互联网用户行为分析方法论

0.51% 1.18% 4.80% 12.45% 29.72% 75.95% 8.33%
捆绑用户:平 均流失率 8.33%，但是 其中低稳定用 户流失率超过 30%。
稳定度级别 流失用户 总计 流失比例
极高稳定 高稳定 中高稳定 中低稳定 低稳定 极低稳定 总计
2668 189777 13416 440009 70425 1074304 231431 1944280 263676 785579 371895 480046 953511 4913995
分析流程 用户行为获取
用户行为分析
用户偏好分析
用户推荐
示例
页面行为（网站抓取）
用户来 源信息
网站访 问频次
网站使 用基本 情况
业务操
作行为
用 户
用户消 费行为
行 为 捕
网站访 捉
问轨迹
用户行为分析 数据分析模型
用户画像模型
用户基本信息
用户基 业务使 数 本属性 用情况 据
同 用户消 用户行 步 费习惯 为分析
匹配精确化：将目标客
户与维系政策建立1对1 的关系，实现维系工作 的精细化
应用效果示例
• 对存量拍照客户保有，改进了用户分析方法，快速识别异动客户并实现全网客 户分层分级，预防存量用户的流失，发展增量用户策略，提升网络感知能力， 深度挖掘用户热点、价值、区域、习惯等，构建完善用户行为模型。
互联网大背景下，大数据能做什么？ 没有大数据会发生什么？
捆绑用户稳定度分级
无捆绑用户稳定度分级
稳定度级别 流失用户 总计 流失比例
极高稳定 高稳定 中高稳定 中低稳定 低稳定 极低稳定 总计
1541 301884 4341 366431 37059 772196 33250 267141 25421 85523 53546 70505 155158 1863680
工作成果
• 实现了对全网用户的稳定度 等级划分
• 与异动模型结合强化了对存 量客户细分
工作成果
• 外呼过程中客户接通率和意 向率都有6个百分点的提升
【流量经营】用户异动模型分析预警
异动模型与双降模型比较分析
56%
53%
25%
33%
31%
0.900%0.01
2.02 1.64
1.96 1.56
9月
10月
维系 圈分析
销场景
基础 功能
应用层面
内容 标签 URL 终端 资源 偏好
库
库
库
库
信息 信息
投诉 信息
功能层面
分析规则模型
标签模型
数据 信息
ELT 网络爬虫
源数据
结构化 数据
半结构 化数据
非结构 化数据
其他数 据
流处理 语义解析
数据封装
网关 接口
业务 办理
信息 交互
1
构建用户价值评估体系
客户价值评估的目的：准确衡量客户贡献度，识别存量客户重要性，实现资源与客户的良好匹 配，提升公司的综合效益。
构建用户全面特征体系架构
构建用户全面特征体系为基础，通过构建用户行为标签体系，聚拢用户的日常行为轨迹信息， 形成相应的行为视图（鱼骨图），全面分析用户互联网行为视图。根据用户画像、用户运动轨迹、 用户鱼骨图等手段，构建精细化流量经营体系。
上层 应用
传统 应用
查询 常规分析
统计图 展现
精品 应用
存量客户 客户交往 实时营
交往圈 粘性
5. 如各种交往圈的广 度、交往圈的客户价 值等相关指标
粘性指数判定因素
浙江某地市粘性客户离网情况
粘性模型客户三个月后在网状态
15% 13.4%
离网率
10%
平均离网率
5%
5.4%
6%
0% 低粘性
中粘性
0.6% 高粘性
上例中，低粘性客户三个月后的总体离网率 最高（13.4%），中粘性客户次之（5.4%） ，高粘性客户最低（0.6%），可以看出，粘 性指数模型能够比较准确地反应客户的稳定 程度
工作内容 • 构建稳定度模型 • 提供低稳定用户名单进行维系
保有
工作内容 • 构建外呼时间段偏好及短号接
听偏好模型，提升接触率 • 外呼脚本优化与二次推荐优化
工作成果
• 截止11月累计外呼异动用户约 51万，接通用户20.6万，意向 用户7.7万，成功用户6.9万
• 截止11月触发17.5万运营位短 信，成功办理2868户
1 价值分析
析
体 系 建
4 构建用户价值场景 完善用户价值体系 提升用户感知能力
4 价值评估 价值体系
立
工作流闭环
数据仓库 2 规则分析
3 规则执行 数据集市
