電信計費(fèi)業(yè)務(wù)中基于復(fù)購行為的協(xié)同過濾營銷推薦

鄭正廣，蔡潤昌，閆 宇，余東輝，袁 鵬（.中移互聯(lián)網(wǎng)有限公司，廣東廣州 50640；.中訊郵電咨詢設(shè)計院有限公司廣東分公司，廣東廣州 5067）

0 引言

隨著移動互聯(lián)網(wǎng)和智能手機(jī)的快速普及，微信及支付寶等第三方移動支付工具得到迅猛發(fā)展，以話費(fèi)支付為渠道的電信運(yùn)營商計費(fèi)增值業(yè)務(wù)受到嚴(yán)峻挑戰(zhàn)，迫使運(yùn)營商不得不借助互聯(lián)網(wǎng)思維探索權(quán)益轉(zhuǎn)型運(yùn)營新路徑。為了促進(jìn)計費(fèi)收入持續(xù)增長，在大力拓展新增用戶的同時，需要穩(wěn)定老客戶，因此需要不斷地挖掘用戶復(fù)購行為，進(jìn)而調(diào)整運(yùn)營策略，以提高客戶復(fù)購頻次。

針對電信運(yùn)營商計費(fèi)業(yè)務(wù)數(shù)據(jù)，分析用戶復(fù)購行為規(guī)律、復(fù)購間隔及業(yè)務(wù)關(guān)聯(lián)度，并通過復(fù)購概率構(gòu)建用戶興趣偏好度量，進(jìn)一步可計算出不同應(yīng)用業(yè)務(wù)之間的相似度。傳統(tǒng)運(yùn)營人員主要根據(jù)客戶歷史訂購金額制定運(yùn)營策略，過于倚重主觀經(jīng)驗判斷，難以深層次發(fā)現(xiàn)業(yè)務(wù)之間的關(guān)聯(lián)性。

為了克服傳統(tǒng)方法的不足，在充分考慮客戶復(fù)購時間周期、興趣偏好及業(yè)務(wù)特性差異的基礎(chǔ)上，提出了基于復(fù)購行為的協(xié)同過濾營銷推薦算法。該算法首先根據(jù)用戶對于不同業(yè)務(wù)的興趣偏好度計算業(yè)務(wù)之間的相似性，然后找到待推薦業(yè)務(wù)的若干最近鄰業(yè)務(wù)，最后根據(jù)用戶歷史訂購情況計算推薦分值。為了有效評估所提算法的有效性，在愛奇藝視頻會員實際營銷中進(jìn)行了投放測試，訂購轉(zhuǎn)化率較傳統(tǒng)模型得到了顯著提高。

1 電信計費(fèi)業(yè)務(wù)概述

電信運(yùn)營商作為我國固定電話、移動互聯(lián)網(wǎng)和寬帶接入的通信服務(wù)機(jī)構(gòu)，擁有云、網(wǎng)、數(shù)三維一體的天然優(yōu)勢，掌握海量的用戶通信業(yè)務(wù)數(shù)據(jù)。在運(yùn)營商體系中，話費(fèi)不僅可以用以支付語音和流量費(fèi)，還可以支付增值類業(yè)務(wù)，如視頻會員、游戲道具權(quán)益等。為了豐富業(yè)務(wù)范疇，提升用戶體驗，3 家運(yùn)營商均推出了公眾號、APP應(yīng)用等話費(fèi)商城。

本文分析的數(shù)據(jù)來源于2018 年1 月至2019 年7月期間某運(yùn)營商話費(fèi)平臺部分省市增值類計費(fèi)業(yè)務(wù)，在數(shù)據(jù)預(yù)處理時，對異常數(shù)據(jù)進(jìn)行清洗剔除，得到有效訂單1.3億筆，對應(yīng)的數(shù)據(jù)屬性及說明如表1所示。

