一种运营商客户生命周期计算方法及系统

摘要

本发明公开了一种运营商客户生命周期计算方法及系统，确定运营商客户生命周期计算的关键指标：在网产品数P、平均在网时长T、arpu值A和离网产品数D；采集每个客户的在网产品数P、平均在网时长T、arpu值A和离网产品数D四个指标数据；对平均在网时长T和arpu值A进行数据映射，得到Ti和Ai；将P>0的客户指标{P，Ti，Ai}用K均值聚类算法分为三个聚类，P高Ti高Ai高聚类为K1，P低Ai低聚类为K2，P低Ti低聚类为K3；将属于聚类K1、K2、K3的客户生命周期定义为成熟期、休眠期和成长期。本发明可帮助运营商更加正确地细分客户，合理分配企业资源，提高客户商业价值，延长客户生命周期。

说明书

技术领域

本发明属于生命周期计算技术领域，涉及一种运营商客户生命周期计算方法及系统，具体涉及一种基于K均值聚类算法的运营商客户生命周期计算方法及系统。

背景技术

客户生命周期是指从一个客户开始对企业进行了解或企业欲对某一客户进行开发开始，直到客户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间。客户生命周期描述的是客户关系从一种状态(一个阶段)向另一种状态(另一个阶段)运动的总体特征。

目前，互联网客户生命周期广泛采用RFM模型，RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱的3项指标来描述该客户的生命周期和价值状况：

R(Recency)最近一次消费时间：表示用户最近一次消费距离现在的时间；消费时间越近的客户价值越大，1年前消费过的用户肯定没有1周前消费过的用户价值大。

F(Frequency)消费频率：消费频率是指用户在统计周期内购买商品的次数；经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。

M(Monetary)消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少；自然是消费越多的用户价值越大。

以下是某APP应用RFM模型的例子：

RFM是一种数据驱动的客户细分技术，可帮助营销人员做出更明智的战略性决策；使营销人员能够快速识别用户并将其细分为同类群体，并针对他们制定差异化和个性化的营销策略。

但，电信运营商对客户生命周期细分无法满足业务发展的复杂分析需求，只能区分潜在、在网、离网这三种状态，无法区分成长期、成熟期、沉睡期客户，从而无法更进一步的进行差异化营销和决策。同时，运营商企业的客户群体复杂，且是持续性消费的客户，RFM模型并不适用；主要体现在：

1、运营商客户群体复杂，有为个人或家庭生活、工作方便而购买通信产品的公众客户，有为生产、销售、维持组织运营而购买通信产品的企业客户，前者为消费者，广泛、分散、易变；后者为生产者，数量少、金额大、频次小；

2、运营商客户不适合按消费次数进行统计分析，运营商客户一般是先订购产品，然后充值按周期计费，不管是订购、还是充值都无法体现客户真实的消费频率。

发明内容

针对现有技术中存在的上述问题，本发明提供一种基于K均值聚类算法的运营商客户生命周期计算方法及系统，可帮助运营商更加正确地细分客户，合理分配企业资源，提高客户商业价值，延长客户生命周期。

本发明公开了一种运营商客户生命周期计算方法，包括：

确定运营商客户生命周期计算的关键指标；其中，所述关键指标包括：在网产品数P、平均在网时长T、arpu值A和离网产品数D；

采集每个客户的在网产品数P、平均在网时长T、arpu值A和离网产品数D四个指标数据；

对所述平均在网时长T和arpu值A进行数据映射，得到T

将P>0的客户指标{P，T

将属于聚类K1的客户生命周期定义为成熟期；

将属于聚类K2的客户生命周期定义为休眠期；

将属于聚类K3的客户生命周期定义为成长期。

作为本发明的进一步改进，

T

A

作为本发明的进一步改进，所述对所述平均在网时长T和arpu值A进行数据映射，得到T

将差异最大的T和A指标数据分别按公众客户和企业客户从高到低排序进行5等分，分别计5、4、3、2、1分；即最高的20％记5分，最低的20％记1分。

作为本发明的进一步改进，所述第一阈值不低于所述第四阈值，所述第二阈值不低于所述第五阈值，所述第三阈值不低于所述第六阈值。

作为本发明的进一步改进，还包括：

将采集的客户指标数据进行分类，分别得到公众客户指标数据和政企客户指标数据；

对所述公众客户指标数据和政企客户指标数据进行分开计算。

作为本发明的进一步改进，还包括：

将P＝0、D＝0的客户生命周期定义为引入期；

将P＝0、D＞0的客户生命周期定义为流失期。

本发明还公开了一种运营商客户生命周期计算系统，包括：

确定模块，用于确定运营商客户生命周期计算的关键指标；其中，所述关键指标包括：在网产品数P、平均在网时长T、arpu值A和离网产品数D；

采集模块，用于采集每个客户的在网产品数P、平均在网时长T、arpu值A和离网产品数D四个指标数据；

处理模块，用于对所述平均在网时长T和arpu值A进行数据映射，得到T

聚类模块，用于将P>0的客户指标{P，T

定义模块，用于将属于聚类K1的客户生命周期定义为成熟期，将属于聚类K2的客户生命周期定义为休眠期，将属于聚类K3的客户生命周期定义为成长期。

作为本发明的进一步改进，所述处理模块，具体用于：将差异最大的T和A指标数据分别按公众客户和企业客户从高到低排序进行5等分，分别计5、4、3、2、1分；即最高的20％记5分，最低的20％记1分。