4 结果反馈
营销活动 业务办理
查询订购
红包分享
3 针对性产品
用户互联网运动轨迹 用户互联网行为鱼骨图 用户周边热点区域 价值小区挖掘
3 构建用户数据集市 识别用户业务 用户消费行为
8月
9月
10月
11月
12月
164,478 175,853
88,462
85,020
36,075
27,742
13,181
6,957
120,526
64,820
77,665
47,595
26,808
29,684 19,000
8月
9月
10月
11月
12月
外呼用户数
接通用户数
意向用户数
• 外呼策略：10086和10088主动外呼，推荐 充50得240和充30得120两类政策
• 外呼成效：截至12月，累计外呼量约63.4 万户；接通用户25.3万户，接通率40%； 意向用户9.56万，意向率37.66%；成功用 户8.7万，成功率34%。
【流量经营】稳定度模型改变以捆绑论稳定模式，实现全量保有
• 与现有捆绑体系来判断用户稳定性相比，通过稳定度模型区分用户稳 定性，比例结构更合理。
价值指数的实现：采用AHP专家打分法，从收入、成本、影响力、忠诚度四因素进行考虑，可 以将客户分成高价值、中高价值、中价值和低价值四类
• 从忠诚度的角度来衡量客户 的潜在价值，例如网龄、评 价等指标
忠诚度
收入
价值指数
• 较大影响力客户存在着潜在的价值 • 通过交往圈来评估客户的影响力，
如交往圈的广度、交往圈的客户价 值等相关指标
三大指数组合得到24类特征客户，依据价值、粘性及异动特征选出14类需要附着的目标用户。 通过关联客户统一视图得到保有客户特征视图，为后续保有政策精确制定奠定基础。
高粘性
中粘性
低粘性
三
有异动 无异动 有异动 无异动 有异动 无异动
大
高价值 保有
保有 保有 保有 保有
指
中高 保有
价值
保有 保有 保有 保有
• 如ARPU波动情况、长途费用波动 情况等指标
• 如开通异网呼转、新业务取消 等指标
浙江某地市移动客户离网情况
平均离网率
6%
上例中，无异动客户三个月后的总体离 网率为4.6%，有异动客户的离网率达 28.7%，可以看出，有异动客户的维系 紧急程度高，无异动客户维系紧急程度 低
打造三三原则，精准定位附着用户
1.41% 3.05% 6.56% 11.90% 33.56% 77.47% 19.40%
无捆绑用户: 平均流失率 19.4%，但是 其中高稳定用 户流失率低于 3%。
用户偏好分析流程
用户偏好分析是指根据用户业务办理频次、增值业务产品更换时间间隔、商品购买使用 情况、门户网站或移动互联网站停留情况和关注内容等给出的综合评估，用户互联网行为 偏好分析是进行用户互联网行为的精确投放作的基础。
存量用户附着，增量用户发展
来不及:
预警时客户往往已真 实离网，无法进行挽 留
快 实时数据分析，参照异动模型
提前发现流失用户
看不清: 只得到具体名单，难
以准确洞悉全局情况
全 稳定度模型实现全网用户分层分
级，为全网用户保有奠定基础
行不力
知道客户流失可能性 高，现有的接触渠道 和营销策略覆盖不全
存量用户提升网络体验，挖掘用
影响力
• 客户当前贡献收入 • 客户历史收入贡献，如客户前三月
ARPU、前三季度ARPU等指标
成本
• 公司对客户的成本投入情 况，如送终端、送话费/实 物等相关信息
• 高ARPU的客户可能伴随 着高成本的投入
构建用户附着粘性评估架构
客户附着粘性评估的目的：是衡量公司对客户创造的价值，从而识别存量客户的稳定程度。 附着粘性指数的实现：利用决策树模型，从客户基本粘性、虚拟网粘性、新业务粘性、捆绑粘
异动模型提升倍数
异动模型覆盖率
11月
双降提升倍数
双降覆盖率
584,692
每月提供异动外呼名单数
559,317
536,866
400,285
485,554
• 预警2个月后对离网客户覆盖率：异动模型 比双降模型提升20pp；
• 相对平均离网率提升倍数：异动模型比双 降模型提升0.4。
• 从8月开始，系统自动每周一提供日异动名 单，每月六号前提供月异动名单，用于人 工外呼和营业前台推荐。
统计报表
用户画像
用户偏好
功能
栏目
内容 关键 字
浏览 业务办理 话费查询
产品 业务 话费 音乐 视频 阅读
