运营商大数据战略个性化营销机制成核心

中讯邮电咨询设计院有限公司 | 丁伟 李政

由于电信运营商天然具有大数据优势，提升大数据运用水平，最大程度地建立基于大数据的个性化营销机制，以此降低营销成本，在提升用户满意度的前提下扩大业务范围和收入水平，成为了运营商基于大数据战略的不二选择。

大数据在电信

在产业一片大数据热的背景下，运营商作为整个电信产业中的关键一环，也顺应趋势开启了大数据时代的探索。对于电信运营商，其一方面面临着海量数据与流量所带来的网络挑战，所以尝试将大数据与业务运营相结合，以进一步优化网络建设；另一方面，海量用户数据中所蕴藏的价值将带来更多的市场机遇，运营商在传统电信业务萎缩时，依托大数据开发新业务模式成为了必然之举，而在这方面，国际上部分运营商已开始尝试并已有范例。

本期《通信世界》大数据专题便聚焦大数据在电信行业的发展，为业界呈现运营商在大数据时代的一些思索。

2012年可以说是大数据的元年，从年初美国奥巴马政府宣布启动“大数据研究与开发计划”，到年中以华尔街和证券公司为主导的大数据概念爆发，再到年末智慧城市、云计算的加速建设，无不烙下了大数据的深深印记。大数据，这个未来很可能对于人类社会产生深远影响的概念，正逐步融入每一个普通人的生活中。

伴随而来的是基于大数据的各种商业模式创新的层出不穷，这其中，具有大数据分析优势的互联网和IT企业当仁不让地占据了制高点。例如，Facebook以其创造的社交平台数据为基础，通过开放平台共享数据的方式，不断创造出更新颖的业务模式；阿里巴巴则以其B2B和B2C平台交易数据为基础，逐渐向基于供应商供货和结算数据分析为依托的金融领域拓展；亚马逊则将大数据与云计算有机结合，在不断推出云服务的基础上积极部署实施自己的大数据战略。

图1 电信运营商大数据类型图

在这一大背景下，作为电信产业链核心地位的电信运营商也不甘落后，开始了面向大数据的调整和转变。一方面，他们创造出基于大数据的新业务模式。例如，Telefonica与市场研究机构GfK进行合作，在英国、巴西等地推出SmartStep业务。这一业务基于Telefonica数据为基础，向零售商、政府部门、公共机构提供基于地点的人员流动（Footfall）数据，以此帮助他们更好地进行决策。另一方面，电信运营商将大数据与自身的运营结合起来，尝试将大数据运用于网络建设和优化，以及业务拓展的用户精确营销等方面。

电信运营商营销之路

电信运营商的营销，与大部分企业营销变迁一样，经历了从单一到立体，从粗放到精细的过程。

在模拟电话时代，电信产品结构单一（语音通信服务），市场结构处于卖方市场，电信产品供不应求，因此营销在电信运营商的地位较弱。进入2G时代之后，电信产品逐渐丰富，在语音通信基础上出现了诸如短信、彩信、彩铃等数据业务，而且随着市场上电信运营商数量的增加，市场结构逐步由卖方市场向买方市场转化，运营商间的竞争逐渐激烈，此时营销也逐渐变得重要起来。一方面，在品牌制定上，各大运营商都制定了自己的品牌（如中国移动的全球通、神州行、动感地带）等，以此针对不同的细分用户类别；另一方面，营销手段也变得多样化起来，除采取传统媒体（电视、杂志、报纸）外，一些互联网媒介（如门户网站、博客）也被广泛应用于电信运营商的营销中，营销向着立体化发展。

进入3G时代以后，随着中国电信业的重组产生了三家实力相近的全业务运营商，电信运营商间的竞争变得愈发激烈，由此也引发了电信业营销的进一步发展。3G时代电信业的营销主要体现为以下两个特点。

一是立体化。中国电信业的网络建设（3G、LTE）与移动互联网的快速发展同步，大量的业务和商业模式迅速出现，营销工作也从单一层面向系统工程转化。每一次的营销，都需要传统媒体、互联网媒体、移动互联网媒体的通力合作，协同完成营销任务。二是精细化。随着电信运营商运营时间的积累，电信运营商会产生并收集大量的数据（如电信消费者入网数据、话费数据、基站数据等），这些数据是电信运营商的宝贵财富，也是开展精确营销的基础。绝大部分的运营商，都或多或少地使用这些数据，开始了基于数据挖掘的精确营销的探索。

随着移动互联网、物联网的快速发展，电信网络中传递的信息种类迅速丰富（从文本到图片、视频，从结构化到非结构化），并且伴随着电信网络识别技术（如DPI、PCC等）和数据处理技术（如NoSQL、Hadoop等）的发展，电信运营商可以获得并处理的数据也急剧增加。这些数据可以帮助电信运营商更有效地了解用户，分析用户使用习惯，也给电信运营商开展更加精准的精确营销提供了基础，帮助电信运营商降低营销成本，增加业务收入。可以预期，随着电信业的发展和变革，在LTE时代，基于大数据的电信运营商精确营销，将会对电信运营商变得愈来愈重要。

