基于移動(dòng)支付業(yè)務(wù)構(gòu)建異網(wǎng)策反模型研究

張廬穎+王振+陳天池

摘要：中國(guó)移動(dòng)用戶居世界首位，移動(dòng)支付具有廣闊的市場(chǎng)發(fā)展空間。翼支付業(yè)務(wù)作為某個(gè)通信業(yè)特有的業(yè)務(wù)種類(lèi)，用戶使用越來(lái)越廣。文章深入挖掘移動(dòng)用戶在支付業(yè)務(wù)中的使用情況，例如消費(fèi)水平、消費(fèi)次數(shù)、消費(fèi)偏好等，建立大數(shù)據(jù)分析，構(gòu)建策反用戶樣本。通過(guò)SPSSModeler對(duì)樣本進(jìn)行算法評(píng)估，構(gòu)建最佳異網(wǎng)策反模型，提升異網(wǎng)策反成功率。

關(guān)鍵詞：移動(dòng)支付；異網(wǎng)策反；模型

移動(dòng)支付是指交易雙方為了某種貨物或者業(yè)務(wù)，通過(guò)移動(dòng)設(shè)備進(jìn)行商業(yè)交易。移動(dòng)支付使用終端可以是手機(jī)、PAD、移動(dòng)PC等[1]。信息產(chǎn)業(yè)部統(tǒng)計(jì)顯示，截至2015年年底，移動(dòng)用戶13.06億戶，居世界首位。中國(guó)移動(dòng)支付具有廣闊的市場(chǎng)發(fā)展空間。

翼支付業(yè)務(wù)是某通信企業(yè)“2+5”重點(diǎn)業(yè)務(wù)中5項(xiàng)重要工作之一，也是通信業(yè)特有的移動(dòng)支付業(yè)務(wù)。目前己經(jīng)推出了理財(cái)、繳費(fèi)、消費(fèi)等系列移動(dòng)支付項(xiàng)目。隨著經(jīng)濟(jì)和移動(dòng)技術(shù)進(jìn)一步發(fā)展，移動(dòng)支付產(chǎn)業(yè)逐漸成熟，移動(dòng)支付的應(yīng)用勢(shì)必越來(lái)越廣泛。

翼支付轉(zhuǎn)變銷(xiāo)售和服務(wù)模式，從傳統(tǒng)銷(xiāo)售轉(zhuǎn)型為賣(mài)價(jià)值、賣(mài)應(yīng)用和生活方式，搶占用戶入口。大數(shù)據(jù)結(jié)合翼支付分析，參與開(kāi)展異網(wǎng)策反活動(dòng)，用戶選址、網(wǎng)點(diǎn)分布區(qū)，搭建用戶信用評(píng)價(jià)機(jī)制、提供風(fēng)險(xiǎn)管控能力，給通信業(yè)務(wù)發(fā)展帶來(lái)新的商機(jī)。

1算法模型

1.1業(yè)務(wù)理解與相關(guān)定義

本模型通過(guò)分析翼支付金融消費(fèi)識(shí)別異網(wǎng)用戶號(hào)碼，利用關(guān)鍵字段識(shí)別、用戶標(biāo)簽分析，構(gòu)建初步交往圈信息；在此基礎(chǔ)上通過(guò)外部數(shù)據(jù)、詳單通話圈分析和客戶關(guān)系管理（Customer Relationship Management，CRM）信息資料等

