劉彩芬等

摘 要：文章將數據挖掘技術引入電信行業(yè)客戶細分研究，在電信客戶樣本集中提煉出有價值的信息，為電信企業(yè)客戶個性化及差異化服務設計提供依據。首先采用因子分析的方法實現電信客戶樣本集的維度約減，然后采用K-均值聚類的方法，將客戶樣本劃分為互不相交的6個大類，在此基礎上，分析歸并形成三個特征消費群，最后，從資費套餐設置、客戶保有策略、新客戶挖掘的三個維度分析并給出具體的實施策略。

關鍵詞：因子分析 K-均值聚類 客戶細分

中圖分類號：F274，TP270 文獻標識碼：A

文章編號：1004-4914（2015）01-059-03

一、引言

隨著3G網絡的普及，越來越多的消費者依賴于移動終端應用，電信消費的模式也面臨從基本的通話費用為主向以流量為主的模式轉變。特別是4G時代的到來，各大電信運營商開始了新一輪的市場份額搶奪戰(zhàn)。如何充分利用電信業(yè)交易數據、管理數據，挖掘蘊含的客戶信息，建立移動應用客戶細分模型，從而實現更加精準的營銷，是目前亟待解決的熱點問題。

數據挖掘的方法使得客戶細分成為可能。其中，聚類分析是一種非監(jiān)督型的數據挖掘方法，該方法從樣本數據出發(fā)，探索樣本間的相似性，并將最相似的對象聚集為同簇。聚類分析的方法以其易用魯棒的優(yōu)勢，在商業(yè)領域的應用取得了顯著的成效，其中，孫金華{1}等人采用K均值聚類方法設計中小企業(yè)客戶細分模型，徐昆{2}采用改進的K均值聚類算法實現快速消費品企業(yè)資源的最優(yōu)化配置。趙銘等人{3}采用聚類的方法，有效地識別基金理財客戶，并據此制定出相應的個性化營銷方案。針對電信客戶細分，陳治平等人{4}則采用多種數據挖掘方法實現電信客戶細分，實驗表明K均值聚類在電信客戶細分應用中的有效性，但研究并不是以客戶是否使用移動網絡作為細分的標準。

以往的研究為移動互聯(lián)網應用背景下的電信客戶細分研究提供了可借鑒的寶貴思路。面對日趨激烈的電信業(yè)市場競爭，如何充分利用電信客戶大數據信息，從中挖掘寶貴的知識，從而更加深入地了解客戶，在產品趨于同質化的情況下，為客戶提供差異化、多元化的電信產品和服務，最終實現有效的客戶引導，并保留客戶，具有重要的研究意義。

本文采用因子分析的方法，對電信客戶數據進行屬性的約減，在此基礎上，采用K均值聚類的方法，對用戶樣本集合實施無監(jiān)督的機器學習，根據客戶是否傾向使用電子支付和無線應用作為聚類評判依據，構造電信客戶細分模型；最后，針對該細分模型給出有效的營銷策略。

二、電信客戶細分實現過程

目前電信企業(yè)資費套餐類型在不斷地調整以滿足各類客戶的需求，但是由于受地方經濟發(fā)展差異、消費水平不等、互聯(lián)網時代消費客戶消費模式轉變等復雜因素影響，電信運營整體出現雜亂無章的現象。雖然電信業(yè)從過去的舊理念“客戶得到的產品是他們所想要的”已經轉變成“客戶得到了他們所想要的”{5}，但是如果不能對電信客戶實施細致且準確地分類，電信企業(yè)仍然無法針對客戶未來的成本、收入以及交叉銷售績效進行精準的評估，難以推出合理的營銷策略從而提升老客戶的粘性，增加新客戶的種類和數量。

