移动互联网技术的高速发展和智能终端的快速普及，使各行各业的数据流量爆炸式增长，也使得传统通信市场趋于饱和;因此如何保有用户、提高价值成为运营商研究的新课题。文章分析存量经营的必要性及面向存量经营的精准营销流程，以用户画像为基础，阐述用于支撑内部存量经营的精准营销实践，为电信运营商的发展方向提供了思路。
引言
传统通信市场的日趋饱和，引发了运营商对于存量用户的关注，而随着大数据时代的到来，海量用户 数据的深度挖掘为存量经营提供了可能[1]。中国联通早 在2012年就开始在大数据领域做出了诸多尝试：结合内外部数据的分析，剖析用户行为。用户的价值提升是存量经营的最终目的，也是电信运营商需要不断思考的问题。
1 存量经营是运营商的必经之路
1.1 存量经营关系运营商市场格局
存量经营是指在一定时间内，持有一定数量的产品、货物、储备和资产的经营活动方式，运用到运营商 来说，就是针对现有的客户(包含新入网用户)，制定各种营销策略，实现精细化管理、差异化服务，从而实现 客户的保有和价值的提升[2]。 截止到2016年底，中国联通移动出账用户达到2.64亿，其中4G用户约1.05亿，4G渗透率已达39.7%。全年移动用户净增1,151万，移动出账用户 ARPU(average revenue per user，平均每个用户每月 贡献的业务收入)达到人民币46.4元。中国电信移动出 账用户达到2.15亿，而中国移动出账用户达到8.49亿， 其中净增2266万，4G新增用户达2.23亿，如图1所示。从以上数字不难看出，当前的中国通信行业，用户已基本饱和，运营商之间的用户增减绝大部分都是用户转网所致，新增十分有限。
面对这种竞争态势，提高存量用户的价值显得格外重要。在充分竞争的市场中，用户只会选择更好的服务，因此，存量经营，是现今运营商发展的必经之路，只有保有用户，提升价值，运营商才能做到三分天下有其一。
1.2 存量经营是基于场景的数据经营
互联网技术的日新月异，改变了传统的商业模式，运营商也从重资产模式向轻资产转化，比如基站的运维逐渐交由铁塔公司管理，数据正逐渐成为运营商的核心资产。
运营商的存量经营数据主要来源于服务于企业管理、生产运营、 客户服务的IT系统和业务平台。
这些数据提供最核心的基础数据，覆盖面十分广泛，既包括了用户的基础属性信息、语音流量话单信息和终端等数据，又包括了运营商的基站、网络宽带、固定电话等 数据，数据量已经达到PB级别。而这其中，用户身份数据的数据价值最高，也是大数据运营中最重要且需要着重保护的用户隐私数据。在用户使用移动终端上网时，运营商从网络侧进行采集和解析，包括 用户访问APP时产生的流量、上网行为发生的地理位置、访问网站的频次时间等行为数据，为后续用户的行为分析打下了基础。
首先是基础网络覆盖的广泛性，运营商的网络几乎覆盖了所有的生活场景，用户可以随时进行无缝切换，保证了数据的连续性;其次是数据传输的稳定性和安全性，运营商四通八达的传输网络可以保证数据流从源端到目的端的快速有效传输;最后是数据存储的可靠 性，运营商的IDC机房可以海量存储数据源，多重技术保障确保数据安全。
1.3 客户为中心，存量经营贯穿用户生命周期
用户从入网开始就成为存量用户，存量经营要贯穿用户整个生命周期，并根据不同时期的用户特点，针对性向其推介产品和服务。 用户的生命周期如图2所示。
也就是说，存量经营需要对每个客户都要进行差异化服务，满足不同的需求，并对有流失可能的用户进行有针对性的维挽活动，这些动作都是建立在对用户的基本属性、行为进行挖掘分析，将用户进行细化分类的基础上，对每个分类的用户采取不同的营销策略，这也是精准营销的理念所在。
精准营销的基础是对用户有着全面而准确的认知，这些认知就是互联网行业、通信运营商对用户贴 付的用户标签，绘制的用户画像[3]。无论是数据经营，客户服务还是产品策略，存量经营都是运营商未来的工作中心，以被动变主动，以事后变事前，以产品找用户变用户定产品。
2 精准营销是存量经营 的重要手段
