光环大数据培训_大数据应用案例 电信用户分群精准画像的7个步骤

光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn光环大数据培训光环大数据培训_ _大数据应用案例大数据应用案例 电信用户分群精准画像的电信用户分群精准画像的 7 7 个步骤个步骤光环大数据培训机构光环大数据培训机构，工作中最困难的还是数据源的采集和结构化数据的获取， 比如曾经做用户的手机上网行为画像，需要采集手机上网日志数据，并转化为 兴趣点数据。需要数据分析狮提出数据需求、采集规则、计算口径等非常详细 的方案，期间还得与业务和数据采集部门深入合作。简而言之，就是，数据分 析狮不仅仅是呆板的技术人员，而且能沟通协调、整合资源的多面手。本期，他带来了一个电信用户分群案例，与大家分享。1 1、业务问题背景、业务问题背景某省电信运营商 e8 套餐（宽带+固话）升级 e9（宽带+固话+手机）的主要业务 目标为针对 e8 客户加装电信 C 网号码并购买手机，升级为 e9 融合套餐或 e9 自 主套餐用户。即，通过电信的自身的宽带客户资源，进行精准电话营销，促使 用户购买手机，从而提升电信在手机市场的占有率。2 2、数据理解：、数据理解：e8e8 升升 e9e9 的数据理解的数据理解3 3、确定分析对象、确定分析对象本环节关键点：缩小分析基础客户群范围，从表中 238 万宽带客户中筛选出 24 万符合业务目标 的 e8 客户，作为数据挖掘的基础客户群具体步骤：具体步骤：常用的数据挖掘基础客户群筛选维度如下：客户群筛选，如宽带客户、手机客户、固话客户套餐大类筛选：如 e8、e9、乐享特定业务规则筛选：如活动对客户网龄、套餐档位的限定互斥协议等筛选：根据活动规则，对已有互斥协议的客户进行筛选分析对象筛选流程：分析对象筛选流程：以 e8 升 e9 为例，根据前期业务和数据理解，本次挖掘的基本目标客户为 e8 用 户，且在同账户下无 C 网手机。光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn具体数据样本选取路径如下：注，具体操作方法：注，具体操作方法：e8 客户筛选操作：选择客户“套餐类型”字段为“e8”的客户e8 客户无 C 网手机筛选过程：将所有 e8 客户的 ACC_ID 字段与“CDMA 单 月宽表”进行关联，能关联出 C 网号码的即视为同账户下有 C 网手机。 形成 241243 数据样本。4 4、变量筛选、变量筛选以 e8 升 e9 案例中变量处理为例，具体筛选流程如下：通过对 67 个字段明显无关字段初步筛选后获得 18 个主要字段。此后，需根据字段理解对有明显相关性的变量进行筛选合并，如下面表 格中的红色字段，宽带上行流量、宽带下行流量和宽带总流量三个字段 存在明显的关联关系，因此根据业务需求可直接只选择宽带总流量进行 分析即可。对于不确定是否有相关性的部分字段，可通过 SPSS 中“输出”模块中的 “统计量”节点进行相关性判断。通常分析相关性结果大于 0.666 以上 可基本判断相关性较强。例如：宽带使用流量字段与其他字段进行关联 性分析，发现与宽带使用时长存在较强的相关性，因此这两个个字段可 选择其中一个作为输入变量即可。最终确定模型的 10 个主要输入变量。5 5、决策树模型的建立、决策树模型的建立（1）选择模型输入变量根据数据准备阶段字段筛选结果选择了 9 个字段作为模型输入变量。CHAID 节 点对应的目标变量和预测变量设置，见下截图。（2）模型输出结果运行 CHAID 决策树节点后，Modeler 会根据样本数据和输入变量训练决策树模 型。虽然输入了 9 个变量但是 CHAID 决策树节点训练的模型最终生成决策树所 选择的变量只有 5 个，分别是宽带在网时长（PD_PROM_FEE）、固话通话时长 （VO_MOU_FIX_AVG）、固话 ARPU（MB_FIX_ARPU_AVG）、宽带在网时长 （PD_BB_TENURE）、宽带流量（VO_BB_VOL）。可以看出，这 5 个变量在都是具 有重要业务含义的字段，基本符合建模目标。（3）决策树输出的初步结果光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn下图，是决策树模型输出的结果，树状结构末端的每个“叶子”，代表一个细 分用户群体。这个决策树结果共有 17 个“叶子”节点。6 6、模型调优、模型调优e8 升级 e9 模型中，决策树模型验证调优流程如下：初步结果判定：决策树结果共有 17 个“叶子”节点，用户细分群体偏多，部分群体的规模小， 占比不足 5%，因此需要根据各叶子节点的特征，对决策树的“叶子”进行修剪 合并。比如，上图中的节点 1（套餐档位=68 元的用户），这个节点中的类别“1”用 户占比仅 0.56%，较全样本的整体类别“1”占比 0.786%较低，说明套餐档位 =68 元的用户都是质量较差的部分，加装 3G 手机的可能性较低。从选取营销 目标用户的角度，对这类用户不需要进行深入分析，因此可以把该节点下面的 三层节点都剪裁合并。模型的调整和优化模型的调整和优化子模型的建立子模型的建立如果认为决策树的某个子节点对应的决策树规则不符合业务逻辑，则可选择该 决策树节点下的样本再建立一个子模型，从新选择新的变量。比如，对上述决策树模型的结果，在套餐档位为 8098 元且宽带在网时长 13 个 月以上的样本分了四个子节点，但是这四个节点的类别“1”占比并没有递增或 者递减的规律，这在业务逻辑上很难解释。因此可针对该条件（套餐档位为 8098 元且宽带在网时长 13 个月以上）的样本数据，再单独建立一个决策树模 型。决策树子模型的建立可参见如下截图。首先，利用 Modeler 的样本选择节点， 选择套餐档位为 8098 元且宽带在网时长 13 个月以上的样本数据；然后，在决 策树模型的节点选择输入变量时，不要选择宽带在网时长的字段，即调整输入 变量；这样 Modeler 会根据新选择的样本和输入变量建立一个新的决策树模型 （见下图）。这就建立了一个更具有业务解释性的决策树子模型。7 7、模型结果解释、模型结果解释具体分群的数据结果如下：根据三个主要判断分群有效的原则，选择提升倍数在 1.3 以上、客户群规模占 比 5%以上的群体作为主要目标客户，一共 4 个客户群。上述的群划分规则即建 模变量。光环大数据光环大数据-大数据培训知名品牌大数据培训知名品牌http:/hadoop.aura.cn 光环大数据光环大数据 http:/hadoop.aura.cn通过决策树模型筛选出目标用户群后，需要进一步根据不同细分目标群体的消 费行为特征来推测客户的主要业务需求。此时需要根据 e8 升 e9 的业务目标， 选择主要的字段来刻画客户特征。通常对客户群各变量的均值来进行描述大数据时代大数据时代，数据分析师数据分析师，数据挖掘培训数据挖掘培训，互联网数据分析师互联网数据分析师，就选光环 大数据培训机构！为什么大家选择为什么大家选择光环大数据光环大数据！大数据培训、人工智能培训、Python 培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。【报名方式、详情咨询报名方式、详情咨询】光环大数据官方网站报名：光环大数据官方网站报名：http:/hadoop.aura.cn/http:/hadoop.aura.cn/手机报名链接：手机报名链接：http:/http:/ hadoop.aura.cnhadoop.aura.cn /mobile/mobile/