基于因子聚類的電信客戶細(xì)分研究

劉彩芬等

摘 要：文章將數(shù)據(jù)挖掘技術(shù)引入電信行業(yè)客戶細(xì)分研究，在電信客戶樣本集中提煉出有價(jià)值的信息，為電信企業(yè)客戶個(gè)性化及差異化服務(wù)設(shè)計(jì)提供依據(jù)。首先采用因子分析的方法實(shí)現(xiàn)電信客戶樣本集的維度約減，然后采用K-均值聚類的方法，將客戶樣本劃分為互不相交的6個(gè)大類，在此基礎(chǔ)上，分析歸并形成三個(gè)特征消費(fèi)群，最后，從資費(fèi)套餐設(shè)置、客戶保有策略、新客戶挖掘的三個(gè)維度分析并給出具體的實(shí)施策略。

關(guān)鍵詞：因子分析 K-均值聚類 客戶細(xì)分

中圖分類號：F274，TP270 文獻(xiàn)標(biāo)識碼：A

文章編號：1004-4914（2015）01-059-03

一、引言

隨著3G網(wǎng)絡(luò)的普及，越來越多的消費(fèi)者依賴于移動(dòng)終端應(yīng)用，電信消費(fèi)的模式也面臨從基本的通話費(fèi)用為主向以流量為主的模式轉(zhuǎn)變。特別是4G時(shí)代的到來，各大電信運(yùn)營商開始了新一輪的市場份額搶奪戰(zhàn)。如何充分利用電信業(yè)交易數(shù)據(jù)、管理數(shù)據(jù)，挖掘蘊(yùn)含的客戶信息，建立移動(dòng)應(yīng)用客戶細(xì)分模型，從而實(shí)現(xiàn)更加精準(zhǔn)的營銷，是目前亟待解決的熱點(diǎn)問題。

數(shù)據(jù)挖掘的方法使得客戶細(xì)分成為可能。其中，聚類分析是一種非監(jiān)督型的數(shù)據(jù)挖掘方法，該方法從樣本數(shù)據(jù)出發(fā)，探索樣本間的相似性，并將最相似的對象聚集為同簇。聚類分析的方法以其易用魯棒的優(yōu)勢，在商業(yè)領(lǐng)域的應(yīng)用取得了顯著的成效，其中，孫金華{1}等人采用K均值聚類方法設(shè)計(jì)中小企業(yè)客戶細(xì)分模型，徐昆{2}采用改進(jìn)的K均值聚類算法實(shí)現(xiàn)快速消費(fèi)品企業(yè)資源的最優(yōu)化配置。趙銘等人{(lán)3}采用聚類的方法，有效地識別基金理財(cái)客戶，并據(jù)此制定出相應(yīng)的個(gè)性化營銷方案。針對電信客戶細(xì)分，陳治平等人{(lán)4}則采用多種數(shù)據(jù)挖掘方法實(shí)現(xiàn)電信客戶細(xì)分，實(shí)驗(yàn)表明K均值聚類在電信客戶細(xì)分應(yīng)用中的有效性，但研究并不是以客戶是否使用移動(dòng)網(wǎng)絡(luò)作為細(xì)分的標(biāo)準(zhǔn)。

以往的研究為移動(dòng)互聯(lián)網(wǎng)應(yīng)用背景下的電信客戶細(xì)分研究提供了可借鑒的寶貴思路。面對日趨激烈的電信業(yè)市場競爭，如何充分利用電信客戶大數(shù)據(jù)信息，從中挖掘?qū)氋F的知識，從而更加深入地了解客戶，在產(chǎn)品趨于同質(zhì)化的情況下，為客戶提供差異化、多元化的電信產(chǎn)品和服務(wù)，最終實(shí)現(xiàn)有效的客戶引導(dǎo)，并保留客戶，具有重要的研究意義。

本文采用因子分析的方法，對電信客戶數(shù)據(jù)進(jìn)行屬性的約減，在此基礎(chǔ)上，采用K均值聚類的方法，對用戶樣本集合實(shí)施無監(jiān)督的機(jī)器學(xué)習(xí)，根據(jù)客戶是否傾向使用電子支付和無線應(yīng)用作為聚類評判依據(jù)，構(gòu)造電信客戶細(xì)分模型；最后，針對該細(xì)分模型給出有效的營銷策略。

