文档介绍：会计学
1
某市电信低质用户活跃解决方案
目录
一
数据挖掘项目经验
2
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
第1页/共27页
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）
第2页/共27页
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，
测试分区
预测在网
预测离网
实际在网
536,691
31374
实际离网
21689
7522
离网命中率
%
离网覆盖率
%
提升度
模型评估
模型实际应用
营销成功率
第3页/共27页
双百兆目标用户模型
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。本模型以老宽带用户为出发点，以是否融合划分不同子模型，利用随机森林算法，构建最终目标用户模型。
模型评估
测试分区
预测未办理
预测办理
实际未办理
59,563
2650
实际办理
1940
9049
办理命中率
%
办理覆盖率
%
提升度
模型实际应用
月份
外呼量
接通量
接通率
接通后成功率
总体成功率
201609
17736
4798
27%
%
%
201610
6666
2381
36%
%
%
201611
22821
8360
37%
%
%
模型经过10月，11月两月实际应用，接通率，接通后成功率及总体成功率均比未使用模型前有明显提升。10月总体成功率接近9月的两倍。
第4页/共27页
手机加副卡目标用户模型
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。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。
测试分区
预测未办理
预测办理
实际未办理
35946
679
实际办理
4335
2948
办理命中率
%
办理覆盖率
%
提升度
逻辑回归模型评估
变量名称
系数
套餐内流量
用户类型
合同剩余月份数
近3月月均充值金额
套餐小类
-
同客户下手机流量
-
同客户下4G手机流量
同客户下4G用户数
语音使用率
-
逻辑回归模型系数
注：系数的绝对值越大，对模型的影响越大。
测试分区
预测未办理
预测办理
实际未办理
117079
3219
实际办理
5725
5664
办理命中率
%
办理覆盖率
%
提升度
KNN分类模型评估
KNN分类模型字段重要性
第5页/共27页
政企离网预警模型
目标
通过深度数据挖掘方法，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
4,507
277
实际离网
137
109
离网命中率
%
离网覆盖率
%
模型的效能（ROC）曲线
第6页/共27页
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。
模