閆天中，閆晶瑩（中國聯(lián)通太原分公司，山西太原 030002）

0 引言

近年來，隨著LTE 網(wǎng)絡(luò)的持續(xù)優(yōu)化，網(wǎng)絡(luò)質(zhì)量得到顯著提升，但是用戶滿意度卻有所惡化，因此找到端到端的問題點至關(guān)重要。山西聯(lián)通針對用戶在使用無線網(wǎng)絡(luò)時的實際體驗和感知進行客觀分析，根據(jù)用戶在使用上網(wǎng)、視頻、即時通信、VoLTE 語音等業(yè)務(wù)時的各項網(wǎng)絡(luò)質(zhì)量指標(biāo)（KQI/KPI），建立綜合評估用戶業(yè)務(wù)使用的滿意度指標(biāo)體系，構(gòu)建用戶業(yè)務(wù)感知評分模型，實現(xiàn)對用戶滿意度進行評分，精確找出滿意度較差或較好的用戶或小區(qū)，在完成用戶和質(zhì)差小區(qū)的評估后，需要針對移動網(wǎng)質(zhì)差小區(qū)綜合性能、告警、覆蓋等多項信息進行問題的定界和定位，從而細分出質(zhì)差小區(qū)存在的網(wǎng)絡(luò)質(zhì)量問題，并輸出對應(yīng)的解決方案或方向，通過輔助問題處理，促進各項指標(biāo)提升，最終達到用戶用網(wǎng)感知和體驗提升的目的。

1 傳統(tǒng)的用戶感知提升解決方案

傳統(tǒng)的用戶感知提升解決方案是基于用戶投訴數(shù)據(jù)的獲取，通過用戶反映的問題開展差小區(qū)的優(yōu)化。

a）用戶感知差小區(qū)信息獲取?？头藛T通過平臺收集用戶反映的問題，用戶將問題點位置、具體現(xiàn)象進行描述，客服人員對反映的問題進行提取，獲取具體的問題區(qū)域。

b）方案制定。網(wǎng)絡(luò)優(yōu)化人員根據(jù)反饋的問題區(qū)域，映射到具體的基站或者小區(qū)，結(jié)合設(shè)備運行狀態(tài)、KPI 指標(biāo)、進行投訴原因定位。結(jié)合投訴區(qū)域?qū)嶋H問題，對可能的區(qū)域進行實地測試排查，進而制定解決措施。

c）閉環(huán)管理。問題小區(qū)優(yōu)化完成后，KPI 指標(biāo)正常作為問題解決的判定依據(jù)，用戶感知問題解決，問題點閉環(huán)。

通過以上用戶感知差問題的解決，可以看做是單純的質(zhì)差小區(qū)的解決。用戶反映的問題，存在主觀性強，樣本量少的特點，KPI 指標(biāo)眾多，并不能反映用戶的滿意度，同時傳統(tǒng)的KPI指標(biāo)波動性大，處理目標(biāo)不明確，導(dǎo)致定界定位不準(zhǔn)確，雖然KPI 指標(biāo)有所改善，但是用戶切實感知差的小區(qū)未能得到解決，針對性弱。由于缺乏用戶滿意度提升的可視化管控統(tǒng)一作業(yè)平臺，不能及時看到滿意度問題的實時解決情況，問題點閉環(huán)滯后。

2 CEM理論框架

2.1 CEM理論框架模型介紹

針對用戶感知到的網(wǎng)絡(luò)質(zhì)量建立的用戶客觀體驗評價模型，簡稱為CEI。該模型通過選擇用戶使用的多種典型業(yè)務(wù)（Voice、Web和streaming 等）和其對應(yīng)的底層指標(biāo)數(shù)據(jù)，向上匯聚成單一化指標(biāo)，來整體地量化用戶接受的客觀網(wǎng)絡(luò)質(zhì)量情況。

CEI 是以現(xiàn)有SEQ 平臺為依托，通過使用網(wǎng)絡(luò)側(cè)的PSPU 分析，采用CEI 對不同業(yè)務(wù)（語音、數(shù)據(jù)業(yè)務(wù)）的KQI 進行客觀分析，并采用主觀數(shù)據(jù)進行相關(guān)性分析和校準(zhǔn)，得出每個業(yè)務(wù)的體驗感知質(zhì)量QoE 得分，然后通過對不同業(yè)務(wù)賦予不同的權(quán)重，得出最終用戶級和小區(qū)級CEI得分。其中CEI計算邏輯如下。

業(yè)務(wù)偏好權(quán)重的設(shè)置：由于用戶使用多種業(yè)務(wù)，業(yè)務(wù)偏好程度（使用量）決定了某種業(yè)務(wù)對用戶客觀體驗的影響程度。所以，采用Z分?jǐn)?shù)法，確定不同業(yè)務(wù)的權(quán)重。