表1 電信計費(fèi)業(yè)務(wù)表單和字段屬性說明

2 復(fù)購行為分析

2.1 復(fù)購情況

通過對客戶的訂購次數(shù)進(jìn)行分析，發(fā)現(xiàn)計費(fèi)業(yè)務(wù)中存在重復(fù)訂購行為的用戶占比為52.8%，對應(yīng)的訂購金額占比為82.9%。將訂購次數(shù)與對應(yīng)的用戶數(shù)分別取對數(shù)，進(jìn)行回歸分析，如圖1 所示，對應(yīng)的擬合方程為：

回歸擬合優(yōu)度R2為0.985 8，說明擬合程度非常高，客戶的訂購次數(shù)近似服從冪律分布。

圖1 計費(fèi)業(yè)務(wù)客戶訂購次數(shù)與累計用戶數(shù)關(guān)系圖

2.2 復(fù)購間隔

為分析計費(fèi)業(yè)務(wù)的重復(fù)訂購時間間隔，將所有復(fù)購用戶的訂單按照時間先后順序排列，計算同一客戶的相鄰訂單之間的時間間隔（同一天的時間間隔記為0），其分布如圖2所示。

圖2 計費(fèi)業(yè)務(wù)客戶復(fù)購間隔天數(shù)分布

從圖2 可以看出，客戶訂購增值業(yè)務(wù)的時間間隔分布并不均勻，復(fù)購間隔在1 天之內(nèi)的訂單占比遠(yuǎn)高于其他時間間隔，說明購買行為具有較強(qiáng)的集中性。此外50.0%的訂單復(fù)購時間間隔為7 天以內(nèi)，而時間間隔為29～31 天的訂單占比高達(dá)8.9%，其主要原因在于部分業(yè)務(wù)為包月業(yè)務(wù)，訂單會依據(jù)自然月進(jìn)行自動續(xù)訂。

2.3 復(fù)購概率

計費(fèi)業(yè)務(wù)由于使用話費(fèi)進(jìn)行支付，其賬單周期以月為單位，設(shè)p()i,t+n|t為用戶在月份t訂購業(yè)務(wù)i的前提下，在t+n月份仍繼續(xù)訂購的概率，即

其中n為正整數(shù)。

由于每個月的訂購用戶數(shù)存在差異，如受到計費(fèi)業(yè)務(wù)的促銷活動影響，此外業(yè)務(wù)也會結(jié)合運(yùn)營政策需要對其運(yùn)轉(zhuǎn)進(jìn)行調(diào)整。因此，可對一段時間內(nèi)的復(fù)購概率進(jìn)行統(tǒng)計平均p(i,n)，然后再進(jìn)行曲線擬合使得復(fù)購概率更加平滑。部分典型視頻業(yè)務(wù)對應(yīng)的復(fù)購概率如圖3所示。

圖3 主流視頻業(yè)務(wù)客戶復(fù)購概率及冪指數(shù)擬合曲線

計費(fèi)業(yè)務(wù)平均次月復(fù)購率為23%，2 個月后用戶復(fù)購率為16%，作為優(yōu)質(zhì)業(yè)務(wù)的視頻業(yè)務(wù)則普遍具有較高的復(fù)購率。如愛奇藝次月復(fù)購率高達(dá)61.6%，對應(yīng)的擬合曲線為：

從復(fù)購率曲線走勢可以看出，其概率與間隔月份的關(guān)系同樣近似服從冪律分布。不同業(yè)務(wù)的冪指數(shù)差異較大，指數(shù)絕對值越大，說明客戶訂購流失率越高，在實際運(yùn)營時需進(jìn)行重點(diǎn)維系。另一方面復(fù)購概率可以用來衡量用戶對某類業(yè)務(wù)的興趣熱度，且該熱度與近期行為相關(guān)性較大，隨著時間的推移其熱度也將逐漸消減，即兩者呈負(fù)相關(guān)關(guān)系。

