隨著大數(shù)據(jù)時(shí)代的到來(lái)，用戶獲取信息途徑的多樣化和消費(fèi)行為的復(fù)雜化，使得傳統(tǒng)無(wú)差別、粗放式的營(yíng)銷手段已經(jīng)逐漸過(guò)時(shí)，傳統(tǒng)營(yíng)銷模式定向模糊、精準(zhǔn)度低的弊端已經(jīng)逐漸顯露出來(lái)，收效越來(lái)越低，千人千面精準(zhǔn)營(yíng)銷應(yīng)運(yùn)而生。精準(zhǔn)營(yíng)銷是基于用戶的歷史數(shù)據(jù)、偏好、行為、消費(fèi)、位置等多維度屬性，抽象劃分出多類實(shí)體的特征，利用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)挖掘與分析，將特征抽象、人群圈定、定向營(yíng)銷、效果分析形成閉環(huán)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。
電信運(yùn)營(yíng)商擁有海量的用戶個(gè)人信息和用戶行為記錄，如何利用好這些數(shù)據(jù)，從中挖掘洞察出每個(gè)用戶的需求和偏好，從而建立全面完善的用戶畫(huà)像，更好的助力業(yè)務(wù)人員進(jìn)行精準(zhǔn)的業(yè)務(wù)推廣和引導(dǎo)成為挖掘數(shù)據(jù)價(jià)值的重要手段。
面向電信運(yùn)營(yíng)商，通過(guò)對(duì)用戶數(shù)據(jù)的分析挖掘，構(gòu)建準(zhǔn)實(shí)時(shí)、日、月的用戶畫(huà)像，助力用戶個(gè)性化推薦、活動(dòng)精準(zhǔn)投放、營(yíng)銷決策支撐、多類場(chǎng)景賦能等，提升營(yíng)銷精準(zhǔn)性，增加用戶覆蓋率，大幅降低企業(yè)營(yíng)銷成本。
利用大數(shù)據(jù)和AI技術(shù)，大模型與小模型結(jié)合，聚焦電信業(yè)務(wù)場(chǎng)景，構(gòu)建和豐富標(biāo)簽體系，提升標(biāo)簽的深度和廣度。構(gòu)建大數(shù)據(jù)標(biāo)簽管理平臺(tái)，圍繞標(biāo)簽管理、事件引擎、客戶分析、活動(dòng)評(píng)估，從實(shí)時(shí)營(yíng)銷能力支撐、實(shí)時(shí)數(shù)據(jù)感知優(yōu)化、事件識(shí)別及執(zhí)行、智能策略推薦、營(yíng)銷服務(wù)提升、效果評(píng)估等方面入手，全面支撐實(shí)時(shí)營(yíng)銷場(chǎng)景落地；圍繞擴(kuò)群、提質(zhì)、維挽，實(shí)現(xiàn)多場(chǎng)景、多渠道、多觸點(diǎn)精準(zhǔn)營(yíng)銷和服務(wù)，精準(zhǔn)匹配產(chǎn)品和策略，開(kāi)展智慧營(yíng)銷，賦能一線渠道觸點(diǎn)。
畫(huà)像標(biāo)簽：利用大數(shù)據(jù)技術(shù)精準(zhǔn)刻畫(huà)用戶畫(huà)像，結(jié)合產(chǎn)品畫(huà)像，解構(gòu)用戶及產(chǎn)品，將用戶的基本屬性、套餐屬性、行為特征、資源使用情況等數(shù)據(jù)抽象形成多維度用戶標(biāo)簽，最終通過(guò)標(biāo)簽組合劃分目標(biāo)客戶群體，達(dá)到精準(zhǔn)營(yíng)銷的目的。
事件管理平臺(tái)：基于用戶的通話行為、消費(fèi)行為、上網(wǎng)行為、訂購(gòu)行為、客調(diào)隨銷數(shù)據(jù)等，實(shí)時(shí)捕獲滿足業(yè)務(wù)規(guī)則的人群用戶，通過(guò)事件管理平臺(tái)告警潛在風(fēng)險(xiǎn)并實(shí)行實(shí)時(shí)管控，或進(jìn)行實(shí)時(shí)營(yíng)銷推薦。
大模型應(yīng)用：建設(shè)大模型在營(yíng)銷服務(wù)各環(huán)節(jié)中的加載應(yīng)用。通過(guò)語(yǔ)言模型和場(chǎng)景創(chuàng)新開(kāi)發(fā)智能質(zhì)檢、商機(jī)挖掘、話術(shù)豐富、知識(shí)庫(kù)問(wèn)答和數(shù)據(jù)標(biāo)注模塊。本地化部署的大模型模塊可以為營(yíng)銷人員提供在事前、事中、事后的參考和指引。
模型構(gòu)建：利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法挖掘用戶潛在需求和偏好，從增加用戶粘性、保有存量用戶、拉新增量用戶及預(yù)警用戶流失等場(chǎng)景出發(fā)，搭建數(shù)據(jù)模型。
標(biāo)簽管理平臺(tái)作為畫(huà)像標(biāo)簽、事件觸發(fā)、專題分析及模型構(gòu)建的底座，輔助標(biāo)簽規(guī)格管理、標(biāo)簽上下線審批，同時(shí)針對(duì)標(biāo)簽的調(diào)用和飽和度輸出分析。在事件模塊中監(jiān)控事件運(yùn)行情況、分析事件活動(dòng)成效和配置事件規(guī)格。針對(duì)標(biāo)簽、事件、模型、專題的應(yīng)用和其對(duì)應(yīng)活動(dòng)，輸出評(píng)估結(jié)果，從而形成閉環(huán)。
某省級(jí)電信運(yùn)營(yíng)商精準(zhǔn)營(yíng)銷項(xiàng)目
通過(guò)對(duì)運(yùn)營(yíng)商用戶數(shù)據(jù)的歸集、分析挖掘和用戶畫(huà)像，實(shí)現(xiàn)用戶個(gè)性化推薦、活動(dòng)精準(zhǔn)投放、營(yíng)銷決策支撐、多類場(chǎng)景賦能、活動(dòng)評(píng)估等。如：事件場(chǎng)景觸達(dá)中，預(yù)警事件每周可觸發(fā)提醒2000+用戶?；緺I(yíng)銷事件每周客觸派單1600+個(gè)用戶，成功率達(dá)50%以上；通過(guò)經(jīng)營(yíng)過(guò)程跟蹤分析，對(duì)客觸情況需求跟蹤，感知客戶習(xí)慣，洞察客戶偏好，制定營(yíng)銷策略和方案，提升營(yíng)銷效率；套餐推薦模型利用相似度算法建模生成“TOP N”推薦列表，幫助用戶決策套餐最佳方案；反欺詐模型利用大數(shù)據(jù)技術(shù)進(jìn)行實(shí)時(shí)分級(jí)預(yù)警處置，命中率在60%以上，通報(bào)率排名位居集團(tuán)前列。
浙公網(wǎng)安備33011002016044號(hào)
浙B2-20090105-1