，此次对移动客户相关行为特征的分析和研究，其成果可以在今后的精细化服务，精确营销上做出长远的支撑。更重要的，通过对这三项移动行为特征的研究，经过适当的总结，我们可以找出通用的对客户行为特征分析挖掘的思路和方法。这样的思路和方法通过与经分系统数据仓库中海量数据的结合，能够在未来迸发出更巨大的力量。