精准营销的准确率高在于精准把握了每个用户的多元化需求，在用户需求差异化较大的今天，切实地实现差异化服务需要能准确分析用户需求的方法。用户画像即根据用户的自然属性和消费行为进行建模分析，从而得出的用户标签集合。根据用户的不同标签，可推荐差异化的产品和服务。
2.1 面向存量经营的精准营销流程
精准营销不但提高了营销的准确度和命中率，同时也提高了服务水平，提升了用户的忠诚度，诸多行业已经在精准营销的路上开始了 实践，通信行业也不外如此[4]，精准营销基于运营商的用户大数据，通过大数据挖掘、机器学习等方式进行数据价值的获 取，具体营销流程如图3所示。
1)提取用户画像：用户画像即商业目的下用户标签的集合。运营商制定自有的标签体系，并对用户的语音和流量使用情况进行数据统计和分析，从而确定用户所匹配的相应标签。用户标签可以分为两部分，一是自然标签，包括用户的基础信息、性别、年龄等，二是用根据用户的基础信息和行为数据的归纳和 分析而来的特征标签，如最常用的APP、最喜欢的电商网站等等。根据用户的基础信息和行为信息，对用 户进行360度的属性特征和行为偏好画像。用户标签产品能全方位的了解用户行为特征，为锁定潜在目标 用户群、 营销决策等提供数据支撑基础。
面向存量经营的用户画像要面向细分的营销场景，对画像进行重新排列。用户画像根据基本标签和特征标 签可以分为4个维度。
①基本画像，基本画像是指用户的生命周期画像，根据用户业务使用与需求的匹配程度进行划分。比如体验用户是指需求不明确、入网时间短的初期用户;价 值提升用户是指体验与需求明确、ARPU连续三个月提高，并且流量基本处于超套或高饱和的用户;稳定用户是指对资费不敏感，体验较好的用户;维挽用户是指用 户感知差，投诉多，且ARPU连续三个月下降的用户。价值提升用户和维挽用户是存量经营的重点关注用户。
②行为画像，行为画像是针对用户的通信行为、语音行为、流量行为和权益行为进行绘制的画像，通信行为是指套餐是否饱和、超套，语音流量和短信是 否平衡等;语音行为是指语音(国内、国际)是否满足等情况;流量行为与语音行为类似，指套餐是否饱和、压抑或超套;权益行为指用户对自身的资费是否敏感、优惠活动是否积极等。
③产品画像，产品画像是指用户的标签属性与产品内容、产品特征相结合，互相匹配，从而筛选出每个产品的目标用户群，通过目标用户群中的各项标签，实现产品与用户的精准对接。
④触点画像，触点，即运营商与用户接触的渠道、方式，实体渠道包括客户经理、营业厅和呼叫中心等，电子渠道包括自主终端、网上营业厅、短信营业厅、掌上营业厅和互联网等方式。选择用户最适合的渠道，才能避免用户对营销活动的抵触情绪，提高接受度，达到事半功倍的效果。
2)确定营销基本信息：根据需进行营销活动的企业，确定需要营销产品系列，提取营销的基本信息，以便于后续的营销活动用户定位。
3)寻找用户群：根据营销活动的特点和依据数据挖掘而得的用户行为偏好标签，寻找目标匹配的用户群体。
4)匹配用户群与产品：根据用户群的具体细化标签，匹配系列产品中的某产品，确定向每个用户营销的 具体产品(如10元流量包、5元流量日包等等)。
5)匹配营销渠道：依据用户的渠道接受度相关标签，确定适合该用户进行营销的渠道，如短信、微信和外呼等。
6)渠道触达：通过确定的渠道，真正地接触用户，实施营销行动。
7)评估营销效果：对营销活动的成功率、客户响应率和执行的时效性进行评估，并根据结果对标签提出优化建议，对活动和渠道也进行相应的调整。
2.2 基于用户画像的营销场景
从电信运营商内部来看，随着4G网络的发展和普及，更快更稳定的4G网络已经逐渐代替了3G和2G网络， 而且功能强大的智能终端也在客观上促进了用户向4G网络转变，因此，提示用户升级网络，成为运营商的一个重 要任务[5]。在此场景下，电信运营商做出了精准营销的方案。其精准在于不同网络终端用户的识别和推荐。
