移動用戶的動態(tài)信用評估模型的構(gòu)建與應(yīng)用

邊凌燕

（中國電信股份有限公司上海研究院 上海200122）

1 引言

全國移動用戶數(shù)已突破10億戶大關(guān)，通信市場漸近飽和，三大運營商圍繞用戶市場展開的競爭日趨激烈。差異化的用戶服務(wù)正在成為運營商提升競爭力的核心要素。對比于航空、金融等行業(yè)愈加成熟的用戶差異化信用服務(wù)[1]，運營商的信用控制體系存在著評估規(guī)則固化、針對不同信用等級用戶的差異化服務(wù)缺失等問題。中國電信股份有限公司（以下簡稱中國電信）某省公司月均停機(jī)用戶數(shù)量占移動出賬用戶總數(shù)的25%～30%，會在5天內(nèi)復(fù)機(jī)的約有68%，但擁有信控金額的用戶比例僅為1.5%。初步測算，對那些信用良好且通信需求穩(wěn)定的用戶執(zhí)行簡單固化的信控停機(jī)策略，其造成的不當(dāng)停機(jī)，除了直接導(dǎo)致企業(yè)百余萬元的月收入損失，也極易影響用戶的滿意度和忠誠度。

本文結(jié)合該省公司數(shù)據(jù)實例，主要闡述了利用用戶通信行為數(shù)據(jù)構(gòu)建用戶信用評估模型，并將信用評估結(jié)果應(yīng)用于存量用戶的差異化信控停機(jī)策略，提高用戶黏性，滿足其潛在的消費需求，增加企業(yè)量收。

2 動態(tài)信用評估模型

用戶信用評估是一個綜合評價的過程，其模型的構(gòu)建需要綜合考慮用戶基本信息、業(yè)務(wù)訂購信息、歷史信用、消費能力、通信行為、企業(yè)風(fēng)險、交往圈影響等多方面因素以及各影響因素之間的差異性。模型輸出的用戶信用評分需要能夠全面、真實地反映用戶信用情況[2]。

從國內(nèi)目前對電信客戶信用度評估的研究來看，參考文獻(xiàn)[3]和參考文獻(xiàn)[4]都是利用線性公式對相關(guān)客戶屬性的權(quán)值 （通過遺傳算法獲得每個屬性的權(quán)值）進(jìn)行簡單的相加，計算出信用度分值。但是，通過大量應(yīng)用來看，客戶信用度與各相關(guān)屬性之間并不是簡單的線性關(guān)系，而是非線性關(guān)系，因此，線性模型不能很好地逼近實際情況，有必要采用更精確的模型。而國外對個人信用評估方法的研究已經(jīng)發(fā)展到把信用度分析看成是模式識別中的一種分類問題，具體做法是根據(jù)歷史記錄中每個類別（如約交納話費、違約等）的若干樣本，從已知的數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律，從而總結(jié)出分類的規(guī)則，建立判別模型，用于對當(dāng)前樣本的判別[5]。在理論狀況下，它可能是最有效的方法，也是國際學(xué)術(shù)界視為主流的方法。但由于屬性及其組合的權(quán)重選取具有多重性，實際應(yīng)用中很難得出比較理想的結(jié)果。

因此，本文結(jié)合應(yīng)用實際提出的信用評估模型是在確立關(guān)鍵評估維度的基礎(chǔ)上，先通過因子分析法得到每個用戶5個關(guān)鍵維度分，然后利用熵值法計算各個維度的權(quán)重，最后加權(quán)計算得到用戶信用綜合評分。模型通過結(jié)合用戶每一段時間內(nèi)的行為特征屬性數(shù)據(jù)，周期性給出用戶信用評分，實現(xiàn)動態(tài)評估。目標(biāo)用戶確定結(jié)合具體業(yè)務(wù)需求及規(guī)則，移動用戶信用度評估模型的初始目標(biāo)需排除以下4類用戶：