2.4 關(guān)聯(lián)購買

統(tǒng)計用戶訂購的應(yīng)用數(shù)可知，有28.9%的用戶訂購過2 個以上的應(yīng)用，即不同應(yīng)用之間訂購用戶存在交叉購買的現(xiàn)象，如圖4所示。

設(shè)訂購過業(yè)務(wù)i的用戶集合為G(i)，對應(yīng)的用戶數(shù)為|G(i)|，那么可定義業(yè)務(wù)i和j的訂購關(guān)聯(lián)度ρi,j為：

表2 為主流計費(fèi)視頻業(yè)務(wù)之間的關(guān)聯(lián)度，可以看出愛奇藝與其他視頻業(yè)務(wù)之間的關(guān)聯(lián)度較高，尤其是優(yōu)酷視頻，高達(dá)10.3%；而聚力視頻受限于內(nèi)容版權(quán)及營銷推廣力度等因素，相對較為弱勢，與其他視頻的關(guān)聯(lián)度則較小。視頻業(yè)務(wù)之間的關(guān)聯(lián)度越高，說明2類業(yè)務(wù)的交叉用戶占比越高，相關(guān)性越大。

圖4 計費(fèi)業(yè)務(wù)不同訂購應(yīng)用數(shù)用戶占比

表2 主流視頻業(yè)務(wù)關(guān)聯(lián)度（單位：%）

3 協(xié)同過濾營銷推薦

通過上述分析，用戶對于某類業(yè)務(wù)的喜好可以通過復(fù)購行為進(jìn)行體現(xiàn)，即訂購金額越多，訂購時間間隔越短，說明對應(yīng)的興趣程度越高，下次繼續(xù)購買的概率也越高，因此可基于復(fù)購行為構(gòu)建用戶業(yè)務(wù)偏好值。此外，用戶在訂購業(yè)務(wù)時通常會存在交叉重疊，即傾向于訂購關(guān)聯(lián)性較大或類似業(yè)務(wù)，故可通過協(xié)同過濾推薦算法進(jìn)行計費(fèi)業(yè)務(wù)拉新營銷。

3.1 興趣偏好計算

根據(jù)用戶訂購各類業(yè)務(wù)的復(fù)購行為，進(jìn)行統(tǒng)計并計算對應(yīng)的復(fù)購概率。為簡化計算，在考慮用戶歷史月度訂購金額的情況下，將復(fù)購概率進(jìn)行加權(quán)累加即可得到對應(yīng)的興趣偏好。

設(shè)用戶u在月份t時訂購業(yè)務(wù)i的金額為bu,i,t，那么其在月份T對于該計費(fèi)業(yè)務(wù)的興趣偏好值為：

從式（5）可以看出，隨著用戶復(fù)購次數(shù)、復(fù)購金額的增加，相應(yīng)的購買積極性也會得到加強(qiáng)，其忠誠度也將提升。

3.2 協(xié)同過濾推薦

傳統(tǒng)的計費(fèi)業(yè)務(wù)營銷推薦主要是基于內(nèi)容的方法，將具有相似特征的業(yè)務(wù)推薦給用戶，雖然簡單有效，但需要對所有業(yè)務(wù)抽取出有意義的結(jié)構(gòu)化特征，且推薦精度相對較低，無法提升推薦業(yè)務(wù)的覆蓋度。針對上述不足，基于鄰域的推薦算法則可以很好地解決該類問題，主要包括2類：基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾。鑒于當(dāng)前計費(fèi)業(yè)務(wù)中用戶規(guī)模龐大，而業(yè)務(wù)數(shù)量較少，故在本文中優(yōu)先使用基于物品的協(xié)同過濾推薦算法。

