美林针对电信业应用案例介绍20141110
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
及时预警及处理。 ⑤ 投诉对于营销的应用需要加强，以投诉促营销；
20
客户投诉的主要分析方法
智慧数据 财富未来
以投诉工单内容为源头，通过智能文本分词对内容进行分解，生成投诉内容关键字， 实现投诉型工单的分类分级，识别多次投诉、重复投诉和升级投诉等。文本分词模块 根据分词词库将文本内容分解为词条，并统计每个词条的词频。文本分词有多种分词 算法，如：最大匹配法、最大概率法等。最大匹配法分词的基本流程如下：
因素分析
区位因素
点位因素
客户条件
同业协同
竞争态势
环境因素
客流量
人口规模
区域内移动终端 销售水平
渠道市场占有率 情况
道路交通系统便 利程度
客户通信产品购 买水平
区域内社会渠道 力量
与主要竞争对手 的渠道力量对比
区域经济发展状 况
人口年龄结构
区域聚客源数量
人口文化教育水 平
交通便利性条 件
店面可视性条 件
快速发展 移动互联 网客户
提升存量 用户活跃
度
流量 经营
刺激数据 流量增长
提升用户 粘性
目录
智能选址 人流量统计
精准营销 主要内容 4.客户投诉率
智慧数据 财富未来
高维可视化
客户投诉现状
智慧数据 财富未来
长期以来，某市移动通信市场竞争异常激烈，而客户服务质量及满意度作为公司重点 工作之一，在长期的客户投诉流程运作及系统支撑方面都有了较好的基础及沉淀。
• 研究用户内容访问和应用使用记录，分析用户最关注的和最常使用的内容类型，通过用户偏好细分 数据模型，形成用户内容偏好标签库；
用户偏好分类
生活类
娱乐类 沟通交流类 文史教育类 体育博彩类 财经商务类 新闻时政类 电脑网络类 其他类
时尚美女 房产家居 汽车交通 旅游休闲 健康饮食 网络购物 母婴两性 求职就业 实用查询 宠物
2020/3/16
通过这些分析可以辅助进行： 商品选择合适货柜； 广告布置位置选择； 检验促销活动、广告宣传活动效果； 营业员和营业时间合理规划； 营业厅安全防卫；
11
视频分析之人流计数
智慧数据 财富未来
2020/3/16
12
目录
智能选址 人流量统计
3.精准营销 主要内容 客户投诉率
模型应用： 1、应用合格的 模型
营业厅选址影响因素分析
智慧数据 财富未来
营业厅是运营商为广大用户提供电信业务受理、咨询、付费售后服务以及终端销售等服务的场所，它是电信企业与市场和 广大用户联系的纽带桥梁，是企业拓展市场、服务用户的重要途径。
营业厅选址应从“区位”和“点位”两个角度综合考虑，其中，前者主要从公司总体战略、渠道整体网络布局的角度对营 业厅的“潜在服务区域”进行评估，后者主要从店面位置、设施条件等对营业厅的拟选址点进行“优化性”补充评估。
点位因素 停车场面积
营业厅选址评价模型
智慧数据 财富未来
✓ 层次分析法
层次分析方法（Analytic Hierarchy Process）简称AHP，是美国数学家T.L.SATTY教授于20世纪70年代提出的 一种决策思维方法，它是一种定性和定量结合的决策方法。
特点：层次分析法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间 的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较 有效的应用于那些难以用定量方法解决的难题。
从待切 分的字 符串中 去掉上 一步已 加入到 分词结 果中的 字符串， 并重复 第二、 第三步；
综合门户 掌厅 移动梦网 其他
16
流量运营应用结果（一）
智慧数据 财富未来
2020/3/16
17
流量运营应用结果（二）
智慧数据 财富未来
在流量经营精细化上，利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和 业务热点小区，更精准地指导网络优化，实现网络、应用和客户的智能指配。 实际应用场景如下：
步骤：
