黃莎，魏宗靜，徐秋連，冉小剛

（中國(guó)移動(dòng)通信集團(tuán)四川有限公司，成都 610041）

基于多數(shù)據(jù)源關(guān)聯(lián)的市網(wǎng)分析產(chǎn)品終端戰(zhàn)略地圖*

黃莎，魏宗靜，徐秋連，冉小剛

（中國(guó)移動(dòng)通信集團(tuán)四川有限公司，成都 610041）

終端戰(zhàn)略地圖是四川公司立足LTE、流量、終端等公司關(guān)注的焦點(diǎn)，依托網(wǎng)優(yōu)中心整體技術(shù)優(yōu)勢(shì)，以終端客戶行為研究為核心開發(fā)的市網(wǎng)分析產(chǎn)品，旨在提升市網(wǎng)匹配協(xié)同度的成功案例。系統(tǒng)首次聚合網(wǎng)絡(luò)側(cè)2G/3G/4G信令監(jiān)測(cè)數(shù)據(jù)、市場(chǎng)側(cè)經(jīng)分?jǐn)?shù)據(jù)等11個(gè)數(shù)據(jù)源并進(jìn)行關(guān)聯(lián)挖掘，提供了4G駐留比優(yōu)化、終端在網(wǎng)分布、用戶位置研究、業(yè)務(wù)喜好畫像等特色應(yīng)用功能。系統(tǒng)在支撐網(wǎng)絡(luò)面向運(yùn)營(yíng)的轉(zhuǎn)型的同時(shí)，提升市場(chǎng)精細(xì)營(yíng)銷成功率和市場(chǎng)網(wǎng)絡(luò)協(xié)同度，助力4G超常規(guī)發(fā)展。

數(shù)據(jù)關(guān)聯(lián)；客戶行為分析；市網(wǎng)協(xié)同；4G超常規(guī)發(fā)展

1 引言

步入互聯(lián)網(wǎng)時(shí)代，通信行業(yè)逐漸從傳統(tǒng)路線演進(jìn)到以多樣化、精細(xì)化服務(wù)為核心的市場(chǎng)競(jìng)爭(zhēng)態(tài)，傳統(tǒng)經(jīng)營(yíng)分析類系統(tǒng)的分析功能已不能滿足客戶日益增長(zhǎng)的個(gè)性化需求。終端戰(zhàn)略地圖產(chǎn)品立足LTE、流量、終端等公司關(guān)注的焦點(diǎn)，關(guān)聯(lián)網(wǎng)絡(luò)、市場(chǎng)多維數(shù)據(jù)，深入挖掘聚合數(shù)據(jù)隱藏的終端客戶行為信息，依托原創(chuàng)的終端鎖網(wǎng)原因分析、用戶軌跡分析等算法，打造多項(xiàng)特色應(yīng)用。一方面將用戶位置等網(wǎng)絡(luò)數(shù)據(jù)營(yíng)銷給市場(chǎng)，提升試點(diǎn)區(qū)域的市場(chǎng)精細(xì)化營(yíng)銷成功率；另一方面將客戶價(jià)值等市場(chǎng)數(shù)據(jù)輸送給網(wǎng)絡(luò)，使網(wǎng)規(guī)網(wǎng)優(yōu)更加貼近于實(shí)際客戶需求，提升LTE網(wǎng)絡(luò)的利用率和網(wǎng)絡(luò)價(jià)值；通過(guò)以上手段，促進(jìn)市場(chǎng)、網(wǎng)絡(luò)協(xié)同發(fā)展的步調(diào)一致，提升客戶感知。

2 現(xiàn)有業(yè)務(wù)存在的問(wèn)題

（1）移動(dòng)通信市場(chǎng)空間有限，如何在保有存量客戶的同時(shí)，有力挖掘發(fā)展新客戶，持續(xù)挖掘已有客戶的業(yè)務(wù)潛力、消費(fèi)潛力，提升客戶流量、客戶價(jià)值，不斷提升客戶的業(yè)務(wù)使用感知，是公司一直關(guān)注的關(guān)鍵問(wèn)題。

