《河南公司社会渠道风险监控模型介绍.ppt》由会员分享，可在线阅读，更多相关《河南公司社会渠道风险监控模型介绍.ppt（37页珍藏版）》请在三一办公上搜索。
1、社会渠道风险监控模型介绍,2011年4月,河南公司,背景,批卡,终端机卡分离等,用户重入网,养卡、窜卡、用户低质量,发送垃圾短信,社会渠道风险监控体系,建立违规渠道预警流程，及时处理渠道风险，减少企业利润流失,可能存在的利润流失风险点,随着社会渠道的不断发展，社会渠道的管理要求也日益提高。为了进一步加强对社会渠道的风险监控和管理，依据经分系统，建立养卡、用户发展、终端销售、垃圾短信、重入网、批卡、窜卡、预占号等8个社会渠道风险监控模型，涵盖社会渠道主要风险点，全方位监控目前主要的渠道风险。,社会渠道发展用户重复入网情况监控,展示重复入网预警情况和渠道明细、用户明细,垃圾短信号码开户渠道监控,展
2、示垃圾短信预警情况和渠道明细、用户号码明细,监控社会渠道终端销售中销量异常、机卡分离异常、通话异常、IMEI对应异常等现象,监控社会渠道发展中用户的酬金发放异常、离网停机异常、负价值异常、新业务异常现象,重复入网监控,垃圾短信监控,终端销售监控,异常用户监控,模型介绍说明（1/2）,模型介绍说明（2/2）,养卡监控,预占号监控,窜卡行为监控,批开号码监控,社会渠道窜卡销售情况监控，展示窜卡预警情况和渠道明细、号码明细,社会渠道批量开卡情况监控，展示批开情况预警情况和渠道明细,监控社会渠道通过占号器大量预占号码的行为,监控社会渠道开卡后未的养卡行为,目录,异常用户监控模型,终端销售监控模型,垃圾
3、短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,我们对社会渠道入网的用户，从入网期持续监控9个月，从入网第二月起，每个月进行筛选和判断，逐步筛选疑似养卡用户,选取社会渠道发展的ARPU小于等于100元的用户，且剔除欠费销号、欠费预销号用户（A）；,筛选通信行为一直异常（ARPU低、通话低等）的用户B，经分析B用户大部分具有连续每个月ARPU15，通话次数4，通话对端数4等特点；,个别月份通信行为正常并异于其他月份，其他月份通信行为与1类用户相似（C）,C中剔除通信行为与同渠道其他用户无类似特征的用户后作为D用户，经分析D用户主要特征为：入网
4、后个别月份ARPU20，其他几个月 15，通话次数4，通话对端数4；,对用户入网后持续跟踪分析，排除状态为欠费销号、预销号的用户后，将用户分为两类，1类用户通信行为每个月都类似，且质量较低，养卡期未有导致通信费用突增的套利活动；2类用户入网后个别月份异于其他月份，但其他月份特征与1类用户相似，该批用户可能已有导致通信费用突增的套利行为；将1类、2类用户作为疑似养卡用户，进而筛选养卡渠道。,根据渠道养卡用户规模、占比以及养卡套利情况确定养卡渠道,甄选养卡渠道,1类,2类,1.1养卡行为监控模型说明一,1.2养卡行为监控模型说明二,养卡行为监控模型,监控对象：用户入网第3个月开始将用户纳入监控范围
5、，且监控月用户非欠费销号、欠费预销号用户监控纬度：按月对过去每个月入网的养卡用户进行监控，如当前月为2011.3月，当前月监控结果为2010.62010.12月每个月入网用户当前养卡的数量、养卡渠道数量养卡用户标准：（养卡用户包括监控月状态为正常、报暂停、超信用度停 主叫、超信用度停双向、欠费停机）标准一：用户从入网至监控月，每个月ARPU15，通话次数4，通话 对端数4 标准二：用户从入网至监控月，有一个月的ARPU20，其他几个月 15，通话次数4，通话对端数4养卡渠道预警标准：监控月为当前月，在监控月判断某月渠道发展用户中，（养卡用户大于等于30户，或者养卡用户大于等于20小于30且养卡