· 無限信用用戶（黨、政、軍、高價值及其他特殊用戶）；

· 零信用用戶（OCS用戶、無線上網(wǎng)卡用戶、欠費停機(jī)30天以上未復(fù)機(jī)的信用不良用戶等）；

· 無信控業(yè)務(wù)需求用戶（標(biāo)準(zhǔn)后付費用戶、公免用戶、銀行托收用戶等）；

· 不滿足評級條件用戶 （入網(wǎng)3個月以內(nèi)的用戶、批量開通且未激活用戶等）。

2.1 評估特征選取

用戶信用度主要用來表征用戶遵約守信的程度。外部環(huán)境、用戶歷史表現(xiàn)、用戶態(tài)度及消費能力等因素都會影響用戶的信用度。外部環(huán)境一般包括宏觀經(jīng)濟(jì)環(huán)境、電信競爭格局等重大事件，其影響效應(yīng)一般是群體性的。用戶歷史表現(xiàn)一般包括繳費及時率、大額欠費、欠費銷戶等有關(guān)用戶信用的記錄。用戶態(tài)度包括用戶忠誠度和滿意度，其中忠誠度衡量用戶對運營商業(yè)務(wù)和服務(wù)的依賴程度，譬如重復(fù)購買、預(yù)存話費、合約捆綁等情況，忠誠度高的用戶，信用損壞的代價會更高；滿意度衡量用戶的期望與需求被滿足的差距，譬如通信趨勢、投訴及業(yè)務(wù)退訂情況，滿意度低的用戶有潛在補償心理。用戶消費能力的考察因素包括身份背景、消費力和消費意 愿 等[6，7]。

將影響用戶信用度的概念細(xì)化，由此確定歷史信用、通信需求、社會屬性、違約成本、支付能力等五大關(guān)鍵用戶信用評估維度[8]。結(jié)合評估需求，根據(jù)用戶各個特征數(shù)據(jù)與信用關(guān)系的關(guān)聯(lián)性探索結(jié)果，最終選擇影響顯著的25個變量，并依次歸入上述5個評估維度。具體變量篩選結(jié)果見表1。

表1 用戶信用評估模型輸入變量

2.2 利用因子分析計算維度得分

當(dāng)所有指標(biāo)都轉(zhuǎn)化為正向指標(biāo)時，對各維度的指標(biāo)進(jìn)行因子分析。因子分析的主要步驟如下。

（1）對原始評估指標(biāo)體系進(jìn)行標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化為原始指標(biāo)減去平均值除以標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)化的指標(biāo)均值為0，方差為1，消除指標(biāo)量綱和數(shù)量級的影響。

（2）根據(jù)標(biāo)準(zhǔn)化的結(jié)果求相關(guān)系數(shù)矩陣。

（3）求解矩陣的特征值、特征向量和方差貢獻(xiàn)率，把累計方差貢獻(xiàn)率作為公因子的權(quán)重。

（4）根據(jù)累計方差貢獻(xiàn)率確定公因子個數(shù)，一般選擇累計方差貢獻(xiàn)率超過85%的前K個公因子，或者選擇特征值大于1的K個公因子。

（5）根據(jù)每個公因子的權(quán)重對因子得分加權(quán)求和，得到每個維度得分。

由于因子得分相對數(shù)性質(zhì)不明顯，可能出現(xiàn)負(fù)值，需要對因子得分進(jìn)行歸一化處理，采用邏輯函數(shù)對因子得分線性化：

根據(jù)各因子的權(quán)重，計算各維度得分：

根據(jù)圖1可得，社會屬性維度得分為：

2.3 利用熵值法計算維度權(quán)重

維度權(quán)重的計算采用熵值法。熵是對不確定性的一種度量，一般而言信息量越大，不確定性就越小，熵也就越?。恍畔⒘吭叫?，不確定性越大，熵也越大。根據(jù)熵的特性，本文可以通過計算熵值來判斷某個指標(biāo)的離散程度，指標(biāo)的離散程度越大，說明該指標(biāo)對綜合評價的影響越大。

首先計算每個維度的熵值，計算式如下：

其中，n是維度的個數(shù)。

經(jīng)過計算，得到歷史信用、社會屬性、通信需求、違約成本和支付能力各維度的權(quán)重見表2。

表2 5個評估維度的權(quán)重

最后根據(jù)維度得分和維度權(quán)重，加權(quán)求和可以得到每個用戶的信用得分為：

2.4 模型效果評估

由此，得到模型目標(biāo)用戶的信用綜合得分，分布如圖2所示。信用評分呈現(xiàn)合理的長尾的正態(tài)分布形態(tài)，即信用較好用戶的信用評分集中在高分值，信用較差用戶的信用評分分散在低分值的尾部，表明信用差的用戶與信用好的用戶在信用評分上差異明顯。

用戶信用得分大小反映了用戶信用狀況的好壞，信用得分越高的用戶信用狀況越好。用戶信用狀況的好壞用30天復(fù)機(jī)率進(jìn)行衡量，按照信用得分由高到低排序，比較不同信用得分下的30天復(fù)機(jī)率，結(jié)果如圖3所示。