本文采用某電信公司客戶樣本集作為研究對象，該數據集中共有1000套客戶數據，每套數據14個維度，分別為居住地、年齡、婚姻狀況、家庭月收入（百元）、受教育水平、性別、家庭人口、基本服務累計開通月數、是否申請無線轉移服務、上月基本費用、上月限制性免費服務項目的費用、無線服務費用、是否電子支付、客戶所申請的服務套餐類型。在對數據集進行極值處理、正常值選擇、數據缺失處理等一系列的數據清洗準備工作后，形成用于研究分析的記錄共計995套。

1.因子分析。因子分析的方法能夠在錯綜復雜的指標中找出少數具有代表性的公因子，并將同質的變量歸入一個因子，原數據樣本集的大部分信息可以通過較少的幾個因子反映，從而減少分析指標的個數，同時還可檢驗變量間關系的假設。因子分析可以在不損失數據集信息量的情況下，減少數據分析的屬性維度，是一種基于多元統(tǒng)計分析的有效的數據維度約減方法。

本文采用SPSS STATISTICS軟件實現因子分析。首先對原始數據集進行標準化處理，從而消除量綱和數量級對數據分析帶來的影響。然后，對數據數據集合指標間的依賴程度進行假設檢驗，判斷樣本集合是否適合采用因子分析實現指標約減，檢驗結果如表1所示。其中，KMO （Kaiser-Meyer-Olkin）統(tǒng)計量為0.788，巴特利特（Bartlett）球形度檢驗值為5075.634，對應的sig值為0.000，小于0.05的顯著水平，表明樣本集合適合做因子分析。此外，指標間的相關系數矩陣也表明變量間存在顯著的相關性。

采用主成分分析的方法提取公因子，根據特征值大于1的原則，提取了具有代表性的公因子。由于初始因子載荷矩陣中因子含義不突出，因此采用最大正交旋轉變換進行因子旋轉變換。經過5次迭代后收斂，得到旋轉后的因子載荷矩陣，最終確定5個公因子。這5個公因子累計方差貢獻率達到86%，可以代表原有數據集中的14個指標表達的電信客戶信息。

公因子提取及旋轉實驗結果見表2。其中，公因子1在無線費用、無線服務、套餐類型、免費部分的載荷較大，代表客戶網絡綜合服務應用情況；公因子2在開通月數、基本費用、年齡和收入的載荷較大，代表客戶基本信息和傳統(tǒng)的電信服務應用情況；公因子3在家庭人數、婚姻狀況的載荷較大，代表電信客戶家庭基本情況；公因子4在電子支付、教育水平的載荷較大，代表電信客戶的教育程度；公因子5居住地和性別上有較大的載荷，代表地區(qū)和性別差異所構成的影響因素。

2.k-均值聚類。在因子分析得到的五個公因子的基礎上，本文選取K-均值聚類方法實現電信客戶細分。K-均值是典型的基于劃分的聚類算法，該方法將樣本數據間的距離作為評價樣本是否相似的重要度量標準，通常規(guī)定樣本間的距離越近表示其相似度越高，同時保證類別和類別之間的距離盡可能大，即類間具有較高的差異性。通過K-均值算法的計算，樣本集合中距離較近的數據信息歸集起來，形成一個數據類（簇）。由于K-均值聚類算法的具有高可靠性和精準性，以及算法的復雜度較低等優(yōu)勢，成為目前主流的聚類算法之一?；贙-均值聚類的電信客戶細分，是一個將電信客戶樣本集合中相似對象聚集的過程，在非監(jiān)督學習過程結束后，客戶樣本集合被聚集成具有相似性的簇，而簇與簇之間有著明顯的差異。

在實現K-均值聚類分析前，首先要保證K值選取的科學性。本文采用系統(tǒng)聚類的方法對樣本實施類別的探索性實驗，從而確定K-均值聚類的K值，根據系統(tǒng)聚類譜系圖分析，確定K值的最優(yōu)取值為6。

