專利名稱：選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及通信領(lǐng)域，具體而言，涉及一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法及
>J-U ρ α裝直。
背景技術(shù)：
隨著電信重組和第三代(3rd Generation，簡稱為3G)牌照的發(fā)放，電信市場的競爭日趨白熱化。對于整個電信行業(yè)而言，在語音業(yè)務(wù)同質(zhì)化的情況下，增值業(yè)務(wù)已成為電信企業(yè)豐富差異化業(yè)務(wù)的利器，并成為打造企業(yè)品牌和核心競爭力的重要手段。增值業(yè)務(wù)不僅能夠給運營商帶來豐厚的利潤和搶占新客戶，同時又能對客戶帶來業(yè)務(wù)黏性，避免客戶流失。三大運營商都在不遺余力地積極開發(fā)各種增值業(yè)務(wù)，以吸引更多的用戶。面對日益增加的市場競爭壓力，如何定位增值業(yè)務(wù)的目標(biāo)客戶，降低增值業(yè)務(wù)的營銷成本，如何提升增值業(yè)務(wù)的滲透率和活躍度，提高客戶的每用戶平均收入(AverageRevenue Per User,簡稱為ARPU)值(該值用于衡量電信運營商業(yè)務(wù)收入的指標(biāo))，顯得越來越重要。經(jīng)過幾年的建設(shè)，運營商基本完成了以省為單位的客戶關(guān)系管理(Customerrelationship Management,簡稱為CRM)、計費、資源管理、人力資源等系統(tǒng)的集中建設(shè),構(gòu)建了全業(yè)務(wù)運營的IT支撐能力。通過數(shù)據(jù)倉庫項目的實施，實現(xiàn)了以省為單位的全省運營數(shù)據(jù)集市，有效地支撐了經(jīng)營分析的相關(guān)工作，為企業(yè)管理層提供了良好的決策支撐。但對增值業(yè)務(wù)和新業(yè)務(wù)的支撐力度相對較弱，主要開展了增值業(yè)務(wù)統(tǒng)計、報表等簡單分析，盡管基于數(shù)據(jù)倉庫開展了針對營銷等數(shù)據(jù)挖掘的分析，其重點也是圍繞傳統(tǒng)語音業(yè)務(wù)。針對相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶準(zhǔn)確率較低的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容
針對相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶準(zhǔn)確率較低的問題，本發(fā)明提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法及裝置，以至少解決上述問題。根據(jù)本發(fā)明的一個方面，提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法，該方法包括:根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群；從初始客戶群選取預(yù)測樣本，對該預(yù)測樣本進(jìn)行測試；根據(jù)測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶。優(yōu)選地，選擇上述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)包括:根據(jù)各個增值業(yè)務(wù)間的支持度和置信度可以選擇該目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。優(yōu)選地，根據(jù)上述關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群包括:可以將訂購該關(guān)聯(lián)業(yè)務(wù)，且未訂購上述目標(biāo)增值業(yè)務(wù)的客戶作為該目標(biāo)增值業(yè)務(wù)的初始客戶群。優(yōu)選地，對上述預(yù)測樣本進(jìn)行測試包括:可以將該預(yù)測樣本分為兩類，一類為訓(xùn)練樣本，另一類為驗證樣本；采用數(shù)據(jù)挖掘工 具中的預(yù)測分類算法，用上述訓(xùn)練樣本對應(yīng)的用戶數(shù)據(jù)建立預(yù)測模型，將上述驗證樣本對應(yīng)的用戶數(shù)據(jù)輸入該預(yù)測模型進(jìn)行驗證，再根據(jù)驗證結(jié)果選取最佳預(yù)測模型；相應(yīng)的，根據(jù)測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶包括:將該初始客戶群對應(yīng)的用戶數(shù)據(jù)輸入最佳預(yù)測模型，可以將該最佳預(yù)測模型輸出的客戶作為目標(biāo)增值業(yè)務(wù)的潛在客戶。