CEI 計算：根據(jù)業(yè)務(wù)權(quán)重，將業(yè)務(wù)QoE 進行加權(quán)求和，QoE計算模型如圖1所示。

圖1 QoE計算模型

指標(biāo)權(quán)重：通過分析某業(yè)務(wù)KQIs對業(yè)務(wù)質(zhì)量影響度的大小，確定KQIs 的權(quán)重，用于將表征某業(yè)務(wù)質(zhì)量的KQIs 簡化為反映業(yè)務(wù)整體質(zhì)量的單一指標(biāo)（QoE）。因此，在將指標(biāo)標(biāo)準(zhǔn)化后，采用EFA算法分析每個KQI的影響度，并計算出相關(guān)權(quán)重。

每業(yè)務(wù)QoE 計算：根據(jù)KQI權(quán)重，對KQI標(biāo)準(zhǔn)分進行加權(quán)求和得到每業(yè)務(wù)的QoE原始分。

QoE 百分制：為了更好地理解QoE 得分代表的意義，根據(jù)調(diào)研的滿意、中立和不滿意比例分布，采用分箱法，將QoE原始分轉(zhuǎn)變?yōu)榘俜种啤?/p>

指標(biāo)集的確定和收集：基于調(diào)研分析和網(wǎng)優(yōu)經(jīng)驗，確定與用戶體驗強相關(guān)指標(biāo)集，并通過SEQ 平臺收集每用戶的KQI。

指標(biāo)值標(biāo)準(zhǔn)化：由于同一業(yè)務(wù)對應(yīng)的各種KQI 的原始值值域和量綱不同，為了支撐后續(xù)確定每個KQI對業(yè)務(wù)影響度的大小，需要采用分箱方法，將KQI標(biāo)準(zhǔn)化，映射為1～5分，統(tǒng)一值域和量綱。

確定分箱門限：根據(jù)調(diào)研數(shù)據(jù)分析和網(wǎng)優(yōu)經(jīng)驗配合基于數(shù)據(jù)分布的劃分方法，確定門限，劃分5 個分箱，指標(biāo)原始值落入哪個分箱即轉(zhuǎn)換成對應(yīng)的分箱值（1～5分）。

一個用戶的CEI計算過程如圖2所示。

圖2 用戶的CEI計算過程

2.2 數(shù)字化平臺建立流程

a）模型建立與指標(biāo)評估：平臺根據(jù)樣本用戶的主觀調(diào)研數(shù)據(jù)與客觀指標(biāo)關(guān)聯(lián)分析，對CEI 評價結(jié)果調(diào)優(yōu)，使CEI 計算結(jié)果盡可能與用戶主觀感受一致。評估結(jié)果可以按照用戶、業(yè)務(wù)、小區(qū)等多個維度實現(xiàn)滿意度評估。

b）CEI 指標(biāo)分析與問題輸出：根據(jù)CEI 指標(biāo)找出滿意度較差或較好的用戶或小區(qū)。滿意度較差的小區(qū)結(jié)合KPI 進一步處理，將滿意度較差的用戶提供給市場或客服部門進行主動關(guān)懷。CEI 差小區(qū)篩選標(biāo)準(zhǔn)為CEI 得分≤70，用戶數(shù)≥50，感知差用戶占比≥20%且7天內(nèi)出現(xiàn)4天及以上。

c）問題定界：通過該模塊對輸出問題進行定界分析。按照終端、無線、承載、核心網(wǎng)、服務(wù)商等界面確定問題原因。

d）問題定位：依據(jù)接入的性能數(shù)據(jù)、告警數(shù)據(jù)、工參數(shù)據(jù)、MR 數(shù)據(jù)、小區(qū)配置數(shù)據(jù)對CEI 差小區(qū)進行根因定位。

e）方案輸出：依據(jù)問題定位結(jié)果輸出維護、優(yōu)化、擴容、規(guī)劃及其他解決方案。

f）接單處理：系統(tǒng)將問題小區(qū)每周按工單形式派到地（市）無線網(wǎng)劃小單元承包人，接單人在規(guī)定時間內(nèi)完成接單，并按照工單定位原因和建議方案完成整改。

g）實施反饋：工單處理完成后在規(guī)定時間內(nèi)按要求回單，說明具體實施動作，系統(tǒng)將依據(jù)實際處理方案調(diào)優(yōu)系統(tǒng)性能。

h）效果驗證：回單后一周時間，系統(tǒng)將通過CEI評分自動對問題小區(qū)處理效果驗證，根據(jù)驗證結(jié)果分為通過和不通過工單。

i）問題閉環(huán)：對于未通過工單，系統(tǒng)自動重新定位，重新派發(fā)工單，返回步驟f）處理。對于已通過工單，問題直接閉環(huán)。

3 CEI準(zhǔn)確性驗證

3.1 感知質(zhì)差小區(qū)驗證

為驗證CEI 平臺數(shù)據(jù)準(zhǔn)確性，提取2021 年2 月2日—2021 年2 月8 日共7 天的CEI 平臺差小區(qū)與無線側(cè)指標(biāo)進行關(guān)聯(lián)分析（見圖3）。