➢ 建立层次结构模型，该结构模型包括目标层、准则层、方案层； ➢ 构造判断矩阵，从第二层开始构造判断矩阵； ➢层次单排序及其一致性检验 ➢层次总排序及其一致性检验
结果：不同方案评分
应用：在各个领域内都有广泛的应用，如工程计划、资源分配、方案排序、冲突问题、能源系统分析、城 市规划、经济管理、科研评价等。
实施区分忙闲时的优先级策略：一些大量使用P2P 下载的用户对下载的时间没有要求，可以通过闲时的 资费优惠，保障忙时高优先级用户的业务优先级。 实施基于位置的优先级策略：一些用户可能对在商 务区、办公区的移动宽带使用提出更高质量要求，此 时，可以制定专门套餐方案。 实施基于业务的优先级策略：比如，对移动视频类 业务的“忠实用户”，可以量身定制特殊服务，保障 他们享用较一般移动视频用户更高的业务等级，这一 点还适用于行业用户。 实施基于终端类型的业务优先级设置：比如，由于 iPhone套餐绑定用户ARPU值较高，网络可以通过感知 终端类型，从而实现对他们的优先保障。
智慧数据 财富未来
高维可视化
精准营销应用在流量运营中
智慧数据 财富未来
流量经营的根本目标是如何通过网络流量的差异化管理，提升网络资源的利用效率， 将管道中的流量和用户需求进行最高效、最精确的匹配，引导用户流量消费习惯， 提升流量价值，增加流量收入。
2020/3/16
流量经营的核心在于对管 道中大数据的洞察与分析， 包括流量感知（洞察流量 内容，改变无差别Bit流的 认识）、流量采集（多维 度海量数据的高效采集）、 流量分析（用户、终端、 网络、业务、资费等流量 信息的深入分析）等，以 这些可预见因素为基础， 精确匹配终端用户需求。
西安交大-美林数据挖掘研究中心
© 2011 MERIT. All Rights Reserved. MERIT & its logo, are trademarks of MERIT.
目录
1.智能选址 人流量统计
精准营销 主要内容 客户投诉率
智慧数据 财富未来
高维可视化
营业厅选址分析的步骤
智慧数据 财富未来
获取待 切分的 字符串， 并初始 化最大 词长变 量；
从待切分的 字符串左侧 获取候选字 符串，候选 字符串的长 度不大于最 大词长；
检索词库，判断候选字符串是否 在词库中出现。 如果候选字符 串出现在词库中，则将该候选字 符串加入到分词结果中；如果候 选字符串没有出现在词库中，则 不断的从候选字符串的右侧去掉 一个字，直到候选字符串出现在 词库中。当候选字符串为单个字 时，将该字加入到分词结果中。
营业厅选址模型验证
智慧数据 财富未来
采用层次分析法建立营业厅选址的综合评估模型，对已建营业厅选址进行评分，并与其 效益进行对比，若营业厅选址评分与效益成正比，说明此评估模型合理。
已建营业厅
信息采集
效益评估
选址评估模型
效益评分结果 结果对比
模型评分结果
结果一致
结果不一致
合格模型
模型修改
营业厅选址模型应用
其次，根据客户行为偏好，推送合适 的业务，并根据对客户特征的深入理解，建 立客户与业务、资费套餐、终端类型、在用 网络的精准匹配，同时也能做到在推送渠道、 推送时机、推送方式上满足客户的个性化需 求，实现全程精准营销；
2020/3/16
智慧数据 财富未来
深度挖掘用户行为偏好
15
流量用户行为分析
智慧数据 财富未来
用户行为分析对于提高运营效率 、提升用户价值至关重要
14
流量用户行为分析
在流量经营精细化上，主要体现在： 首先，基于客户终端信息、手机上网
行为轨迹等丰富的数据，借助DPI（Deep Packet Inspection，深度数据包检测）技术等， 建立客户超级细分模型，为各细分群组客户 打上互联网行为标签，可以帮助运营商完善 客户的360度画像，帮助运营商深入了解客 户行为偏好和需求特征；
① 公司投诉退费多、重复率较高，投诉原因缺乏深入分析及优化。 ② 重复投诉率高：加强对重复投诉客户的风险风范，另一方面，需要从重复投诉中，
分析出需求营销流程优化的途径。 ③ 目前，投诉分析与通报多为整体投诉通报与指标通报，投诉分类仅到业务一级，
对于具体改善处理，需要进一步细化原因。 ④ 投诉总量大，原因归集、统计分析靠人工，导致部分重大及批量的投诉处理无法