優(yōu)選地，上述用戶數(shù)據(jù)可以為根據(jù)預(yù)測模型的要求轉(zhuǎn)換后的數(shù)據(jù)。優(yōu)選地，根據(jù)測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶之后，根據(jù)該潛在用戶訂購關(guān)聯(lián)業(yè)務(wù)的情況對該潛在用戶進(jìn)行分類，按照分類結(jié)果可以確定營銷策略。根據(jù)本發(fā)明的另一方面，提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置，包括:目標(biāo)業(yè)務(wù)確定模塊，用于根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；關(guān)聯(lián)業(yè)務(wù)選擇模塊，用于選擇目標(biāo)業(yè)務(wù)確定模塊確定的目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；初始客戶確定模塊，用于根據(jù)關(guān)聯(lián)業(yè)務(wù)選擇模塊選擇的關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群；測試模塊，用于從初始客戶確定模塊確定的初始客戶群選取預(yù)測樣本，對該預(yù)測樣本進(jìn)行測試；潛在客戶選擇模塊，用于根據(jù)測試模塊的測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶。優(yōu)選地，上述關(guān)聯(lián)業(yè)務(wù)選擇模塊包括:關(guān)聯(lián)業(yè)務(wù)選擇單元，用于根據(jù)各個增值業(yè)務(wù)間的支持度和置信度選擇上述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。優(yōu)選地，上述初始客戶確定模塊包括:初始客戶確定單元，用于將訂購上述關(guān)聯(lián)業(yè)務(wù)，且未訂購上述目標(biāo)增值業(yè)務(wù)的客戶作為該目標(biāo)增值業(yè)務(wù)的初始客戶群。優(yōu)選地，上述測試模塊包括:分類單元，用于將上述預(yù)測樣本分為兩類，其中，一類為訓(xùn)練樣本，另一類為驗證樣本；模型建立單元，用于采用數(shù)據(jù)挖掘工具中的預(yù)測分類算法，用上述分類單元劃分的訓(xùn)練樣本對應(yīng)的用戶數(shù)據(jù)建立預(yù)測模型；最佳模型選取單元，用于將上述分類單元劃分的驗證樣本對應(yīng)的用戶數(shù)據(jù)輸入上述預(yù)測模型進(jìn)行驗證，根據(jù)驗證結(jié)果選取最佳預(yù)測模型；相應(yīng)的，上述潛在客戶選擇模塊包括:數(shù)據(jù)輸入單元，用于將上述初始客戶群對應(yīng)的用戶數(shù)據(jù)輸入上述最佳預(yù)測模型；潛在客戶確定單元，用于將該最佳預(yù)測模型輸出的客戶作為上述目標(biāo)增值業(yè)務(wù)的潛在客戶。通過本發(fā)明，通過選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群，進(jìn)而依據(jù)對該初始客戶群的測試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶準(zhǔn)確率較低的問題，使目標(biāo)增值業(yè)務(wù)針對客戶的營銷更有針對性，提升了目標(biāo)增值業(yè)務(wù)針對用戶的滲透率。


此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中:圖1是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的流程圖；圖2是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的另一流程圖；圖3是根據(jù)本發(fā)明實施例一的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的流程圖；圖4是根據(jù)本發(fā)明實施例的模型建立的示意圖；圖5是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置的結(jié)構(gòu)框圖；圖6是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置的具體結(jié)構(gòu)框圖；圖7是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置的另一具體結(jié)構(gòu)框圖；圖8是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置的又一具體結(jié)構(gòu)框圖。