二、電信客戶細(xì)分實(shí)現(xiàn)過程

目前電信企業(yè)資費(fèi)套餐類型在不斷地調(diào)整以滿足各類客戶的需求，但是由于受地方經(jīng)濟(jì)發(fā)展差異、消費(fèi)水平不等、互聯(lián)網(wǎng)時(shí)代消費(fèi)客戶消費(fèi)模式轉(zhuǎn)變等復(fù)雜因素影響，電信運(yùn)營整體出現(xiàn)雜亂無章的現(xiàn)象。雖然電信業(yè)從過去的舊理念“客戶得到的產(chǎn)品是他們所想要的”已經(jīng)轉(zhuǎn)變成“客戶得到了他們所想要的”{5}，但是如果不能對電信客戶實(shí)施細(xì)致且準(zhǔn)確地分類，電信企業(yè)仍然無法針對客戶未來的成本、收入以及交叉銷售績效進(jìn)行精準(zhǔn)的評估，難以推出合理的營銷策略從而提升老客戶的粘性，增加新客戶的種類和數(shù)量。

本文采用某電信公司客戶樣本集作為研究對象，該數(shù)據(jù)集中共有1000套客戶數(shù)據(jù)，每套數(shù)據(jù)14個(gè)維度，分別為居住地、年齡、婚姻狀況、家庭月收入（百元）、受教育水平、性別、家庭人口、基本服務(wù)累計(jì)開通月數(shù)、是否申請無線轉(zhuǎn)移服務(wù)、上月基本費(fèi)用、上月限制性免費(fèi)服務(wù)項(xiàng)目的費(fèi)用、無線服務(wù)費(fèi)用、是否電子支付、客戶所申請的服務(wù)套餐類型。在對數(shù)據(jù)集進(jìn)行極值處理、正常值選擇、數(shù)據(jù)缺失處理等一系列的數(shù)據(jù)清洗準(zhǔn)備工作后，形成用于研究分析的記錄共計(jì)995套。

1.因子分析。因子分析的方法能夠在錯(cuò)綜復(fù)雜的指標(biāo)中找出少數(shù)具有代表性的公因子，并將同質(zhì)的變量歸入一個(gè)因子，原數(shù)據(jù)樣本集的大部分信息可以通過較少的幾個(gè)因子反映，從而減少分析指標(biāo)的個(gè)數(shù)，同時(shí)還可檢驗(yàn)變量間關(guān)系的假設(shè)。因子分析可以在不損失數(shù)據(jù)集信息量的情況下，減少數(shù)據(jù)分析的屬性維度，是一種基于多元統(tǒng)計(jì)分析的有效的數(shù)據(jù)維度約減方法。

本文采用SPSS STATISTICS軟件實(shí)現(xiàn)因子分析。首先對原始數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，從而消除量綱和數(shù)量級對數(shù)據(jù)分析帶來的影響。然后，對數(shù)據(jù)數(shù)據(jù)集合指標(biāo)間的依賴程度進(jìn)行假設(shè)檢驗(yàn)，判斷樣本集合是否適合采用因子分析實(shí)現(xiàn)指標(biāo)約減，檢驗(yàn)結(jié)果如表1所示。其中，KMO （Kaiser-Meyer-Olkin）統(tǒng)計(jì)量為0.788，巴特利特（Bartlett）球形度檢驗(yàn)值為5075.634，對應(yīng)的sig值為0.000，小于0.05的顯著水平，表明樣本集合適合做因子分析。此外，指標(biāo)間的相關(guān)系數(shù)矩陣也表明變量間存在顯著的相關(guān)性。

采用主成分分析的方法提取公因子，根據(jù)特征值大于1的原則，提取了具有代表性的公因子。由于初始因子載荷矩陣中因子含義不突出，因此采用最大正交旋轉(zhuǎn)變換進(jìn)行因子旋轉(zhuǎn)變換。經(jīng)過5次迭代后收斂，得到旋轉(zhuǎn)后的因子載荷矩陣，最終確定5個(gè)公因子。這5個(gè)公因子累計(jì)方差貢獻(xiàn)率達(dá)到86%，可以代表原有數(shù)據(jù)集中的14個(gè)指標(biāo)表達(dá)的電信客戶信息。

