大数据在通信企业市场营销的体系构建及应用研究

张康清

随着我们国家通信行业基本饱和以及4G通信技术进入成熟阶段，导致新增客户挖掘潜力迅速萎缩，网络建设投入的巨大折旧以及维护成本很大程度上侵食了各大运营商的运营支出。如何降本增效以及精细化运营成为各大运营商迫切需要解决的问题。利用企业内在系统生成大数据挖掘商机已经成为通信行业各个企业的核心竞争能力之一。本文从大数据的定义、特征开始，总结出大数据系统在通信企业市场营销体系应如何构建，以及结合通信客户的全生命周期分析出大数据可以有哪些应用。

一、引言

大数据（Big Data）指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。麦肯锡全球研究所总结大数据一般来说具有4V特点：数量庞大（Volume）、种类繁多（Variety）、快速处理（Velocity）、价值巨大（Value）。这样的大数据不是用抽样调查的方法，而对所有数据进行全面分析处理，其规模很大，对传输速度要求很高，因此归纳总结出来的信息具有更高的价值。

目前我们国家有超过10亿的手机用户，如何在海量信息里面挖掘商机已经是通信企业必须面对的客观问题，传统的市场营销模式讲究各种请示汇报，流程过长并且很多营销举措不是建立在客观的数据分析上，此外，以往通信企业的营销数据往往只是某一个方面的信息，不能整体反应客户的客观需求，因此，这样的传统营销模式无法适应现在海量客户的营销需求。打通企业各个信息系统，可以提供更整体更细致更准确的大数据应运而生。可以说，哪个通信企业的大数据做得更好，哪个企业就掌握了更强的核心竞争能力。本文从大数据的时代背景出发，结合通信企业市场营销的实际情况，总结出大数据在通信企业市场营销的系统框架以及在客户全生命周期中如何落地应用。

二、大数据在通信企业市场营销的系统框架

通信企业大数据在市场营销的系统框架自上而下可以分为四个层次，包括指标决策层、分析报表层、基础数据层、渠道使用层。

（一）指标决策层

指标决策层是大数据系统的最高层次，是应用了大数据后的营销成果的浓缩，总结反映了市场营销情况。在这方面，可以借鉴杜邦分析法把市场营销各项指标做成了杜邦树，直观反映整个市场营销情况。具体的杜邦树则根据各个通信企业对市场的侧重点不同则会有不同的设置。在通信企业里，按照客户的全生命周期，可以在指标决策层设置新入网客户、成长期客户、成熟期客户、衰退期客户、离网客户五大类一级指标。根据需要，可以在每个一级指标下设置二级指标、三级指标、四级指标等。譬如在实务中，新入网客户指标下设置纯新增客户、重入网客户等。指标决策层的作用是把总体的情况高度浓缩成各项具体指标，公司决策层依据指标的具体情况可以迅速做出生产经营决策。

（二）分析报表层

分析报表层是大数据系统的次高层次。该层是承接指标决策层的下一层，主要是针对指标决策层的进一步细化。从该层可以看出决策指标的各个细分监控指标的增减变动。在这层通过各种模型的设计、计算和处理把大数据各个颗粒度里面的含金量进行浓缩形成一个价值量较高的信息。例如，针对存量客户可以按照入網时间、入网渠道、受理工号、办理套餐、预存话费，主要通话基站、通话时长、流量使用等再按照每日每周每月进行跟踪，形成一个趋势性的跟踪报表。

（三）基础数据层

基础数据层是大数据系统的第三个层次，也可以看做是分析报表层的进一步细化层，是通信企业打通网络-市场-财务三个主要板块的数据，主要表现为以号码清单作为最小单位的原始数据。在基础数据层，因为是以号码作为最小单位，这个最小单位的信息越是详细，打通的各个系统提取到的信息越是多，则其价值越是高。在目前的通信行业数据主要有三个板块，网络板块数据、市场板块数据和财务板块数据。网络板块数据应包括客户通话基站、过网话务、通话时长、上网流量等客户通话特征指标;市场板块数据应包括入网时间、入网渠道、受理工号、套餐业务、话费情况等体现客户业务办理情况指标;财务板块数据应包括投入的折扣资源、酬金、积分兑换成本、促销成本等体现财务效益的指标。