建立模型： 1、参数设置 2、模型 3、模型描述
指标量化： 1、数值型指标 2、离散型或描述性 指标
评价模型： 1、模型评价结果 2、修改后的模型 参数
评估模型结果： 1、模型结果与商 业目标的评估 2、合格的模型结 果
制定计划： 1、制定模型应 用计划 2、制定模型监 控和维护计划
一级指标
二级指标
人口规模
客户通信产品购买水平
客户条件
人口年龄结构 人口教育文化水平
渠道市场占有率
营业厅选址 综合评价
竞争分析
竞争对手数量 竞争对手规模 客流量
商业环境 商圈类型
聚客点数量
遮挡度
可视性 远视度
投影度
200米内公共交通数量 交通便利性
停车场规格
指标划分
量化方法
区位因素 区位因素
区位因素
区域内人口数量
影响因素分析 评价指标体系
选址评价模型
模型验证
模型应用
影响选址因素： 1、区位因素 2、点位因素
候选店址： 1、候选店址A 2、候选店址B
……
因素筛选： 1、删除重复因素 2、删除不重要因素
选择建模技术： 1、模型技术 2、模型假设
评价指标体系： 1、一级指标 2、二级指标 3、三级指标
2020/3/16
明星 摄影图片 动漫星座 幽默笑话 游戏 音乐 影视广播
博客微博 婚恋交友 社区论坛 即时通讯
外语留学 科学技术 院校 文科 小说刊物
体育运动 足球 篮球 彩票
银行商业 商业机会 商务服务 股票证券 广告 支付
新闻 军事
浏览器 下载 IT数码 软件 杀毒 搜索引擎 编程开发
店面方位条件
店面成本
200米内公共交通 系统的站点数量
投影角度
距离街道的远近
租金成本
停车场规格
遮挡度
临近商店的互补 性
装修成本
远视度
与区域中心的距 离
运营成本
营业厅选址综合评价指标体系
智慧数据 财富未来
影响运营商营业厅选址的因素有很多，根据营业厅选址的区位和点位因素，以及业务背景和数据基础，建立营业厅选址综 合评价指标体系：
智慧数据 财富未来
若模型通过验证，则可对候选营业厅网址进行排序，选址最优地址作为营业厅网点。
候选地址 信息采集 评价模型 评估结果
A 86.88 B 78.32 C 73.11 D 69.78
目录
智能选址 2.人流量统计
精准营销 主要内容 客户投诉率
智慧数据 财富未来
高维可视化
营业厅人流量统计
区位因素 区位因素 点位因素 点位因素
区域内竞争对手公司业务的渠道数量 打分的方式，自建自营：5分，自建他营：3分，业务代理网点：1分 每天经过营业厅门口的人数 打分的方式，商业区、混合区：5分，住宅区、文教区、办公区：4分
区位因素 点位因素 点位因素 点位因素 点位因素
指区域周围聚客点（广场、商场、公园等）的数量 打分的方式 打分的方式 打分的方式 200米内公共交通的数量
智慧数据 财富未来
业务痛点：目前营业厅暂无手段统计每天进出营业厅的人数及人流的运动情况，这 些信息对于营业厅来说至关重要，可以用于营销辅助（如产品喜好分析、活动效果评 估等）。
其中蓝线框出的区域为门口区域， 在分析时主要对该区域进行分析。
ห้องสมุดไป่ตู้
主要对区域人员密度进行估计，并统计出相对密度大小， 最终以热力图的形式展现。这样就可以对一天内不同区 域人员流动数量进行判断，以辅助决策柜台设置是否合 理，及了解用户比较喜欢那种机型以控制库存。
业务目标：美林数据挖掘中心通过视频分析技术，为营业厅的人流分析提供支撑。
2020/3/16
10
视频分析在客流统计中的作用
智慧数据 财富未来
通过视频分析技术，可以借助目前在营业厅的视频监控数据，来对营业厅的客流数 据进行多方位精准分析： （1）人流数统计（进出营业厅的人流数、路过营业厅门口的人流数、办理不同业务 的人流数等）； （2）营业厅人流的分布情况； （3）身份证信息的自动提取快速录入； （4）入侵检测自动报警；
参照零售业购买力指数计算得来 客户通信产品购买水平=0.5*（某区的人均可支配收入在当地所占的 比率）+0.3*（地区批发和零售业零售额在重庆所占比率）+0.2*（区 域人口数在当地所占比率）
13-65岁人口比例
