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：跨界合作是运营商增加后向收入和提高用户黏性的重要途径，而实现降本增效的关键在于对目标用户的精准圈选。着重关注互联网APP的合作推广，提出基于上网日志数据构建潜在用户模型的方法，并对4种机器学习算法进行比较，发现LightGBM模型效果最好，且远优于业务规则模型。
关键词：数据挖掘；运营商；潜在用户；精准营销；APP数据
doi：10.12045/j.issn.1007-3043.2022.05.015
引言
随着人口红利的消失，以及提速降费政策的影响，传统通信业务收入呈下滑态势，运营商的营业收入和净利润增长较为缓慢。在此大背景下，运营商不断探索新的商业模式以寻求业务增长点，其中，通过跨界合作促进流量增长，提升用户黏性，增加后向收入成为近年来运营商不断探索的新模式，也是未来运营商发展的重要途径。
跨界合作是指由2个或2个以上不同行业的企业，为达到共同的战略目标，交换、共享或共同开发新产品或服务的合作模式。运营商的跨界合作主要以开拓新市场、增加后向收入为目标，合作模式主要有以下2种。
a）互相引流：合作双方结合自身优势共同开发出新的产品，通过优惠、让利使双方用户互相渗透，促进双方业务增长，较为典型的案例就是中国联通和腾讯公司共同推出的腾讯王卡产品。
b）精准营销：运营商利用自身大数据优势为合作方挖掘潜在用户，并通过自有渠道、触点、外呼等方式进行营销，以抽取提成、佣金为目标，增加运营商后向收入，例如运营商与手机终端厂商合作，构建换机模型，对有换机需求的用户进行精准营销。
本文着重探索第2种跨界合作模式，且着重关注互联网APP的合作推广，例如在线教育、游戏、打车等行业的APP，均在快速成长期，推广需求迫切。本文通过对运营商大数据进行挖掘，提出构建APP潜在用户识别模型，为运营商充分利用APP大数据、实现异业合作、精准营销提供参考。