手机支付 应用商城 热点话题
用户推荐
功能推荐 产品推荐 业务推荐 内容推荐
洞察用户需求与偏好特征，实
现价值精准传递
以客户属性和客户行为数据为基础进行挖掘分析和整理,实现产品、服务及促销信息与客户需求偏 好的精确匹配，开展精准投放
行 户热点、价值、区域、习惯等。
增量用户通过老用户带动新用户
【流量经营】精细化存量用户
▪ 与地市公司深度合作，从异动客户识别和维系、客户稳定性分析和营销过程改进 三个方面为地市公司提供运营分析服务。
异动客户识别
客户稳定性分析
营销过程改进
工作内容 • 开发日、月异动模型 • 实现自助化按周、月提供名单 • 完成BOSS运营位营销短信配置
业务维度筛选
价值维
价
价
价
值1
值2
值3
偏好维
偏
偏
偏
好1
好2
好3
业务维
业
业
业
务1
务2
务3
辅助矩阵生成
目标客户矩阵
目标客户分群1 目标客户分群2
…… 目标客户分群n
营销政策矩阵
营销政策1 营销政策2
…… 营销政策n
行为矩阵生成
精确 匹配
用户行为矩阵优势
管理全面化：将所有政
策纳入矩阵管理，覆盖 所有存量价值客户，实 现“不少一个政策，不 漏一个客户”的精细化、 体系化管理
构建用户异动评估体系
客户异动评估的目的：衡量客户异动情况，识别存量客户维系的紧急性程度 移动指数的实现：利用决策树模型，从客户状态异动、费用异动、消费行为异动和异网异动四
大类指标综合评估客户异动情况，最终将客户分成有异动和无异动两类。
异网异动 行为异动
费用异动 状态移动
• 如呼转异网主叫网外时长和次数占比波 动情况等指标 • 如主叫时长和次数占比波动、手机上 网业务量波动等指标
稳定度级别
极高稳定 高稳定 中高稳定 中低稳定 低稳定 极低稳定 总计
流失比例 用户占比
0.86% 2.20% 5.82% 11.97% 33.19% 77.28% 16.36%
7.25% 11.90% 27.24% 32.63% 12.85%
8.12% 100.00%
• 对于有捆绑及无捆绑用户，通过稳定度模型也能区分出不同的稳定度 等级，提供用户维系保有的依据。
保 有
数
中价值 保有
保有
保有 保有
客
低价值
户 特
征
客户
视
…… GPRS
ARPU
统一 年 性 龄别
视图
在终 价 网端 值 时偏 等 长好 级
粘 性 等 级
移 动 等 级
交 往 圈
本 地 时 长
流 量
图
四维分析法构建用户行为矩阵
四维分析法（价值、粘性、异动及需求）从客户价值维、偏好维、业务维等角度出发， 构建目标客户矩阵和保有政策矩阵，实现维系客户的精确定位和保有政策的全面管理，进 而将目标客户群与使用相关业务、消费习惯等进行精确匹配，构建形成用户行为矩阵
性、交往圈粘性等五大类指标综合评估客户粘性，从而将客户分成高粘性、中粘性和低粘性三 大类
1. 如在网时长、优惠 资费、套餐、支付类 型等基础指标
基本 粘性
虚拟网 粘性
2. 如虚拟网活跃 度、虚拟网通话 规模等指标
3. Байду номын сангаас手机邮箱、飞 信等业务使用情况
新业务 粘性
捆绑 粘性
4. 如话费捆绑（短彩 信、邮箱、流量）、 实物捆绑等指标
合约捆绑类型 流失比例 用户占比
实物类 终端类 靓号预缴类 话费类 其他类 无捆绑 总计
2.50% 7.08% 12.65% 14.48% 3.43% 19.40% 16.36%
7.69% 9.71% 0.26% 9.40% 0.44% 72.50% 100.00%
现有捆绑体系：无捆绑 用户占比72.5%，流失率 19.4%。 稳定度模型：识别的低 稳定用户占比只有21%， 但是流失率达到50.3%。
客户行为
客户属性
查询行为
图
表
网购行为
示
意
通话行为
个人属性 业务属性 数 性别 付费类型 据 年龄 套餐资费 挖 收入 业务使用量 掘
支付行为 ……
学历 合约期限 结
喜好 增值服务 果
终端类型 用户捆绑
……
……
提 取
1 客户行为与属性数据的采集准备
2 数据挖掘
1 客户分析信息
客户行为偏好
数据挖掘
分
客户业务喜好 客户渠道喜好
用户价值分析
2000
1500
异
1000
网
500
客
0
户
价
-500
值 1 预 购买 -1000