大数据在电信行业市场客户营销和管理的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇大数据在电信行业市场客户营销和管理的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：随着互联网、物联网技术飞速发展，电信行业产生大量信息，如何将这些大数据应用到电信行业，满足电信行业的现代化发展需求，挖掘蕴藏更大的商业价值，发挥更大的决策力、洞察发现力和流程优化能力。基于此，提出利用大数据在电信行业的客户市场精准营销和客户关系管理应用措施。
关键词：大数据；电信行业；精准营销；客户管理
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）17-0275-02
1概述
随着互联网技术普及与应用，全球数据生成量呈现爆炸式增长从开始的字节、经过KB、MB、GB发展到TB、PB，甚至EB、ZB级，大数据具有4V特征：Volume（数据规模大），Velocity（数据流转快），Variety（数据类型多），Value（数据价值大）。各行业将面临对海量数据的处理和分析，运用大数据技术挖掘出有价值的信息，将是行业发展面临的机遇和挑战。如今大数据在行业领域已经得到广泛应用，取得不错商业价值，如搜索引擎Google、电子商务平台阿里巴巴、亚马逊等。
麦肯锡咨询公司曾经预测：“数据，已经渗透到当今各行业领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。中国移动前董事长王建宙用两句话概括大数据对企业发展重要性：第一，企业利用大数据资源分析处理，运用分析结果，产生新的商业价值；第二，大数据改变了人们观察世界的方法，抽样样本从原来的片面、有选择和数量有限的样本到现在的全体数据、随机性的样本，这样产生的结果说服力强，具有代表性、可行性和实用性。
电信运营商采集到数据信息，这些数据来源广、数据类型丰富和关联性强等特性。有财务收入、业务发展量等方面结构化数据，还要涉及文本、图像、动画、音视频等非结构化数据。信息来源渠道有电子渠道、实体渠道及直销渠道等途径。有的来源于终端信息、位置信息、互联网行为、用户身份、网络信息节点、CRM信息及消费行为，也会涉及公众客户、政府客户、企业客户和家庭客户。如何充分利用这些大数据，挖掘分析更大的价值，提高运营商经济效益，笔者重点就如何充分利用大数据在电信行业市场与精准营销和客户关系管理两个方面进行分析。
2市场与精准营销
电信运营商通过各种商业化平台采集到大数据，通过数据分析，可以洞察客户的消费心理与消费行为，可以帮助企业定位合适的客户，选择合适的推广内容和渠道、优化产品质量。
2.1客户画像
客户画像就是对客户信息进行标签化，分析客户行为、生活、消费习惯，为企业提供精准的用户群体和用户需求等信息。客户画像是大数据运用的根基所在，一个完整用户画像有战略解读、建模体系、维度分解和应用流程四个阶段。而电信运营商可以根据客户基础属性、位置信息、互联网行为等丰富的数据资源，为每个客户打上人口统计学特征、消费行为和上网行为标签，并借助数据挖掘中关联规则分析、聚类算法分析、RFM模型（Recency最近一次消费、Frequency消费频率、Mone-tary消费金额）等手段对潜在客户进行分群，完善客户的360度画像，提升广告投放的精准度。
2.2关系链研究
关系链研究就是大数据之间关联分析，通过大数据之间关联性，寻找商机。电信运营商可以通过分析客户通讯录、通话行为和社交圈等数据信息，开展交友圈交往信息，通过社交网络对用户进行分析，通过大数据分析方法发现朋友圈关键人员，如家庭、政治和企业的重要客户，寻找圈子营销机会。为提高营销精准度，假设通过朋友圈大数据分析有很多高流量的用户，我们就可以向这部分群体推荐4G套餐业务，还有在这部分高流量用户群体中，发现有异网用户存在，我们就可以向这类人群推广4G业务，从而把异网高流量用户引导我们的网络，从而扩大消费群。
2.3精准营销和实时营销
精准实时营销就必须依靠先进的技术手段实现，就是在合适时间和合适地点给合适用户推荐合适的内容及产品。首先对客户特征的深入分析，建立客户基本信息、资费套餐、终端设备类型等信息，然后在网络上精准匹配，满足客户需求基础上选择合适时机，合适方式推广合适产品，实现精准营销。可以根据用户终端偏好、合约机到期时间、消费能力等信息，及时捕捉特征时间，从而预测客户购买需求，通过短信、呼叫和营业厅等渠道投放营销广告。在精准营销方面，英国O2免费推出WiFi服务就是一个例证，该服务积累更多用户，收集大量用户数据，是运营商做媒体广告和营销的基础。
2.4个性化推荐
为进一步提升客户体验和感知，以适应市场需求，通过观察客户数据，预测客户行为关联性，为客户提供个性化服务和营销方案。利用客户终端信息、消费特征、行为习惯和交友圈等客户数据仓库，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制；或在应用商城、电商平台和社交网络实现个性化推荐。
3客户关系管理
3.1客服中心优化
客服中心是运营商和客户接触最多的部门，拥有大量的客户呼叫行为和需求基础数据。运用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径和等候时长，并关联客户历史接触信息、业务特征、客户机型等数据，在客户投诉智能识别系统，运用大数据进行智能语义文本分析，识别热点问题及用户情绪，及时预警和优化，降低客户投诉率，每年节约成本达到数百万。
3.2客户生命周期管理
客户生命周期管理是按照客户关系发展分为新客户获取、客户提升、客户成熟、客户衰退和客户离网五个阶段，关于客户生命周期划分，不同＜矣胁煌阶段，个人认为将客户生命周期分5个阶段还是比较适合电信运营商的实际情况。在新客户获取阶段，我们可以通过算法挖掘和发现潜在客户，通过合适渠道提供合适价值定位；在客户提升阶段，通过关联规则技术，挖掘商业通过刺激需求产品组合和服务组合进行交叉销售，培养高价值的客户；在客户成熟期，可以通过大数据分类分析、聚类分析和RFM方法进行客户分群并进行精准推荐新产品，对培养客户忠诚度；在客户衰退期，利用大数据进行客户预警机制，提前发现高流失风险客户，及时推出新产品，延长生命周期；在客户离网阶段，利用大数据挖掘技术赢回客户，国内外运营商在客户生命周期管理方面有很多成功案例。如T-Mo-bile公司采用Informatica平台，通过大数据综合分析客户流失的原因，使某一季度用户流失率减半。
4结束语
总之，电信行业在大数据运用方面虽然取得一定的业绩，但仍然处于探索阶段，未来大数据具有很大的成长空间，不仅要在运营商内部运用，还要利用外部大数据进行商业化。打破电信行业数据孤岛和信息共享性差的问题，这个问题存在有客观原因，由于国内运营商管理机制基本上都是区域化运营，数据分别存储在各区域分公司，甚至连分公司内部不同的业务数据都没有真正共享。但我们要相信：互联网和大数据没有边界，电信行业一定会利用自己良好互联网平台采集到大数据，为行业发展寻找新的商机。