（2）隨著客戶消費(fèi)能力和需求水平的不斷提升，客戶更加期望運(yùn)營(yíng)商為其提供更為智能化、個(gè)性化的業(yè)務(wù)服務(wù)，對(duì)運(yùn)營(yíng)商的服務(wù)能力提出了新要求。如何提供更主動(dòng)、更高效、更準(zhǔn)確的一體化體驗(yàn)式服務(wù)重要性凸現(xiàn)。如何加強(qiáng)移動(dòng)內(nèi)部資源的整合，完善服務(wù)支撐體系建設(shè)已迫在眉睫。

（3）運(yùn)營(yíng)商對(duì)客戶本身缺乏深入了解，傳統(tǒng)的話單數(shù)據(jù)缺乏客戶的業(yè)務(wù)行為信息，無(wú)法真正準(zhǔn)確掌握各類客戶的業(yè)務(wù)喜好和業(yè)務(wù)需求?？蛻舴旨?jí)方式線條還較為粗放，僅從客戶的當(dāng)前消費(fèi)能力等來(lái)定義客戶所屬級(jí)別，未考慮客戶在未來(lái)的潛在可開發(fā)價(jià)值及其他可分級(jí)屬性?？蛻魧傩孕畔⒌牟煌陚鋾?huì)給各類業(yè)務(wù)的拓展帶來(lái)障礙，精細(xì)化營(yíng)銷活動(dòng)效果受限。

（4）由于精細(xì)營(yíng)銷所需數(shù)據(jù)眾多，數(shù)據(jù)來(lái)自多個(gè)獨(dú)立部門，部門間缺乏快速的數(shù)據(jù)提取機(jī)制與跨部門數(shù)據(jù)聚合分析平臺(tái)，造成整個(gè)數(shù)據(jù)提取流程繁雜、過(guò)程漫長(zhǎng)，不利于注重時(shí)效性的精細(xì)營(yíng)銷活動(dòng)的及時(shí)開展，影響營(yíng)銷效率。

（5）部分區(qū)域市場(chǎng)、網(wǎng)絡(luò)發(fā)展不均衡，業(yè)務(wù)量高、客戶價(jià)值高的區(qū)域并未完全對(duì)應(yīng)網(wǎng)絡(luò)建設(shè)、維護(hù)、優(yōu)化的高優(yōu)先級(jí)別，LTE網(wǎng)絡(luò)的整體價(jià)值提升受限，需要特色應(yīng)用支撐“網(wǎng)規(guī)向高投資收益比區(qū)域傾斜，網(wǎng)優(yōu)優(yōu)先確保高價(jià)值用戶、高價(jià)值業(yè)務(wù)的感知，市場(chǎng)聚焦網(wǎng)絡(luò)質(zhì)量良好但利用率較低且4G客戶分布少的區(qū)域拓展業(yè)務(wù)”的思路提供數(shù)據(jù)與方案支撐。

3 產(chǎn)品設(shè)計(jì)思路

3.1產(chǎn)品概述

通過(guò)關(guān)聯(lián)2G/3G/4G信令、BOSS、網(wǎng)管、資管等多維數(shù)據(jù)，深入挖掘客戶的終端使用時(shí)長(zhǎng)、平均換機(jī)周期、品牌偏好、業(yè)務(wù)偏好、鎖網(wǎng)行為、開關(guān)機(jī)習(xí)慣、實(shí)時(shí)位置、住宅小區(qū)等信息，提升市網(wǎng)聚合數(shù)據(jù)價(jià)值。通過(guò)自創(chuàng)算法，進(jìn)行客戶的使用行為分析，科學(xué)量化客戶的終端、寬帶等項(xiàng)目可營(yíng)銷指數(shù)，為市場(chǎng)2G/3G高流量客戶遷移、4G終端投放、寬帶駐點(diǎn)營(yíng)銷等營(yíng)銷活動(dòng)提供數(shù)據(jù)與工具支撐；通過(guò)分析4G駐留比等指標(biāo)，對(duì)網(wǎng)絡(luò)倒流流量成因進(jìn)行溯源分析，區(qū)分網(wǎng)絡(luò)原因?qū)е碌牡沽髁髁俊⑹袌?chǎng)原因?qū)е碌牡沽髁髁?，并?duì)可用于提升不同區(qū)域4G駐留比的市場(chǎng)手段/網(wǎng)絡(luò)手段進(jìn)行細(xì)分，助力網(wǎng)絡(luò)、市場(chǎng)發(fā)展步調(diào)一致，部門協(xié)同發(fā)揮最大能效。