具體實施例方式下文中將參考附圖并結(jié)合實施例來詳細(xì)說明本發(fā)明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。在定位增值業(yè)務(wù)的目標(biāo)用戶的方法中，數(shù)據(jù)挖掘(Data Mining)是一種透過數(shù)理模式來分析企業(yè)內(nèi)存儲的大量資料，以找出不同的客戶或市場劃分，分析出消費者喜好和行為的方法。數(shù)據(jù)挖掘從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量的數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的過程。數(shù)據(jù)挖掘主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示三個步驟。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中重要的研究方法之一，它主要用于發(fā)現(xiàn)大量數(shù)據(jù)中有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。關(guān)聯(lián)規(guī)則挖掘的一個典型例子是產(chǎn)品銷售分析，研究發(fā)現(xiàn)產(chǎn)品銷售中不同商品之間的聯(lián)系，從而找出顧客購買行為模式。本發(fā)明實施例采用上述關(guān)聯(lián)規(guī)則挖掘的方法進(jìn)行目標(biāo)增值業(yè)務(wù)的潛在用戶的選擇，基于此，本發(fā)明實施例提供了 一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法及裝置。下面通過實施例進(jìn)行詳細(xì)說明。本實施例提供了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法，如圖1所示的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的流程圖，該方法包括以下步驟(步驟S102-步驟S110):步驟S102，根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；步驟S104，選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；步驟S106，根據(jù)關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群；步驟S108，從初始客戶群選取預(yù)測樣本，對該預(yù)測樣本進(jìn)行測試；步驟S110，根據(jù)測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶。通過上述方法，通過選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群，進(jìn)而依據(jù)對該初始客戶群的測試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶準(zhǔn)確率較低的問題，使目標(biāo)增值業(yè)務(wù)的營銷更有針對性，提升了目標(biāo)增值業(yè)務(wù)針對用戶的滲透率。在確定目標(biāo)增值業(yè)務(wù)之后，選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，此時一般是根據(jù)各個增值業(yè)務(wù)間的支持度和置信度選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群，該初始客戶群一般是指訂購了關(guān)聯(lián)業(yè)務(wù)，但是未訂購目標(biāo)增值業(yè)務(wù)的客戶。通過這種方式，可以以簡單的方式篩選出比較有可能訂購目標(biāo)增值業(yè)務(wù)的用戶，為目標(biāo)增值業(yè)務(wù)的潛在客戶選取縮小范圍，提高了潛在客戶選取的效率。