砌块成型机厂家
免费服务热线

Free service

hotline

010-00000000
砌块成型机厂家
热门搜索:
技术资讯
当前位置:首页 > 技术资讯

葛长伟SP自消费行为的4大目的解析

发布时间:2020-02-03 06:49:33 阅读: 来源:砌块成型机厂家

在前两篇博文中,我分别分析了SP的馈赠套利和欠费套利问题。由于SP套利主要是通过自消费来实现的,所以下面来谈谈怎样分析SP自消费。

什么是SP自消费?顾名思义,就是SP自己买卡消费自己的业务。

无论是SP套利,还是SP自消费,都是移动梦网久治不愈的毒瘤。而且,更为可怕的是,这个毒瘤将会轻松地扩散到一切移动增值业务上,包括Mobile Market。

一、SP自消费的目的

无利不起早,SP做自消费必有其目的。

SP做自消费需要付出一定的结算成本,这个成本至少在15%以上。目前,我还没听说哪家SP已经达到钱多得要烧的程度,所以烧钱玩应该不会是目的。

SP套利一般都用SP自消费,但是SP自消费却未必都是为了套利:

1、套利

用户的钱难赚,运营商的钱好赚。

SP自消费最主要的目的就是为了从运营商这里套利,所占比重至少超过98%。

目前,欠费套利被视作恶意自消费,运营商有时还进行一阵风式的打击;对于馈赠套利,则基本上处于不闻不问状态,打击力度远远不够。

2、刷排名

最近,淘宝信用造假问题搞得沸沸扬扬。事实上,比起移动梦网,淘宝的这类刷信用行为只能算“后起之秀”。

在我印象中,梦网彩铃上线没有几个月,彩铃刷排名兼套利的问题就已经相当显著。这些刷排名号码的月彩铃消费少则几千元,多则几十万。百宝箱的情况也好不到哪里去,严重的时候,自消费一度超过总量的50%。

Mobile Market要是也是定位在商店,那么恐怕也会很快出现刷排名问题。

3、卖个好价钱

SP行业里面“注水猪肉”是很多的,很多靠自消费撑起来业绩的SP,后来却都卖了不菲的价格。特别是一些国外的投资机构,对国内情况根本就不了解,却付出数千万美金来购买这些“注水猪肉”。

假如市场里有人卖“注水猪肉”,市场管理方可能还来管一管。不过,在移动增值市场,作为管理方的运营商,却基本处于不闻不问状态,因为这不是“恶意自消费”。

4、防止被淘汰

这类情况恐怕不多,只是分析的时候遇到过。

以前分析时遇到过一家SP,确实有显著的自消费问题,但是金额不是很大,且相关号码的费用都是实实在在用充值卡充进去的。后来找这家SP一问,回答是为了保住SP资格,防止自己被末位淘汰。

移动梦网后来的高门槛其实是害苦了小SP,让整个市场越来越缺乏活力,而真正的违规问题却不见得有多少减少。在我印象中,越是大SP,违规起来越是百无禁忌,因为这些大SP有N多马甲,根本不怕处罚。

二、SP自消费的危害

SP自消费对行业的危害主要体现在三个方面:

1、侵害运营商利益:套利SP成了运营商身上的寄生虫。

2、破坏行业秩序:有此捷径,干嘛还要辛辛苦苦去赚用户的钱?

3、损害行业诚信:连H1N1都影响猪肉价,注水猪肉多了,其他的能不受影响?

运营商看待自消费问题,一定不能只顾眼前,而应该考虑整个移动增值产业的全局。

运营商既然是移动增值市场的规则制定者,那么就有必要采取措施来维护这个市场的秩序,防止游戏规则成为可以随意打破的“破窗”,避免这个市场成为“劣币驱逐良币”的柠檬市场,保证整个产业可以长期健康发展。

所以,对SP自消费的打击应该针对全部,而不要再局限于所谓的“恶意自消费”。

三、如何分析SP自消费

对SP自消费的分析,主要有两种办法:

1、理想方法:基于客户价值模型

客户价值模型是个非常有用的分析工具,是走向精细化运营的起点。

客户价值模型通过在用户出账费用中扣除各种成本因素,最后得出客户实际的价值贡献。有了价值模型,就很容易找出负价值客户。找到了负价值客户,那么与梦网用户汇总表一关联,就能很轻松地发现SP自消费和套利情况。

但是,客户价值模型的建立比较麻烦,需要考虑结算成本、酬金成本、实物成本、欠费成本等各种要素。虽然目前中国移动各省的经分系统都在建客户价值模型,但估计实际建好的还不多。所以,这个方法目前要应用还有些困难。