基于物品的協(xié)同過濾推薦算法首先需要計算計費(fèi)業(yè)務(wù)之間的相似度，然后依據(jù)歷史訂購行為計算待推薦業(yè)務(wù)的預(yù)測分值。具體步驟如下。

a）基于余弦相似度計算業(yè)務(wù)之間的相似度：

式中：

γ(u,i,T)，γ(u,j,T)——用戶u對于業(yè)務(wù)i，j的興趣偏好，若無此業(yè)務(wù)訂購行為，則該興趣偏好值置為0

b）根據(jù)歷史訂購行為計算業(yè)務(wù)預(yù)測分值：

式中：

k——待預(yù)測業(yè)務(wù)

N(u)——用戶u訂購過的業(yè)務(wù)集合

M(k,L)——與業(yè)務(wù)k相似度最高的L個業(yè)務(wù)集合，就待推薦業(yè)務(wù)而言，只需要選擇該類業(yè)務(wù)預(yù)測分值較高的用戶即可

4 視頻業(yè)務(wù)營銷

隨著微信、支付寶等為代表的移動支付的快速發(fā)展，傳統(tǒng)計費(fèi)業(yè)務(wù)由于使用話費(fèi)支付，且較官方定價存在不同程度的溢價，種種因素導(dǎo)致電信運(yùn)營商計費(fèi)業(yè)務(wù)出現(xiàn)萎縮趨勢。為了穩(wěn)定計費(fèi)收入，針對計費(fèi)業(yè)務(wù)持續(xù)開展拉新、促活類精準(zhǔn)營銷活動，向目標(biāo)用戶群體通過駐留推送等觸點(diǎn)發(fā)送相應(yīng)的廣告文案。

以愛奇藝視頻會員包月計費(fèi)業(yè)務(wù)拉新為例，選取2018 年1 月至2019 年7 月期間的計費(fèi)業(yè)務(wù)數(shù)據(jù)，通過基于物品的協(xié)同過濾推薦算法，計算每個用戶對于愛奇藝包月業(yè)務(wù)的推薦預(yù)測分值，并選取25萬目標(biāo)用戶進(jìn)行廣告投放。營銷推薦中采用3天訂購轉(zhuǎn)化率作為衡量指標(biāo)，即依據(jù)投放后72 h 內(nèi)愛奇藝會員訂購用戶數(shù)占比作為參考。

為準(zhǔn)確評估協(xié)同過濾算法的效果，同時按照標(biāo)簽規(guī)則選擇2組用戶（高價值用戶：月度啟動愛奇藝客戶端8 次以上，且增值費(fèi)大于120 元；視頻重度用戶：近10 天內(nèi)增值業(yè)務(wù)費(fèi)大于50 元，且視頻類流量較高）和隨機(jī)用戶群體各30 萬進(jìn)行投放比較，其3 天訂購轉(zhuǎn)化率結(jié)果如圖5所示。

圖5 不同用戶群體訂購轉(zhuǎn)化率提升效果對比（歸一化）

從圖5 可以看出，協(xié)同過濾算法訂購轉(zhuǎn)化率是隨機(jī)組的66.5 倍，而高價值群體則是隨機(jī)組的11.4 倍，視頻重度用戶轉(zhuǎn)化率是隨機(jī)組的34.0 倍，說明基于物品的協(xié)同過濾算法在電信運(yùn)營商計費(fèi)業(yè)務(wù)的精準(zhǔn)營銷中具有較好的轉(zhuǎn)化效果。

5 結(jié)論

通過電信運(yùn)營商計費(fèi)增值業(yè)務(wù)復(fù)購行為進(jìn)行分析，發(fā)現(xiàn)復(fù)購客戶的訂購次數(shù)與累計用戶數(shù)近似服從冪律分布，且不同業(yè)務(wù)之間存在著相關(guān)性。通過復(fù)購概率進(jìn)一步構(gòu)建業(yè)務(wù)興趣偏好，提出了基于復(fù)購行為的協(xié)同過濾推薦算法，并在愛奇藝視頻會員實際營銷中取得了較好的訂購轉(zhuǎn)化率效果。