圖3 CEI平臺差小區(qū)與無線側(cè)指標(biāo)的關(guān)聯(lián)分析

A 市共有217 個CEI 差小區(qū)，其中有136 個小區(qū)屬于KPI 差小區(qū)，匹配率為62.67%；剩余81 個CEI 差網(wǎng)管指標(biāo)正常的小區(qū)，挑選TOP20 差小區(qū)下的低打分用戶進行回訪，共計回訪32 個用戶，實際有21 個用戶反映使用感知差，占比66%。

3.2 感知質(zhì)優(yōu)小區(qū)驗證

為驗證CEI 平臺數(shù)據(jù)準(zhǔn)確性，提取2021 年2 月2號—2021 年2 月8 號共7 天的CEI 平臺優(yōu)小區(qū)與無線側(cè)指標(biāo)進行關(guān)聯(lián)分析（見圖4）。

圖4 CEI平臺優(yōu)小區(qū)與無線側(cè)指標(biāo)的關(guān)聯(lián)分析

A 市共有1 056 個CEI 優(yōu)小區(qū)，其中976 個小區(qū)屬于KPI 優(yōu)小區(qū)，匹配率高達92.42%；剩余80 個小區(qū)部分網(wǎng)管指標(biāo)較差，其中64QAM 差小區(qū)占比最高，需進一步確認CEI小區(qū)準(zhǔn)確性。

3.3 得分趨勢變化驗證

A 市共有217 個CEI 差小區(qū)，匹配出136 個KPI 差小區(qū)；針對CEI匹配的KPI質(zhì)差小區(qū)，處理103個小區(qū)，其中天饋調(diào)整解決46 個，切換參數(shù)優(yōu)化32 個，功率優(yōu)化13個，其余參數(shù)優(yōu)化12個；處理的103個小區(qū)中，其中閉環(huán)84個CEI差小區(qū)，占比81.55%。

優(yōu)化后CEI 得分由67.27 提升到75.92，提升了8.65；感知差用戶占比由31.42%降低到19.44%，減少了11.98%。

3.4 用戶感知提升驗證

選取A 市17 個CEI 差小區(qū)的進行外場優(yōu)化驗證，并隨機挑選低得分用戶進行電話回訪，驗證用戶感知變化情況（見表1）。

表1 CEI差小區(qū)優(yōu)化前后對比

針對CEI 得分較低小區(qū)，通過外場優(yōu)化調(diào)整進行驗證，有13 個小區(qū)優(yōu)化后CEI 得分提升效果較為明顯。

針對CEI 提升較為明顯的小區(qū)，隨機挑選12 個CEI 得分提升用戶，進行電話回訪，有66.7%（8 個用戶）的用戶表示使用沒有明顯變化，33.3%的表示使用感知有所提升。

4 總結(jié)

通過對平臺驗證及應(yīng)用，得到以下總結(jié)。

a）整體得分變化趨勢與KPI 天級指標(biāo)變化趨勢較為相符，其中下行感知速率變化趨勢的匹配度相對其他KPI指標(biāo)較高。

b）CEI 差小區(qū)與KPI 差小區(qū)匹配度在62.67%，回訪未匹配到小區(qū)下的32 個用戶，實際有21 個用戶反映使用感知差，占比66%。

c）CEI 優(yōu)小區(qū)與KPI 優(yōu)小區(qū)匹配度較高，匹配率在92.42%。

d）閉環(huán)的103 個差小區(qū)中，有84 個小區(qū)的CEI 得分與感知差用戶占比改善，占比81.55%。

e）從外場優(yōu)化閉環(huán)的小區(qū)下隨機挑選12 個CEI差用戶進行回訪，有66.7%（8個用戶）的用戶表示使用沒有明顯變化，33.3%（4個）用戶表示感知有所提升。

相比傳統(tǒng)的處理用戶感知提升的方法，基于數(shù)字化平臺的更具有針對性，對提升用戶感知效率更高。而對于方案的輸出，還在研究階段，優(yōu)化人員參與度更高一些，后續(xù)將會對此部分內(nèi)容進一步完善。