京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,流量怎么经营
大数据时代电信运营商面临的主要问题是,为了满足数据流量的增长而不断进行网络扩容,但数据流量却增量不增收;同时,同质化竞争严重以及业务全面受到OTT(OTT,全称为Over the top,据说源自NBA的“过顶传球”,借此比喻服务提供商越过基础网络,直接向用户提供服务)的冲击,导致用户离网率高。据预测,未来10年,海外30%的电信运营商会被一些大型电信运营商兼并而逐渐消失。究其原因是语音时代电信运营商的营销策略比较简单,无需设计复杂的精细化套餐或业务依然能够享有相当大的市场份额,而到了数据时代,依然沿用语音时代营销策略的电信运营商将会丧失市场的主导权,其在价值链中的地位将逐渐下降。在大数据时代,运营商如何才能经营好流量?
没有哑管道只有哑运营商
电信运营商发展流量经营可以归纳为三个阶段:
第一阶段是将流量进行简单打包计费,比如20元套餐包含100M流量,超出流量按每兆流量0.3元,国内的流量经营目前基本处在这个阶段;第二阶段是基于时间、空间、带宽、设备、热门网站、客户群等细分的流量经营策略,目的是提升流量的价值,比如20元包4M带宽共10G的流量,超过10G带宽将为2M,20元流量包免费浏览Facebook等,欧洲和日本的电信运营商目前正处在这个阶段,此类业务发展模式已较为成熟;第三个阶段是流量经营高级阶段,即电信运营商建立精细化的用户分析系统,进行定向的营销策略,例如广告投放和后向收费等。
总体而言,国内电信运营商在移动数据流量经营方面仅仅是沿袭过去简单、粗放的营销手段,并没有深入发掘流量的价值。
掌握用户的信息是电信运营商的先天优势,与OTT只了解用户的虚拟信息相比,电信运营商可以完全从管道中获取用户的性别、年龄、兴趣爱好、消费习惯等个人行为喜好,但运营商并不具备深入的用户数据和行为数据分析能力。这就使得运营商丧失了对用户的主导权,无法做到引导用户的行为,只是盲目地跟随市场进行同质化的竞争。
电信运营商大力建设的智能管道可以实现包括信息内容可视化、灵活计费、流量优化和差异化场景的移动带宽控制等巨大功能,同时其已开始在网络中部署FCC、DPI、OCI等流量经营所必需的网络设备。但目前电信运营商需要解决的最大问题是无法充分利用这些工具开展流量经营方面的业务:前端的市场营销部门市场反应速度严重不足,并且和网络、运维等相关网络部门距离过大、严重脱节,无法形成互动式的工作机制,导致前端一线人员无法了解网络的可行性;而网络部门的人员则只关心建设管道,不考虑管道能实现什么样的业务。因此运营商必须形成一种闭环的工作机制,缩短各部门间的距离,真正实现管道的可利用化。
精细化设计套餐是基础
未来的移动数据流量套餐必须是精细化的,可以进行多维度的细分:第一是客户的细分,流量套餐必须针对不同客户的需求设计不同的内容,比如年轻人午夜套餐、家庭分享式套餐。
第二是带宽的细分。用户使用不同的业务,需要的带宽不同,不同带宽的用户体验和资费也不尽相同,并且提升带宽需要另外付费,这样可以提升带宽的价值。
第三是时间的细分。忙闲时段资费不同,并推出基于天、周、月不同时间段的套餐。这些方案不仅可以满足不同客户的需求,并且可以实现流量资源的优化。除此之外,电信运营商完全可以实现客户开通即享受服务的要求。
第四是内容的细分。国外已经有相当成熟的案例,例如Facebook包月免费上网,笔者认为绑定OTT是实现流量价值化最有效最便捷的手段。电信运营商可以充分利用OTT有价值的内容,将其作为运营商吸引用户、提高流量增长的手段。Facebook包月方案已帮助国外不少运营商拉动了流量,维系了客户。中国互联网目前发展势头迅猛,杀手级的OTT产品不在少数,如新浪微博、腾讯QQ、优酷视频等,国内电信运营商可考虑利用好这些产品转变传统经营模式,帮助自身拉动流量,提升用户黏性。
三大着力点助推
移动数据流量经营
加大对市场营销的重视程度。传统电信运营商以建设管道为工作重点,对市场一线的业务实行的是较为粗放简单的营销策略。但流量经营时代,能否满足复杂多变的客户需求、能否提供差异化的套餐产品以及能否避免同质化的竞争,这些将是电信运营商市场营销部门必须解决的重要课题。语音时代,各电信运营商之间拼的是网络质量,而数据时代,当所有运营商的网络质量都相差无几时,就必须依靠个性化、精细化、差异化的产品来吸引和维系用户了。因此对市场一线套餐设计、营销的人员的要求就会越来越高。上文提到的MegaFon,其对市场方面的业务投入就很大,MegaFon的市场部仅进行市场分析的人员就超过了50人。此外,从事情报搜集、战略制订的人员也有30多人。这就可以使得MegaFon能够很及时、准确地推出很多具有针对性的套餐。
加快市场响应速度,引导用户的消费行为。运营商提出了以用户为中心的理念,产品要满足用户的需求。笔者认为满足用户需求已经表明企业走在了用户的后面,这就意味着需求首先被用户发觉但迟迟得不到满足,而不是企业创造需求来引导用户的行为。据调查显示,许多消费者很希望自己所签约的电信运营商是一家比较“年轻”的企业,能源源不断地创造出新的产品,这就要求电信运营商能敏锐地捕捉到潜在的市场需求,并且快速创造产品来引导用户的消费行为,走在用户前面。创造产品并不意味着电信运营商花很长的时间生产出一个新的业务或服务,其只需要整合产业链上有价值的内容,进行简单的绑定或加工即可。例如,伦敦奥运会期间,中国的电信运营商可以快速设计一项手机观看比赛的套餐包月计划,这样的套餐不仅可以带来收益,而且可以优化网络,提高流量的利用率。在瞬息万变的市场环境中,电信运营商如果没有快速的响应速度就会让大量的机会白白流失。
加大部门间的合作力度,实施闭环营销策略。电信运营商推出精细化的3G套餐产品应实施闭环营销策略,所谓闭环营销策略是指完成一系列的套餐制订首先需要对网络进行深度分析,了解网络的能力,然后根据市场响应设计套餐,并作一个灵活的带宽控制,接下来分析这些套餐对网络的影响,是否达到了预期效果,最后再给出一个网络优化的方案,以提高网络的利用率。如此循环反复,一项业务将经过市场、销售、网络、运维等各个部门,这就需要各部门通力合作共同来完成。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12