6、用户占发展用户80%。），则对该渠道该月发展养卡用户预警,目录,酬金异常离网率、停机率异常 负价值用户占比异常新业务收入占比异常,2.1酬金异常模型总体说明,酬金异常监控：酬金异常监控的主要目标是监控在渠道用户发展酬金发放过程中可能存在的渠道商骗取酬金的行为。渠道商疑似违规行为主要体现在以下几个方面：,酬金异常现象,社会渠道虚假开户后无法完成销售，在用户发放酬金后将虚假开户用户消费水平较低，或利用增值业务进行套利,现象特征,在酬金发放期中，渠道商虚假开户用户消费水平略高于酬金发放标准在酬金发放期结束后，用户消费水平低或消费异常。,社会渠道虚假开户在酬金发放期，通过虚假开户制造业绩，通过虚假业绩
7、领取酬金,2.2酬金异常监控流程,考察渠道发展用户,用户发展酬金发放期中,预警渠道,用户发展酬金发放期结束后,预警渠道,总体目标：监控用户群为渠道过去1-9个月发展的用户中计提酬用户,观察用户在酬金发放期的消费水平,观察用户在酬金发放期结束后的消费,对刚好满足酬金发放条件的用户数20且刚好酬金发放条件的用户比例60%的渠道进行预警,疑似违规用户数量大于60且疑似违规用户比例80%的渠道,2.3酬金异常模型说明一,酬金异常监控模型,监控时间窗口：监控时间为每月监控目标用户为最近1-9个月发展的用户，如当前月为10月，监控的用户为1-9月入网的用户。,酬金发放期异常渠道监控,疑似违规用户标准：“恰
8、好满足酬金发放标准”的用户酬金计提 2次的用户为异常用户。异常渠道标准：监控月，过去1-9个月发展的用户中计提酬用户为（A），“恰好满足酬金发放标准”的酬金计提 2次的用户为（B）。对A20户且B/A 60%的渠道进行预警。恰好满足酬金发放标准：,2.4酬金异常模型说明二,酬金发放期结束异常监控模型,异常用户标准：用户发展酬金发放结束后满足以下条件之一则用户为疑似异常用户。条件一：用户发展酬金发放完毕后，用户有2个月零次 条件二：用户发展酬金发放完毕后，用户有2个月ARPU 5 条件三：用户发展酬金发放完毕后，用户有2个月的新业务占比70%；异常渠道标准：监控月,过去1-9个月发展的用户中计提
9、完用户发展酬金的用户 为（C），C中异常用户数为(D)。对满足C60户且D/C 80%的渠道进行预警。注：不考虑C部分用户状态，即该部分用户监控月状态可能为离网。,2.5离网、停机违规行为分析,离网、停机用户分析：部分社会渠道放号效率低下，往往为了短期利益进行虚假开户放号，在套取酬金后弃卡，浪费大量号卡资源。违规特征：渠道发展用户中离网，停机用户比例异常高,考察渠道发展用户,前6个月发展的用户,最近3个月发展的用户,预警渠道,预警渠道,总体目标：监控用户群为渠道过去1-9个月发展的用户,监控渠道发展用户的离网率和停机率,对满足预警条件的渠道预警,2.6离网、停机异常监控模型说明,离网、停机异常
10、监控模型,监控时间窗口：监控时间为每月监控目标用户为最近1-9个月发展的用户，分为前6个月发展的用户A和最近3个月发展的用户B两部分。渠道预警标准：满足以下条件之一的渠道为预警渠道：条件一，A60户且（A的离网率70%或停机率70%）条件二，B30户且（B的离网率70%或停机率70）,2.7负价值违规行为分析,负价值违规分析：根据用户价值评估模型对用户价值进行评估，可以发现渠道发展用户中用户价值为负的用户，此部分用户对公司实际盈利增长作用为负。产生这种用户的主要原因常见为渠道利用虚假开户用户频繁参加各类营销活动或与SP勾结套利。违规特征：渠道发展用户中负价值用户比例异常高,考察渠道发展用户,负
11、价值用户占比监控,负价值用户户均价值监控,预警渠道,预警渠道,总体目标：监控用户群为渠道过去1-9个月发展的用户,监控渠道发展用户的负价值用户比例,对满足预警条件的渠道预警,监控渠道发展用户的负价值用户的户均价值,对满足预警条件的渠道预警,2.8负价值违规监控模型说明,负价值违规监控模型,监控时间窗口：监控时间为每月监控对象为最近1-9个月发展的用户，如当前月为10月，监控的用户为1-9月入网的用户。负价值用户标准：用户价值评估模型评估用户价值为负的用户。,负价值违规比例监控,疑似违规用户：渠道发展用户中，状态为非离网的用户为（A），A中用户为负价值用户月数2 的用户为(B)；（如1-9月份中
