張靖 侯曉晶

摘? 要：隨著全市家庭寬帶市場的飽和，寬帶用戶新增速度放緩，保有存量用戶、控制用戶離網(wǎng)業(yè)已成為促進寬帶市場發(fā)展的重要舉措。文章對家庭寬帶離網(wǎng)用戶特征進行研究，基于lightGBM、XGBoost、RandomForest三類集成學習的決策樹算法，使用PyCharm軟件構(gòu)建家庭寬帶離網(wǎng)用戶預(yù)警模型，輸出預(yù)離網(wǎng)用戶供業(yè)務(wù)人員進行挽留，模型應(yīng)用后，寬帶月離網(wǎng)用戶百分比從0.76%下降至0.35%，預(yù)計全年可挽回預(yù)離網(wǎng)用戶7 776戶，保有客戶價值101.1萬元。

關(guān)鍵詞：離網(wǎng);大數(shù)據(jù);預(yù)測;量化;寬帶用戶

中圖分類號：TP311? ? ? ? ? ? ? ? ? 文獻標識碼：A文章編號：2096-4706（2021）15-0085-04

Abstract： With the saturation of the home broadband market in the whole Shuozhou city， the growth rate of broadband users has slowed down. Retaining existing users and controlling user off-network have become important measures to promote the development of the broadband market. This paper studies the characteristics of home broadband off-network users， based on the decision tree algorithm of integrated learning of lightGBM， XGBoost and RandomForest， PyCharm software is used to construct home broadband off-network users early warning model， which outputs pre off-network users for business personnel to retain. After the application of the model， the percentage of monthly broadband off-network user drops from 0.76% to 0.35%. It is expected that 7 776 pre off-network users can be retained throughout the year， keeping a customer value of 1.101 million yuan.

Keywords： off-network; big data; prediction; quantification; broadband user

0? 引? 言

家庭寬帶作為CHBN（Customer， Home， Business， New， CHBN）四大市場中的重要組成部分，在多產(chǎn)品融合營銷、智慧家庭體系建立、實現(xiàn)用戶價值提升等方面扮演著愈來愈重要的角色。截至2020年底，全市我網(wǎng)家庭寬帶用戶數(shù)達到20.3萬，市場份額46.8%，通信運營商在家庭寬帶市場上的競爭會長期存在，面對全市家庭寬帶用戶幾近飽和、市場增速放緩的形勢[1]，存量寬帶用戶保有形勢愈發(fā)嚴峻。但我網(wǎng)2020年全年家庭寬帶離網(wǎng)用戶1.61萬，離網(wǎng)率7.94%。

面對市場發(fā)展壓力，我公司迫切需要深挖家庭寬帶市場的保有潛力，通過多專業(yè)（市場側(cè)+網(wǎng)絡(luò)側(cè)）歷史數(shù)據(jù)，篩查并掌握寬帶離網(wǎng)客群特征，隨之而來的信息過載問題和用戶無目的搜索[2]，使得數(shù)理統(tǒng)計、數(shù)據(jù)庫分析等方法解決此類問題時，存在高質(zhì)量有價值信息難覓、獲取信息成本高、時間周期長等諸多弊端。

如何建立有效預(yù)測家庭寬帶用戶離網(wǎng)的數(shù)據(jù)模型？掌握哪些用戶會離網(wǎng)，離網(wǎng)傾向有多高？需要用大數(shù)據(jù)技術(shù)協(xié)助解決。

1? 模型概述

我們利用已有的多類用戶特征，對寬帶用戶是否離網(wǎng)進行預(yù)判，根據(jù)輸出預(yù)離網(wǎng)明細進行針對挽回。首先，將預(yù)測寬帶離網(wǎng)用戶的應(yīng)用場景轉(zhuǎn)化為有監(jiān)督的二分類問題，再經(jīng)過數(shù)據(jù)準備、特征選擇、模型建立、效果評估、迭代優(yōu)化、成果應(yīng)用等六個階段，構(gòu)建基于lightGBM、XGBoost、RandomForest三類算法的混合模型——家庭寬帶離網(wǎng)用戶預(yù)警模型。