本文采用SPSS STATISTICS實現聚類分析，在對樣本集合實施K-均值聚類分析后，樣本集合被聚集成為6個大類。為了研究每一類中的樣本是否采用電子支付和無線等網絡服務的客戶特征進行分析，在SPSS STATISTICS中使用“選擇個案”功能，對每一類個案實施挑選并分析，并將結果導入至WINDOWS EXCEL中，運用EXCEL的“篩選”功能對各類別中的因子進行統(tǒng)計分析，分析結果見表3。

三、實驗結果及分析決策

1.客戶細分特征描述。針對電信客戶信息實施聚類分析后，電信客戶樣本被劃分為互不相交的6個簇，對6個簇中的客戶進行特征描述和分析，挖掘蘊含在樣本集中的客戶使用無線網絡應用與客戶細分群屬性之間的關系，有如下發(fā)現：

第一類聚集為已婚中青年，女性居多，收入偏低，家庭人數多，開通電信服務的月份短，99.5%不使用無線網絡套餐服務，93%未開通電子支付功能。

第二類聚集為未婚中年及老年，未呈現明顯的性別差異，中等收入，教育水平偏低，95.5%不使用無線網絡套餐服務，90%未開通電子支付功能。

第三類聚集為已婚中年，未呈現明顯的性別差異，收入高，教育水平較高，50%使用無線網絡套餐服務，90%開通了電子支付。

第四類聚集為未婚中年人，男性居多，中等收入，開通電信服務的月份短，100%使用無線網絡套餐服務，且78%的人開通電子支付功能。

第五類聚集為已婚中老年人，女性居多，中等收入，教育程度高，開通電信服務的月份長，65.5%使用無線網絡套餐服務，85%未開通電子支付功能。

第六類聚集為已婚中老年人，未呈現明顯的性別差異，收入偏低，教育程度偏低，開通電信服務的月份長，88%不使用無線網絡套餐服務，89%未開通電子支付功能。

2.結論與電信套餐營銷策略?；谝蜃泳垲惙治龅碾娦趴蛻艏毞纸Y果，結合電信企業(yè)的業(yè)務需求，可將電信客戶進一步劃分為普通消費型客戶、移動互聯(lián)網應用潛在型客戶和移動互聯(lián)網應用穩(wěn)定型客戶。其中，聚類分析中的第一類、第二類和第六類為普通消費型客戶，第三類和第五類為移動互聯(lián)網應用潛在型客戶，而第四類為移動互聯(lián)網應用穩(wěn)定型客戶。

普通消費型客戶的特點體現為：收入偏低，家庭結構不穩(wěn)定，基本不使用無線套餐服務和電子支付。針對這部分客戶實施電信營銷策略設計時，資費設置方面尤其要考慮經濟實惠，在價格上體現充分的吸引力，此外，側重開展更多增值服務從而增加客戶粘性，提高保有率。對于普通消費型客戶中的第一類客戶群，年輕人較多，可以相應的推出相應的購機送話費補貼模式，或0元購機合約等計劃；此外，年輕人接受新鮮事物的欲望和能力強，這類客戶過渡為移動互聯(lián)網應用型客戶的概率非常高，在營銷時側重針對移動互聯(lián)網應用服務的特點和類型的推廣，向其銷售包含流量的實惠型套餐類型。而在第六類中老年人居多，客戶開通使用時間長，是電信客戶的忠實用戶，在推出實惠型的套餐的基礎上，提供適合中老年用戶的增值服務，尤其注重客戶服務的質量，提升老客戶的滿意度，例如，針對中老年客戶記憶力逐漸下降，疾病增多等普遍存在問題，提供起居提醒、用藥提醒、緊急呼叫等多種增值服務功能。