（四）渠道使用层

渠道使用层是数据系统的第四个层次，也是最基础层次。这个层次是使用基础数据层数据向客户进行营销的层次，解决的是市场营销最后一个使用问题，即从运营商应用到客户营销的数据问题。根据不同的应用场景，运营商提取不同的大数据，精细到每个客户并且应该是迅速便捷有效的数据。目前通信企业的市场应用场景主要包括自营及代办实体渠道营销场景、外呼营销场景、网络非实体渠道场景以及其他合作伙伴的营销场景。譬如，在自营和代办实体渠道营销场景，大数据系统可以感知到客户进店后自动触发系统数据并立即提取到客户在基础数据层的相关信息，在以秒为单位的时间内立即计算得出可以向客户推荐的业务。如通过渠道使用层就可以立即计算出客户是否办理了业务并且是否有流量需求，如果没有办理家宽且有流量需求的则主动在营业受理人员业务办理界面予以提醒。

三、大数据在通信客户全生命周期市场营销的应用研究

对于通信企业来说，大数据的市场营销应用是从海量用户信息中挖掘出具有高价值的数据，从而实现准确的市场定位、客户细分、产品投入和价格策略，达到对目标客户进行打把式的精准营销，把有限的资源投入到精准的目标实现既定营销目的的战术，有效降低资源浪费，获得最大化的经济效益。目前通信企业较为流行的做法是按照客户全生命周期初步细分客户群体，本文以下就是分析大数据在客户全生命周期各个阶段的具体应用。

对于通信客户来说，客户生命周期是指客户从最初购买使用通信企业业务到最后结束使用该通信企业业务的整个发展过程，也就是客户从入网到离网的发展过程，它可以分成五个时期：客户获取期、客户成长期、客户成熟期、客户衰退期、客户离开期。

（一）客户获取期

客户获取期是客户开始尝试使用通信企业的产品和服务，通信企业首先需要配置相应的网络服务，此外还须为客户提供产品特点、资费标准、业务办理流程等信息。一旦客户决定了购买相关产品或者服务，那么该客户在此通信企业的生命周期就开始了。在此阶段，大数据营销首先是如何精准提高网络优势以及确定目标客户。

1.精准提高网络优势。因为潜在客户还没有成为已有客户，大数据营销可以侧重在网络运营管理方面，借助大数据技术及时采集处理网间信令信息，通过分析网络的流量、流向相关趋势还有过网话务等相关信息，判断潜在的价值小区和业务聚焦小区，再通过精准的网络建设及优化，实现精准投资以及资源调配，为市场营销开展奠定网络基础。在网络资源调配方面，通信企业可以通过各区域无线资源占用模型灵活配置资源，在不同时间段根据通信量以给予不同区域配置不同的无线资源，使无线资源应用效率得到有效提升，也更好满足客户的需要。 以某移动公司为例，通过对重点工业园办公区及其生活区的网络资源分析发现，白天工业园办公区的移动通话较多，晚上在生活区的家宽使用较多，在白天和晚上分别配置了不同的无线资源信息，既很更好得满足了客户的需要，又节约的企业成本。

2.精准确定目标客户。市场细分研究是精准营销头等重要的工作，开展市场细分研究的目的不仅仅是按照市场的一般特征划分出具体市场，还包括研究客户的消费需求特征和购买行为规律，找到准确的目标客户，从而为确定产品战略和营销战略提供依据。在此阶段，首先是通过来自业务受理系统、计费系统、账务系统、客服系统等客户数据进行整合，提炼出在网全量客户消费需求特征和购买行为规律的大数据，最终在经营分析系统形成统一的客户视图。统一的客户视图是对客户属性完整一致的展现，只有形成了统一的客户视图才能进行更深层次的数据挖掘，从而找出隐藏其后的目标市场。其次，可以通过网络资源管理系统，提炼各个基站的过网通话情况，精准发现是否有潜在的新增客户群。其三是通过渠道管理和网络资源管理系统，针对目标客户精准建设渠道，配置人员。以某移动公司为例，通过对快递行业的大数据进行分析，该行业通信客户分布较散，从业人员一般在10-30人左右，消费在100至150元左右，具有高通话特征，其中通话以本地通话为主，长途很少，低流量需求的特征，在快递行业集中区域主要以低成本的保障通话为主的2G小微基站建设，配置高通话分钟数低流量的融合资费来拓展新增客户。