区位因素 初等中学、专科以及同等学历以上人口所占比例
区位因素 区域内经营本公司业务的渠道数量占比
20
客户投诉的主要分析方法
智慧数据 财富未来
以投诉工单内容为源头，通过智能文本分词对内容进行分解，生成投诉内容关键字， 实现投诉型工单的分类分级，识别多次投诉、重复投诉和升级投诉等。文本分词模块 根据分词词库将文本内容分解为词条，并统计每个词条的词频。文本分词有多种分词 算法，如：最大匹配法、最大概率法等。最大匹配法分词的基本流程如下：
因素分析
区位因素
点位因素
客户条件
同业协同
竞争态势
环境因素
客流量
人口规模
区域内移动终端 销售水平
渠道市场占有率 情况
道路交通系统便 利程度
客户通信产品购 买水平
区域内社会渠道 力量
与主要竞争对手 的渠道力量对比
区域经济发展状 况
人口年龄结构
区域聚客源数量
人口文化教育水 平
交通便利性条 件
店面可视性条 件
快速发展 移动互联 网客户
提升存量 用户活跃
度
流量 经营
刺激数据 流量增长
提升用户 粘性
目录
智能选址 人流量统计
精准营销 主要内容 4.客户投诉率
智慧数据 财富未来
高维可视化
客户投诉现状
智慧数据 财富未来
长期以来，某市移动通信市场竞争异常激烈，而客户服务质量及满意度作为公司重点 工作之一，在长期的客户投诉流程运作及系统支撑方面都有了较好的基础及沉淀。
• 研究用户内容访问和应用使用记录，分析用户最关注的和最常使用的内容类型，通过用户偏好细分 数据模型，形成用户内容偏好标签库；
用户偏好分类
生活类
娱乐类 沟通交流类 文史教育类 体育博彩类 财经商务类 新闻时政类 电脑网络类 其他类
时尚美女 房产家居 汽车交通 旅游休闲 健康饮食 网络购物 母婴两性 求职就业 实用查询 宠物
2020/3/16
通过这些分析可以辅助进行： 商品选择合适货柜； 广告布置位置选择； 检验促销活动、广告宣传活动效果； 营业员和营业时间合理规划； 营业厅安全防卫；
11
视频分析之人流计数
智慧数据 财富未来
2020/3/16
12
目录
智能选址 人流量统计
3.精准营销 主要内容 客户投诉率
模型应用： 1、应用合格的 模型
营业厅选址影响因素分析
智慧数据 财富未来
营业厅是运营商为广大用户提供电信业务受理、咨询、付费售后服务以及终端销售等服务的场所，它是电信企业与市场和 广大用户联系的纽带桥梁，是企业拓展市场、服务用户的重要途径。
营业厅选址应从“区位”和“点位”两个角度综合考虑，其中，前者主要从公司总体战略、渠道整体网络布局的角度对营 业厅的“潜在服务区域”进行评估，后者主要从店面位置、设施条件等对营业厅的拟选址点进行“优化性”补充评估。
点位因素 停车场面积
营业厅选址评价模型
智慧数据 财富未来
✓ 层次分析法
层次分析方法（Analytic Hierarchy Process）简称AHP，是美国数学家T.L.SATTY教授于20世纪70年代提出的 一种决策思维方法，它是一种定性和定量结合的决策方法。
特点：层次分析法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间 的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较 有效的应用于那些难以用定量方法解决的难题。
从待切 分的字 符串中 去掉上 一步已 加入到 分词结 果中的 字符串， 并重复 第二、 第三步；
综合门户 掌厅 移动梦网 其他
16
流量运营应用结果（一）
智慧数据 财富未来
2020/3/16
17
流量运营应用结果（二）
智慧数据 财富未来
在流量经营精细化上，利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和 业务热点小区，更精准地指导网络优化，实现网络、应用和客户的智能指配。 实际应用场景如下：
步骤：
➢ 建立层次结构模型，该结构模型包括目标层、准则层、方案层； ➢ 构造判断矩阵，从第二层开始构造判断矩阵； ➢层次单排序及其一致性检验 ➢层次总排序及其一致性检验