3.2產(chǎn)品數(shù)據(jù)源

產(chǎn)品使用了CS域信令（MC口信令、SGs接口信令、C/D口信令數(shù)據(jù)）、PS域（GB口信令、Iu-Ps口信令、S1-MME接口信令、S1-U接口信令、S6A接口信令、4G MR數(shù)據(jù)、BOSS數(shù)據(jù)、業(yè)支數(shù)據(jù)、資管數(shù)據(jù)、網(wǎng)管數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、地圖數(shù)據(jù)、終端庫(kù)數(shù)據(jù)共計(jì)16類數(shù)據(jù)源，并計(jì)劃引入客戶的終端投訴數(shù)據(jù)，完善客戶行為分析。

信令數(shù)據(jù)采集提取范圍：所有試點(diǎn)地市；

信令數(shù)據(jù)采集提取頻次：實(shí)時(shí)采集，每分鐘生成采集文件，實(shí)時(shí)解析上傳。

3.3產(chǎn)品架構(gòu)

系統(tǒng)整體功能架構(gòu)嚴(yán)格遵從中國(guó)移動(dòng)集團(tuán)公司三層架構(gòu)的規(guī)范，將應(yīng)用和數(shù)據(jù)進(jìn)行解耦，層次之間設(shè)計(jì)邏輯清晰，層與層之間采用服務(wù)方式進(jìn)行數(shù)據(jù)生產(chǎn)和供給，每個(gè)層內(nèi)部有嚴(yán)格的層次數(shù)據(jù)處理規(guī)則和邏輯，層內(nèi)部算法相互獨(dú)立，數(shù)據(jù)源擴(kuò)充簡(jiǎn)單方便。

系統(tǒng)接入層實(shí)現(xiàn)對(duì)多源數(shù)據(jù)的采集和接入，根據(jù)前期項(xiàng)目建設(shè)的經(jīng)驗(yàn)和四川公司的實(shí)際情況。海量用戶信令日志包括G/T/L多種網(wǎng)絡(luò)制式數(shù)據(jù)和MR數(shù)據(jù)，還包括了地市自建信令數(shù)據(jù)平臺(tái)、省公司信令平臺(tái)、集團(tuán)上網(wǎng)日志平臺(tái)等多個(gè)廠家和多個(gè)數(shù)據(jù)源的情況；數(shù)據(jù)源還包括互聯(lián)網(wǎng)數(shù)據(jù)、網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)（如工參、資管、網(wǎng)管等）、用戶信息數(shù)據(jù)、終端庫(kù)數(shù)據(jù)等多種數(shù)據(jù)源。

數(shù)據(jù)共享層從數(shù)據(jù)接入層獲取的標(biāo)準(zhǔn)化數(shù)據(jù)中抽取要素信息，構(gòu)建一次匯聚和二次匯聚數(shù)據(jù)、指標(biāo)數(shù)據(jù)、網(wǎng)絡(luò)性能數(shù)據(jù)等，向上層應(yīng)用提供數(shù)據(jù)集市，在處理過(guò)程中，軟件技術(shù)上包含了大數(shù)據(jù)處理和流式數(shù)據(jù)處理等多個(gè)方面的處理技術(shù)。

