5G时代围绕客户全生命周期的大数据模型应用研究

曹艳飞 李南 张轩

摘 要：本研究基于运营商大数据，分别围绕客户获取、客户价值提升、客户保有三阶段的重点问题和需求，结合5G新特性，设计不同客户生命周期阶段的大数据模型。对主要模型提供算法思路和应用场景，以指导5G时代客户运营的升级，提供更智能的客户营销、智慧化的客户服务。

关键词：5G;运营商大数据;客户全生命周期模型

0 引言

2020年5G技术全面商用，5G具有更高带宽、极大容量、超低延时的特性，可支撑海量的设备以及人与设备的互联，真正实现“万物互联”。正如4G带来了移动互联网时代，5G将带来人工智能时代的真正到来。5G技术环境下，物联网将逐步与各垂直行业深度融合，使得5G下的大数据体量更大，数据类型更全面，实效性更强。在海量数据基础上，大数据技术创建大量因素，进行建模分析，实现人工智能增强。物联网+大数据必将推动各行业的改造，甚至颠覆。

运营商是5G商用的本家，又具有天然的大数据优势，几乎覆盖了全体公民，且数据维度涵盖了实名制验证后的客户信息、消费行为、上网行为、社交关系、地理位置、手机终端信息等多元内容，是天然的大数据“钻石矿”。作为 “钻石矿”的坐拥者，运营商一直积极发掘自身数据价值，寻求业务增长点。其中，以客户为主体、以数据挖掘为手段进行精细化运营是主线。5G技术为围绕客户的运营融入新要素，将带来更智能的客户识别、更精准的客户需求预测与精确营销，以及智慧化服务等。本研究立足于5G技術背景，并从4G后期行业进入的存量博弈期特征出发，从运营商运营的主体——“客户”出发，围绕客户的全生命周期探索大数据的模型应用。

1 数据维度

运营商早已建立了大规模的数据集群和云数据平台，其大数据具有任何其他行业所不必备的优势。首先，是数量级，具有百万级的基站资源、十亿级的出账客户数。其次，最为可贵的是可真实对应到人（实名制）、实时定位位置，且具备可真实触达客户的资源（手机号码）。

运营商围绕客户的大数据涉及九大类：客户基本信息类、通信消费行为、上网记录、新业务消费信息、客户产品信息、客户优惠信息、客户交往圈数据、客户终端数据、基站数据、客户信用信息等。以客户ID及手机号码为主键可统一所有数据。

基于多元的客户数据为客户打标签，形成动态标签库，可从客户属性、客户分群、客户偏好、行为轨迹、时空分布、社交属性等360。刻画客户。5G技术背景下将能获取、解析更多非结构化数据，真正实现从传统的通信客户画像向真正的客户画像转变，这正是围绕客户全生命周期建模应用的基础。

2 模型与应用

大数据应用的核心目标是“更高的洞察力和决策力”。本研究正是以该目标为导向，围绕客户全生命周期——从客户获取、客户价值提升，到客户保有三个阶段分别梳理关键问题与核心业务应用需求，从关键需求出发设计挖掘数据模型，并对关键数据挖掘模型提供模型与算法思路。

在客户获取阶段，需要解决的关键问题是：新增客户从哪里来，以及怎么提升新客户获取能力。5G时期运营商处于存量博弈期，新增客户主要从区域市场竞争、新入访客户、异网回归而来，因此可以建立以下模型：（1）微观区域市场客户识别与份额模型。针对当前竞争激烈或客户稳定性相对较差的重点微观区域（如楼宇、中学、城中村、社区等）市场，建立各市场客户识别模型，微观市场定位到清单以便目标市场区域客户经理进行精确化营销挖掘。在微观区域客户识别模型的基础上，评估各市场客户获取质量、分析微观区域市场客户消费特征，可指导微观区域市场营销政策的制定。基于微观区域客户识别模型建立微观区域的客户份额监测模型，更精确地把控微观市场竞争动态。该模型主要基于微观市场种子客户+逻辑回归技术实现。（2）入访客户需求细分模型。纯新增市场主要包括外地入访客户、本地中小学等纯新增客户，而其中入访客户一直处于被动营销状态。因此，可建立入访客户需求细分模型：通过对近半年入访客户的数据（入访客户来源、消费量、消费特征等）以多维关联分析+聚类等技术手段，建立需求细分模型，基于此制定差异化的入访客户营销政策。（3）异网客户价值细分模型：存量博弈时期新客主要来源于异网挖掘，而其中挖掘到价值客户是关键。需要对异网客户建立价值评估模型，以提升精细化挖掘能力，提高效率、节省营销资源。异网价值评估模型主要在异网互通数据基础上进一步生成异网消费水平、异网在网时长、异网交往圈大小等字段，以AHP法确定权重构建异网价值评估指数。（4）5G目标客户识别模型。简单而言即在5G商用初期如何快速将3G、4G客户迁移为5G客户，以快速导入5G客户，该类模型本质上类似于4G初期的4G早期客户识别模型。（5）跳蚤客户识别模型。运营商基于KPI导向的运营管理模式导致客户获取中可能存在水分，即存在虚假客户、或者跳蚤客户（低值客户），这类客户的存在既浪费了营销资源，也不利于对下层渠道的有效管理，需要识别这类客户以挤掉水分。该模型主要通过客户入网时间、消费量、消费频次、交往圈规模、入网渠道等进行综合挖掘。

当客户入网且稳定之后，客户运营即进入价值提升阶段。该阶段主要解决的问题是：存量客户如何细分并识别潜在需求，如何从多业务视角实现精准营销。可建立以下模型：（1）客户细分模型;（2）客户上网偏好模型;（3）数据流量精确营销模型;（4）重点增值业务精确营销;（5）客户综合价值提升模型等。客户价值提升阶段的模型核心是：客户画像、客户偏好、精确营销，4G时期已实现了基于客户基础数据与业务的客户画像与精确营销。5G时期由于文本数据解析能力的增强，重点挖掘客户上网行为、社交数据、地理数据，将这类数据挖掘的价值信息丰富至客户画像、优化更精准与丰富的客户偏好，并基于此实现智慧营销。其中，客户上网、社交数据主要以文本挖掘技术为主实现，丰富现有客户标签、客户偏好体系。例如，通过网上行为挖掘可识别客户行业偏好，根据客户与汽车服务商的通话行为，以及网上浏览汽车信息，可识别有车一族、潜在购车、汽车品牌偏好者等。在更丰富的客户标签体系基础上，设计更细分的应用场景，客户标签+业务协同可实时触发自动营销，甚至可智能做出客户需求的预测，输出千人千面、千时千景的个性化营销内容。