文档介绍：目录一数据挖掘项目经验*二IPTV活跃度提升解决方案三套餐流量使用率提升解决方案五个数据挖掘模型,两个客户画像标签3G升4G换卡模型(营销响应模型)政企专线离网预警模型(用户保有模型)双百兆目标用户模型(营销响应模型)乐享5折用户聚类模型(用户画像刻画)乐享5折用户生命周期分析(用户画像刻画)手机加副卡目标用户模型(营销响应模型)乐享5折目标用户模型(营销响应模型)数据挖掘客户标签(数据挖掘基础能力沉淀)3G升4G换卡营销模型目标为提升当前3G升级4G营销成功率,通过数据挖掘模型,找出意愿度更高的用户优先进行营销。截止9月份,共提供5批次,,%%,通过数据挖掘模型,找出意愿度更高的用户优先进行营销。手机加副卡模型分成两部分,一部分为网龄3个月以上的用户,另一部分为网龄3个月以下的用户。利用逻辑回归算法和KNN分类算法,分别构建模型。%%---:系数的绝对值越大,对模型的影响越大。%%,挖掘政企专线用户离网规律,并提前2个月预测用户离网概率测试分区预测在网预测离网实际在网4,%%模型的效能(ROC)曲线乐享5折目标用户模型目标为提升当前营销成功率,通过数据挖掘模型,找出意愿度更高的用户优先进行营销,利用随机森林算法,构建最终目标用户模型。%%%%%20161**********%%%模型实际应用模型效能(ROC)曲线乐享5折用户聚类模型为了提高乐享5折用户的活跃度及价值,我们将对用户进行分群,以达到精细化营销的目的。根据聚类模型的数据要求,需要观测用户在基准月前3个月及次月的行为表现,因此选取2016年2月作为基准月。2016年2月,,其中,,疑似用完即扔用户1707户,疑似养卡用户6709户。基于精细化营销的目的,剔除套餐使用时长不足3个月及疑似养卡、用完即扔用户,,接下来的聚类模型针对这部分用户进行建模。出账用户::::T+4个月内开始产生欠费,并且欠费后连续2个月依然有欠费记录用户疑似养卡:省公司模型清单疑似用完即扔:1707疑似养卡:6709套餐使用时长<3::-SCORE标准化行为因子分析Z-SCORE标准化价值因子分析行为层次聚类两步聚类价值层次聚类两步聚类价值-行为聚类混合聚类行为相关字段价值相关字段降维标准化降维聚类建模模型优化群特征分析群策略建议本次聚类模型的构建,采用聚类数据挖掘中成熟的“行为-价值”分析框架,分别对用户的行为和价值特征进行聚类,并总结用户在这两个维度上的特征,从而给出用户画像由于聚类模型对于输入字段的要求,需要对行为字段和价值字段进行Z-SCORE标准化及主成分算法分析,降维之后作为输入,通过测试多个聚类算法(K-MEANS聚类算法、两步聚类算法)并选择聚类模型通过聚类的结果,分析不同用户群的特征,并针对用户特征提出针对性的营销策略行为-价值分群平面图平均ARPU平均流量X-1低值温饱群X-6中档低活跃群X-2传统节省群X-3低端时尚群X-4流量活跃群X-5通话活跃群X-7高端稳定群通过观察用户分类在年龄、通