（二）客户成长期

客户成长期是客户客户已经初步接纳运营商提供的产品和服务，但很可能存在客户需求没有全面满足或者受到抑制的情况，客户稳定性较弱忠诚度较低，过度的营销会消磨客户的稳定性，导致客户消费下降甚至离网，因此此阶段适宜做好客户保有，当客户进入成熟期后再大举做价值提升。此阶段的大数据营销应侧重对用户通话清单、网络社交行为以及客户资料等数据开展社交圈分析，尤其是利用各种通信轨迹组成的社交网络来挖掘客户需求。以某移动公司为例，通过对成长期的客户手机上网流量开展大数据分析，发现流量套餐型客户每月存在较多的超套餐情况，超套餐流量单价明显高于套餐内流量单价，导致客户的ARPU受到了抑制，而存在超套餐流量客户的稳定性又明显超越低于非超套客户。此时，运营商主动向客户推荐与其超套消费接近的流量升级包。对于客户来说，花同样多的钱得到更多的流量，这样一方面满足了客户的流量需求，另外一个方面，对于运营商来说也稳定了客户。

（三）在客户成熟期

客户成熟期是可以看作是客户经过成长期的摸索、选择、磨合后的稳定期，在这个时期，客户对运营商提供的服务已经产生较高的信任度，其手機号码已经在客户的生活通信圈建立起较为稳定的地位，客户的转换成本比较高，因此稳定性以及忠诚度都是生命周期中最高的。通信企业习惯性把在网时间超过6个月的客户判断为成熟期客户，或者说是存量客户。在客户成熟期，市场营销在客户保有以及推广新业务两者并行。要做好存量客户保有以及价值提升，优先需要通过大数据细分客户，根据客户的年龄、消费特征、客户年龄、信誉度建立起客户细分模型。以某移动公司为例，按照存量客户年龄可以把客户细分，分为年轻人群体、中年人群体、老年人群体等。在深入研究每个年龄层群体的消费特征，如年轻人群体。

某移动公司通过大数据分析年龄在15到25岁之间的客户群，发现这个群体的客户无论是通话还是流量需求均十分旺盛，但对产品价格敏感，同时对各种新业务，如视频、阅读、社交、动漫、音乐等是敢于尝试，勇于尝试的人群。针对这个情况，某移动公司以短信推送的方式向年轻人群体推荐定向流量包的营销举措，一方面满足年轻人客户的特定流量需求，另一方面防止套餐流量单价的大幅下滑导致收入损失。此外，还可以根据客户的消费特征细分为偏语音客户群体和偏流量客户群体。在偏语音客户群体的进一步大数据分析，某移动公司通过大数据发现有部分客户其ARPU中通话费用占据大多数，流量费用较少。在进一步分析通话清单可以细分出长途通话为主客户，本地通话为主客户，本地通话客户还可以继续细分出与特定圈子通话较多客户或者与不特定圈子通话较多客户。针对长途通话较多客户，可以向其推荐各种长话包;针对与特定圈子通话较多客户可以进一步分析，向其推荐集团V网或者家庭V网;与不特定圈子通话较多客户可以进一步分析其是否有经商客户的通信特征，向其推荐网络号码簿，来电语音信箱等增值业务。在偏流量客户群体的大数据分析，某移动公司通过大数据分析出流量偏向性客户，这部分客户语音需求不高，但流量需求旺盛。通过网络资源管理系统还可以进一步分析出流量偏向型客户的流量需求集中在白天还是晚上，是否办理了宽带。如一个客户白天流量需求旺盛，晚上流量需求明显萎缩，同时也没有办理宽带业务，我们可以推导到这个类型客户可能是晚上使用别的运营商宽带WIFI，这样我们就可以向其推荐宽带、网络机顶盒等业务。

