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：移动互联网时代下，通过挖掘电信运营商计费业务订购行为数据，发现用户复购行为规律，并构建用户对于不同业务的兴趣偏好。进一步计算业务之间的相似度，在此基础上提出了基于复购行为的协同过滤营销推荐算法，以提升用户复购频次。为了评估算法的有效性，选取不同的数据模型在视频会员营销中进行测试，结果表明所提算法能够取得较好的转化效果。
关键词：复购行为；兴趣偏好；协同过滤；营销推荐
doi：10.12045/j.issn.1007-3043.2020.12.019
概述
随着移动互联网和智能手机的快速普及，微信及支付宝等第三方移动支付工具得到迅猛发展，以话费支付为渠道的电信运营商计费增值业务受到严峻挑战，迫使运营商不得不借助互联网思维探索权益转型运营新路径。为了促进计费收入持续增长，在大力拓展新增用户的同时，需要稳定老客户，因此需要不断地挖掘用户复购行为，进而调整运营策略，以提高客户复购频次。
针对电信运营商计费业务数据，分析用户复购行为规律、复购间隔及业务关联度，并通过复购概率构建用户兴趣偏好度量，进一步可计算出不同应用业务之间的相似度。传统运营人员主要根据客户历史订购金额制定运营策略，过于倚重主观经验判断，难以深层次发现业务之间的关联性。
为了克服传统方法的不足，在充分考虑客户复购时间周期、兴趣偏好及业务特性差异的基础上，提出了基于复购行为的协同过滤营销推荐算法。该算法首先根据用户对于不同业务的兴趣偏好度计算业务之间的相似性，然后找到待推荐业务的若干最近邻业务，最后根据用户历史订购情况计算推荐分值。为了有效评估所提算法的有效性，在爱奇艺视频会员实际营销中进行了投放测试，订购转化率较传统模型得到了显著提高。