數(shù)據(jù)應(yīng)用層根據(jù)本期項(xiàng)目的應(yīng)用特性，并參考前期已經(jīng)建設(shè)的項(xiàng)目情況，進(jìn)行數(shù)據(jù)寬表和應(yīng)用數(shù)據(jù)的計(jì)算，構(gòu)建業(yè)務(wù)分析、終端分析、網(wǎng)絡(luò)分析等多個(gè)數(shù)據(jù)應(yīng)用功能域，并向外部系統(tǒng)提供功能調(diào)用和接口服務(wù)。

3.4產(chǎn)品主要?jiǎng)?chuàng)新算法

3.4.1基于行為聚類的用戶位置識(shí)別算法

本項(xiàng)目充分利用基于CS/PS信令監(jiān)測(cè)、MR、GPS、資管、百度地圖等7個(gè)數(shù)據(jù)源41個(gè)字段，相對(duì)于單純的Mc口、LTE等信令監(jiān)測(cè)得出的位置精準(zhǔn)度有大幅度的提高，采用模糊C均值（FCM）聚類算法，按照用戶的XDR記錄數(shù)據(jù)，并按照時(shí)間維度和周期性校驗(yàn)方式，并分別得出用戶住家小區(qū)、工作地等位置衍生信息。

模糊C均值（FCM）聚類算法是基于目標(biāo)函數(shù)的模糊聚類算法的典型代表。FCM算法的主要目的在于，將向量空間的樣本點(diǎn)按照某種距離度量劃分成多個(gè)子空間，不需要訓(xùn)練樣本，可以直接通過(guò)機(jī)器學(xué)習(xí)達(dá)到自動(dòng)分類的目的。是一種快速、高效的位置聚類算法。

算法的主要過(guò)程：

（1）抽取多個(gè)數(shù)據(jù)源獲取的用戶位置信息，形成用戶位置向量矩陣。

X=｛X1， X2， ……， XN｝

其中Xi=（xi， yi）為記錄的用戶所在位置坐標(biāo)

（2）目標(biāo)函數(shù)。

其中c為聚類數(shù)量，ui，j為隨機(jī)產(chǎn)生初始化c×N維隸屬度矩陣，di，k為樣本Xk與第i個(gè)聚類中心向量Vi的歐式（Euclid）距離。

（4）第r+1次和第r次迭代的隸屬度矩陣的||J（r+1）-J（r）||＜ε，即歐式距離小于門限時(shí)，迭代終止。得到的聚類中心向量Vi即為第i個(gè)分組的用戶位置。

3.4.2基于遺傳算法的用戶業(yè)務(wù)行為軌跡提取算法

采用CS/PS域信令監(jiān)測(cè)、資管、MR等5個(gè)數(shù)據(jù)源37個(gè)字段，提取特定用戶使用2G/3G/4G，CS/PS業(yè)務(wù)時(shí)的地理路徑。其中2G/3G流量分布路徑，是判斷用戶主動(dòng)關(guān)閉4G功能的重要依據(jù)。

地理路徑提取采用遺傳算法（Genetic Algorithm）。根據(jù)用戶使用業(yè)務(wù)過(guò)程的小區(qū)變換過(guò)程，形成轉(zhuǎn)移矩陣。計(jì)算轉(zhuǎn)移矩陣最多可覆蓋的柵格的最優(yōu)解。從而形成用戶行進(jìn)軌跡。

具體的操作步驟：

3.4.2.1數(shù)據(jù)預(yù)處理

（1） 用戶數(shù)據(jù)地理覆蓋區(qū)域的柵格化：即將特定用戶所有的地理測(cè)量點(diǎn)所在區(qū)域柵格化，后續(xù)計(jì)算，均以柵格為最小的地理計(jì)算單元。

（2） 柵格點(diǎn)概率及轉(zhuǎn)移概率矩陣建立。

柵格點(diǎn)概率：pi，j=sumi，j/sun_Total，其中sumi，j為用戶數(shù)據(jù)落入（i，j）對(duì)應(yīng)的柵格的數(shù)量，sun_Total為用戶數(shù)據(jù)點(diǎn)總數(shù)。

