融合数据驱动下的客户运营方案研究

晁 昆，王云云，程新洲，张 涛，贾玉玮，关 键，赫 欣，徐乐西（中国联通研究院，北京 100048）

1 概述

1.1 经营对象从“用户”向“客户”变迁

运营商以往在移网、固网、物联网等领域都分别运营各自的用户。现在，随着网络的演进和业务的发展，越来越多的用户同时使用运营商多个领域的业务，例如某一运营商的移网用户使用了宽带业务和物联网业务（智能家居设备等）。为了提升用户感知，提高用户黏性，促进运营商业务融合发展，已经不能再割裂地分别看待用户的发展和价值，而是应该从“一客户多用户”的角度看待发展和进行价值经营。客户是具有一定社会关系或连接关系的用户群体，其特点为总体营销价值大于所有单个个体营销价值的总和。运营商以往分领域的营销策略已经不再适合当今的用户群体，而是应该从分专业营销到大融合营销，从用户运营转向客户运营。

1.2 大数据改变网络建设和营销方式

随着数字技术的发展，运营商积累了丰富及海量的数据资源，大数据金矿的价值不断凸显，由通信服务运营转为数据运营已成为运营商的必然选择［1］。运营商借助Hadoop、Spark 等大数据生产工具，通过对多域数据的整合挖掘，深入洞察客户在移动网络、固网宽带以及物联网的业务特征，基于客户群体的时空分布特征及业务感知，可以对网络资源进行动态化调配，满足不同区域对不同网络资源的需求，提升网络运营效率，提升用户感知；同时运营商通过大数据技术、AI 算法建模挖掘多域融合数据，洞察客户在不同网络的行为特征及潜在需求，为客户提供定制化、个性化、多样化的业务服务，满足客户需求，增强客户黏性，也提升了营销的精准性，助力实现降本增效。

2 融合数据简介

运营商所掌握的数据主要包括网络运行数据和业务运营数据，即BSS域数据和OSS域数据，分别来源于网络运行和业务运营［1］。

a）BSS 域数据。主要包括用户基础资料数据、用户业务行为数据和用户辅助信息数据。用户基础资料数据包括了用户的基础属性数据，例如姓名、性别、年龄、地址、归属地等；用户业务行为数据包括语音业务详单和数据业务详单，记录了用户的每一次业务行为；用户辅助信息数据则是用户产品订购信息（套餐名称、套餐时长、是否合约机等）和终端库信息［1-7］。

b）OSS 域数据。分为移网OSS 域数据、固网OSS域数据和物联网OSS 域数据。主要包括业务识别数据、基础资源及配置数据、性能统计数据、监控预警数据和信令追踪数据等，文中只简要介绍和方案相关的数据。业务识别数据包含的信息有：用户信息、位置信息、业务信息（业务名、业务开始时间和结束时间、产生的流量）。基础资源及配置数据包括无线网络的站点、站址、工参等数据，宽带网络号线数据等。性能统计数据的类型主要有：话统数据（网络中采集的网管性能数据，一定程度上反应了网络性能指标，可以用来判断网络运行状态）、Counter数据（性能指标的聚类汇总，用来观察设备的运行状况和资源的使用情况）和MR 数据（终端定期或者不定期向网络上报关于用户无线情况的日志，用来评估无线环境质量）。监控预警数据则有多种来源，其中告警数据是通信设备自身健康检查程序自动产生的异常事件预警消息记录，可以监控网络的稳定性和可靠性；设备与板卡负荷数据由设备挂载负荷数据、信令单板负荷数据、业务单板负荷数据以及接口单板负荷数据组成，反映了网元的忙闲程度［1-7］。

3 融合数据驱动下的客户运营方案

从分专业的用户经营到客户经营，首先需要对不同专业不同域的数据进行融合，形成以客户为基础的数据血缘关系，再对客户进行多方位的画像、贴标签。在此基础上，通过对客户群体的业务行为、时空特征、社会关系、智能家居等分析，一方面掌握客户的业务诉求，支撑网络的规划、建设、扩容、优化等资源配置，助力网络资源与客户诉求的匹配，降本增效；另一方面可对客户提供精准化营销和服务，“想客户所想”，提升用户感知。具体方案如图1所示。

图1 客户运营整体思路

3.1 数据融合

多域融合数据是新形势下客户运营的基础，也是智慧运营的核心驱动力。由第2 章可知，运营商的数据来源多样且构成不同，较为复杂。数据融合作为本方案的第1步，也是上层应用的基石，需要经过用户级数据融合和客户级数据融合2 个子流程的分层融合，实现不同领域和不同结构间的数据跨界、交叉融合及知识创造、价值增值（见图2）。

图2 数据融合过程

3.1.1 用户级数据融合

将分专业领域的OSS域单用户数据和BSS域数据关联，形成带有用户属性信息的单用户融合数据。其中BSS 域数据分别和移网OSS 域用户面数据详单、固网OSS 域用户面数据详单、物联网OSS 域用户面数据详单分别按用户标识关联，可形成单一用户单一领域的带有用户属性的详单数据。

