基于移动支付业务构建异网策反模型研究
张庐颖+王振+陈天池
摘要:中国移动用户居世界首位,移动支付具有广阔的市场发展空间。翼支付业务作为某个通信业特有的业务种类,用户使用越来越广。文章深入挖掘移动用户在支付业务中的使用情况,例如消费水平、消费次数、消费偏好等,建立大数据分析,构建策反用户样本。通过SPSSModeler对样本进行算法评估,构建最佳异网策反模型,提升异网策反成功率。
关键词:移动支付;异网策反;模型
移动支付是指交易双方为了某种货物或者业务,通过移动设备进行商业交易。移动支付使用终端可以是手机、PAD、移动PC等[1]。信息产业部统计显示,截至2015年年底,移动用户13.06亿户,居世界首位。中国移动支付具有广阔的市场发展空间。
翼支付业务是某通信企业“2+5”重点业务中5项重要工作之一,也是通信业特有的移动支付业务。目前己经推出了理财、缴费、消费等系列移动支付项目。随着经济和移动技术进一步发展,移动支付產业逐渐成熟,移动支付的应用势必越来越广泛。
翼支付转变销售和服务模式,从传统销售转型为卖价值、卖应用和生活方式,抢占用户入口。大数据结合翼支付分析,参与开展异网策反活动,用户选址、网点分布区,搭建用户信用评价机制、提供风险管控能力,给通信业务发展带来新的商机。
1算法模型
1.1业务理解与相关定义
本模型通过分析翼支付金融消费识别异网用户号码,利用关键字段识别、用户标签分析,构建初步交往圈信息;在此基础上通过外部数据、详单通话圈分析和客户关系管理(Customer Relationship Management,CRM)信息资料等
对模型进行修正与数据融合,使用聚类分析、决策树分析挖掘最终潜在用户。
1.2数据收集与分析
为了建立翼支付异网策反模型,必须收集用户原始信息,并转化为数据训练集。此项目选用某地电信运营商建立异网用户数据信息。异网用户是指非码分多址(Code Division Multiple Access,CDMA)网络的移云力用户,其来源主要有:(1)使用翼支付异网用户。使用翼支付软件,并且产生理财或者消费行为的异网移动用户。(2)异网交往圈用户。识别与异网用户交互紧密的本网用户信息,建立初步交往圈信息。对本网用户特征识别,终端使用偏好、翼支付消费偏好、是否开通网银、年龄结构、家庭结构,采用聚类和主成分分析方法,确定异网用户分属类型:金融高端、都市白领、三口之家、外出务工等。
针对以上两类用户来源,分别抓取10万用户。经过数据抽样后,把样本数据分成训练数据集(TramDataSet,TDS)和校验数据集(ValidationDataSet,VDS)。训练集实现对算法评估,得到较优解决方案,校验集用于评估模型是否适当。数据的分析阶段,第一步结合业务理解,检查数据质量,对数据重要关系进行判断,分析自变量和因变量之间的关系,为建立模型做准备;第二步对数据进行探索,按照模型需求对数据进行修正,如生成新的变量、删除较弱的影响因子等。例如由于客户没有使用某一业务而造成该变量值的缺失,可直接对缺失值进行补零处理。根据对变量的观察和实际的业务需求,剔除异常点和稳定区间外值,避免极端值影响后面的分类和预测模型的精度。
根据电信业务特征,将用户的特征区分为以下几个维度:(1)客户信息;(2)消费水平;(3)细分群体;(4)本网交往圈用户业务使用信息。建立全面维度信息,并入到业务受理的维度。宽表字段如表1所示。
异网策反成功结果7;客户信息变量X1;消费水平Z2;细分群体不;业务使用不;建模的目的就是要分析并确定这些向量变量与客户流失状态变量r的关系,即: 在特征维度下,构建反应特征的属性,确定训练集合的属性。在用户的行为特征的属性上,引入了趋势变量即:根据当前月数值与上月值的比值计算得出。趋势变量=(当月值一上月值(上月值),即:
本文趋势变量的观察值取连续3个月的,来衡量行为的稳定性。(如果,定义趋势是下降;定义趋势是稳定;:定义趋势是上升)。
1.3构建异网策反模型
针对此次建模的要求,在对此问题的深入研究下,我们提出了合理的假设,将本问题归结为一个预测分析的问题,其基本思想是通过SPSS软件求解。通过对决策树、神经网络和逻辑回归分析,组合模型等方法的运用得到最优的预测结果。因为是异网朿反,最终朿反结果仅为yes和no两种值,根据所学算法原理,结合实际情况,通过比较神经网络和决策树C5.0模型,结合数据处理结果选择最优模型。
在异网策反模型中,通过SPSSModeler特征选择保留终端、消费水平、收入、用户分群、使用特征、行为偏好等7大类指标,确定了20个因子作为输入变量进行观测。通过训练集选取最优的方案。决策树C5.0算法在异网策反模型中优于神经网络模型,因此将此算法运用到测试集。
2营销策划
开展营销活动策划,促进异网用户办理通信业务,对于成功办理通信业务的用户,做定向优惠激励。对金融高端人士赠送翼支付金融理财产品券和翼支付有车礼包,对于都市白领赠送麦当劳优惠券和电影购票优惠券,对于三口之家赠送超市优惠活动等,促使异网用户向本网转化。
3活动效果
在翼支付异网策反方面,通过大数据挖掘异网精准目标用户,结合翼支付理财,525大促、翼支付购买火车票、水电煤缴费等个性化的营销活动,提升异网策反用户成功率。
建立异网策反智慧化运营体系,针对不同用户,结合大数据标签数据从用户偏好、终端定制等方面进行用户画像。通过电话呼叫、营业厅、网厅等触点推送,开展异网策反活动。针对新入网用户,赠送翼支付红包,维系客户稳定,建议完善的策反流程。通过大数据深挖翼支付异网策反活动,对于某公司20万异网用户开展营销,成功转化2万用户,转化率为10%。
[参考文献]
[1]曹媛媛,李琪.移动支付使用者使用意向与使用行为模型及实证研究[J].统计与信息论坛,2009(2):72-77.