文档介绍：通过数深度挖掘完善客户关系管理体系有效治理垃圾短信
***通信集团吉林有限公司
2008年12月
通过数据深度挖掘完善客户关系管理体系
有效治理垃圾短信
2008年12月
项目背景
第一部分
基于数据分析模型的垃圾短信控制体系
运营成效
工作创新及工作评价
工作总结及意见
第二部分
第三部分
第四部分
第五部分
项目背景——垃圾短信治理势在必行
ello
3·15晚会对垃圾短信的曝光使***面临了巨大的社会舆论压力,严重影响了***在
用户心目中的形象,促使客户对移动信任度开始下降,消费者价值无法持续开发。
垃圾短信严重的干扰了用户的正常通信生活造成客户服务质量下降,客户关系出现前所未有的
危机。
我们如何以客户需求导向有效治理垃圾短信提升服务质量,维护稳定的客户关系成为我们急
需解决的问题。
项目背景——垃圾短信治理困难重重
目前系统对垃圾短信与正常短信之间的区别难以判定。
缺乏垃圾短信快速检索手段, 存在致命缺陷“时延”。
无法对垃圾短信关键字符进行监控进行有效拦截。
缺乏应对垃圾短信发送者投诉手段。
。

并及时处理。

次不良影响的发生。
预防
垃圾短信
控制
处理投诉
垃圾短信控制体系分三大阶段建立
垃圾短信控制体系核心思想
领导高度重视,周密组织各部门协同实施
数据部
客户
服务部
多部门紧密合作形成垃圾短信控制协同机制
业务支撑
中心
集团
客户部
客服中心
数据业务
中心
市场
经营部
普通SIM卡
低价卡
低资费卡
市场部加强渠道管理控制低价卡.
数据部对低短信资费的套餐进行清理.
群发器
短信中心
用
户
行业应用网关
企业客户
集团客户部加强监督管理:集团的客户资料和发送内容进行严格审核,对出现投诉的状况终止合作.
数据部、业务支撑中心、数据业务中心重点解决。
预防阶段
精确分析垃圾短信产生渠道多部门严防死守预防出现垃圾短信!
投
诉
通过分析锁定垃圾短信发送用户
分析模型查找垃圾短信用户的使用特征
利用训练集、验证集数据进行模型修正
垃圾短信历史数据
关联其自然使用特征
神经元网络/决策树
确定模型控制门限值
收集垃圾短信的历
史数据,进行聚类
结合用户的消费、业
务使用量、用户资料
进行特征的匹配
利用数据挖掘工具进
行深入的数据挖掘分
析
根据分析结果确定短
信黑、灰名单的各项
指标的门限值
垃圾短信控制模型
训练集
验证集
最终控制模型
根据垃圾短信控制
模型的各项指标的
输入
根据训练集数据对模
型进行训练
确定最优的指标门限
值
根据确定的模型将原
有一部分历史数据做
为验证集进行验证
比较验证结果与实际
结果的差异,确定模
型是否可用
经过不断的闭环训练
与验证,形成最终的
垃圾短信控制模型
1
2
预防阶段
引入“离散度”指标,即:发送总条数与总对端数的比值。当离散度为1时,可表明该用户发送的所有信息都是给不同的人,即为群发。
发:即为发送量,主要指用户主动发送点对点短信的上行话单数量,只有发送量到达一定的门限值,才可认定用户在做这种“群发”操作。
垃圾短信的特征在于点对点短信的
结合用户入网时间、入网渠道、是否实名制入网、缴费记录、通话次数、短信消费占比等指标,可确定用户是否为“垃圾短信发送用户”
控制阶段——确定垃圾短信发送用户的关键指标
群
为其他兄弟公司借鉴
发