在確定了初始客戶群之后，從初始客戶群中選取預(yù)測樣本并對該預(yù)測樣本進(jìn)行測試，一般可以將預(yù)測樣本分為兩類，一類是訓(xùn)練樣本，另一類是驗證樣本，然后采用數(shù)據(jù)挖掘工具中的預(yù)測分類算法用訓(xùn)練樣本對應(yīng)的用戶數(shù)據(jù)建立預(yù)測模型，用驗證樣本對應(yīng)的用戶數(shù)據(jù)驗證預(yù)測模型，根據(jù)該預(yù)測模型的輸出結(jié)果(即驗證結(jié)果)選取最佳預(yù)測模型，根據(jù)預(yù)測模型的要求轉(zhuǎn)換初始客戶群對應(yīng)的用戶數(shù)據(jù)，然后再將該用戶數(shù)據(jù)輸入最佳預(yù)測模型，將最佳預(yù)測模型輸出的客戶作為目標(biāo)增值業(yè)務(wù)的潛在客戶。這種依據(jù)上述預(yù)測模型訓(xùn)練樣本的方式可以確定出訂購目標(biāo)增值業(yè)務(wù)的客戶的基本信息，即具有哪些條件的客戶最有可能訂購該目標(biāo)增值業(yè)務(wù)，從而選取出訂購傾向性最大的客戶作為潛在客戶，這種方式能夠保證定位的準(zhǔn)確性。在確定了目標(biāo)增值業(yè)務(wù)的潛在客戶之后，考慮到不同的用戶關(guān)注的內(nèi)容不同，本實施例還可以根據(jù)潛在用戶訂購關(guān)聯(lián)業(yè)務(wù)的情況對潛在用戶進(jìn)行分類，按照分類結(jié)果確定營銷策略。例如對價格敏感型用戶進(jìn)行優(yōu)惠推銷，對內(nèi)容偏好型用戶進(jìn)行內(nèi)容導(dǎo)向性營銷等等。這種營銷策略確定方式可以進(jìn)一步提高營銷的成功率。圖2是根據(jù)本發(fā)明實施例的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的另一流程圖，該方法包括以下步驟(步驟S202-步驟S210):步驟S202，業(yè)務(wù)問題定義。例如，根據(jù)業(yè)務(wù)的需求，確定業(yè)務(wù)目標(biāo)是什么，確定涉及什么產(chǎn)品、服務(wù)或者客戶群，確定數(shù)據(jù)挖掘采用的算法，確定數(shù)據(jù)挖掘模型輸出的結(jié)果。步驟S204，數(shù)據(jù)準(zhǔn)備。例如，根據(jù)業(yè)務(wù)調(diào)研，確定能用到的分析數(shù)據(jù)源是哪些，包含了哪些字段和變量，然后對分析數(shù)據(jù)源進(jìn)行統(tǒng)計分析，根據(jù)分析結(jié)果完成數(shù)據(jù)質(zhì)量報告，為變量選擇做好準(zhǔn)備工作，確認(rèn)分析數(shù)據(jù)源中哪些字段可用，哪些字段不可用，然后根據(jù)上述分析結(jié)果選擇可用來進(jìn)行建模工作的初始變量列表，并完成相應(yīng)的數(shù)據(jù)提取、轉(zhuǎn)換和加載(Extraction Transformation Loading,簡稱為ETL)工作，ETL負(fù)責(zé)將分布的異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)(如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等)抽取到臨時中間層后進(jìn)行清洗、轉(zhuǎn)換和集成，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，稱為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。采用標(biāo)準(zhǔn)化的方法把上述初始變量轉(zhuǎn)化為0-1之間的相對比例數(shù)字，對于離散取值的變量，將其轉(zhuǎn)化為多個布爾型變量，布爾型變量是有兩種邏輯狀態(tài)的變量，它包括兩個值:真和假。如果使用布爾型變量，那么將根據(jù)變量值的真假而賦予整型值I或O。要把一個整型變量轉(zhuǎn)換成布爾型變量，如果整型值為0，則其布爾型值為假，反之如果整型值為非0，則其布爾值為真。布爾型變量在運行時通常用作標(biāo)志。比如假設(shè)品牌有3個，取值分別是1、2、3，在做變量轉(zhuǎn)換的時候，就可以生成3個變量，是否取1、是否取2以及是否取3，然后將這3個布爾型變量列入建模變量列表。上述轉(zhuǎn)化后生成的變量間可能會存在較強的關(guān)聯(lián)關(guān)系，強關(guān)聯(lián)關(guān)系的變量沒有同時存在的必要，如果同時存在可能會干擾模型的生成效果，因此對變量進(jìn)行關(guān)聯(lián)度分析，從關(guān)聯(lián)度較高的變量中選擇合適的變量，將其余變量剔除。根據(jù)以上幾步的結(jié)果，將合適的變量數(shù)據(jù)組織起來生成建模用的數(shù)據(jù)寬表。步驟S206，建立模型。本實施例可以根據(jù)步驟S202確定的數(shù)據(jù)挖掘采用的算法選擇合適的參數(shù)，用建模數(shù)據(jù)寬表來訓(xùn)練模型，一般都是利用數(shù)據(jù)挖掘工具來完成該步驟的實現(xiàn)。步驟S208，模型效果評估。該評估包括根據(jù)模型檢驗參數(shù)，從多個模型結(jié)果中選擇出最優(yōu)的模型。步驟S210，模型應(yīng)用發(fā)布。該步驟包括用模型的結(jié)果來協(xié)助業(yè)務(wù)開展、戰(zhàn)略設(shè)計和戰(zhàn)術(shù)實施。收集模型的結(jié)果并進(jìn)行反饋，為模型的退化進(jìn)行偵測，從而更進(jìn)一步改善模型的性能。下面結(jié)合優(yōu)選實施例和附圖對上述實施例的實現(xiàn)過程進(jìn)行詳細(xì)描述。實施例一