12、，用户有任意两月用户价值评估价值为负，则用户为违规用户。渠道预警标准:对满足以下条件的渠道进行预警：A 40且B/A 50%,负价值用户户均价值监控,疑似违规用户：过去1-9个月渠道发展用户中非离网用户中监控月当月用户为负的用户，如10月观察到的前9个月放号且9月份用户价值为负的用户。渠道预警标准，对满足以下条件的渠道进行预警：监控月负价值用户数量40户且该部分用户户均价值-20（元）,2.9新业务违规行为分析,新业务违规分析：新业务发展中，经常利用营销活动对新业务进行推广宣传，刺激用户使用。在此过程中，社会渠道经常利用手中闲置号卡订购新业务产品，通过结算获利。违规特征：渠道发展用户中用户新业
13、务消费情况异常,考察渠道发展用户,新业务Arpu占比监控,总新业务费用监控,预警渠道,总体目标：监控用户群为渠道过去1-9个月发展的用户,监控渠道发展用户的新业务arpu占比,监控渠道发展用户的合计新业务arpu异常,对满足预警条件的渠道预警,2.10新业务收入监控模型说明,新业务收入监控模型,监控时间窗口：监控时间为每月监控对象为最近1-9个月发展的用户，如当前月为10月，监控的用户为1-9月入网的用户。疑似违规用户标准：满足以下条件之一则为疑似违规用户。条件一：1-9个月中，用户新业务费用 10元且占比超过70%2个月的用户条件二：1-9个月中，新业务费用大于100 2个月 的用户 渠道预
14、警标准：监控月时，渠道前1-9个月发展用户（监控月非离网用户）50户且其中疑似违规用户占比 70%,目录,3.1终端销售监控模型说明一,终端销售预警分为三类形式的预警：每日预警监控每日的终端销售销量，通过当日终端机型销量和前五日终端销量合计比较，对销量波动较大的渠道进行预警。同时比较终端在同地市的同机型销售占比，对单日内销量占比过大的渠道进行预警。每周预警对终端的当月累计用户的终端使用情况进行分析，从机卡分离率，T网话务量，低ARPU用户占比，高非语音ARPU用户情况进行监控。对异常渠道情况进行预警每月预警从IMEI和手机号码的对应关系角度对终端实际使用情况的进行监控，对一个IMEI对应多个号
15、码，一个号码对应多个IMEI的情况进行预警,3.2终端销售监控模型说明二,终端销售日预警模型,监控时间窗口：监控时间为前一日，如自然时间为19日，则监控日为18日具有以下特征之一则为疑似终端销售违规渠道特征一：某机型在渠道某日销量大于该日前5天的总和则该渠道该机型预警特征二：某机型在渠道某日销量大于该分公司该日销量的30%，则该渠道该机型预警,预警渠道示例,示例,3.3终端销售监控模型说明三,终端销售周预警模型,监控时间窗口：监控时间为当月累计量，如自然月为9月，则为9月的日累计预警监控当月累积销售量在6台（G3终端）以上的渠道，具有以下特征之一则为疑似终端销售违规渠道到渠道到机型特征一：某渠
16、道当月机卡分离率大于10%，特征二：某渠道当月有T 网话务量占比小于40%特征三：某渠道当月低ARPU用户比例大于30%，(低ARPU用户为:ARPU小于10的用户)特征四：某渠道当月高非语音ARPU用户占比大于15%(高非语音ARPU用户为：非语音ARPU70%或非语音ARPU100元的用户),预警渠道示例,示例,3.4终端销售监控模型说明四,终端销售月预警,监控时间窗口：监控时间为前一月，如当前自然月为9月，则监控月为8月多用户IMEI异常为:渠道所售定制终端IMEI监控月对应5个以上手机号则该渠道预警，多IMEI用户异常为:渠道所售手机号监控月对应5个以上定制终端IMEI则该渠道预警,预