公因子提取及旋轉(zhuǎn)實(shí)驗(yàn)結(jié)果見表2。其中，公因子1在無線費(fèi)用、無線服務(wù)、套餐類型、免費(fèi)部分的載荷較大，代表客戶網(wǎng)絡(luò)綜合服務(wù)應(yīng)用情況；公因子2在開通月數(shù)、基本費(fèi)用、年齡和收入的載荷較大，代表客戶基本信息和傳統(tǒng)的電信服務(wù)應(yīng)用情況；公因子3在家庭人數(shù)、婚姻狀況的載荷較大，代表電信客戶家庭基本情況；公因子4在電子支付、教育水平的載荷較大，代表電信客戶的教育程度；公因子5居住地和性別上有較大的載荷，代表地區(qū)和性別差異所構(gòu)成的影響因素。

2.k-均值聚類。在因子分析得到的五個(gè)公因子的基礎(chǔ)上，本文選取K-均值聚類方法實(shí)現(xiàn)電信客戶細(xì)分。K-均值是典型的基于劃分的聚類算法，該方法將樣本數(shù)據(jù)間的距離作為評價(jià)樣本是否相似的重要度量標(biāo)準(zhǔn)，通常規(guī)定樣本間的距離越近表示其相似度越高，同時(shí)保證類別和類別之間的距離盡可能大，即類間具有較高的差異性。通過K-均值算法的計(jì)算，樣本集合中距離較近的數(shù)據(jù)信息歸集起來，形成一個(gè)數(shù)據(jù)類（簇）。由于K-均值聚類算法的具有高可靠性和精準(zhǔn)性，以及算法的復(fù)雜度較低等優(yōu)勢，成為目前主流的聚類算法之一。基于K-均值聚類的電信客戶細(xì)分，是一個(gè)將電信客戶樣本集合中相似對象聚集的過程，在非監(jiān)督學(xué)習(xí)過程結(jié)束后，客戶樣本集合被聚集成具有相似性的簇，而簇與簇之間有著明顯的差異。

在實(shí)現(xiàn)K-均值聚類分析前，首先要保證K值選取的科學(xué)性。本文采用系統(tǒng)聚類的方法對樣本實(shí)施類別的探索性實(shí)驗(yàn)，從而確定K-均值聚類的K值，根據(jù)系統(tǒng)聚類譜系圖分析，確定K值的最優(yōu)取值為6。

本文采用SPSS STATISTICS實(shí)現(xiàn)聚類分析，在對樣本集合實(shí)施K-均值聚類分析后，樣本集合被聚集成為6個(gè)大類。為了研究每一類中的樣本是否采用電子支付和無線等網(wǎng)絡(luò)服務(wù)的客戶特征進(jìn)行分析，在SPSS STATISTICS中使用“選擇個(gè)案”功能，對每一類個(gè)案實(shí)施挑選并分析，并將結(jié)果導(dǎo)入至WINDOWS EXCEL中，運(yùn)用EXCEL的“篩選”功能對各類別中的因子進(jìn)行統(tǒng)計(jì)分析，分析結(jié)果見表3。

三、實(shí)驗(yàn)結(jié)果及分析決策

1.客戶細(xì)分特征描述。針對電信客戶信息實(shí)施聚類分析后，電信客戶樣本被劃分為互不相交的6個(gè)簇，對6個(gè)簇中的客戶進(jìn)行特征描述和分析，挖掘蘊(yùn)含在樣本集中的客戶使用無線網(wǎng)絡(luò)應(yīng)用與客戶細(xì)分群屬性之間的關(guān)系，有如下發(fā)現(xiàn)：

第一類聚集為已婚中青年，女性居多，收入偏低，家庭人數(shù)多，開通電信服務(wù)的月份短，99.5%不使用無線網(wǎng)絡(luò)套餐服務(wù)，93%未開通電子支付功能。

第二類聚集為未婚中年及老年，未呈現(xiàn)明顯的性別差異，中等收入，教育水平偏低，95.5%不使用無線網(wǎng)絡(luò)套餐服務(wù)，90%未開通電子支付功能。

第三類聚集為已婚中年，未呈現(xiàn)明顯的性別差異，收入高，教育水平較高，50%使用無線網(wǎng)絡(luò)套餐服務(wù)，90%開通了電子支付。

第四類聚集為未婚中年人，男性居多，中等收入，開通電信服務(wù)的月份短，100%使用無線網(wǎng)絡(luò)套餐服務(wù)，且78%的人開通電子支付功能。

第五類聚集為已婚中老年人，女性居多，中等收入，教育程度高，開通電信服務(wù)的月份長，65.5%使用無線網(wǎng)絡(luò)套餐服務(wù)，85%未開通電子支付功能。