轉(zhuǎn)移概率矩陣：P（i，j）→（k，r）=pi，j×pk，r×μ（i，j，k，r），其中，μ（i，j，k，r）為從柵格（i，j）到（k，r）的置信度函數(shù)。

μ（i，j，k，r）主要用于判斷柵格（i，j）到（k，r）的可能性，可以使用柵格（i，j）到（k，r）的歐氏距離的倒數(shù)來(lái)進(jìn)行計(jì)算：

μ（i，j，k，r）=ω×｛1/［d（i，j，k，r）］｝，其中d（i，j，k，r）為柵格（i，j）到（k，r）的歐氏距離， ω為判決函數(shù)，比較簡(jiǎn)單的方法是：

即2個(gè)柵格點(diǎn)距離小于門限D(zhuǎn)時(shí)，轉(zhuǎn)移才有效，否則ω為0，表示2柵格距離太遠(yuǎn)，之間不可能轉(zhuǎn)移。

3.4.2.2初始遺傳種群建立

（1） 基因集合生成：掃描所有柵格，當(dāng)該柵格內(nèi)有用戶數(shù)據(jù)時(shí)，該柵格進(jìn)入基因集合，從而形成基因集合G=｛g1， g2， ……， gM｝

（2） 染色體集合生成：設(shè)柵格化電子地圖柵格列數(shù)為N，從上述基因集合中，選擇N個(gè)基因，生成染色體C=｛c1， c2， ……， cN｝。其中，c1， c2， ……， cN按照從第一列開始，逐列選擇。

（3） 初始種群生成：設(shè)種群的規(guī)模為M，隨機(jī)生成初始化種群生成的染色體集合Ci=｛c1， c2， ……， cN｝，下圖所示為其中一個(gè)基因。

3.4.2.3迭代搜索

（1） 對(duì)于選定規(guī)模為M的遺傳種群，按照柵格間的轉(zhuǎn)移矩陣P（i，j）→（k，r）=pi，j×pk，r×μ（i，j，k，r），計(jì)算本次遺傳的最優(yōu)解，即遺傳種群所對(duì)應(yīng)的目標(biāo)路徑的總體轉(zhuǎn)移概率的最大值，即評(píng)價(jià)函數(shù)最大值。

（2） 種群交叉變異，生成下一次迭代的路徑。

設(shè)種群規(guī)模為M，第一次選?。–1，C2）作為雙親，第二次選?。–2，C3）雙親……第j次選?。–j，Cj+1）雙親，交叉操作完成后產(chǎn)生多個(gè)新的子個(gè)體。

其中α，β為（0，1）區(qū)間的隨機(jī)數(shù)。生成的新的基于集合C'j=｛c1， c2，…… cN｝即為下次迭代的初始值。

3.4.2.4最優(yōu)路徑確定

2次迭代的評(píng)價(jià)函數(shù)誤差小于門限時(shí)，即|fn-fn-1|＜ε，停止迭代，輸出最優(yōu)路徑。

4 產(chǎn)品主要功能

4.1面向市場(chǎng)，助力精細(xì)化營(yíng)銷成功率的提升

4.1.1寬帶支撐

目標(biāo)：解決“不知道這個(gè)小區(qū)的移動(dòng)寬帶將向誰(shuí)推銷”的問(wèn)題，提升寬帶營(yíng)銷成功率。

優(yōu)勢(shì)：

將住宅小區(qū)寬帶資源和潛在用戶關(guān)聯(lián)；

通過(guò)潛在用戶的業(yè)務(wù)喜好、消費(fèi)水平、資費(fèi)套餐、快速上網(wǎng)需求等確定營(yíng)銷優(yōu)先級(jí)。