移動互聯(lián)網應用潛在型客戶特點體現為：中高等收入，教育水平高，家庭結構穩(wěn)定。這部分群體接受移動互聯(lián)應用等新事物、新技術能力強，中高等的收入也為消費更高級別電信套餐類型提供保障。樣本數據集也體現出，在這部分群體中使用無線套餐服務的樣本個體，其電信業(yè)務的消費水平均很高的特點。這部分客戶是進行無線互聯(lián)網應用新客戶挖掘的主要營銷對象群體。因此，需設計多樣化的移動互聯(lián)網應用套餐包供這部分客戶選擇。這一群體中第五類女性偏多，使用電子支付的人數偏低，分析可能造成該因素的原因為女性接受電子類產品能力偏弱的特點。因此，營銷時更側重對移動互聯(lián)網絡應用安全性、使用方法的講解，從而消除其使用的安全性方面的顧慮，幫助其掌握移動互聯(lián)應用的方法。而第三類客戶群，其中90%的客戶開通了電子支付功能，體現了這部分群體有著明顯的移動互聯(lián)網應用需求，但卻只有50%的人使用無線套餐服務，因此這部分客戶群體是實施移動互聯(lián)應用新客戶挖掘的巨大寶藏。

移動互聯(lián)網應用穩(wěn)定客戶特點體現為：教育水平高，收入穩(wěn)定，絕大多數人開通電子支付，是移動互聯(lián)應用的忠實客戶群。針對這類客戶，可以設計高端的移動應用大流量套餐包服務。例如，中國聯(lián)通推出國內流量計費達到600元后將不再收費，直至15GB后系統(tǒng)自動關閉數據網絡的套餐服務，從而滿足客戶對移動互聯(lián)網服務應用的需求。此外，這類客戶最有可能成為4G網絡應用的先驅，在營銷時重點向這類客戶推薦4G應用的特點和優(yōu)勢，例如只要是使用4G套餐的客戶，可授權1～4個親友分享自己套餐內的流量，只是每人每月收取10元功能費等。同時，樣本數據表明，這類客戶開通的月數短，體現出明顯的流動性趨勢，因此需要提供良好的客戶服務實現客戶保持。

四、總結

針對電信行業(yè)目前市場狀況，尤其是4G時代的到來，如何針對客戶對移動互聯(lián)網絡應用的需求制定電信營銷方案是很有必要的。本文采用因子分析和K-均值聚類的方法，實現電信客戶群的細分，并根據細分結果，針對性地給出每一類客戶群的電信營銷策略。研究成果通過對顧客信息資源的整合，有效地將電信企業(yè)資源集中到最有價值的客戶，增加電信企業(yè)盈利和改善客戶關系，達到電信服務和營銷投資的最優(yōu)化效果。

[本項目受陜西省自然科學基金項目資助（項目編號2014JQ8367）；西北大學大學生創(chuàng)新項目資助（2013西北大學大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目）]

注釋：

{1}孫金華，孟昭睿，謝彥麒.基于K-Means算法的中小企業(yè)客戶細分研究[J].電子商務，2014（3）：59-60

{2}徐昆.優(yōu)化的聚類分析在企業(yè)客戶細分中的應用[J].經濟論壇，2014（01）：123-128

{3}趙銘，李雪，李秀婷，等.基于聚類分析的商業(yè)銀行基金客戶的分類研究[J].管理評論，2013（07）：38-44

{4}陳治平，胡宇舟，顧學道.聚類算法在電信客戶細分中的應用研究[J].計算機應用.，2007，27（10）：2566-2569.

{5}江哲雅.聚類挖掘在電信客戶分類中的研究與應用[D].上海交通大學，2013.

（作者單位：1.西北大學經濟管理學院 陜西西安 710127；2.西北大學信息科學與技術學院 陜西西安 710127；3內蒙古自治區(qū)農村信用社聯(lián)合社 內蒙古呼和浩特 010020；第一、二作者簡介：劉彩芬，西北大學經濟管理學院，本科生；高原，西北大學經濟管理學院，學院教學實驗中心主任，副教授，研究方向：商務智能、金融數據挖掘）

（責編：若佳）