浅谈增值业务高价值客户的识别与应用

许小艳

摘 要 在发展流量运营的今天，增值业务高价值客户的贡献和潜力更加凸显。文章通过建立多种高价值模型，从费用、业务、忠诚度、潜力价值等方面识别出增值业务高价值客户，建立客户价值标签库，并针对客户个性化特点着力打造增值业务高价值流失预警、高价值流失挽留、高价值优惠回馈三大应用场景，结合渠道触点进行个性化实时精确营销，为客户保有和价值提升提供了全方位立体化支撑。

关键词 增值业务 高价值 标签

中图分类号：TN91 文献标识码：A

0引言

增值业务高价值客户在流量时代具有不可替代的重要性，是运营商保有和营销的重中之重。目前所面临的挑战是：还没有一种有效的方法能准确定位和识别出增值业务高价值客户。如何将客户的价值高低由定性描述转化为定量衡量？能否准确识别出并反馈出客户增值业务价值变化迁移情况？以及怎样根据客户增值业务价值变化提供相应的预警、挽留、签约支撑，这些都是运营商在流量经营的道路上需要探索和解决的问题。

我们的建设思路是：

（1）建立多种高价值模型，从费用、业务、忠诚度、潜力价值等方面通过因子分析、权重计算等方法找出增值业务高价值的关键因素，解决增值业务高价值客户识别和界定的问题。

（2）建立完备的增值业务高价值客户标签，结合客户基础特征，形成全面准确的客户特征画像，用于客户行为分析和精确营销。

（3）搭建增值业务高价值流失预警、高价值流失挽留、高价值优惠回馈三大应用场景，为一线营销提供从客户选取到营销执行再到效果评估的个性化营销解决方案。

1增值业务高价值客户识别模型

首先建立价值指标的评估体系。本文采用目前行业先进的因子分析和层次分析方法来进行建模，其中因子分析主要应用于指标降维和归一化权重，层次分析主要应用于权重判定，最终最这两种方法权重的均值作为价值指标的权重。

以费用价值为例：

第一步：确定数据业务高价值客户所有费用指标及其值，如客户号码、分公司、品牌等共计54项。

第二步：通过SPSS Clementine因子分析模型把第一步的结果筛选出关键指标（如月费用、月语音费用、月增值业务费用等项）及方差贡献率。

第三步：通过归一法和层次分析法得到最终的关键指标及权重，例如“月费用”指标权重最终计算为0.08，月语音费用和月增值业务费用权重计算为0.12。

（1）确定计算关键指标分值的算法：采用分段离散化方法确定关键指标对应分值，如月费用按150元，70元，10元依次得10分，5分，1分，再将指标得分乘以权重得到价值得分，根据全量用户的价值得分进行排名，前20%为高价值客户，打上费用型高价值标签。

（2）高价值标签向量库的建设：将高价值标签与原有基础标签相结合，最终一个客户将形成ADEFXZ...这样的标签特征向量，用以描述用户的高价值属性、业务使用数据、消费属性等特征。之后对标签向量进行数据挖掘，划分出高价值客户精细分群并分别制定运营策略。

2增值业务高价值客户应用支撑

在应用支撑方面，我们的整体思路是“搭建运营场景，一站式运营支撑”。

围绕高价值客户流失预警、高价值已流失客户挽回、新增高价值客户优惠回馈三大营销场景，策划和实施费用高价值流失预警、业务高价值流失预警、业务价值挽回、费用价值挽回、潜在费用价值提升、潜在业务价值提升、特殊潜在价值提升等30余类应用支撑活动。

在运营支撑方式上，传统的营销是由客户需求驱动，根据单个需求开发成独立的营销活动，通过短信方式提供服务。而我们研发的一站式运营是由统一系统接入用户触点（包括短厅、网厅、掌厅等访问触点接入），根据用户的价值特征将适合用户的个性化业务推荐给用户，而这种自动化服务功能被封装成面向主题的应用STORE，便于运营执行人员使用。整个系统从目标用户的选取到营销执行和效果后评估均可自动完成。

通过对增值业务高价值用户的运营，极大地提升了高价值客户的收入及流量，在提高保有率的同时也增强了增值业务使用的粘性。

3结语

通过本文所述增值业务高价值客户识别模型，能有效识别出增值业务高价值客户并建立特征标签。在模型应用上，结合各类营销场景，基于客户特征分群，制定不同的营销策略，满足了精细化、超细分的营销需求，大大提高了营销成功率。

参考文献

[1] 吴传宝，孙筱奇. 增值业务商业模式分析[J].通信管理与技术，2006，（02）：10-12.

[2] 吴军，田甜，宁博.基于移动增值业务的电信服务链建模研究.系统科学与数学， 2011，31（11）.

[3] 徐玉.3G时代的移动增值业务发展趋势.移动通信， 2008，32（2）.

[4] 李雄诒，张闪闪.因子分析的理论综述.投资与合作，2011，（10）.

[5] 朱建军. 层次分析法的若干问题研究及应用[D]. 东北大学系统工程， 沈阳： 东北大学， 2005.