结果：不同方案评分
应用：在各个领域内都有广泛的应用，如工程计划、资源分配、方案排序、冲突问题、能源系统分析、城 市规划、经济管理、科研评价等。
实施区分忙闲时的优先级策略：一些大量使用P2P 下载的用户对下载的时间没有要求，可以通过闲时的 资费优惠，保障忙时高优先级用户的业务优先级。 实施基于位置的优先级策略：一些用户可能对在商 务区、办公区的移动宽带使用提出更高质量要求，此 时，可以制定专门套餐方案。 实施基于业务的优先级策略：比如，对移动视频类 业务的“忠实用户”，可以量身定制特殊服务，保障 他们享用较一般移动视频用户更高的业务等级，这一 点还适用于行业用户。 实施基于终端类型的业务优先级设置：比如，由于 iPhone套餐绑定用户ARPU值较高，网络可以通过感知 终端类型，从而实现对他们的优先保障。
智慧数据 财富未来
高维可视化
精准营销应用在流量运营中
智慧数据 财富未来
流量经营的根本目标是如何通过网络流量的差异化管理，提升网络资源的利用效率， 将管道中的流量和用户需求进行最高效、最精确的匹配，引导用户流量消费习惯， 提升流量价值，增加流量收入。
2020/3/16
流量经营的核心在于对管 道中大数据的洞察与分析， 包括流量感知（洞察流量 内容，改变无差别Bit流的 认识）、流量采集（多维 度海量数据的高效采集）、 流量分析（用户、终端、 网络、业务、资费等流量 信息的深入分析）等，以 这些可预见因素为基础， 精确匹配终端用户需求。
西安交大-美林数据挖掘研究中心
© 2011 MERIT. All Rights Reserved. MERIT & its logo, are trademarks of MERIT.
目录
1.智能选址 人流量统计
精准营销 主要内容 客户投诉率
智慧数据 财富未来
高维可视化
营业厅选址分析的步骤
智慧数据 财富未来
获取待 切分的 字符串， 并初始 化最大 词长变 量；
从待切分的 字符串左侧 获取候选字 符串，候选 字符串的长 度不大于最 大词长；
检索词库，判断候选字符串是否 在词库中出现。 如果候选字符 串出现在词库中，则将该候选字 符串加入到分词结果中；如果候 选字符串没有出现在词库中，则 不断的从候选字符串的右侧去掉 一个字，直到候选字符串出现在 词库中。当候选字符串为单个字 时，将该字加入到分词结果中。
营业厅选址模型验证
智慧数据 财富未来
采用层次分析法建立营业厅选址的综合评估模型，对已建营业厅选址进行评分，并与其 效益进行对比，若营业厅选址评分与效益成正比，说明此评估模型合理。
已建营业厅
信息采集
效益评估
选址评估模型
效益评分结果 结果对比
模型评分结果
结果一致
结果不一致
合格模型
模型修改
营业厅选址模型应用
其次，根据客户行为偏好，推送合适 的业务，并根据对客户特征的深入理解，建 立客户与业务、资费套餐、终端类型、在用 网络的精准匹配，同时也能做到在推送渠道、 推送时机、推送方式上满足客户的个性化需 求，实现全程精准营销；
2020/3/16
智慧数据 财富未来
深度挖掘用户行为偏好
15
流量用户行为分析
智慧数据 财富未来
用户行为分析对于提高运营效率 、提升用户价值至关重要
14
流量用户行为分析
在流量经营精细化上，主要体现在： 首先，基于客户终端信息、手机上网
行为轨迹等丰富的数据，借助DPI（Deep Packet Inspection，深度数据包检测）技术等， 建立客户超级细分模型，为各细分群组客户 打上互联网行为标签，可以帮助运营商完善 客户的360度画像，帮助运营商深入了解客 户行为偏好和需求特征；
① 公司投诉退费多、重复率较高，投诉原因缺乏深入分析及优化。 ② 重复投诉率高：加强对重复投诉客户的风险风范，另一方面，需要从重复投诉中，
分析出需求营销流程优化的途径。 ③ 目前，投诉分析与通报多为整体投诉通报与指标通报，投诉分类仅到业务一级，
对于具体改善处理，需要进一步细化原因。 ④ 投诉总量大，原因归集、统计分析靠人工，导致部分重大及批量的投诉处理无法
建立模型： 1、参数设置 2、模型 3、模型描述
