再谈客户分群解读

Qing  20061018

作为旁观者，看同事作客户分群解读的工作，也是别有一番感想。已经将过去总结的一些"小技"贡献出来，并讲解一番。但发现不是那么容易理解。

翻开以往的文章，发现大多说得真是"小技"，是从如何方便解读、如何利用工具的角度去考虑，都是具体方法层面的。譬如作个什么样的图，对变量进行归类。但对于一个不熟悉分群是干啥的人来说，这些还是后续的事情。首先，他们似乎还不明白，为什么要进行分群解读，那些许许多多的变量，如何反映群体的特征。

为什么要分群解读这个问题，当然是比较虚的，没什么可说的，当然，也不容易说清楚。分群是一种对整体进行概貌分析的手段，通过聚类模型神奇地得到若干群体，这些群体之间总是有些区别，群体之间的区别最大，群体内部个体的区别最小。如此而已。如何表示这些区别，就得寻找那些能够反映它们的变量。并且，现在越来越发现，其实最重要的，也就是十个左右的变量。

同事问，用一两个变量来区别一个群体，是不是少了点。我想是够了，那就非常理想了，不大可能能够找出很多区别其他群体的变量，就怕一个变量都找不到。

我想需要对这些变量进行优化，加以分类。不是以前那种从业务角度或者变量形式分类，而是看这些变量反映群体特征的程度大小。看，有的变量是用来区分这个群体的，有的变量是表示所有群体共有特性，值的大小表示一种程度的。

也许这样表述不是非常清楚，还是来举例子。比如说有一群A，他的通话中漫游占比达到80％。而其他群体在这个变量上表现一般，大多在20％以下。而和他接近的，比如有一群B能够达到75%，再看其省内漫游比例这个变量。前者能够达到90％，而后一群只是30％，跟其他群差不多。这样，这两群就有了比较明显的区别。因此，可以称漫游比例是这两个群的"特征变量"，而省内漫游比例是群A的"特征变量"，而非群B的特征变量。

再比如"日通话次数"，这能够反映群体的通话是否频繁。但极少的可能有好几群，极多的也有好几群。它大多只是表示这些群体的通话的频繁程度，却不好将它作为特征，例如这群通话少，那群通话多。可以称之为"基础变量"吧，值在所有群的分布从小到大，比较平均。此种变量诸如消费额、交往圈等。而那种"特征变量"，表现出来的应当是大部分群体相当，只有少数群是异常突出的。

区分了这两种变量，解读的目的就是要挑选出每个群的"特征变量"。嗯，又深入了一步。

Qing 20061019

出去忽悠的时候，说起我们的模型，往往语气强烈地，并且表情夸张地说，"我们考虑了x百个变量"。我们向来是以数量取胜。

变量太多不一定是好事，说明没有重点。而且那些变量之间，大多还存在着些许关联。例如通话时长跟通话次数，这两者一般来说就是正比的关系。都是衡量通话量的因素。

以前，也就是几个月前，我还有一种认为，认为变量越多也就考虑的越周全？那时，也曾经整理过一些变量，并为之分类。但那些大多是从数据角度，将不同角度观察的变量进行变换组合，形成新的变量而已。但若谈到，每个变量都能够衡量客户的什么特征？没有这个答案。那个变量选择过程就像一锅大杂烩，捡起身边能够拿到的材料，青菜、胡萝卜、苹果、香蕉、枸杞、花生…，扔进锅里。有可能，会是奇特而创新的美味。但绝大的可能，是难以下咽的非食物。

还是从分群模型中的变量选择来谈起，这种聚类模型的特点之一，是分群的结果受输入变量的影响比较大。前面的做法，是先全面考虑变量，建模得出结果。这有点自上而下的味道了。现在，换一个思路，从哪些特殊群体来谈起。当然，还是选用电信行业的例子来说事，熟悉。

首先，闭上眼睛，默想五分钟。你能够从身边找到那些具备一些特征的手机通话者呢？有的人通话量高，有的低；有的长，有的短；有的喜欢白天打电话，有的喜欢晚上聊天；有的喜欢发短信，有的嫌发短信太费时间。有的人小心翼翼地使用它，因为是自己付钱，接到电话，看看，如果是熟悉的人，可能挂上电话，用身边的固话回拨过去。有的人就无所谓，即便身边有固话，也是拿起手机就打。还有的人，在地铁上经常可以看到，上班的时候，为打发无聊的时光，端着手机打游戏，或者翻看从网上下载下来的电子树。有的人，一天也听不到他的电话铃声。有的人，整天看到它将手机放在耳旁，或者带着耳机像是自言自语。有的人，讲起电话没完没了，声情并茂，有的人，简短的"嗯"、"好的"、"OK"就结束战斗。有的人，出差在外，大部分时间将通话呼转到本地的另一部手机。有的人，天南海北地跑——他的客户遍布中国。有的人，就在周边城市跑——他的客户都是就近发展的。有的人，就是固定和亲人朋友联系。有的人，交往甚广，一大堆客户、一大堆女朋友。有的人，黑白颠倒，晚上当白天过。有的人生活规律，公私分明，下班之后陪着家人，不打也接任何电话。有的人，看到好玩的新业务就尝试一把，哪怕两天后就退掉。有的人，坚持使用最原始、最简单的功能，语音+短信。有的人，多重身份多枪手，这部手机专门联系这个小蜜，那部手机专门联系那个情人。