難點(diǎn)/創(chuàng)新點(diǎn)：用戶住宅小區(qū)無(wú)法直接提取，項(xiàng)目通過(guò)自創(chuàng)算法關(guān)聯(lián)多數(shù)據(jù)獲得。

4.1.2渠道支撐

目標(biāo)：為增加渠道管理力度提供數(shù)據(jù)支撐，同時(shí)也為渠道銷售終端（配件）類型、推薦業(yè)務(wù)類型等提供支撐。

優(yōu)勢(shì)：提供渠道周邊消費(fèi)水平、人流量、平均MOU/ DOU、業(yè)務(wù)喜好、新增/存量市場(chǎng)的終端分布等信息。

難點(diǎn)/創(chuàng)新點(diǎn)：用戶歸屬渠道的獲取。

4.1.3換機(jī)/換卡/流量促銷模塊

目標(biāo)：提高營(yíng)銷成功率，讓有限營(yíng)銷成本發(fā)揮更大的能效。

優(yōu)勢(shì)：綜合網(wǎng)絡(luò)覆蓋、業(yè)務(wù)喜好、終端類型、是否有快速上網(wǎng)需求、消費(fèi)能力等因素經(jīng)綜合運(yùn)算后確定營(yíng)銷優(yōu)先級(jí)。

營(yíng)銷優(yōu)先級(jí)支持用戶自定義算法，滿足差異化需求；

用戶明細(xì)提供常駐位置、歸屬渠道、開關(guān)機(jī)信息等特有信息，支撐就近渠道在用戶開機(jī)時(shí)刻進(jìn)行外呼營(yíng)銷/在用戶常駐小區(qū)做針對(duì)性駐點(diǎn)營(yíng)銷，增加用戶信任度，提升營(yíng)銷成功率。利用明細(xì)中提供的用戶常用業(yè)務(wù)、套餐訂購(gòu)等業(yè)務(wù)行為信息，可進(jìn)行業(yè)務(wù)套餐的促銷，一舉多得，提高營(yíng)銷效率。

4.1.4鎖網(wǎng)分析模塊

目標(biāo)：減少鎖網(wǎng)用戶，提升用戶DOU/MOU，提升移動(dòng)收入；

優(yōu)勢(shì)：能區(qū)分用戶鎖網(wǎng)原因（主動(dòng)鎖網(wǎng)、無(wú)網(wǎng)絡(luò)覆蓋、未換USIM卡），達(dá)到對(duì)不同原因鎖網(wǎng)采用不同手段消除的目的；

難點(diǎn)/創(chuàng)新點(diǎn)：對(duì)主動(dòng)鎖網(wǎng)用戶的精確判定。

4.2助力網(wǎng)規(guī)網(wǎng)優(yōu)面向價(jià)值導(dǎo)向轉(zhuǎn)型

目標(biāo)：以一線需求為工作出發(fā)點(diǎn)，實(shí)現(xiàn)網(wǎng)規(guī)網(wǎng)優(yōu)面向客戶需求的轉(zhuǎn)型。

優(yōu)勢(shì)：4G投資收益比提升：分析4G駐留比與4G利用率，對(duì)可用于提升不同區(qū)域4G利用率的市場(chǎng)/網(wǎng)絡(luò)手段進(jìn)行細(xì)分、確認(rèn)目標(biāo)用戶、目標(biāo)區(qū)域和預(yù)計(jì)提升空間。

呈現(xiàn)區(qū)域/基站收入、倒流情況、用戶業(yè)務(wù)喜好、終端類型等數(shù)據(jù)，為"網(wǎng)規(guī)向高投資收益比區(qū)域傾斜，網(wǎng)優(yōu)優(yōu)先確保高價(jià)值用戶/業(yè)務(wù)感知”提供數(shù)據(jù)支撐。

4.3面向終端業(yè)務(wù)體驗(yàn)提升

目標(biāo)：解決終端網(wǎng)絡(luò)交互類問(wèn)題定位處理工具手段缺失的問(wèn)題，提升投訴處理效率。

優(yōu)勢(shì)：提供終端價(jià)值健康度、質(zhì)量健康度、業(yè)務(wù)喜好的畫像，提供終端網(wǎng)絡(luò)交互類質(zhì)差指標(biāo)的自動(dòng)化分析模型；

