本篇文章是《以客户为中心的数据挖掘》系列的最后一篇，如果你能仔细再看下第一篇和第二篇，对照结合起来更容易理解些，本编介绍一个广泛应用于电信高价值用户离网预警和维系管理，基于用户消费行为特征的数据挖掘案例，包括算法、数学模型和工具。
    首先要对案例的应用场景介绍一下。 
高价值用户定义及分群
 1、高价值用户定义：
 贡献大用户——中高端用户；
 重要用户——党政军用户及集团用户联系人；
 2、用户分群： 高价值用户根据用户偏好进行分类；
 3、数学模型：高价值用户细分模型。

高价值用户离网异动预警监控
 1、异动监控：
 行为异动；
 话务异动；
 与他网交往异动；
 2、用户预警：
 话务预警；
 收入预警；
 投诉预警；
 3、提前解绑和协议到期；
 4、数学模型：高价值用户流失预警模型。

高价值用户营销维系基本思路
  立足市场分析，理解高价值用户感知，全面开展营销创新，满足高价值用户核心需求，增强用户对公司业务的依赖和忠诚。
  高价值用户维系营销创新（4P理论）
理解用户对产品/业务的偏好，针对用户需求开发和推荐产品，满足用户的关键利益需求；
理解用户对购买、服务和沟通的要求，针对性地设计销售、服务和传播的渠道；
理解用户对市场促销活动的反应和接受程度，针对特定用户群制定差异化的策略，实现对高价值用户群的有效捆绑；
理解用户的价格敏感度，针对用户的需求制定及竞争对手策略制定价格战略。

高价值用户细分的数学模型
采用SPSS及CLEMENTINE作为数据分析与聚类建模工具；
算法为Two Step 聚类算法；
聚类数据集为某年年的拍照高价值用户，即某年年总消费在960元以上（含）且每月话务量均在50分钟以上（含）的用户；
数据在聚类前需进行标准化变换和极值处理。

高价值用户细分群主要消费行为特征（一）
注释：序号， 细分群名称， 细分群特征， 规模占比

1、漫游突出用户群
语音消费行为相对数据业务消费行为更为突出，为用户主要行为属性；ARPU为200元/户左右，经常去外地，漫游话务突出，漫游通话频次最高，本地及长途话务相对较少。8.7%

2、长途话务突出群
语音消费行为相对数据业务消费行为更为突出，为用户主要行为属性；ARPU为215元/户左右，交往圈中外地号码多，长途话务突出，且长途通话频次最高，漫游相对较少。11.2%

3、本地话务突出群
语音消费行为相对数据业务消费行为更为突出，为用户主要行为属性；ARPU为160元/户左右，交往圈主要集中在本地，本地话务突出，且本地通话频次最高，长途漫游较少。24.9%

4、话务均衡用户群
语音消费行为相对数据业务消费行为更为突出，为用户主要行为属性；ARPU较低为82元/户左右，较少去外地，漫游和长途时通话频次最低，且平均每次通话时长最短。35.4%

5、短信突出用户群
数据业务消费行为相对语音消费行为更为突出，为用户主要行为属性；ARPU平均为105元/户左右，数据业务消费占比55%左右，主要使用短信业务，且短信上行条数最高，户均368条。3.0%

高价值用户细分群主要消费行为特征（二）
注释：序号， 细分群名称， 细分群特征， 规模占比

6、GPRS突出用户群
数据业务消费行为相对语音消费行为更为突出，为用户主要行为属性；ARPU平均为118元/户左右，数据业务消费占比60%左右，GPRS流量高，其他数据业务使用相对较少。2.3%

7、数据业务兴趣群
数据业务消费行为相对语音消费行为更为突出，为用户主要行为属性；ARPU为82元/户左右，订购数据业务种类多，但消费不高，数据业务费用占比54%左右。6.0%

