【摘要】 欠费催缴是电信运营商回收欠费避免坏账的有效手段之一，同时月初的波峰效应也是各大运营商迫切想解决的问题。在对目前电信运营商的欠费催缴模式和固定费用收取模式做了简单介绍后提出了基于强相关理论的催缴提醒模型，并用数据对该模型进行了说明和进行了实际检验。该文通过基于强相关理论提高了催缴提醒的目标客户比例，为电信运营商削峰平谷和客户服务提供了较为可行的方法和对这类触点提供了较为准确的基础数据。
【关键字】工程师论文发表期刊,强相关,催缴,出账,业务支撑系统,停机用户覆盖
欠费催缴，是电信运营商回收欠费避免坏账的有效手段之一。从短信催缴、彩信催缴到语音催缴，无不看出催缴方式的多样性，同时催缴也是用户缴纳话费的依赖之一。国内运营商收取费用的模式大约有以下三种：月初一次性扣取固定费用、固定费用按月按日比例收取、固定费用按不同账期收取，目前主要多见于前两种。
一、月初波峰效应的影响
国内各大运营商的业务支撑系统常常出现这样的一种现象，月初各硬件、内存等系统资源一直处于忙碌状态，而月中往往都处于空闲状态。
图1 月初业务量分布图
为了解决月初停机量波峰的问题，广西移动在月底最后的几天时间里，会模拟计算出月账的费用，然后以此为基础，模拟出下月初用户是否达到提醒的额度，如果是的话，会给用户发送提醒缴费的提示短信，通过此分流一部分停机指令，对减少月初的停机量有一定效果。从实施以来大约有10%左右的用户收到提醒短信后会在次月2日前缴费。
二、基于强相关理论的催缴提醒
强相关又称高度相关，即当一列变量变化时，与之相应的另一列变量增大(或减少)的可能性非常大。在坐标图上则表现为散点图较为集中在某条直线的周围。强相关是数据计量分析法研究的要点之一。强相关是研究对象的数组和另一数组或者另一复合数组之间存在高度的相关关系，高度相关表现为高度的逻辑相关和历史数据相关。
我们随机抽取了3月份某地市3万个号码月账费用(X)与倒数第三天的预出账费用(Y)。
根据pearson理论算出相关系数为0987599，可以判断出月账费用(X)与预出账费用(Y)存在强相关。
三、效果
为尽可能的让预出账的费用接近真实月账费用，同时又要保证对用户的感知，我们引入了调整系数k，对预出账的费用进行微调：
调整后的预出账费用X’=k*X
在Y/X<=k的条件下，若|X’- Y(实际月账费用)|<=Min(本费率区可透支最小额度)，我们就称本次拟合有效，反之称之为无效拟合。因为超过最小可透支额度，用户投诉风险已经大于提醒。超过根据调整后的公式，我们对3月数据进行了拟合，结果如下：
图2 拟合用户分布图
在7月份我们选取了较为保守的系数1.05对用户进行催缴，符合提醒的数量上升了109%，停机用户覆盖率由原来的34%左右提升到了64%，也并无引起任何批量的用户投诉，提升效果非常明显。
可见，调整系数的引入已经让预出账的费用更接近了实际的月账费用。同时，根据以上表1的数据，我们可以看出，随着k值的增加，覆盖率不会无限增加，但是无效占比会成线性增大。无效占比的增加会造成用户投诉的风险，因此我们也可以称之为投诉风险系数增加。这跟我们采用的方法与实际(用户还有余额就提醒用户当然投诉)是吻合的。而且数据也表明，当k值大约在1.13的时候，覆盖率会达到一个最大值，大约为56%，而与此同时无效占比(投诉风险系数)也处于一个相对合理的范围。
四、结束语
目前国内运营商的运营越来越同质化，如何给客户提供更贴心、更优的服务成为保有客户重要的手段之一。而近年来大数据的风靡一个主要的原因就是更精准的定位用户群体，实现更精准的服务营销，便于提供更具有个性化的产品。
参 考 文 献
[1] 刘晓彬.“精确制导”，实现差异化营销-通信行业客户细分方法探讨[DB/OL]. http：//www.huaat.com/download/xiaobin/liu_diversity.pdf.