第六類聚集為已婚中老年人，未呈現(xiàn)明顯的性別差異，收入偏低，教育程度偏低，開通電信服務(wù)的月份長，88%不使用無線網(wǎng)絡(luò)套餐服務(wù)，89%未開通電子支付功能。

2.結(jié)論與電信套餐營銷策略?；谝蜃泳垲惙治龅碾娦趴蛻艏?xì)分結(jié)果，結(jié)合電信企業(yè)的業(yè)務(wù)需求，可將電信客戶進(jìn)一步劃分為普通消費(fèi)型客戶、移動(dòng)互聯(lián)網(wǎng)應(yīng)用潛在型客戶和移動(dòng)互聯(lián)網(wǎng)應(yīng)用穩(wěn)定型客戶。其中，聚類分析中的第一類、第二類和第六類為普通消費(fèi)型客戶，第三類和第五類為移動(dòng)互聯(lián)網(wǎng)應(yīng)用潛在型客戶，而第四類為移動(dòng)互聯(lián)網(wǎng)應(yīng)用穩(wěn)定型客戶。

普通消費(fèi)型客戶的特點(diǎn)體現(xiàn)為：收入偏低，家庭結(jié)構(gòu)不穩(wěn)定，基本不使用無線套餐服務(wù)和電子支付。針對這部分客戶實(shí)施電信營銷策略設(shè)計(jì)時(shí)，資費(fèi)設(shè)置方面尤其要考慮經(jīng)濟(jì)實(shí)惠，在價(jià)格上體現(xiàn)充分的吸引力，此外，側(cè)重開展更多增值服務(wù)從而增加客戶粘性，提高保有率。對于普通消費(fèi)型客戶中的第一類客戶群，年輕人較多，可以相應(yīng)的推出相應(yīng)的購機(jī)送話費(fèi)補(bǔ)貼模式，或0元購機(jī)合約等計(jì)劃；此外，年輕人接受新鮮事物的欲望和能力強(qiáng)，這類客戶過渡為移動(dòng)互聯(lián)網(wǎng)應(yīng)用型客戶的概率非常高，在營銷時(shí)側(cè)重針對移動(dòng)互聯(lián)網(wǎng)應(yīng)用服務(wù)的特點(diǎn)和類型的推廣，向其銷售包含流量的實(shí)惠型套餐類型。而在第六類中老年人居多，客戶開通使用時(shí)間長，是電信客戶的忠實(shí)用戶，在推出實(shí)惠型的套餐的基礎(chǔ)上，提供適合中老年用戶的增值服務(wù)，尤其注重客戶服務(wù)的質(zhì)量，提升老客戶的滿意度，例如，針對中老年客戶記憶力逐漸下降，疾病增多等普遍存在問題，提供起居提醒、用藥提醒、緊急呼叫等多種增值服務(wù)功能。

移動(dòng)互聯(lián)網(wǎng)應(yīng)用潛在型客戶特點(diǎn)體現(xiàn)為：中高等收入，教育水平高，家庭結(jié)構(gòu)穩(wěn)定。這部分群體接受移動(dòng)互聯(lián)應(yīng)用等新事物、新技術(shù)能力強(qiáng)，中高等的收入也為消費(fèi)更高級別電信套餐類型提供保障。樣本數(shù)據(jù)集也體現(xiàn)出，在這部分群體中使用無線套餐服務(wù)的樣本個(gè)體，其電信業(yè)務(wù)的消費(fèi)水平均很高的特點(diǎn)。這部分客戶是進(jìn)行無線互聯(lián)網(wǎng)應(yīng)用新客戶挖掘的主要營銷對象群體。因此，需設(shè)計(jì)多樣化的移動(dòng)互聯(lián)網(wǎng)應(yīng)用套餐包供這部分客戶選擇。這一群體中第五類女性偏多，使用電子支付的人數(shù)偏低，分析可能造成該因素的原因?yàn)榕越邮茈娮宇惍a(chǎn)品能力偏弱的特點(diǎn)。因此，營銷時(shí)更側(cè)重對移動(dòng)互聯(lián)網(wǎng)絡(luò)應(yīng)用安全性、使用方法的講解，從而消除其使用的安全性方面的顧慮，幫助其掌握移動(dòng)互聯(lián)應(yīng)用的方法。而第三類客戶群，其中90%的客戶開通了電子支付功能，體現(xiàn)了這部分群體有著明顯的移動(dòng)互聯(lián)網(wǎng)應(yīng)用需求，但卻只有50%的人使用無線套餐服務(wù)，因此這部分客戶群體是實(shí)施移動(dòng)互聯(lián)應(yīng)用新客戶挖掘的巨大寶藏。