例如：有使用某运营商3G网络的用户A，根据其 用户情况，应提示其进行4G网络的升级。用户登录网上营业厅或掌上营业厅后，根据其用户资料，弹出提示框，提示当前最近的营业厅，可进行换卡业务和最新 的4G套餐。根据用户当前所在位置，若接近实体营业厅，则通过短信等方式提示其到最近营业厅办理相应业务。再举个例子，增值业务推荐，建立增值业务推荐模 型，提取一批定制了100M-10G 5个档位不等的流量的用户，通过模型训练，获取了用户消费行为与其订购流量包之间的关联关系。每天定时地提取一批用户，运行模型，提取其中有可能订购流量包及相应业务档级的用 户，个性化地向其推荐流量包，在提高用户的ARPU的同时，避免了用户自行查询流量增值业务的麻烦，提高了客户满意度和忠诚度，提升运营商精细化营销和管理的能力。
另外，也可以根据用户的基础信息和业务套餐信息等，提取功能因子，建立评分体系，对用户的信用进行评分，其后根据用户的终端信息、属性信息、消费能力和其他业务套餐信息确定应该向用户推荐的产 品或业务[5]。当然，构建的评价体系也可以开展和其他行业的合作，如与金融机构的用户征信体系进行信息的对比。
2.3 存量经营的精准营销技术实现
2.3.1 营销数据来源
精准营销的数据来源于运营商的整个运营系统内，运营商的数据，以中国联通为例，来源于全国的 省分公司的生产系统，包括CRM系统(客户关系管理 系统)、OCS系统(在线计费系统)和Biling系统(电信企 业计费系统)等等。省分公司，将数据统一传输至集团总部的相应系统存储中，账单、订购关系、客户信息等，存入Oracle数据库，流量日详单等存入Hadoop的 HDFS文件系统或Hive、HBase中，经过统计处理， 再将部分结果存入Oracle数据库中，而营销的基础数 据，就来源于Oracle与Hadoop集群存储这两部分，如 图4所示。
2.3.2 营销技术实现
针对特定的业务场景，比如视频流量用户的定向流量包推荐。使用逻辑回归模型，预测某个用户是否可能 订阅此类流量包。过程如图5所示。
1)从生产系统中选择一个省份提取所有用户，并进 行目标用户提取。对于入网3个月以内的用户，基于有养卡嫌疑等虚假用户的情况，此类应去除掉开机天数小 于15天的用户。一年以内的用户，剔除掉没有开机或使用业务的用户。
2)用户分类平衡。用户中应该包含两部分用户，一部分是订阅过定向流量包的用户，一类是非订阅用户，计算二者比例。实际情况是，一般非订阅用户较多，对数量大的用户进行取样，达到提取部分用户后，与订阅 用户比例在5:5左右。
3)数据建模。建模目标在于，确定用户的个人属性和套餐行为对其订阅视频定向流量包的影响力大小，以便于对其他非订阅用户计算，其订阅视频定向流量包的可能性，并进行相应推荐。
数据模型选取属性，属性个数从几个到几十个不 等，属性包括基础的用户画像(APP偏好、信用等级 等)和使用行为(套餐资费、语音使用时间、流量使用量 等)。可通过皮尔逊系数计算相关性，也可以通过PCA等降维方法对属性过多的情况进行降维，最后选取合适的属性，作为模型的输入。模型的目标值，订阅流量包 的用户为1，未订阅为0。
模型有很多选择，以较常用的二元分类方法逻 辑回归为例，其原理如图6所示。假设输入有三个属 性(实际有很多)，设为A1，A2，A3，目标值为T。 模型训练的过程找到四个系数R0，R1，R2，R3。 T=R0+R1×A1+R2×A2+R3×A3。对T进行变换后， 如公式(1)所示，所得的值最接近真正的值(0或1)。而 R1~R3三个系数是三个属性对最终结果影响力的数值化 体现。模型的实现语言不限，一般为Python、R或Java。
4)实际预测。每个月定时从生产系统中取出一批为订阅的用户，提取他们的属性，即建模过程中选取的属性，将这些数据读入模型，使用训练好的模型进 行预测，即属性值乘以系数后，带入公(1)，会得出 一个0到1的数值，设定阈值，如数值大于0.6，则认为该用户可能预定视频流量包，加入营销名单，否则，忽略该用户。
5)效果评估。对用户进行营销后，计算营销成功率，如成功率较低，重新选取属性，进行模型训练，实现闭环迭代更新。
3 精准营销是多个体系的协同
精准营销不单纯是一个营销行为，从数据挖掘，标签建立，目标人群筛选，再到产品匹配，触点可达，是多个体系的协同。
3.1 丰富的产品体系满足用户个性需求
运营商的出账用户以亿计算，每个用户都有着自己不同的需求，精准营销，不仅仅是推荐给用户与其画像匹配度最高的产品，还要从根本上制定丰富的产 品体系[6]。