本實施例選擇世界上最通用的方法論跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)(Cross-1ndustryStandard Process For Data Mining,簡稱為CRISP-DM)作為指導(dǎo),對上面介紹選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法進(jìn)行詳細(xì)描述，如圖3所示的是根據(jù)本發(fā)明實施例一的選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法的流程圖，該方法包括如下步驟(步驟S302-步驟S322):步驟S302，確定業(yè)務(wù)需求。由于增值業(yè)務(wù)比較多，首先需要確定尋找哪個增值業(yè)務(wù)的潛在客戶(即模型輸出)，其次需要確定選擇哪些增值業(yè)務(wù)作為目標(biāo)增值業(yè)務(wù)關(guān)聯(lián)分析的依據(jù)(即模型輸入)。例如，某運營商想擴(kuò)大彩鈴的用戶規(guī)模，也就是想尋找彩鈴業(yè)務(wù)的潛在用戶，并且想從已經(jīng)訂購了如下增值業(yè)務(wù):手機報、無線音樂、飛信、彩信、WAP、手機電視的用戶中找出有訂購彩鈴業(yè)務(wù)傾向的用戶。那么，彩鈴即為目標(biāo)增值業(yè)務(wù)，手機報、無線音樂、飛信、彩信、WAP、手機電視為分析業(yè)務(wù)。步驟S304，確定時間窗口。從業(yè)務(wù)需求的本質(zhì)來說，這是一個分類預(yù)測的業(yè)務(wù)，即預(yù)測給定的用戶群中誰有可能訂購給定的增值業(yè)務(wù)。既然是預(yù)測，就可以有時間窗口的定義，時間窗口可以為當(dāng)前月，預(yù)測窗口可以為下下個月，即當(dāng)前月之后的第二個月。步驟S306，數(shù)據(jù)準(zhǔn)備。根據(jù)業(yè)務(wù)需求，分析所需的數(shù)據(jù)源，比如用戶的基本資料、用戶的帳務(wù)信息、用戶的清單信息(包含語音和數(shù)據(jù)業(yè)務(wù)的清單信息)、用戶的客服信息以及用戶的數(shù)據(jù)業(yè)務(wù)信息。一般來說，用戶的清單信息是每個電信數(shù)據(jù)挖掘業(yè)務(wù)優(yōu)先考慮的分析數(shù)據(jù)源，因為這個數(shù)據(jù)源信息最豐富也最容易得到，同時其數(shù)據(jù)質(zhì)量也是最好的，其他的數(shù)據(jù)源則視情況而定。例如本實施例分析的主要是數(shù)據(jù)業(yè)務(wù)，因此數(shù)據(jù)業(yè)務(wù)信息也就成為我們的分析數(shù)據(jù)源之一。如果是純語音分析業(yè)務(wù)，那么這個數(shù)據(jù)源就不一定需要進(jìn)入我們的分析列表。步驟S308，數(shù)據(jù)探索。對上述分析數(shù)據(jù)源進(jìn)行統(tǒng)計分析，根據(jù)分析結(jié)果完成數(shù)據(jù)質(zhì)量報告，為變量選擇做好準(zhǔn)備工作，該步驟最重要的工作是要確認(rèn)分析數(shù)據(jù)源中哪些字段可用，哪些字段不可用。步驟S310，變量選擇與生成衍生變量。根據(jù)數(shù)據(jù)質(zhì)量分析結(jié)果選擇可用來進(jìn)行建模工作的初始變量列表，并完成相應(yīng)的ETL工作。衍生變量對上述模型通常來說是有必要的，有時候使用衍生變量得到的模型效果比直接使用初始變量的效果更好，比如比例關(guān)系、變化率關(guān)系、對數(shù)關(guān)系、平方關(guān)系、開方關(guān)系等等都可以成為衍生變量的方法。步驟S312，變量轉(zhuǎn)換。由于使用的變量數(shù)據(jù)單位可能會不一致，變化范圍也有大有小，這樣對數(shù)據(jù)挖掘來說是不適合直接使用的，因此可以對數(shù)據(jù)進(jìn)行一定的轉(zhuǎn)換。一般采用標(biāo)準(zhǔn)化的方法來完成，即將變量數(shù)據(jù)轉(zhuǎn)化成為0-1間的相對比例數(shù)字，然后再投入建模工作。