移動(dòng)互聯(lián)網(wǎng)應(yīng)用穩(wěn)定客戶特點(diǎn)體現(xiàn)為：教育水平高，收入穩(wěn)定，絕大多數(shù)人開通電子支付，是移動(dòng)互聯(lián)應(yīng)用的忠實(shí)客戶群。針對這類客戶，可以設(shè)計(jì)高端的移動(dòng)應(yīng)用大流量套餐包服務(wù)。例如，中國聯(lián)通推出國內(nèi)流量計(jì)費(fèi)達(dá)到600元后將不再收費(fèi)，直至15GB后系統(tǒng)自動(dòng)關(guān)閉數(shù)據(jù)網(wǎng)絡(luò)的套餐服務(wù)，從而滿足客戶對移動(dòng)互聯(lián)網(wǎng)服務(wù)應(yīng)用的需求。此外，這類客戶最有可能成為4G網(wǎng)絡(luò)應(yīng)用的先驅(qū)，在營銷時(shí)重點(diǎn)向這類客戶推薦4G應(yīng)用的特點(diǎn)和優(yōu)勢，例如只要是使用4G套餐的客戶，可授權(quán)1～4個(gè)親友分享自己套餐內(nèi)的流量，只是每人每月收取10元功能費(fèi)等。同時(shí)，樣本數(shù)據(jù)表明，這類客戶開通的月數(shù)短，體現(xiàn)出明顯的流動(dòng)性趨勢，因此需要提供良好的客戶服務(wù)實(shí)現(xiàn)客戶保持。

四、總結(jié)

針對電信行業(yè)目前市場狀況，尤其是4G時(shí)代的到來，如何針對客戶對移動(dòng)互聯(lián)網(wǎng)絡(luò)應(yīng)用的需求制定電信營銷方案是很有必要的。本文采用因子分析和K-均值聚類的方法，實(shí)現(xiàn)電信客戶群的細(xì)分，并根據(jù)細(xì)分結(jié)果，針對性地給出每一類客戶群的電信營銷策略。研究成果通過對顧客信息資源的整合，有效地將電信企業(yè)資源集中到最有價(jià)值的客戶，增加電信企業(yè)盈利和改善客戶關(guān)系，達(dá)到電信服務(wù)和營銷投資的最優(yōu)化效果。

[本項(xiàng)目受陜西省自然科學(xué)基金項(xiàng)目資助（項(xiàng)目編號2014JQ8367）；西北大學(xué)大學(xué)生創(chuàng)新項(xiàng)目資助（2013西北大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目）]

注釋：

{1}孫金華，孟昭睿，謝彥麒.基于K-Means算法的中小企業(yè)客戶細(xì)分研究[J].電子商務(wù)，2014（3）：59-60

{2}徐昆.優(yōu)化的聚類分析在企業(yè)客戶細(xì)分中的應(yīng)用[J].經(jīng)濟(jì)論壇，2014（01）：123-128

{3}趙銘，李雪，李秀婷，等.基于聚類分析的商業(yè)銀行基金客戶的分類研究[J].管理評論，2013（07）：38-44

{4}陳治平，胡宇舟，顧學(xué)道.聚類算法在電信客戶細(xì)分中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用.，2007，27（10）：2566-2569.

{5}江哲雅.聚類挖掘在電信客戶分類中的研究與應(yīng)用[D].上海交通大學(xué)，2013.

（作者單位：1.西北大學(xué)經(jīng)濟(jì)管理學(xué)院 陜西西安 710127；2.西北大學(xué)信息科學(xué)與技術(shù)學(xué)院 陜西西安 710127；3內(nèi)蒙古自治區(qū)農(nóng)村信用社聯(lián)合社 內(nèi)蒙古呼和浩特 010020；第一、二作者簡介：劉彩芬，西北大學(xué)經(jīng)濟(jì)管理學(xué)院，本科生；高原，西北大學(xué)經(jīng)濟(jì)管理學(xué)院，學(xué)院教學(xué)實(shí)驗(yàn)中心主任，副教授，研究方向：商務(wù)智能、金融數(shù)據(jù)挖掘）

（責(zé)編：若佳）