難點(diǎn)/創(chuàng)新點(diǎn)：自動(dòng)化的質(zhì)差分析模型（專利支撐）。

圖1 終端畫像功能

圖1為終端畫像功能。

5 產(chǎn)品落地效果

該項(xiàng)目主要來(lái)源與信令和資管、網(wǎng)管、BOSS數(shù)據(jù)，不受地域差別、設(shè)備類型、標(biāo)準(zhǔn)制式等其它因素的影響，可在中國(guó)移動(dòng)內(nèi)部（甚至更廣）區(qū)域推廣，項(xiàng)目在四川第二大城市綿陽(yáng)試點(diǎn)，試點(diǎn)期間成效顯著。

5.1面向市場(chǎng)營(yíng)銷網(wǎng)絡(luò)數(shù)據(jù)

利用終端戰(zhàn)略地圖，市網(wǎng)協(xié)同開展精細(xì)化營(yíng)銷。試點(diǎn)區(qū)域2G/3G高流量換機(jī)成功率提升1.2倍，4G終端轉(zhuǎn)換為4G用戶率提升16.7%，目標(biāo)用戶數(shù)據(jù)套餐升艙率提升19.8%；寬帶辦理成功率提升9.89%；首次對(duì)系統(tǒng)判別的“主動(dòng)鎖網(wǎng)”用戶進(jìn)行外呼激活，激活成功率高達(dá)94%，人均DOU提升38.7%，人均ARPU值提升2.3元。

此外系統(tǒng)提供自定義算法，支持將多數(shù)據(jù)源關(guān)聯(lián)后得出的顯性化字段進(jìn)行自定義計(jì)算，高效低成本的滿足一線差異化的需求。

5.2面向網(wǎng)規(guī)網(wǎng)優(yōu)

倒流和價(jià)值模塊進(jìn)入網(wǎng)規(guī)網(wǎng)優(yōu)流程，試點(diǎn)區(qū)域倒流比降幅40.35%；倒流流量減少15.22 GB，日均4G流量增長(zhǎng)107.23 GB，增幅達(dá)到61.14%。

5.3面向終端業(yè)務(wù)體驗(yàn)提升

利用終端戰(zhàn)略地圖工具，極大提升終端類投訴的處理效率，提升終端業(yè)務(wù)體驗(yàn)。目前共向市場(chǎng)、客服中心、終端公司、地市分公司發(fā)布終端預(yù)警14期，共計(jì)190個(gè)LTE終端網(wǎng)絡(luò)交互類問(wèn)題與解決方案。 預(yù)估終端類投訴處理效率提升了50%。

6 產(chǎn)品效益

產(chǎn)品從以下3個(gè)方面，助力中國(guó)移動(dòng)客戶滿意度和企業(yè)品牌形象的提升。

項(xiàng)目中提升4G換機(jī)、換卡等營(yíng)銷成功率，將更多的用戶遷移到了速度更快、時(shí)延更小的4G網(wǎng)絡(luò)，有助于提升用戶的滿意度。

項(xiàng)目助力網(wǎng)規(guī)網(wǎng)優(yōu)面向用戶需求和價(jià)值提升的轉(zhuǎn)變，其中價(jià)值區(qū)域數(shù)據(jù)已進(jìn)入網(wǎng)規(guī)網(wǎng)優(yōu)流程，有助于提升價(jià)值用戶的客戶滿意度。

項(xiàng)目能提高終端類投訴處理的效率，提升終端業(yè)務(wù)體驗(yàn)，從而提升客戶滿意度。

項(xiàng)目具有市網(wǎng)聚合數(shù)據(jù)，并將諸如用戶住宅小區(qū)等有價(jià)值但無(wú)法直接提取的數(shù)據(jù)顯性化/結(jié)構(gòu)化，在數(shù)據(jù)通過(guò)聚類脫敏后，能為救災(zāi)、應(yīng)急、交通、市政規(guī)劃等輸出分析數(shù)據(jù)。

［1］ Hung C C， Peng W C. A regression-based approach for mining user movement patterns from random sample data［J］. Data & Knowledge Engineering， 2011， 70（1）：1-20.