對于一些離散取值的變量，不能將其直接轉(zhuǎn)換，這時可以將離散取值的變量轉(zhuǎn)化成為多個布爾型變量。假設(shè)品牌有3個，取值分別是1、2、3。在做變量轉(zhuǎn)換的時候就生成3個變量:是否取1、是否取2、是否取3，然后將這3個布爾型變量列入建模變量列表。步驟S314，變量關(guān)聯(lián)關(guān)系分析。上述步驟中生成的變量之間可能會存在較強的關(guān)聯(lián)關(guān)系，強關(guān)聯(lián)關(guān)系的變量沒有同時存在的必要，同時存在的話反而可能會干擾模型的生成效果。因此可以對變量進(jìn)行關(guān)聯(lián)度分析，在關(guān)聯(lián)度較高的變量中選擇合適的變量，將其余變量剔除。對于電信而言，一般可以認(rèn)為時長(費用)>次數(shù)(條數(shù))，即優(yōu)先保留時長等變量。另外，關(guān)聯(lián)度的閾值一般取值0.7以上，也可以視情況進(jìn)行調(diào)整，但是最好不要低于0.5ο步驟S316，生成輸入變量列表。根據(jù)上述幾個步驟的結(jié)果，將合適的變量數(shù)據(jù)組織起來生成建模用的數(shù)據(jù)寬表。本實施例建模用的數(shù)據(jù)寬表可以包括兩個:一個用于建立關(guān)聯(lián)規(guī)則模型，一個用于建立預(yù)測模型。如表一所不的是用于建立關(guān)聯(lián)規(guī)則模型的寬表，表二所示的是用于建立預(yù)測模型的寬表。對于預(yù)測模型，數(shù)據(jù)寬表中還可以有一個指示變量，對于在周期末時未訂購目標(biāo)增值業(yè)務(wù)的用戶，該指示變量取值為0，對于在周期末時已訂購增值業(yè)務(wù)的用戶，該指示變量取值為I。表一
權(quán)利要求
1.一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法，其特征在于包括: 根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)； 選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)； 根據(jù)所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶群； 從所述初始客戶群選取預(yù)測樣本，對所述預(yù)測樣本進(jìn)行測試； 根據(jù)測試結(jié)果從所述初始客戶群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)包括:根據(jù)各個增值業(yè)務(wù)間的支持度和置信度選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。
3.根據(jù)權(quán)利要求1所述的方法，其 特征在于，根據(jù)所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶群包括: 將訂購所述關(guān)聯(lián)業(yè)務(wù)，且未訂購所述目標(biāo)增值業(yè)務(wù)的客戶作為所述目標(biāo)增值業(yè)務(wù)的初始客戶群。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于， 對所述預(yù)測樣本進(jìn)行測試包括:將所述預(yù)測樣本分為兩類，其中，一類為訓(xùn)練樣本，另一類為驗證樣本；采用數(shù)據(jù)挖掘工具中的預(yù)測分類算法，用所述訓(xùn)練樣本對應(yīng)的用戶數(shù)據(jù)建立預(yù)測模型，將所述驗證樣本對應(yīng)的用戶數(shù)據(jù)輸入所述預(yù)測模型進(jìn)行驗證；根據(jù)驗證結(jié)果選取最佳預(yù)測模型； 根據(jù)測試結(jié)果從所述初始客戶群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶包括:將所述初始客戶群對應(yīng)的用戶數(shù)據(jù)輸入所述最佳預(yù)測模型，將所述最佳預(yù)測模型輸出的客戶作為所述目標(biāo)增值業(yè)務(wù)的潛在客戶。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述用戶數(shù)據(jù)為根據(jù)預(yù)測模型的要求轉(zhuǎn)換后的數(shù)據(jù)。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)測試結(jié)果從所述初始客戶群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶之后，所述方法還包括: 根據(jù)所述潛在用戶訂購所述關(guān)聯(lián)業(yè)務(wù)的情況對所述潛在用戶進(jìn)行分類，按照分類結(jié)果確定營銷策略。
