本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：
终端业务不仅可以提升用户收入，还会对用户维系产生影响，对运营商有重要战略意义。通过机器学习等大数据预测技术，可以精准甄别潜在终端换机用户和用户偏好的终端，为运营商终端精准营销提供依据。模型投产以来终端营销转化率由原先的3%提升至4.5%，效果显著。
关键词：运营商；大数据；终端；机器学习
doi：10.12045/j.issn.1007-3043.2020.04.015
概述
对于运营商，终端营销既可以为公司带来终端收入，提升用户价值，又可以通过终端合约等维系用户在网，减少用户流失。预测用户换机行为可以帮助运营商向用户精准推荐相关终端活动，实现终端成本资源精准投放，完善全省自有终端运营体系，为 5G到来储备终端运营能力。当前终端营销主要通过业务规则等方法筛选目标用户，存在营销成本高、成功率低、无法针对终端市场变化做出快速反应等问题。因此，如何精准预测用户换机行为成为一个亟待解决的问题。
根据用户换机动机可以将用户的换机行为划分为品牌粉丝换机、常规性换机和偶发性换机3种，如图1所示。
图1 终端换机用户划分
a）品牌粉丝换机是指在品牌新机发布时购买新机，或者因为当前同系列旧款机型降价促销等原因，购买该品牌旧款机型。通过分析用户历史终端购买行为，可识别品牌粉丝用户。针对此部分用户，在该品牌终端新品发布时向其推荐相应的机型，将会有较高的营销转化率。
b）常规性换机是指用户周期性的换机行为，而不是由于新机发布、终端活动或者终端损坏等突发性原因产生的换机行为。通过数据分析和机器学习算法甄别潜在换机用户和用户偏好的终端。本文主要研究分析这部分用户。
c）偶发性换机是指因为手机丢失、损坏，或者因为终端促销活动等外界突发因素影响而产生的换机行为。针对此部分换机用户，目前尚无成熟的逻辑进行预判，此部分用户暂不纳入终端预测模型当中。
为了对常规性换机用户进行精准预测，必须解决以下2个问题。
a）哪些用户需要换机。针对此问题，基于机器学习算法建立模型，预测即将有换机行为的用户，输出用户的换机概率，供业务部门综合考虑触点投放，根据用户换机概率进行营销策略匹配。
b）用户需要换什么机型。决定用户终端选择的最重要的因素是终端品牌和价格，在筛选出潜在换机用户的基础上，进一步预测用户的终端品牌和价格倾向，可以给用户推荐其偏好的终端，提高换机营销转化率，增加公司收入。
本文主要贡献如下：通过对用户终端持有情况和终端换机情况进行数据分析，发现用户终端选择及换机规律等；建立算法模型，预测潜在换机用户和用户倾向的终端，为终端精准营销提供数据基础。