举例来说，在移动互联网发展迅速的今天，流量成为每个用户不可或缺的需求之一。每个用户的流量使用 需求都不尽相同，所以，从10M~10G的流量包如何划分档级，日包、月包、季包和年包的售价定价，这些都是实现精准营销的产品基础。没有丰富的产品体系，则无法推荐最适合的产品给用户。以中国联通的流量包体系为例，大分类分为日包、月包、半年包、假日包、加油包、视频包和国际包。视频包是定向流量包，针对使用联通网络和各个视频平台的用户，对此类用户，最大程度上细化其流量使用需求，真正实现了产品的精准营销，提高了用户的价值。图7是中国联通流量包分类及部分产品售价图。
3.2 建立存量用户的标签体系
精准营销的标签是精准营销效果的基础保证，如数据建模过程，其作为输入属性，如标签不准确势必导致营销活动成功概率低，因此用户标签需要时时更新。
用户的标签体系主要可以分为用户基础标签、用户行为标签、用户产品标签和用户渠道触点标签。每个标签都不是固定不变的，随着时间的流逝和客户自身的成长，用户的标签自然会变化。如一些持续性较短的标 签，像“购车潜在用户”、“手机余额不足10元”等等，这些标签需要时常重新判断用户是否具有。而一些中长期的标签，像自然属性“学生”、“信用度”等，也要在一定周期内进行重新计算打标。用户标签体系如 图8所示。
标签的提取方式主要有两种，一是统计学意义上 的，比如用户“使用最频繁的APP”，“每个月平均出账”等等;二是通过建立复杂模型而提取的标签，如“用户是否流失”、“用户是否为三口之家”，通过用户的一些基础属性和行为，建立模型，推算用户目标标签。这两种标签的更新方式也有所差异。统计意义上的标签，只需重新统计即可更新标签，而通过建立模型得出的标签，不但是需要重复运行用户数据得出标签结果，更多的是需要更新模型，来重新计算用户标签。
无论是什么标签，都会随着社会的发展，移动网络的进步而失效，实时保证标签的及时性和准确性，才是精准营销成功的诀窍。
3.3 营销触点的多元化和直达性
精准营销的执行环节对营销的成功率有着至关重要的作用。从传统的线下现场营销到后来的外呼、短 信和邮件营销，直到现在的全方位网络电信营销(微 信、手机营业厅、网络营业厅、自助终端)，如何用最适当的渠道接触用户，提高成功率，降低投诉率是现在精准营销的一大难题。通信行业最常用的就是外呼和短信，这也是通信行业最畅通的营销方式，然而，很多用户对外呼和短信的方式十分抵触，斥之为电话骚扰和垃圾短信。如何解决这个问题?目前的方式是丰富触点渠道，线下营业厅及工作人员的引导，营业厅中多配置自助终端，网上营业厅设置弹窗提示，微信微博注册公共账号，随时服务用户，手机掌上营业厅实时提示用户各种套餐使用情况等等。丰富渠道的同时，提高渠道选择的精准度，根据历史渠道接触用户的成功率和用户反馈，对用户渠道的接受度要有更精准地定位，不要适得其反。然而，虽然渠道丰富，但目前反馈率最高的还是外呼的方式，而外呼的方式同时也是投诉率最高的方式，目前还没有更好的方式来解决这个问题，这也是电信和其他行业从事精准营销必须解决的问题。另外，在微信、微博等社交软件日益发展的今天，如何利用新型的媒体渠道进行精准营销，也是对通信人的新挑战。
4 结语
面向存量经营的精准营销是结合了先进的数据处理、数据挖掘、数据建模等技术，针对不同人群、不同个体，提供个性化的产品服务。而伴随着移动互联网技术的突飞猛进，运营商之间的竞争只会愈演愈烈，如何保有存量用户，提升价值显得任重而道远。而大数据的开放与融合趋势，也需要运营商跳出传统通信行业的圈子，思考与互联网企业在面对用户时的服务理念和营销理念的差异。秉持互联网的营销思维，利用运营商大数据的天然优势，在建立完整的标签下，不断更新和完善标签体系，针对不同场景给出定制化的短期标签。数据建模过程中，结合不同的业务场景，运用机器学习、深度学习等建模方法，多模型对比，并通过后评估效果，不断优化训练，定期更新数据重新训练，提高模型精度。数举并行，运营商的存量经营将会不断完善。
总之，存量经营要细分客户，针对不同的用户如何制定最合适的营销方案，增加用户黏性，同时提高用户的价值，在相当长的时间内这将是运营商面临的挑战。