圖1 計算社會屬性維度得分的示例

圖2 目標(biāo)用戶的信用綜合得分分布

將用戶信用評分由高到低排序，發(fā)現(xiàn)不同信用評分的用戶的30天復(fù)機(jī)率也依次降低，說明信用評分模型能較好地反映用戶信用的好壞。

3 基于評估模型的用戶差異化信控停機(jī)服務(wù)應(yīng)用

差異化信控停機(jī)服務(wù)的主要實現(xiàn)方式是依據(jù)用戶信用評估模型的評估得分和具體通信需求，設(shè)計用戶等級并給予差異化的信控額度，提供延遲停機(jī)服務(wù)，減少無謂或不當(dāng)停機(jī)。實現(xiàn)流程上還可以優(yōu)化增加信用額度告知、余額不足提醒及停機(jī)告知策略，提升用戶在信控額度內(nèi)的繳費率。

3.1 根據(jù)模型評分劃分用戶信用等級

按照信用評分將用戶的信用劃為4個等級，分別為很好（A）、良好（B）、好（C）、不好（D）。而每一個等級用戶比例的確定，主要參考移動停機(jī)用戶N天復(fù)機(jī)率。該省公司把3天內(nèi)復(fù)機(jī)的用戶（占比50%）作為信用很好的用戶，5天內(nèi)復(fù)機(jī)的用戶（占比10%）作為信用良好的用戶，30天內(nèi)復(fù)機(jī)的用戶（占比10%）作為信用好的用戶，30天后復(fù)機(jī)的用戶（占比30%）作為信用不好的用戶。考慮到是停機(jī)授信應(yīng)用，除了控制風(fēng)險以外，還需要針對真正具備通信需求的用戶、最后信用等級劃分，綜合考慮信用評估模型得分、用戶通信需求（活躍天數(shù)）、歷史信用（最近6個月最長停機(jī)時長）3個方面。在該省公司應(yīng)用時，最后得到的用戶信用等級劃分見表3。

3.2 各信用等級用戶信控額度計算設(shè)定

通過歷史數(shù)據(jù)分析得到，該省欠費金額在10～50元的用戶停機(jī)后復(fù)機(jī)率最高，因此信控金額設(shè)置建議在10～50元。用戶動態(tài)信控金額為：

其中，Scorei為信用評估模型評分，Ai為用戶的最近3個月的平均ARPU值。

圖4 用戶差異化信控停機(jī)服務(wù)后的收入增長示意

實際應(yīng)用中，將評級為D的用戶授信直接置為0元，A/B/C等級的用戶按此計算式向上按10元取整數(shù)。

3.3 應(yīng)用效果

圖4是給不同信用得分用戶授信實施差異化停機(jī)服務(wù)后，給企業(yè)帶來的收入變化（收入與損失之差為延時停機(jī)給電信運營商帶來的正收益）?？梢姡Ｐ蛻?yīng)用于用戶差異化信控停機(jī)服務(wù)后，給企業(yè)帶來的收益明顯。

4 結(jié)束語

用戶動態(tài)信用評估模型結(jié)合用戶行為特征動態(tài)數(shù)據(jù)，較科學(xué)合理地計算得到用戶信用評分。將其應(yīng)用于存量用戶的差異化信控停機(jī)服務(wù)，能適時滿足用戶通信需求，提升用戶滿意度與忠誠度，為企業(yè)增加可觀的經(jīng)濟(jì)效益，具備一定的應(yīng)用推廣價值。

1 翟清蘭．基于Logit模型和人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險評估.東北財經(jīng)大學(xué)碩士學(xué)位論文，2006

2 楊建剛．移動電話客戶信用控制和管理．通信世界，2005(31)：30～31

3 張玉潔，孟祥武.基于遺傳算法的電信客戶初始信用度分配算法.北京郵電大學(xué)學(xué)報，2002，25(2)：74～77

4 徐繼生，五道恒.移動通信用戶信用度的預(yù)測評估.電信科學(xué)，2002，18(8)：17～20

5 吳國富，安萬福，劉景海.實用數(shù)據(jù)分析方法.北京：中國統(tǒng)計出版社，1992

6 郭瑜敏，徐清宇．電信業(yè)客戶信用控制過程的優(yōu)化.電腦開發(fā)與應(yīng)用，2009(8)：70～71

7 朱曉明，劉治國．信用評分模型綜述.統(tǒng)計與決策，2007(1)：103～105

8 陳仁強．基于客戶特征的信用控制模型．移動通信，2014(5)：75～79