模型開發(fā)環(huán)境為Python 3.7，通過PyCharm開發(fā)工具實現(xiàn)。以單月全量家庭寬帶用戶數(shù)據(jù)為輸入，包含用戶屬性、投訴情況、寬帶網(wǎng)絡(luò)性能等屬性，并將原始數(shù)據(jù)按區(qū)域類型、帶寬速率、投訴情況劃分為8個客戶群，分別適配lightGBM、XGBoost、RandomForest中的不同算法達到最優(yōu)，最終完成家庭寬帶離網(wǎng)用戶預(yù)警模型的構(gòu)建，并輸出對存量寬帶用戶次月的離網(wǎng)預(yù)測。

2? 模型構(gòu)建

通過需求分析，將應(yīng)用場景轉(zhuǎn)化為預(yù)測寬帶用戶離網(wǎng)與在網(wǎng)的分類問題[3]，調(diào)取單月全量家庭寬帶用戶數(shù)據(jù)，包含用戶屬性（如年齡、性別）、業(yè)務(wù)屬性（如寬帶入網(wǎng)時間、用戶套餐、用戶月消費等）、使用習慣（如寬帶上網(wǎng)時長、上網(wǎng)流量等）、投訴情況（如月投訴頻次、投訴類型等）及寬帶網(wǎng)絡(luò)性能（如帶寬、上網(wǎng)平均速率）等數(shù)據(jù);完成多表關(guān)聯(lián)、匯總后，形成包含347個特征的原始數(shù)據(jù)，其中數(shù)值型特征307個、類別型特征40個，以“isnt_kd_lost_label”（是否次月寬帶離網(wǎng)用戶）作為類別標簽。

2.1? 數(shù)據(jù)預(yù)處理及特征選擇

2.1.1? 特征初篩

為保證特征的有效性，首先去掉值全為空、對分類無貢獻的5個特征，再去掉數(shù)據(jù)波動小、方差等于0的41個特征，最后去掉存儲內(nèi)容為文本（例如：民?；▓@小區(qū)）的32個特征，共涉及78個特征。

2.1.2? 空值填充

對于數(shù)值型特征選用“中位數(shù)”填充，對于類別型特征選用“向前、向后”填充。

2.1.3? 相似度分析

對于|相關(guān)系數(shù)|≥0.8的特征，認為其屬于強相關(guān)，為保證模型的簡化，選擇僅保留其中一個特征，共丟棄124個特征。如圖1所示。

2.1.4? 數(shù)據(jù)集劃分

預(yù)留10%的數(shù)據(jù)作為最終測試集（test set），剩余數(shù)據(jù)再按照8：2的比例劃分為訓練集（train set）和驗證集（validation set）用于模型構(gòu)建。

2.1.5? 正負樣本不均衡處理

以“離網(wǎng)”作為正類，“在網(wǎng)”作為負類，訓練集原始數(shù)據(jù)正負樣本比為1：142，存在明顯數(shù)據(jù)不均衡，分別采用過采樣、欠采樣兩種方式，按正負比1：2和1：4兩種比例生成用于模型訓練的數(shù)據(jù)集。如表1所示。

2.2? 場景細分

2.2.1? 劃分維度

結(jié)合日常寬帶用戶的投訴處理、故障維護經(jīng)驗，將訓練數(shù)據(jù)按照區(qū)域類型、帶寬速率、投訴情況[4]三個維度劃分為8個客戶群。如圖2所示。

2.2.2? 細分標準

區(qū)域類型包括城市、農(nóng)村;帶寬速率包括高帶寬、低帶寬，其中100 MB及以下為低帶寬、200 MB及以上為高帶寬;投訴情況包括有投訴、無投訴。

2.3? 模型建立

2.3.1? 基線模型

對于劃分好的8個客戶群的訓練數(shù)據(jù)集，依次使用lightGBM、XGBoost、RandomForest算法訓練，最終訓練出24個模型，作為基線模型，并從準確率、召回率、F1值對所有基線模型的預(yù)測結(jié)果進行評估。

2.3.2? 終版模型

根據(jù)評估指標，選擇召回率為首要評估指標，確定每類客戶群預(yù)測效果最優(yōu)的模型算法，其中，3個客戶群選擇lightGBM算法、3個客戶群選擇XGBoost算法、2個客戶群選擇RandomForest算法，并最終混合組成家庭寬帶離網(wǎng)用戶預(yù)警模型。

2.4? 效果分析

2.4.1? 評估指標

將模型應(yīng)用在8個客戶群的測試數(shù)據(jù)集上，并輸出準確率、召回率、F1值三項評估指標，對終版模型的各客群預(yù)測結(jié)果進行評估，以正類召回率作為首要評估指標[5]。