此外，通信企业还可以根据日常摸底的大客户数据系统掌握的客户身份信息，结合运营商内部的计费系统做大数据分析。如某移动公司通过大数据分析得出高价值集团单位客户，这部分客户通话及流量需求均旺盛，对产品价格不敏感，客户的离网情况较少，对有吉祥号码具有很高的忠诚度，客户的稳定性较好。对于高价值集团单位客户由于其ARPU很高，因此对产品的实际容量不太敏感，但对业务便利性以及人性化服务较为敏感。针对这部分客户可以进一步分析看看是自己缴费客户还是单位较为客户，针对自己缴费客户可以向其推荐银行代缴，手机APP缴费业务，进一步简化各种业务办理的便利性，或者根据客户的信誉度提供不同等级的免停免催服务，还可以在高价值集团客户经常出入地点提供人性化服务，譬如在机场、动车等等候大厅提供各种VIP专属服务。

大数据在客户成熟期的分析并没有一定的套路，是需要运营商按照已有数据进行综合评估，从不同维度的海量数据中提炼整合出自己需要的数据。如果打一个比方，我们可以从汽车生产企业得到启示，现在很多汽车都可以定制，定制的成本核算就是根据客户的需求单独进行，我们可以把A车的发动机+B车的底盘+C车的中控+D车的车架+……，大数据营销的要求是应形势顺势而为，关键是我们自己怎么组合。

在价值方面，有了上面的精准客户群体后，我们可以根据客户的细分需要提供个性化服务，但笔者认为怎么样向客户推荐服务从而实现其价值提升将是大数据应用的一个核心关键环节。在传统的市场营销是通过通信企业的自有渠道或者代办渠道在面对面接触到客户后开展营销为主，但是现在情况与过往的情况发生了很大的变化，在现在信息化社会中，客户再到营业厅耗时耗力办理业务的比例很少，以某移动公司为例，实体渠道接触客户的占比不到20%，有80%多的客户是通过其他各种渠道办理业务。此外，即使客户到实体渠道办理业务，其时间也不会很长，这样如果还依靠营业人员自己逐个口头推荐，精准度很低营销成功率也自然很低，如何高效精准地向客户推荐业务是现在运营商必须认真思考的营销问题。以某移动公司为例，目前的营销渠道主要分为实体渠道和非实体渠道，实体渠道可以分为自有实体渠道，如营业厅、卖场，非实体渠道如代理商渠道、其他企业的实体渠道，如银行、电力公司的实体营业厅;非实体渠道可以分为自有非实体渠道，如网上营业厅、掌上营业厅（手机APP）、外呼中心、电话业务受理中心，非自有非实体渠道如社会上各种合作商，如淘宝、京东、腾讯等。在不同的渠道下，大数据起到的作用主要是整理出客户的潜在需求以及相应的匹配产品。在通信企业自有营业厅中，可以开发客户价值系统，当客户到营业厅办理业务时会自动触发客户价值系统，精准投影运营商可以向客户推荐书目业务，如客户没有装家宽的，系统可以自动弹出提醒窗口，营业厅可以有的放矢地推荐家宽业务。在非实体渠道中，可以定期得按照大数据分析情况，通过短信、外呼、弹屏等形式推荐业务。

总之，针对成熟客户，运营商可以根据各种大数据分析结果细分出目标客户，以上的几个大类只是展开阐述的一个例子，实际应用中关键要把握客户的需求在哪里，我们的产品和服务就在哪里，细致入微，这才是客户成长期阶段精准营销的精髓所在。

（四）在客户衰退阶段

客户衰退期是客户全生命周期中的退化阶段，衰退期客户表现为流量、话费、ARPU的明显下降。衰退期并不一定严格发生在客户成熟期后，也可能发生在客户获取期或者客户成长期。究其原因，一个可能是客户自发原因导致，譬如到外地工作，使用外地号码导致本地号码使用率下降;但最危险的情况是被其他通信企业抢夺，成为双卡客户或者双机客户，原来的入网卡成为副卡导致消费下降。对于处于客户衰退期的客户应引起运营商的高度重视，从历史数据表明，客户衰退期后客户离网率直线飙升，如果不及时加以挽留则会有大概率的损失。

