以機器學習逆轉電信代收困境
2019.08.26
ECI Awards



奖项:铜奖

参赛类别:模式创新类

作品名称:以機器學習逆轉電信代收困境

品牌主:台灣之星

主要贡献公司:台灣之星


作品概述:

台灣的行動通信市場競爭極度激烈,市場滲透率超過120%,平均每人擁有超過1.2個SIM卡號碼 (國家通訊委員會NCC,2017),在市場已飽和的困境中,如何於現有的電信市場增加公司營收成為重要目標。
而電信業跨足代收服務,讓用戶直接透過電信帳單支付小額費用就是重大助力之一。相較於信用卡,電信代收更為簡單、快速、安全的特性,逐漸成為新一代行動用戶偏好的支付方式,也成為電信公司逐年提升的另一營收來源。
自2017年台灣之星導入電信代收服務後,選擇使用代收服務的用戶數年增率高達43% (台灣之星加值暨新創服務部,2017)。因既有電信代收帳單客戶消費力高,除了增加公司的營收之外,造成的壞帳金額也相對較高。如何將壞帳維持在固定水準之下,並適時調整用戶的信用額度以增加營收,便成為一個很重要的議題。
在導入電信帳單代收最適額度模型之前,台灣之星的用戶於Google Play和APP Store,其電信帳單代收綁定率皆約30% ,在電信業中屬於前段班。但為配合公司政策,電信帳單代收用戶的額度管控嚴格,導致拒絕交易率成為業界之冠、ARPU(每用戶平均消費金額)為業界之末。這種嚴峻的情況是當時台灣之星在電信代收營利所面臨的問題。
在有限的行銷資源下,我們聚焦於高壞帳風險的電信帳單代收的新用戶及既有用戶,目標是利用數據驅動的力量,精準預測高壞帳風險的用戶,並提供個人化的最適信用額度。針對高壞帳風險用戶降低其信用等級,以降低壞帳風險 ; 低壞帳風險用戶升等其信用等級,以增加公司營收。