3.1.2 客户级数据融合

经过用户级数据融合后，运营商的不同专业领域的用户仍呈现孤立且分散状态。基于用户行为特征分析、通过大数据挖掘技术，将具有关联的用户合并成为客户，将用户数据合并为客户数据。这样形成的客户数据集合了不同领域用户信息，可以从中提取到比单一用户数据更丰富的客户需求。

将用户级数据融合子流程的结果作为输入，客户级数据融合主要有如下3种方法。

a）结合入网信息，将相同入网自然人的移网单用户数据、固网单用户数据和物联网单用户数据融合，形成单人多账号的客户融合数据。单个自然人作为一个客户，涵盖了移网、固网和物联网等多个运营商方向领域。

b）结合BSS 域数据主副卡套餐信息，可以将共享同一个套餐的多个移网单用户数据进行融合，形成多人单套餐的客户融合数据。这种情况下，多个自然人被划分为了单个客户。

c）根据家庭宽带下常驻用户列表，固网单用户数据可与使用固网的移网（常驻）单用户数据、物联网（常驻）单用户的数据进行融合，形成基于此固网的客户。值得注意的是，当前客户中可能包含异网用户。

3.2 客户画像

客户画像是一种勾画客户诉求的有效工具，在完成技术数据收集后，对数据进行加工处理，通过行为建模、深度挖掘和知识发现提炼关键要素，将客户的具体信息抽象成标签，再利用这些标签将客户形象具体化。获取客户级数据后，对客户进行多维度特征提取和标识，从而理解客户的多样化需求，真正为客户提供高品质服务。如表1所示，获取客户数据后，可以从典型属性、社交属性、业务属性和生活属性4个维度对客户进行全景洞察，挖掘客户需求，从而支撑后端网络建设和前端营销策略。

表1 用户画像属性

a）典型属性。客户拥有的设备种类、数量和在运营商的出账情况。

b）社交属性。组成客户的多个用户之间的关系，比如亲友、人物和异网。

c）业务属性。客户的流量特性和时长特性（使用量和使用习惯等）、常用应用和在各应用的兴趣偏好以及搜索情况。

d）生活属性。客户的常驻区域识别、组成客户的用户群体经常聚集的区域、客户的消费等级以及常用的出行方式等。

3.3 赋能网络建维

基于融合数据开展以住宅小区为单位的全景洞察，掌握住宅小区的网络覆盖、网络资源等情况，了解住户的规模、行为特征、消费水平等信息，以此为基础进行精准网络建设、扩容、优化，并根据不同住宅小区的客户分布及价值情况，确定网络投资及网络问题解决的优先级（见图3）。

图3 基于客户运营的网络建维

3.3.1 全息洞察

基于BSS域数据及OSS域数据中基础资源及配置数据、性能统计数据、监控预警数据和信令追踪数据，融合固网、移网、物联网数据，整合大数据解析、存储、入库、清洗、分析和建模能力，以住宅小区为单位进行网络和业务的现状分析，具体如表2所示。

表2 网络全息洞察

3.3.2 策略建议

结合客户业务需求和网络资源现状，对网络进行规建维优，从而实现对网业联动的支持，精准投资与精准发展协同，在科学评价的基础上使公司生产要素配置得更合理、更高效（见表3）。

表3 网络规建维优策略

3.4 赋能智慧营销

在基于融合数据的客户画像基础上，构建以客户为中心的应用场景，深入洞察客户的诉求和潜在需求，提供灵活、可自由组合的积木式产品，定制化的营销套餐，满足客户个性化需求，提升客户感知。

典型的智慧营销主要有4个方面。

a）融合套餐营销。针对单移客户，持续跟踪常驻地移网流量数据，若持续偏高，则考虑引导转为移网和宽带的融合客户。

b）套餐升级营销。结合客户的套餐使用情况以及在线教育、线上会议、超高清视频、VR、游戏等业务行为习惯，可考虑为客户推荐流量加油包或迁转5G套餐业务。

c）携号转网或主副卡。若客户的宽带下有某个异网用户长期出现且通过算法判断此异网用户与客户为亲友关系，则可为此客户推荐携号转网和主副卡融合套餐业务。

d）智慧家庭。假如检测到客户的宽带下有多种物联网设备且对时延或者带宽有一定需求，则可以为此客户推荐智慧家庭（智家组网）服务相关业务。

4 结束语

目前，5G 网络已经全面商用，用户对于网络连接的需求变得多样化，接入网络的终端也更加多样化。对于公众市场而言，从“用户到客户”的多专业融合的智慧运营是运营商的必然选择。运营商通过多源异构数据的两级融合方法，将具有一定关系或营销价值的用户合并为客户，并以客户为单位，通过大数据的手段精准洞察特征、匹配需求，构建客户的全场景生态，推进5G、家庭宽带、物联网等多张网络的协同发展，为网络资源的高效利用和精准营销提供决策支撑。