8、数据业务发烧群
数据业务消费行为相对语音消费行为更为突出，为用户主要行为属性；ARPU为230元/户左右，订购数据业务种类多，且数据业务消费最高， 户均高达116元。2.6%

9、低消均衡用户群
总消费低，ARPU为61元/户左右，数据业务消费与语音消费相对均衡，数据业务费用占比55%左右， 各类型数据业务消费量均较低，无突出特征。5.9%

    高价值用户离网预警采用生存分析数据挖掘方法，提前预判用户异动与离网倾向。而传统数据挖掘模型和方法，在用户在网末期判断用户离网趋向，即便找到用户，挽留成功率较低。

生存分析方法起源于人口和生物统计，随后被用于工业产品可靠性检验。目前被广泛运用于保险、银行的用户管理、政策制定方面。生存分析方法的历史虽然可以追溯到公元十六世纪，自上世纪九十年代，却成为当今国际统计分析方法领域的研究热点。
现代商业开始关注时间和结果之间的关系，而且处理的数据多是未截止的（右截断），生存数据的特点以及相应统计方法上的灵活性,能较好地适应这些特点，并在很大程度上克服传统分析方法的缺陷，从而在风险分析、用户关系管理和时间点预测等方面广泛运用。
生存分析方法是重要的统计研究分支，其包括的方法众多，既包括生命表、Kaplan-Meier等 非参数方法 ，还包括Buckley-James 等参数方法，但在实际工作中运用最多的还是COX半参回归方法。

注释：COX模型在Clementine 12.0版本中被首次集成于通用数据挖掘软件中。

COX模型简介
 1、模型要求：对生存时间分布无要求，可估计出各研究因素对风险率的影响
 2、模型构建：假设在时点t，个体出现观察结局的风险大小可以分解为两部分:
有一个基本（本底）风险量h0(t)，代表没有任何自变量影响下的生存状况；
第i个影响因素使得在任意一个时点t的死亡风从h0(t)增加e(biＸi)倍而成为h0(t)e(biＸi)
h(t,X)= h0(t)EXP(b1Ｘ1 b2Ｘ2 … bkＸk)；
 3、模型解释：EXP(β)的实际含义是相对危险度，如果大于1，则说明相应的自变量取值增加，会导致个体的用户流失风险增加若干倍。

总结：对电信用户进行不同方式的分级，再分别针对普通用户、普通高价值用户及钻、金、银卡用户开展差异化的服务。

PS：一个电信用户分级实例
注释：服务属性 ，适用客户，服务内容
1、普遍服务
 1.1 适用全用户
开户、过户、销户、账户变更、客户资料变更
清单查询打印、账单查询打印、发票查询打印、充值缴费
补换卡、停/开机、解PUK码、解黑名单、服务密码（设置/修改/重置）
开通台港澳及国际长途、开通台港澳及国际漫游、租机/退机
客户咨询/查询、客户投诉处理、已定制SP业务退订
停机及账户余额到期提醒、优惠到期提醒、被叫开机提醒
商家联盟、积分兑换（针对全球通和动感地带用户）
改号及改号通知音、国内跨区服务
2、高价值差异化服务
 2.1 适用钻金银用户
个人客户经理服务、消费顾问服务
营业厅优先办理服务、国际漫游租机（优惠）服务
全球通VIP机场服务、全球通VIP俱乐部高球服务
健康服务、理财服务
 2.2 适用普通高价值用户 
10086优先接入、客户投诉优先处理
免费补换卡、延时停机、备卡服务
生日关怀、节日关怀完成
全球通VIP讲堂、演出季

---------------------------------------------------------------------------------------------------------------------
1、用微信扫一扫，加我为好友；或
2、在微信里查找：朋友们-》添加朋友=》搜号码：queendrunk，加我为好友。
3、不费电不费钱只费力，帮助分享和转发文章到朋友圈。予人玫瑰，手有余香，谢谢你的支持！