关于如何建立客户价值模型,以及如何应用客户价值模型分析SP套利问题,我将在今后的博文中详细阐述。

2、简易方法:基于客户行为特征

应用自消费号码特征来分析相对比较简单,因为SP自消费号码跟正常号码的行为特征相差很大。

SP自消费号码主要有两个特征:

1、集中

从实际分析情况看,目前的SP自消费主要都是专业的自消费公司在运作,因为这些号码往往消费多家SP。这类自消费的特曾是:自消费号码除了基本没有语音业务(或极少),只有SP消费外,另外一个最大的特征就是:集中;分析这些自消费号码在入网时间、入网渠道、套餐编号上的分布特性,可以发现显著的聚集现象。

2、超高

SP有时自己也拿少量号码自己做自消费。有时候一些SP的BD直接拿自己的号码做自消费,消费金额数十万。比较恶劣的情况是,一些SP拿公免、测试号码做自消费,金额还非常之高。所以,只要符合集中或超高特征的号码,都可以列为自消费嫌疑号码。

四、“简易法”分析SP自消费的具体实现

利用用户行为特征分析SP自消费虽然不够彻底,但胜在实现方法非常简单。我从2005年开始就用这种简易法分析自消费,

这个方法大致思路如下:

1、步骤一:准备基础数据,主要需要数据仓库的用户宽表和分用户、SP的汇总表。

2、步骤二:确定初步嫌疑号码,没有通话、信息费较大的号码以及信息费超高的号码都该列入嫌疑对象。

3、步骤三:分地区、入网时间、入网渠道、品牌、套餐、SP汇总用户数和信息费,将一些显著不集中的用户给过滤掉。这个过滤门槛要设的稍微低一些,具体值看经验。

4、步骤四:进一步过滤离散用户,突出高度集中分布的嫌疑用户

可以分别按以上项目的几个进行组合,排除一些离散用户。

5、步骤五:生成最后自消费分析表

这个方法看着不起眼,代码量很少,思路很简单,但实际分析效果其实非常不错。

五、“简易法”分析代码案例

1、步骤三的代码案例

I-NSERT INTO STAT_MW_WG_ZXF

S-ELECT p_月份,地区代码,品牌类型,业务类型,SP代码,‘*‘ SP名称,套餐编号,‘*‘ 套餐名称,

TO_CHAR(入网时间,‘YYYYMM’) 入网月份,DECODE(停开状态,‘00000‘,‘否‘,‘是‘) 是否停机,

COUNT(1),SUM(DECODE(上行次数+下行次数,0,0,1)),SUM(DECODE(计次信息费+包月信息费,0,0,1)),

SUM(计费通信费),SUM(计次信息费),SUM(包月信息费),SUM(计次信息费+包月信息费),SUM(上行次数),SUM(下行次数),SUM(包月次数),SUM(上行计费次数),SUM(下行计费次数),

SUM(出账总费用),SUM(代收_信息费),NULL

FROM DM_MW_WG_ZXF

WHERE 月份 = p_月份

GROUP BY 地区代码,品牌类型,业务类型,SP代码,套餐编号,TO_CHAR(入网时间,‘YYYYMM’),DECODE(停开状态,‘00000‘,‘否‘,‘是‘)

HAVING SUM(计次信息费+包月信息费)>1000;

2、步骤四的代码案例

DELETE STAT_MW_WG_ZXF

WHERE 月份 = p_月份 AND

SP代码 IN (S-ELECT SP代码 FROM STAT_MW_WG_ZXF WHERE 月份=p_月份 GROUP BY SP代码 HAVING SUM(总信息费)<10000);

DELETE STAT_MW_WG_ZXF

WHERE 月份 = p_月份 AND

(地区名称, 品牌名称) IN (S-ELECT 地区名称, 品牌名称 FROM STAT_MW_WG_ZXF WHERE 月份=p_月份 GROUP BY 地区名称, 品牌名称 HAVING SUM(总信息费)<20000);

DELETE STAT_MW_WG_ZXF

WHERE 月份 = p_月份 AND

(地区名称,品牌名称,套餐编号,入网月份 ) IN (S-ELECT 地区名称,品牌名称,套餐编号,入网月份 FROM STAT_MW_WG_ZXF WHERE 月份=p_月份 GROUP BY 地区名称,品牌名称,套餐编号,入网月份 HAVING SUM(总信息费)<3000);

DELETE STAT_MW_WG_ZXF

WHERE 月份 = p_月份 AND

SP代码 IN (S-ELECT SP代码 FROM STAT_MW_WG_ZXF WHERE 月份=p_月份 GROUP BY SP代码 HAVING SUM(总信息费)<10000);

文艺女生

丝袜

明星胸