图 2 基于大数据的电信运营商精确营销影响因素图

四大数据类型

运营商通过部署相应的技术（如DPI、PCC等），主要可以获得以下四类数据。

第一类是人口统计学数据，主要包括在登记时提交的个人姓名、性别等数据，以及通过解析得到的用户手机号码、IEMI、状态码等数据。第二类是以反映用户位置为主要内容的基站数据，主要包括基站位置（经度、纬度）、所属node B、SGSN IP、GGSN IP等数据。第三类是用户业务数据，包括用户业务使用类型、连接方式、访问网站（URL）、登陆访问时间、上行流量、下行流量、各业务流量等数据。第四类是计费数据，主要包括用户的套餐选择数据、资费数据、购买历史数据等。

通过对于这些数据的聚合和分析，可以得到消费者的完整画像，依据画像，给针对电信消费者的精确营销（包括营销内容、营销方式）提供了基础。

基于大数据的精确营销模型

电信运营商基于大数据的精确营销，以消费者接触为区分标准，可以分为消费者主动接触型和消费者被动接触型两类。

消费者主动接触型精确营销，主要是指在消费者主动与电信运营商取得联系（主要是各种渠道）的情况下，电信运营商提供的个性化营销服务。按照接触渠道划分，可以分为：实体渠道和电子渠道。其中，实体渠道主要包括电信运营商的各类自建和社会合作营业厅；电子渠道主要包括有电话渠道（如中国联通的10010、中国移动的10086）、互联网渠道（如中国联通、中国移动的网上营业厅）、移动互联网渠道（如中国联通的手机营业厅、VIP客户端、上海移动的移动手机营业厅）等。

主动接触型精确营销的影响因素主要有以下几类：身份吻合度、优惠幅度阈值、信息重复度、内容展示度。其中，前两者是营销内容因素，后两者是营销方式因素。所谓的身份吻合度，是指营销过程中依据大数据分析后得到结果产生的个性化营销方案（如实体营业厅销售人员推荐、APP个性化页面）与消费者身份的吻合匹配程度。优惠幅度阈值，是指在进行精确营销时提出的资费方案与现有消费者现有资费之间的差是否能够达到感知阈值（阈值，即临界值，即当超过某限度时就会引起激烈反应的界限值）。信息重复度，是指与消费者精确营销沟通时已经了解其信息的程度。相关研究显示，在营销过程中，如果消费者发现营销方具有太多自己信息，对于隐私担忧将会增加，会降低对其的信任；但如果营销方信息太少（尤其对于电信运营商这种长期关系），则会增加消费者回答重复信息的次数，也会降低消费者信任。内容展示度，是指基于大数据分析制定的营销策略（如个性化互联网页面布局，移动互联网APP端推荐业务个数）的展示方式和效果。

消费者被动接触型精确营销，主要是指电信运营商通过对基于大数据的分析得到结果进行的主动推送、消费者被动接受的营销业务。其主要内容包括：电信运营商推送给消费者的各种业务和套餐资讯、客户服务人员主动联系消费者的营销电话等。

被动接触型精确营销的影响因素主要有以下几类：准确度、优惠幅度阈值、信息重复度、推送频次、时间差、渠道方式。其中，前两者是营销内容因素，后四者是营销方式因素。所谓准确度，是指电信运营商在消费者被动接触型精确营销时推送业务与消费者的匹配程度（具体包括有业务使用种类匹配，业务使用时间匹配，业务使用地点匹配等）。优惠幅度阈值的概念与上文中相似，指新提供的优惠需要在大数据挖掘的基础上订立在消费者阈值的基础上，即使其感受到价格的变化，又同时满足电信运营商利润的要求。信息重复度因素亦与上文中相似，指在电信运营商营销人员主动联系时候需要提供让消费者感到放心的信息了解度。推送频次是指电信运营商推送业务包时的频次，对于消费者频繁的打扰会使其产生厌恶并导致信任减低。时间差是指推荐时机与消费者使用时间上的间隔，通过对于大数据的挖掘可以确定出最适当的业务推送时机。渠道方式是指精确营销选择的方式种类，这种选择需要在大数据挖掘前提下与消费者的行为及心理特征相符合。

此外，人口统计学变量也是电信运营商精确营销的重要影响因素。不同年龄、性别、所处地区以及使用时间等，都会影响到消费者对于电信运营商基于大数据精确营销的信任度和使用性，最终影响到他们的接受意图。

随着电信行业和移动互联网行业的快速发展，以及相关政策的调整（如虚拟运营商的引入），电信运营商间的竞争必将日益激烈。在进行网络升级，提升服务水平的基础上，形成差异化的营销服务优势也逐步成为运营商间竞争的核心内容。由于电信运营商天然具有大数据优势，提升大数据运用水平，最大程度地建立基于大数据的个性化营销机制，以此降低营销成本，在提升用户满意度的前提下扩大业务范围和收入水平，成为了运营商基于大数据战略的不二选择。