作为本发明的进一步改进，还包括：

分类模块，用于将采集的客户指标数据进行分类，分别得到公众客户指标数据和政企客户指标数据；对所述公众客户指标数据和政企客户指标数据进行分开计算。

作为本发明的进一步改进，所述定义模块，还用于：将P＝0、D＝0的客户生命周期定义为引入期，将P＝0、D＞0的客户生命周期定义为流失期。

与现有技术相比，本发明的有益效果为：

1、本发明使用了更适用于运营商客户特点的关键指标，解决了目前运营商客户生命周期划分与传统RFM模型指标不适用的问题；

2、本发明将公众客户和政企客户分开计算，解决个人和企业客户特征差异大造成数据失真的问题；

3、本发明区分客户生命周期阶段的临界值不是固定不变的，而是依据数据的相似度对客户进行分类，使计算结果更接近真实情况；

附图说明

图1为本发明一种实施例公开的运营商客户生命周期计算方法的流程图；

图2为本发明一种实施例公开的运营商客户生命周期计算系统的框架图；

图3为本发明一种实施例公开的分类结果示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图对本发明做进一步的详细描述：

本发明提供一种基于K均值聚类算法的运营商客户生命周期计算方法及系统，K均值聚类算法是一种无监督学习算法，依据数据的相似度对客户进行分类，非常适用于事先不知道分类标准的运营商客户生命周期管理和客户分类；其可帮助运营商更加正确地细分客户，合理分配企业资源，提高客户商业价值，延长客户生命周期。

具体的：

如图1所示，本发明提供一种运营商客户生命周期计算方法，包括：

S1、确定运营商客户生命周期计算的关键指标；其中，关键指标包括：在网产品数P、平均在网时长T、arpu值A和离网产品数D；

具体的确定方法为：

研究相关的指标，包括：在网产品数P、平均在网时长T、arpu值A和离网产品数D、短信、语音呼入、充值、语音呼出和流量；如下表所示：

最终选择在网产品数P、平均在网时长T、arpu值A和离网产品数D作为关键指标。

S2、采集每个客户的在网产品数P、平均在网时长T、arpu值A和离网产品数D四个指标数据。

S3、对平均在网时长T和arpu值A进行数据映射，得到T

具体的：

由于不同指标的数据差异较大，需要将数据加以变换，以适应数据挖掘的需要；因此将差异最大的T和A指标数据分别按公众客户和企业客户从高到低排序进行5等分，分别计5、4、3、2、1分；即最高的20％记5分，最低的20％记1分。

S4、将P>0的客户指标{P，T

其中，第一阈值不低于第四阈值，第二阈值不低于第五阈值，第三阈值不低于第六阈值；第一阈值～第六阈值的选择根据实际需求进行选择。

具体的：

k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到聚类中心不再发生变化为止。

S5、定义生命周期，即：

将P＝0、D＝0的客户生命周期定义为引入期；

将P＝0、D＞0的客户生命周期定义为流失期或离网期；

将属于聚类K1的客户生命周期定义为成熟期；

将属于聚类K2的客户生命周期定义为休眠期；

将属于聚类K3的客户生命周期定义为成长期；

具体如下表所示：

基于此，运营商可根据计算出来的客户生命周期，进行差异化营销，提高客户商业价值，对流失期的征兆分析，延长客户生命周期。

进一步，在上述计算方法的过程中，由于公众客户和企业客户的群体差异很大，分开各自计算生命周期；即：将采集的客户指标数据进行分类，分别得到公众客户指标数据和政企客户指标数据；对公众客户指标数据和政企客户指标数据进行分开计算。

如图2所示，本发明提供一种运营商客户生命周期计算系统，包括：

确定模块，用于实现上述S1；

采集模块，用于实现上述S2；

处理模块，用于实现上述S3；

聚类模块，用于实现上述S4；

定义模块，用于将实现上述S5。

进一步，在上述计算系统中，由于公众客户和企业客户的群体差异很大，分开各自计算生命周期；即：将采集的客户指标数据进行分类，分别得到公众客户指标数据和政企客户指标数据；对公众客户指标数据和政企客户指标数据进行分开计算。

实例1

某运营商公众客户张某，在2015年10月1日创建了客户信息，但未办理任何产品。2015年11月1日系统采集到指标数据(P＝0,D＝0),根据生命周期计算规则计算，该客户属于引入期。

实例2

随机抽取某运营商某在网公众客户100个，系统采集该100个客户的在网产品数(P)、平均在网时长(T)、arpu值(A)指标并做转换处理，然后利用K均值聚类算法进行分类，分类结果如图3所示。

由图3可知，客户类1是T高P高A高，属于成熟期；客户类2是P低A低，属于休眠期；剩余客户类3属于成长期。

本发明在进行运营商客户生命周期定义、计算上具有以下优点：

1、本发明使用了更适用于运营商客户特点的关键指标，解决了目前运营商客户生命周期划分与传统RFM模型指标不适用的问题；

2、本发明将公众客户和政企客户分开计算，解决个人和企业客户特征差异大造成数据失真的问题；

3、本发明区分客户生命周期阶段的临界值不是固定不变的，而是依据数据的相似度对客户进行分类，使计算结果更接近真实情况。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。