對(duì)模型進(jìn)行修正與數(shù)據(jù)融合，使用聚類(lèi)分析、決策樹(shù)分析挖掘最終潛在用戶。

1.2數(shù)據(jù)收集與分析

為了建立翼支付異網(wǎng)策反模型，必須收集用戶原始信息，并轉(zhuǎn)化為數(shù)據(jù)訓(xùn)練集。此項(xiàng)目選用某地電信運(yùn)營(yíng)商建立異網(wǎng)用戶數(shù)據(jù)信息。異網(wǎng)用戶是指非碼分多址（Code Division Multiple Access，CDMA）網(wǎng)絡(luò)的移云力用戶，其來(lái)源主要有：（1）使用翼支付異網(wǎng)用戶。使用翼支付軟件，并且產(chǎn)生理財(cái)或者消費(fèi)行為的異網(wǎng)移動(dòng)用戶。（2）異網(wǎng)交往圈用戶。識(shí)別與異網(wǎng)用戶交互緊密的本網(wǎng)用戶信息，建立初步交往圈信息。對(duì)本網(wǎng)用戶特征識(shí)別，終端使用偏好、翼支付消費(fèi)偏好、是否開(kāi)通網(wǎng)銀、年齡結(jié)構(gòu)、家庭結(jié)構(gòu)，采用聚類(lèi)和主成分分析方法，確定異網(wǎng)用戶分屬類(lèi)型：金融高端、都市白領(lǐng)、三口之家、外出務(wù)工等。

針對(duì)以上兩類(lèi)用戶來(lái)源，分別抓取10萬(wàn)用戶。經(jīng)過(guò)數(shù)據(jù)抽樣后，把樣本數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)集（TramDataSet，TDS）和校驗(yàn)數(shù)據(jù)集（ValidationDataSet，VDS）。訓(xùn)練集實(shí)現(xiàn)對(duì)算法評(píng)估，得到較優(yōu)解決方案，校驗(yàn)集用于評(píng)估模型是否適當(dāng)。數(shù)據(jù)的分析階段，第一步結(jié)合業(yè)務(wù)理解，檢查數(shù)據(jù)質(zhì)量，對(duì)數(shù)據(jù)重要關(guān)系進(jìn)行判斷，分析自變量和因變量之間的關(guān)系，為建立模型做準(zhǔn)備；第二步對(duì)數(shù)據(jù)進(jìn)行探索，按照模型需求對(duì)數(shù)據(jù)進(jìn)行修正，如生成新的變量、刪除較弱的影響因子等。例如由于客戶沒(méi)有使用某一業(yè)務(wù)而造成該變量值的缺失，可直接對(duì)缺失值進(jìn)行補(bǔ)零處理。根據(jù)對(duì)變量的觀察和實(shí)際的業(yè)務(wù)需求，剔除異常點(diǎn)和穩(wěn)定區(qū)間外值，避免極端值影響后面的分類(lèi)和預(yù)測(cè)模型的精度。

根據(jù)電信業(yè)務(wù)特征，將用戶的特征區(qū)分為以下幾個(gè)維度：（1）客戶信息；（2）消費(fèi)水平；（3）細(xì)分群體；（4）本網(wǎng)交往圈用戶業(yè)務(wù)使用信息。建立全面維度信息，并入到業(yè)務(wù)受理的維度。寬表字段如表1所示。

異網(wǎng)策反成功結(jié)果7；客戶信息變量X1；消費(fèi)水平Z2；細(xì)分群體不；業(yè)務(wù)使用不；建模的目的就是要分析并確定這些向量變量與客戶流失狀態(tài)變量r的關(guān)系，即： 在特征維度下，構(gòu)建反應(yīng)特征的屬性，確定訓(xùn)練集合的屬性。在用戶的行為特征的屬性上，引入了趨勢(shì)變量即：根據(jù)當(dāng)前月數(shù)值與上月值的比值計(jì)算得出。趨勢(shì)變量=（當(dāng)月值一上月值（上月值），即：

本文趨勢(shì)變量的觀察值取連續(xù)3個(gè)月的，來(lái)衡量行為的穩(wěn)定性。（如果，定義趨勢(shì)是下降；定義趨勢(shì)是穩(wěn)定；：定義趨勢(shì)是上升）。