指标量化： 1、数值型指标 2、离散型或描述性 指标
评价模型： 1、模型评价结果 2、修改后的模型 参数
评估模型结果： 1、模型结果与商 业目标的评估 2、合格的模型结 果
制定计划： 1、制定模型应 用计划 2、制定模型监 控和维护计划
一级指标
二级指标
人口规模
客户通信产品购买水平
客户条件
人口年龄结构 人口教育文化水平
渠道市场占有率
营业厅选址 综合评价
竞争分析
竞争对手数量 竞争对手规模 客流量
商业环境 商圈类型
聚客点数量
遮挡度
可视性 远视度
投影度
200米内公共交通数量 交通便利性
停车场规格
指标划分
量化方法
区位因素 区位因素
区位因素
区域内人口数量
影响因素分析 评价指标体系
选址评价模型
模型验证
模型应用
影响选址因素： 1、区位因素 2、点位因素
候选店址： 1、候选店址A 2、候选店址B
……
因素筛选： 1、删除重复因素 2、删除不重要因素
选择建模技术： 1、模型技术 2、模型假设
评价指标体系： 1、一级指标 2、二级指标 3、三级指标
2020/3/16
明星 摄影图片 动漫星座 幽默笑话 游戏 音乐 影视广播
博客微博 婚恋交友 社区论坛 即时通讯
外语留学 科学技术 院校 文科 小说刊物
体育运动 足球 篮球 彩票
银行商业 商业机会 商务服务 股票证券 广告 支付
新闻 军事
浏览器 下载 IT数码 软件 杀毒 搜索引擎 编程开发
店面方位条件
店面成本
200米内公共交通 系统的站点数量
投影角度
距离街道的远近
租金成本
停车场规格
遮挡度
临近商店的互补 性
装修成本
远视度
与区域中心的距 离
运营成本
营业厅选址综合评价指标体系
智慧数据 财富未来
影响运营商营业厅选址的因素有很多，根据营业厅选址的区位和点位因素，以及业务背景和数据基础，建立营业厅选址综 合评价指标体系：
智慧数据 财富未来
若模型通过验证，则可对候选营业厅网址进行排序，选址最优地址作为营业厅网点。
候选地址 信息采集 评价模型 评估结果
A 86.88 B 78.32 C 73.11 D 69.78
目录
智能选址 2.人流量统计
精准营销 主要内容 客户投诉率
智慧数据 财富未来
高维可视化
营业厅人流量统计
区位因素 区位因素 点位因素 点位因素
区域内竞争对手公司业务的渠道数量 打分的方式，自建自营：5分，自建他营：3分，业务代理网点：1分 每天经过营业厅门口的人数 打分的方式，商业区、混合区：5分，住宅区、文教区、办公区：4分
区位因素 点位因素 点位因素 点位因素 点位因素
指区域周围聚客点（广场、商场、公园等）的数量 打分的方式 打分的方式 打分的方式 200米内公共交通的数量
智慧数据 财富未来
业务痛点：目前营业厅暂无手段统计每天进出营业厅的人数及人流的运动情况，这 些信息对于营业厅来说至关重要，可以用于营销辅助（如产品喜好分析、活动效果评 估等）。
其中蓝线框出的区域为门口区域， 在分析时主要对该区域进行分析。
ห้องสมุดไป่ตู้
主要对区域人员密度进行估计，并统计出相对密度大小， 最终以热力图的形式展现。这样就可以对一天内不同区 域人员流动数量进行判断，以辅助决策柜台设置是否合 理，及了解用户比较喜欢那种机型以控制库存。
业务目标：美林数据挖掘中心通过视频分析技术，为营业厅的人流分析提供支撑。
2020/3/16
10
视频分析在客流统计中的作用
智慧数据 财富未来
通过视频分析技术，可以借助目前在营业厅的视频监控数据，来对营业厅的客流数 据进行多方位精准分析： （1）人流数统计（进出营业厅的人流数、路过营业厅门口的人流数、办理不同业务 的人流数等）； （2）营业厅人流的分布情况； （3）身份证信息的自动提取快速录入； （4）入侵检测自动报警；
参照零售业购买力指数计算得来 客户通信产品购买水平=0.5*（某区的人均可支配收入在当地所占的 比率）+0.3*（地区批发和零售业零售额在重庆所占比率）+0.2*（区 域人口数在当地所占比率）
13-65岁人口比例
区位因素 初等中学、专科以及同等学历以上人口所占比例
区位因素 区域内经营本公司业务的渠道数量占比