［2］ Zhu Y， Zhang Y， Shang W， et al. Trajectory enabled service support platform for mobile users' behavior pattern mining［C］. Mobile and Ubiquitous Systems： Networking & Services， MobiQuitous， 2009. MobiQuitous' 09. 6th Annual International. IEEE， 2009： 1-10.

［3］ Akoush S， Sameh A. Mobile user movement prediction using bayesian learning for neural networks［C］. Proceedings of the 2007 international conference on Wireless communications and mobile computing. ACM，2007： 191-196.

［4］ 譚鈞元， 宋國(guó)杰， 謝昆青， 等. 一種有效的基于生活熵的移動(dòng)用戶分類算法［J］. 計(jì)算機(jī)研究與發(fā)展， 2009，46（46）：433-438.

［5］ Shad S A. 移動(dòng)用戶軌跡與行為模式挖掘方法研究［D］. 合肥：中國(guó)科學(xué)技術(shù)大學(xué)， 2013.

［6］ 梁鵬， 李兵， 郭文君. 移動(dòng)數(shù)據(jù)業(yè)務(wù)用戶行為模型研究［J］.中興通訊技術(shù)， 2005，11（4）：70-74.

［7］ 呂洋. 基于用戶行為數(shù)據(jù)分析的移動(dòng)互聯(lián)業(yè)務(wù)推薦模型［D］. g武漢： 華中科技大學(xué)， 2011.

［8］ Liu Y， Yuan P. A study of user downloading behavior in mobile Internet using clickstream data［C］. Intelligent Information Technology and Security Informatics （IITSI）， 2010 Third International Symposium on. IEEE， 2010：255-257.

［9］ Zhao G， Lai W， Xu C， et al. Analysis of User Behavior in Mobile Internet Using Bipartite Network［C］. Mobile Ad-hoc and Sensor Networks （MSN）， 2012 Eighth International Conference on. IEEE，2012：38-44.

［10］ 賴志偉， 梁勇華. 移動(dòng)互聯(lián)網(wǎng)用戶行為分析［J］. 科技風(fēng)，2014， 27（4）：249-249.

［11］ 李勇， 徐振寧. Internet 個(gè)性化信息服務(wù)研究綜述［J］. 計(jì)算機(jī)工程與應(yīng)用， 2002，38（19）：183-188.

［12］ 王國(guó)霞， 劉賀平. 個(gè)性化推薦系統(tǒng)綜述［J］. 計(jì)算機(jī)工程與應(yīng)用， 2012，48（7）：66-76.

A market and network analysis system based on multidimensional data association

HUANG Sha， WEI Zong-jing， XU Qiu-lian， RAN Xiao-gang
（China Mobile Group Sichuan Co.， Ltd.， Chengdu 610041， China）

Terminal Strategic Map is a system based on LTE， data traffi c， terminal， etc.， aiming to improve the matching degree between market and network. Terminal Strategic Map aggregates signaling data， business analysis data， etc.，to provide users with 4G index optimization， terminal distribution， customer location， individual p

and so on. This system can increase the success rates of marketing campaigns as well as the matching degree between market and network， will strongly promote super-conventional development of 4G.

data association； customer behavior analysis； coordinated development of market and network； superconventional development of 4G

TN929.5

A

1008-5599（2016）09-0008-06

2016-08-19

* 中國(guó)移動(dòng)集團(tuán)級(jí)一類科技創(chuàng)新成果，原成果名稱為《盤活網(wǎng)絡(luò)數(shù)據(jù)，加速智能營(yíng)銷》。