CN102076000A - 移动用户欠费监控***及方法 - Google Patents

Abstract

本发明实施例提供了一种移动用户欠费监控***，包括：风险关联矩阵获取单元，用于获取风险关联矩阵，所述风险关联矩阵是根据设定的规则建立的移动用户通信行为与欠费类型之间的关联矩阵；高风险用户预测单元，用于通过分析风险关联矩阵获取单元获取的风险关联矩阵，预测出高风险用户，所述的高风险用户是指具有欠费离网可能性的移动用户；监控单元，用于对高风险用户预测单元预测出的高风险用户的通信行为进行监控。该移动用户欠费监控***解决了现有技术对高风险用户的监控效率不高的问题，增强了对恶意欠费用户的业务限制，降低了移动用户的欠费离网率。

Description

移动用户欠费监控***及方法

技术领域

本发明涉及移动通信领域，尤其涉及一种移动用户欠费监控***及方法。

背景技术

随着移动通信技术的发展，移动用户的数量也急剧增加。然而，当某些欠费用户的欠费数额很大时，很可能部分用户不再进行充值，而是放弃使用该移动通信业务，即所谓的欠费离网。当大量的移动用户出现欠费离网情况时，将导致移动用户的欠费离网率呈上升趋势，从而给运营商造成大量的坏账，对移动通信运营商的经济效益产生了比较大的影响。对此，移动通信运营商已经采用了多种技术手段，以加强对欠费用户的管理。

移动用户欠费监控***就是其中一种有效的手段，但由于现有用户数量非常庞大，而***负荷有限，这就导致现有的移动用户欠费监控***在通信过程建立的鉴权阶段，对欠费用户的呼叫进行限制时，效率非常低。而业务操作支撑***(Business&Operation Support System，BOSS)的计费过程具有非实时性的特点，进一步抑制了现有的移动用户欠费监控***的效率。

发明内容

本发明实施例提供一种移动用户欠费监控***及方法，以提高对高风险用户监控的效率。

本发明实施例提供了一种移动用户欠费监控***，包括：风险关联矩阵获取单元，用于获取风险关联矩阵，所述风险关联矩阵是根据设定的规则建立的移动用户通信行为与欠费类型之间的关联矩阵；高风险用户预测单元，用于通过分析风险关联矩阵获取单元获取的风险关联矩阵，预测出高风险用户，所述的高风险用户是指具有欠费离网可能性的移动用户；监控单元，用于对高风险用户预测单元预测出的高风险用户的通信行为进行监控。

本发明实施例提供了一种移动用户欠费监控方法，包括：获取根据设定的规则建立的移动用户通信行为与欠费类型之间的风险关联矩阵；以及分析所述风险关联矩阵并预测出具有欠费离网可能性的高风险用户；监控所述高风险用户的通信行为。

