李晓辉

摘 要 本文从目前移动通信高价值用户识别的市场需求背景，以及目前识别方法的不足出发，结合大数据关联分析，挖掘用户的行为习惯、消费行为等信息，提炼出能反映移动通信用户价值的关键指标：净现值（J），潜在价值（Q），忠诚度（Z）以及信用度（X），并结合计算方法，构建识别模型，实现移动通信高价值用户的精准识别。

关键词 ARPU;KPI;BOSS

（1）ARPU：RPU（ARPU-AverageRevenuePerUser）即每用户平均收入。用于衡量电信运营商和互联网公司业务收入的指标

（2）KPI：关键绩效指标（KPI：Key Performance Indicator）是通过对组织内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目标的工具，是企业绩效管理的基础。

（3）BOSS：业务运营支持系统（Business & Operation Support System），面对客户是统一的;面对业务运营商，它融合了业务支撑系统（BSS）与运营支撑系（OSS），是一个综合的业务运营和管理支撑平台，同时也是真正融合业务的综合管理平台。

1 概述

目前，在移动通信行业中高端客户和低端客户的识别区分主要是依据用户ARPU值并加上特定的用户标签（集团客户，党政军等主观特定标签）来进行粗略评价。ARPU值在衡量运营商客户质量方面的局限性越来越明显，其不足主要表现在：忽略成本、忽略资费调整的影响、忽略规模效应等。另一方面，ARPU值评价的仅仅是客户的当前价值，没有涉及客户的潜在价值，因此无法完成在整个生命周期上客户价值评价。

为实现客户价值最大化提出提升策略，从而为移动通信运营商的经营管理提供科学的依据。通过高价值客户特性的分析，并针对这些用户进行保有客户价值管理以及通过产品升级和优质服务提升客户价值，并且保持客户对企业的忠诚度，提高高价值客户在网率[1]。

2 识别模型探讨

本模型的原理框图如下：

移动通信用户价值评估模型由4部分组成，分别是净现值、潜在价值、忠诚度以及信用度，详细的描述定义以及计算方法如下：

2.1 净现值（J）

主要体现为ARPU，ARPU值考察客户在当前时期内对运营商的平均货币贡献。

以下是净现值的计算公式：

净现值（J）=全年ARPU/12月，即年度月ARPU均值，入网不足一年用户按实际入网月数平均。

2.2 潜在价值（Q）

本方法挖掘用户的潜在价值通过以下四个指标：

（1）ARPU增长率（Q1）：指用户的ARPU趋势是增长还是衰退，反映用户可能成为高价值用户的潜力;

ARPU增长率（Q1）=（本年ARPU一上年ARPU）/上年ARPU

（2）新业务接受度（Q2）：反映用户对于新业务的接受程度，是高价值用户的成长指标;

新业务接受度（Q2）=新业务收入/总ARPU

（3）特殊用户（Q3）：包括家庭网主号以及开通国际漫游用户，取自运营商BOSS系统数据;

（4）重要客户（Q4）：是指运营商BOSS系统定义的重要客户：如集团客户经理，政企要人，社会名人等;取自运营商BOSS系统数据。

2.3 忠诚度（Z）

客户企业忠诚度指标：客户是企业最大的价值所在，特别是高价值的老客户是企业利润稳定的基石。

通过分析研究 ，本方法定义了3个客户忠诚度的重要衡量指标。

（1）在网时长（Z1）。客户在网时长是指该客户在注册使用该运营商业务至目前的活跃时长，时长越长忠诚度越高;该数据取自运营商BOSS系统;

（2）用户投诉解决率（Z2）。指客户对于运营商提供的产品和服务不满意，提出投诉申告后的解决比率。

投诉用户的诉求无法得到满足必然对客户忠诚度产生较大损害，并带来离网风险。该数值越高用户的忠诚度越高，数据取自运营商BOSS系统;

（3）用户业务捆绑率（Z3）。运营商企业采用送终端、预存赠送话费，多业务叠加优惠等方式对客户进行捆绑，增加客户黏性;该数值越高用户的忠诚度越高，数据取自运营商BOSS系统。

2.4 信用度（X）

本方法中的信用度，是指在移动通信业务运营中，用户拖欠缴费的程度，从不欠费的客户属于信用度高的客户，

信用度（X）=1/（1+全年欠费次数），当连续欠费时，欠费次数以10天为周期计数为1累加。

2.5 移动通信用户价值评价方法

移动通信用户价值得分=

2.6 移动通信高价值用户识别方法

在本节（5）中，通用值设定如下：移动通信用户价值得分大于等于80分的用户，定义为高价值用户，该值可根据不同的运营商以及不同的区域进行设置[2]。

3 应用验证

该模型在广东某运营商某地市进行了实验验证，提取用户样本23.6万，按照此模型，得分门限设置为80分，挖掘出高价值用户数2.81万人，与该运营商BOSS系统定义的高价值匹配度超过85%，并多出16.7%，经人工核验，超出这部分人员多为潜在的高价值用户，有较高的留存价值以及挖潜价值，该评估模型给运营商提供了市场营销以及客户维系的评估依据，且大大提高了评估的准确率。

4 结束语

通过对高价值客户判断基本要素分析，构建高价值客户的判定基准和识别模型。为实现客户价值最大化提出提升策略，从而为移动通信运营商的经营管理提供科学的依据。通过高价值客户特性的分析，并针对这些用户进行保有客户价值管理以及通过产品升级和优质服务提升客户价值，并且保持客户对企业的忠诚度，提高高价值客户在网率。

参考文献

[1] 高杰.客户交互价值评价、分类及其使能技术的应用研究[D].上海：上海财经大学，2006.

[2] 劉群.基于信息熵改进模糊聚类的银行个人客户细分研究[D].哈尔滨：哈尔滨工业大学，2005.