17、警渠道示例,示例,目录,异常用户监控模型,终端销售监控模型,垃圾短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,4.1垃圾短信监控模型说明一,垃圾短信号码：以现有平台拦截和BOSS拦截到的号码作为垃圾短信号码；通过垃圾短信号码回溯相应的社会渠道；根据垃圾短信群发设备使用特性,对同一基站小区内使用同IMEI号发送的垃圾短信号码进汇总根据这些号码所归属的放号渠道进行回溯，对超过阀值数量的渠道进行预警,垃圾短信渠道判断模型,监控时间窗口：监控月为上月，如当前自然月为9月，则监控月为8月在BOSS平台或短信平台拦截屏蔽的号码为垃圾短信号码，根据垃圾
18、短信号码回溯此类号码放号渠道。具有以下特征则为疑似垃圾短信号码放号渠道 特征：监控月拦截号码中同一个基站小区下使用相同终端IMEI号且属于同一个渠道放号的号码数超过20个号码，则该渠道预警,目录,异常用户监控模型,终端销售监控模型,垃圾短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,5.1重复入网监控模型说明一,重入网渠道的行为特征是重入网用户占比较高，因此采用重入网用户数与当月累计发展用户数对比，超过设定的阀值则进行渠道违规预警,重入网用户占比较高,指标A1：重入网用户数,A1：100A3：0.5,A1=100 and A3=0.5,指标
19、A2：当月累计发展用户数,指标A3：A1除以A2,5.2重复入网监控模型说明二,重复入网监控模型,监控时间窗口：监控月为上月，如当前自然月为8月，则监控月为7月具有以下特征之一则为疑似重入网违规渠道特征：该渠道监控月重入网用户数=100且重入网率=50%,预警渠道示例,示例,目录,异常用户监控模型,终端销售监控模型,垃圾短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,6.1批开监控模型说明一,批卡的行为特征是短时间内开卡量较大，在一个月内某几天集中批量开卡，因此采用当月开卡最多5日的开卡量之和与当月开卡量对比，如果比率超过设定的阀值则进行批
20、卡违规预警。,短时间内开卡数量大,指标A1：当月开卡量最多5日的开卡量,A1：100A3：0.8,A1=100 and A3=0.8,指标A2：当月累计开卡量,指标A3：A1除以A2,6.2批开监控模型说明二,批开监控模型,监控时间窗口：监控月为上月，如当前自然月为8月，则监控月为7月具有以下特征则为疑似批卡渠道特征：监控月开卡最多5日的开卡量之和大于100且最多5日开卡量之和在监控月开卡量占比大于等于80%,预警渠道示例,示例,目录,异常用户监控模型,终端销售监控模型,垃圾短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,7.1窜卡行为监控
21、模型说明一,用户开户地与用户通话地不一致,指标A1：当月发展用户连续两个月窜卡量,指标A2：当月发展用户数,指标A3：A1除以A2（窜卡率）,A2：70A3：0.4,A2=70 andA3=0.4,窜卡行为判断是根据对卡品售出后的一段时间观察，监控未在卡品开户地有通话记录的卡品以及这些卡品的放号渠道。考虑到各地市的市区经营部之间地理位置较近，营业部间用户流动较大，因此同地市市区经营部作为一个整体放号和通话区域来监控。,7.2窜卡行为监控模型说明二,窜卡监控模型,监控时间窗口：监控月为当前月倒推3个月，如当前自然月为8月则监控月为6月。疑似窜卡用户：监控月所发展用户连续两个计费月未在开户地有通话行为的用户具有以下特征则为疑似窜卡渠道特征：监控月疑似窜卡用户数70且疑似窜卡用户数占监控月发展用户数比例=40%,预警渠道示例,示例,目录,异常用户监控模型,终端销售监控模型,垃圾短信监控模型,重复入网监控模型,批开行为监控模型,窜卡行为监控模型,预占号监控模型,养卡行为监控模型,8.预占号行为监控模型说明,预占号行为指社会渠道通过占号器大量占用号码资源，号码被占用后不开户，且其他渠道无法使用该号码，造成号码资源浪费。从渠道每月预占未开户的规模来判断是否渠道预占号违规。,预占号模型,监控时间窗口：监控月为当前月违规渠道特征：监控月渠道预占未开户号码=1000,谢 谢,