枚举这么多特殊的"用户"，肯定不止这些，还能够继续下去，没完没了。这些不同特点的通话者，有些可能是代表性的，很多人都是那样。有些可能真的是异类。但至于到底是代表者还是异类，可以通过最后的分群结果来看。

现在，就可以将枚举出来的这些通话者的"特点"挑选出来形成变量。

衡量通话量多少，日通话次数就够了，通话时长当然也能衡量，但这两个变量关联程度较大，取一个就够了。如果要衡量一个人是喜欢煲电话粥还是长话短说，可以通过单次通话时长来衡量嘛。这个人是喜欢晚上通话还是白天通话？那就搞一个白天/夜里的通话次数比例。这个人是不是喜欢发短信？可以通过短信量在此用户的业务构成比例来衡量，比如叫做 短信比例，可以简单地用短信相对通话量之比。同理，你想这个人是不是上网多，是不是发送彩信多，都可以综合一个上网流量比例或彩信比例，当然，如果一般来说，这些量都是非常小的话，可能也是没有什么意义的，但谁知道呢。这里存在一个问题，就是，是否需要为了加大这些小业务的重要性，而将这些比例的差异弄得大些。例如将分母的单位加大，对整个比例值的差异肯定有影响的。嗯，可能涉及到消除量纲的问题，例如基于折算业务量的计算。流量用KB，短信、彩信用条数、通话用分钟数等。后来总结这些变量的时候，在考虑总体业务成分的时候，不能有太多的业务，不用将短信、彩信一大堆业务都拿来作成分分析，只需要归成大类。例如就分成语音类和新业务类的就可以。
 
衡量长途通话情况，可以用长途比例，只需长途次数比上总通话次数即可。那么他是什么样的长途多呢？可以用长途IP占比，国际、国内、省内、港澳台长途占比来衡量。衡量漫游呢，也是如此，漫游比例，都是在什么范围漫游多呢？ 国际、国内、省内漫游占比即可。

一个人，主要跟哪些人通话呢？看交往圈啊。与某个竞争对手交往圈占比、集团交往圈占比、固话交往圈占比、网内交往圈占比。他是主叫多，还是被叫多呢？主被叫比例啊。那种漫游的客户，在外地时候，是主叫多还是被叫多呢？用漫游时主被叫比例 。一个人，在漫游时，通话行为多少有些变化，除了主被叫，在通话时长上有没有什么特点呢？漫游时单次通话时长。漫游时是不是在乎接听电话，还是呼转出去呢，用漫游时呼转比例即可。

一个人新业务使用情况如何？新业务不少，能不能有一个总的值，用新业务跟语音业务一个比例呢？假设有这么个东东吧，新业务占比。其中，短信、彩信、WAP、上网、游戏…，哪些是他最常用的业务呢？各自进行一个占比吧。

可能，还得考虑行为波动因素。比如趋势如何？这基本只需要大方面的趋势，诸如通话趋势（次数）、新业务趋势（折算量），按照经验，不必细到诸如长途通话、漫游通话之类，新业务也不必细到具体什么业务。趋势是表明这个通话用户是发展可喜的，或是令人担忧的。大部分人可能通话行为平稳，而一部分起伏较大。有没有这样的变量来衡量此特征，姑且就算是幅度吧，同样考虑大方面的通话和新业务就可以了。

可以看到，这些变量都是反映行为特征。我想在分群中，是不应该将用户属性之类的作为变量放进去的。例如性别、年龄、是否高价值客户，因为那些属性本身就已经给他们划分群体了。纯粹使用行为变量来划分群体之后，可以为每群匹配这些属性变量，可以得到更有意思的信息。譬如得到一群喜欢煲电话粥的群体，和性别一结合，发现大部分是女性，那么其余那少量的男性朋友，也就成了稀有品种。（这话我想说明什么问题呢？自己都不明白了）

另外，也没有将消费考虑进去，因为消费涉及到其他套餐、营销活动的影响。例如一阵子，为某些客户办理了特别优惠的套餐。这时将消费作为变量考虑进去，似乎也不太公平，反倒可能产生副作用。

唉，这个问题没有想好。其实这种营销案优惠对行为本身也是有影响的，譬如你送了若干话费，一般情况下，当然也会刺激该用户的通话行为。不过从另一个角度，如果为了便于分析，使用纯粹的行为变量，可能是一种会得到更清晰的结果。因为，即便分出群来，也可以对每一群，是否办理优惠套餐的比例进行计算，那么对于那些还未办理套餐的，岂非就算是目标客户了？嗯，这么想加强我对使用纯粹行为变量来分群的观点。这样可以保持变量的纯净，使的变量之间没有太多的相互作用。
 
如此，最后几乎能够得到一个数目在40左右的变量列表，分门别类，整个世界变得清净了。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友