在客户衰退阶段，运营商应通过大数据挖掘形成客户潜在流失预警模型，及时定位出处于衰退期客户，并給予有效的客户挽留和关怀。在通信企业客户衰退期营销，可以把客户分为双降客户，副卡客户。双降客户指客户的流量及通话时长均出现大幅下降的客户，这种客户原来的号码卡可能已经被另外的号码替代，客户主要使用另外的号码进行通信;副卡客户指流量或者通话时长某一项出现大幅下降的客户，这种客户可以判断为也有使用其他号码，一个号码主要通话用，另外一个号码上网用。在此基础上，还需要通过大数据分析客户使用终端IMEI号另外号码的归属，是属于本公司的号码还是其他运营商的号码，如果另外的号码还是本公司的号码则相对安全，如果是其他运营商的号码则很危险。此时，运营商需要根据实际的情况通过外呼等方法摸清客户消费下降的原因进而做营销关怀或者挽留。

（五）客户离开阶段

离开阶段的客户又称离网用户。一般来说可以分为外部离网客户（真离网客户）和内部重入网客户（假离网客户）两种。外部离网客户指的是从一家运营商转到另外一家运营商，这类型的离网客户是真正造成客户流失以及价值损失，是客户离网阶段重点关注的对象。重入网客户是在同一个运营商内，客户把原号码替换成新的号码。造成客户重入网的原因很多，主要有原号码欠费、新号码资费及服务更合适客户两种原因。

在目前运营商的号码管理中，客户欠费停机1个月即会进入号码预销号，欠停三个月系统会主动销号，因此实际上客户还有3个月的营销窗口期。在此时间，运营商可通过大数据分析客户是否中高端客户，是否是政企重要客户，再分析其是资费原因导致的离网还是服务导致的离网。以某移动公司为例，每月对离网客户开展大数据分析，如果是重要客戶，就做分析是资费原因还是服务原因。如果是资费原因则通过点穴式的线下营销推荐低资费套餐，如果是服务原因则根据实际情况点穴式的推荐升级服务包。

四、结语

本文通过对大数据技术的特征总结出目前移动通信行业的大数据系统框架，然后找出在此框架下通信客户在其全生命周期的各类型细分客户，利用大数据提供的高价值信息开展怎样的精准营销。

精准营销的关键是根据细分客户的特征进行的高效精准的资源投入。精准的同时需要注意高效快捷，不然容易误入精准但繁琐的管理误区。大数据下的精准营销应该有三个原则：一是高效。信息化下的精准营销不能理解为繁琐推销、复杂销售，层层请示汇报，大数据系统就是需要绕过这些层层环节，直接把最有价值的信息输送到直接使用人手上。“让站在炮灰第一线的人呼唤炮火”，传统的营销模式和死板的经营管理制度无法适应信息社会市场营销的快节奏。目前通信企业针对一个客户的营销时间基本不超过10分钟，这短短的10分钟如果无法把需要的营销信息“弹药”供给上去，哪个客户会等上半天甚至更长时间呢？二是精准。大数据分析出来的信息必须是精准的，是围绕客户价值而去的，不是为了分析而分析。这就需要通信企业管理人员在日常海量数据中不断提炼-总结-再提炼-再总结。企业管理人员必须深入分析哪些是能为客户带来价值，又能给企业创造效益的关键信息，只有精准的信息才能最大化地提高营销的成功率。三是最大效益原则。大数据的精准营销一个重要作用是防止不计成本的“撒盐式”营销。我们说精准营销也是应该建立在成本效益评估的基础上，每个营销案背后应该是精准的成本核算，那些成本很高效益很细甚至没有效益的营销，即使是大数据分析出来的目标客户也不应该成为优先的营销群体。如某个客户的流动性很大，维护成本很高，这类型的客户应该放在营销的靠后序位。（作者单位：中国移动通信集团广西有限公司防城港分公司）