1.3構(gòu)建異網(wǎng)策反模型

針對(duì)此次建模的要求，在對(duì)此問(wèn)題的深入研究下，我們提出了合理的假設(shè)，將本問(wèn)題歸結(jié)為一個(gè)預(yù)測(cè)分析的問(wèn)題，其基本思想是通過(guò)SPSS軟件求解。通過(guò)對(duì)決策樹(shù)、神經(jīng)網(wǎng)絡(luò)和邏輯回歸分析，組合模型等方法的運(yùn)用得到最優(yōu)的預(yù)測(cè)結(jié)果。因?yàn)槭钱惥W(wǎng)朿反，最終朿反結(jié)果僅為yes和no兩種值，根據(jù)所學(xué)算法原理，結(jié)合實(shí)際情況，通過(guò)比較神經(jīng)網(wǎng)絡(luò)和決策樹(shù)C5.0模型，結(jié)合數(shù)據(jù)處理結(jié)果選擇最優(yōu)模型。

在異網(wǎng)策反模型中，通過(guò)SPSSModeler特征選擇保留終端、消費(fèi)水平、收入、用戶分群、使用特征、行為偏好等7大類(lèi)指標(biāo)，確定了20個(gè)因子作為輸入變量進(jìn)行觀測(cè)。通過(guò)訓(xùn)練集選取最優(yōu)的方案。決策樹(shù)C5.0算法在異網(wǎng)策反模型中優(yōu)于神經(jīng)網(wǎng)絡(luò)模型，因此將此算法運(yùn)用到測(cè)試集。

2營(yíng)銷(xiāo)策劃

開(kāi)展?fàn)I銷(xiāo)活動(dòng)策劃，促進(jìn)異網(wǎng)用戶辦理通信業(yè)務(wù)，對(duì)于成功辦理通信業(yè)務(wù)的用戶，做定向優(yōu)惠激勵(lì)。對(duì)金融高端人士贈(zèng)送翼支付金融理財(cái)產(chǎn)品券和翼支付有車(chē)禮包，對(duì)于都市白領(lǐng)贈(zèng)送麥當(dāng)勞優(yōu)惠券和電影購(gòu)票優(yōu)惠券，對(duì)于三口之家贈(zèng)送超市優(yōu)惠活動(dòng)等，促使異網(wǎng)用戶向本網(wǎng)轉(zhuǎn)化。

3活動(dòng)效果

在翼支付異網(wǎng)策反方面，通過(guò)大數(shù)據(jù)挖掘異網(wǎng)精準(zhǔn)目標(biāo)用戶，結(jié)合翼支付理財(cái)，525大促、翼支付購(gòu)買(mǎi)火車(chē)票、水電煤繳費(fèi)等個(gè)性化的營(yíng)銷(xiāo)活動(dòng)，提升異網(wǎng)策反用戶成功率。

建立異網(wǎng)策反智慧化運(yùn)營(yíng)體系，針對(duì)不同用戶，結(jié)合大數(shù)據(jù)標(biāo)簽數(shù)據(jù)從用戶偏好、終端定制等方面進(jìn)行用戶畫(huà)像。通過(guò)電話呼叫、營(yíng)業(yè)廳、網(wǎng)廳等觸點(diǎn)推送，開(kāi)展異網(wǎng)策反活動(dòng)。針對(duì)新入網(wǎng)用戶，贈(zèng)送翼支付紅包，維系客戶穩(wěn)定，建議完善的策反流程。通過(guò)大數(shù)據(jù)深挖翼支付異網(wǎng)策反活動(dòng)，對(duì)于某公司20萬(wàn)異網(wǎng)用戶開(kāi)展?fàn)I銷(xiāo)，成功轉(zhuǎn)化2萬(wàn)用戶，轉(zhuǎn)化率為10%。

[參考文獻(xiàn)]

[1]曹媛媛，李琪.移動(dòng)支付使用者使用意向與使用行為模型及實(shí)證研究[J].統(tǒng)計(jì)與信息論壇，2009（2）：72-77.endprint