7.一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的裝置，其特征在于包括: 目標(biāo)業(yè)務(wù)確定模塊，用于根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)； 關(guān)聯(lián)業(yè)務(wù)選擇模塊，用于選擇所述目標(biāo)業(yè)務(wù)確定模塊確定的所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)； 初始客戶確定模塊，用于根據(jù)所述關(guān)聯(lián)業(yè)務(wù)選擇模塊選擇的所述關(guān)聯(lián)業(yè)務(wù)確定所述目標(biāo)增值業(yè)務(wù)的初始客戶群； 測試模塊，用于從所述初始客戶確定模塊確定的所述初始客戶群選取預(yù)測樣本，對所述預(yù)測樣本進(jìn)行測試； 潛在客戶選擇模塊，用于根據(jù)所述測試模塊的測試結(jié)果從所述初始客戶群中選擇所述目標(biāo)增值業(yè)務(wù)的潛在客戶。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述關(guān)聯(lián)業(yè)務(wù)選擇模塊包括: 關(guān)聯(lián)業(yè)務(wù)選擇單元，用于根據(jù)各個增值業(yè)務(wù)間的支持度和置信度選擇所述目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)。
9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述初始客戶確定模塊包括: 初始客戶確定單元，用于將訂購所述關(guān)聯(lián)業(yè)務(wù)，且未訂購所述目標(biāo)增值業(yè)務(wù)的客戶作為所述目標(biāo)增值業(yè)務(wù)的初始客戶群。
10.根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述測試模塊包括:分類單元，用于將所述預(yù)測樣本分為兩類，其中，一類為訓(xùn)練樣本，另一類為驗證樣本；模型建立單元，用于采用數(shù)據(jù)挖掘工具中的預(yù)測分類算法，用所述分類單元劃分的所述訓(xùn)練樣本對應(yīng)的用戶數(shù)據(jù)建立預(yù)測模型；最佳模型選取單元，用于將所述分類單元劃分的所述驗證樣本對應(yīng)的用戶數(shù)據(jù)輸入所述預(yù)測模型進(jìn)行驗證，根據(jù)驗證結(jié)果選取最佳預(yù)測模型； 所述潛在客戶選擇模塊包括:數(shù)據(jù)輸入單元，用于將所述初始客戶群對應(yīng)的用戶數(shù)據(jù)輸入所述最佳預(yù)測模型；潛在客戶確定單元，用于將所述最佳預(yù)測模型輸出的客戶作為所述目標(biāo)增值業(yè) 務(wù)的潛在客戶。
全文摘要
本發(fā)明公開了一種選擇目標(biāo)增值業(yè)務(wù)潛在客戶的方法及裝置。其中，該方法包括根據(jù)業(yè)務(wù)需求確定目標(biāo)增值業(yè)務(wù)；選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)；根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群；從初始客戶群選取預(yù)測樣本，對該預(yù)測樣本進(jìn)行測試；根據(jù)測試結(jié)果從初始客戶群中選擇目標(biāo)增值業(yè)務(wù)的潛在客戶。通過本發(fā)明，通過選擇目標(biāo)增值業(yè)務(wù)的關(guān)聯(lián)業(yè)務(wù)，再根據(jù)該關(guān)聯(lián)業(yè)務(wù)確定目標(biāo)增值業(yè)務(wù)的初始客戶群，進(jìn)而依據(jù)對該初始客戶群的測試從中選擇出目標(biāo)增值業(yè)務(wù)的潛在客戶，解決了相關(guān)技術(shù)中定位目標(biāo)增值業(yè)務(wù)的潛在客戶準(zhǔn)確率較低的問題，使目標(biāo)增值業(yè)務(wù)針對客戶的營銷更有針對性，提升了目標(biāo)增值業(yè)務(wù)針對用戶的滲透率。
文檔編號G06Q50/30GK103150696SQ20111040144
公開日2013年6月12日 申請日期2011年12月6日 優(yōu)先權(quán)日2011年12月6日
發(fā)明者王艷麗 申請人:中興通訊股份有限公司