2.4.2? 預(yù)測效果

在8個客戶群的正類召回率中，6個客戶群在90%以上、1個89.34%、1個75%;模型在測試集上的正類召回率為89.64%。如表2所示。

2.5? 調(diào)優(yōu)

在模型構(gòu)建過程中，需要根據(jù)模型的評估指標，多次進行迭代優(yōu)化，主要解決以下兩個問題。

2.5.1? 訓練樣本均衡問題

原始訓練數(shù)據(jù)，正負樣本比例懸殊，同時引入上采樣、下采樣方式，按1：4和1：2比例生產(chǎn)訓練數(shù)據(jù)集，進行探索。通過評估各訓練集生成模型的預(yù)測召回率，最終選定上采樣（1：2）作為最終訓練數(shù)據(jù)。

2.5.2? 過擬合問題

通過訓練數(shù)據(jù)集生成的基線模型，準確率、召回率、F1均在98%以上，但在測試集上召回率僅65%，出現(xiàn)了明顯的過擬合、泛化能力不足的情況。通過調(diào)整reg_alpha、reg_lambda、max_depth等參數(shù)，加入L1、L2正則化，限制樹的最大深度，降低模型的擬合精度，增強泛化能力。

2.6? 預(yù)測結(jié)果輸出

模型最終的預(yù)測結(jié)果以csv文件格式輸出，包含用戶ID、離網(wǎng)概率、是否離網(wǎng)等字段信息。如圖3所示。

3? 應(yīng)用效果

3.1? 降低家寬離網(wǎng)率

通過模型從全市20余萬寬帶用戶中，篩選出0.22萬/月存在離網(wǎng)可能的用戶，供業(yè)務(wù)部門針對用戶進行挽留。

模型應(yīng)用后，寬帶月離網(wǎng)率持續(xù)改善，從0.76%下降至0.35%，5～6月全省月離網(wǎng)率全省最低;預(yù)計2021年全年家庭寬帶離網(wǎng)率5.66%，較2020年改善2.28 PP。如圖4所示。

3.2? 挽回用戶創(chuàng)造收益

模型應(yīng)用前，寬帶離網(wǎng)中位數(shù)1 544戶/月，應(yīng)用后，寬帶離網(wǎng)中位數(shù)896戶/月;挽回寬帶用戶648戶/月，全年預(yù)計挽回7 776戶。

離網(wǎng)意味著用戶資費降檔或手機銷戶，按每戶20元/月資費變動估算;首月挽回用戶創(chuàng)造收益1.3萬元，全年預(yù)計創(chuàng)造收益101.1萬元。

4? 結(jié)? 論

實踐證明，此寬帶用戶離網(wǎng)預(yù)測模型解決了信息過載和用戶無目的搜索的問題，達到降低用戶離網(wǎng)率、為企業(yè)創(chuàng)造收益及降低成本的目的，同時豐富了寬帶用戶運營手段，是通過大數(shù)據(jù)輔助市場經(jīng)營的有效嘗試。

參考文獻：

[1] 王遠征，吳峰，夏明鏡，等.電信寬帶用戶離網(wǎng)大數(shù)據(jù)預(yù)測實例 [J].電信技術(shù)，2016（10）：83-87.

[2] 云晴.大數(shù)據(jù)實踐重要影響因素 [J].中國電信業(yè)，2017（8）：57-59.

[2] 盧光躍，張宏建，閆真光，等.基于特征選擇和SVM的電信客戶離網(wǎng)預(yù)測 [J].西安郵電大學學報，2019，24（2）：21-25.

[3] 陳小鳳.寬帶用戶維系新思路 [J].電子技術(shù)與軟件工程，2018（14）：14.

[4] 谷娜.基于AI和大數(shù)據(jù)的寬帶服務(wù)支撐體系研究 [J].通信與信息技術(shù)，2021（4）：81-82.

[5] 云晴.大數(shù)據(jù)實踐重要影響因素 [J].中國電信業(yè)，2017（8）：57-59.

作者簡介：張靖（1986—），男，漢族，山西朔州人，中級工程師，碩士研究生，研究方向：神經(jīng)網(wǎng)絡(luò);侯曉晶（1987—），女，漢族，山西省運城人，中級工程師，碩士研究生，研究方向：數(shù)據(jù)挖掘。

3478500338218