对客户分群的商业理解

S 电信公司正面临白热化的市场竞争，按传统 ARPU 值等一维的分类的方法显然已经不适应精确化营销与服务需要，客户的差异化需求越发强烈，如何从纷繁复杂的客户需求中总结提炼有价值的决策信息，更好地支撑针对性服务及精确化营销，成为市场争夺的焦点。客户分群的目标就是通过客户消费行为分析，找出客户差异化需求的共性，针对性提供产品服务方案；通过客户价值贡献综合分析，找出影响客户价值的关键因素，找准价值提升点，改善客户价值。
S 电信公司拥有 OSS、DSS、MSS 三大域的各种系统，记录了客户从进入、业务使用、服务响应、离网退出等全过程的海量数据。在客户管理过程中，应该说不缺乏数据，缺乏对数据的有效整合。管理者面临庞杂的大量数据，他们囊括了客户的自然属性、社会属性、使用属性等，因此需要对这些信息进行整合聚焦，形成有价值的客户分类信息，为数据挖掘工作奠定基础。客户分类的参考信息维度颇多，可分为地理位置、人口统计特征、消费行为、社会角色、价值贡献、客户需求、价值观等。
数据准备是数据挖掘流程中最为耗时的工作，包括数据选择、数据清洗、数据整合、格式化数据等工作。数据选择的主要标准与数据挖掘目标、数据质量要求及数据获取能力、工具技术约束条件等密切相关。根据客户聚类的需要，可选择以下指标:
(1) 客户基本属性：客户编码标识、地区、行业、入网时间等；
(2) 行为属性：包括本地、长途通话时长、拨打号码集中度、时长集中度、产品使用等；
(3) 价值属性：包括话音型业务、带宽型业务、增值业务使用费、缴费信息、ARPU 贡献、成本消费、利润贡献等。
在具体数据选取上，充分考虑规模及地区差异，分别选取大、中、小不同规模、不同地区的分公司进行分析，确定将成都（规模最大，收入规模超过全省 1/3，内部分类为一类地区）、宜宾（规模适中，内部分类为二类地区）、甘孜（规模较第二章 S 电信公司客户分类小，内部分类为三类地区）三个分公司客户数据作为分析样本数据。但这些单位客户信息都是超百万数量级的海量数据，处理时效及支撑环境要求较高，故每分公司只随机抽取一定量数据，经过对不合规项目清洗，包括删除、批量替换等操作后各保留 2000 条客户信息进行分析，得到一个6000 条记录集的源数据。在经过数据运算与标准化后，得到以下宽表信息，共包含 35 个变量。