本发明实施例提供的移动用户欠费监控***及方法解决了现有技术对高风险用户的监控效率不高的问题，增强了对恶意欠费用户的业务限制，降低了移动用户的欠费离网率。

附图说明

图1是实施例1提供的移动用户欠费监控***的结构示意图；

图2是实际运行的欠费风险控制***功能架构示意图；

图3是实施例2提供的移动用户欠费监控***的结构示意图；

图4是实施例提供的高风险用户预测效果验证示意图；

图5是语音监控子单元的控制流程示意图；

图6是点对点都市短消息监控单元的控制流程示意图；

图7是移动互联网及多媒体消息按月业务监控流程示意图；

图8是移动互联网及多媒体消息按次业务监控流程示意图；

图9是实施例3提供的移动用户欠费监控方法的流程示意图。

具体实施方式

本发明实施例1提供一种移动用户欠费监控***，其结构示意图如图1所示，包括：

风险关联矩阵获取单元11，用于获取风险关联矩阵，所述风险关联矩阵是根据设定的规则建立的移动用户通信行为与欠费类型之间的关联矩阵；

高风险用户预测单元12，用于通过分析风险关联矩阵获取单元获取的风险关联矩阵，预测出高风险用户；所述的高风险用户是指具有欠费离网可能性的移动用户；

监控单元13，用于对高风险用户预测单元预测出的高风险用户的通信行为进行监控。

图2给出了为实际运行中的限制高风险用户呼叫的控制***功能架构示意图。风险关联矩阵获取单元11和高风险用户预测单元12在经分***中实现，经分***根据关联分析模型初步筛选出需要被监控的高风险用户后，提交给监控单元13，监控单元13通过业务操作支撑***(Business&Operation Support System，BOSS)，再将高风险用户的相关资料同步给短消息中心(Short Message Service Center，SMSC)和数据业务管理平台(Data Service Management Platform，DSMP)，由监控单元13实现对高风险用户进行呼叫、点对点短消息、移动互联网以及多媒体消息等业务的实时监控。

本发明实施例1提供的移动用户欠费监控***中高风险用户预测单元12是在风险关联矩阵分析法的基础上实现的，所谓关联矩阵分析法是利用关联分析方法，通过广泛关联，发现产品、业务、功能、属性、行为特征等之间的关联性，从而通过已知的行为特征，找到目标行为的方法。

分析中有三个重要的纬度：

支持度：同时使用A、B两种业务的客户数占全体客户数(S)的比例，可表示为AB/S。它用于度量两种业务的关联是否有普遍性。

可信度：使用A之后继续使用B的可能性，可表示为AB/A。它用于度量A用户群对B业务的接受程度。

提升度：在购买A产品这个条件下购买B产品的可能性与没有这个条件下购买B产品的可能性之比，可表示为：(AB/A)/(B/S)。它用于度量若选择对A用户群做推广，比不做任何选择是否更有效率。

本发明实施例2提供一种移动用户欠费监控***，就是利用一种新型关联提升分析方法，通过用户已知的多类通信行为的综合分析，发现高风险用户。本发明实施例2提供一种移动用户欠费监控***，其结构示意图如图3所示，包括：

风险关联矩阵建立单元301，用于建立移动用户的通信行为和欠费类型之间的风险关联矩阵。

首先，通过对移动业务进行初步分析，选取一系列用户属性以及通信行为来代表用户的特征，作为关联矩阵的行属性，即A；选取一系列和欠费相关的特征作为关联矩阵的列属性，即B，建立一个欠费风险关联分析矩阵，获取用户的各类特征与欠费的关联结果，得到欠费风险关联分析矩阵，如表1所示：

表1

在表1中，“总用户数(S)”下方填写总用户到达数；

“A列”下方填写相应通信行为的用户数；

“B列”右方填写符合相应欠费类型的用户数；

通信行为与欠费类型相交的单元格，即表示该类通信行为的用户中，发现相应欠费类型的用户数，即“AB”值。

通信行为中，选取了以下类型：

每种类型又分为不同的级别，级别划分的原则是应能有效地区隔用户，尽量防止某一级别的用户数太多或太少。如“主叫次数”划分了8个级别，分别为“主叫次数0～10”、“主叫次数10～30”、“主叫次数30～50”、主叫次数50～100”、“主叫次数100～150”、“主叫次数150～200”、“主次数200～300”、“主叫次数300以上”。

欠费类型的选择主要考虑业务的关注点，比如，同样是欠费用户，有的可能是比较关心语音方面的欠费用户或是欠费金额达到某个级别的用户。在这里划分了五类欠费用户：语音通信欠费类、短消息欠费类、GPRS欠费类、移动互联网欠费类、点播欠费类、综合欠费类，每种类型的欠费用户，其该类欠费金额应达到总欠费金额的70％，如均没有达到70％，则为综合类欠费。同时还引入了八个欠费金额级别及不同业务品牌(例如全球通、神州行、动感地带)的两种分类方法。

考虑到为了防止移动用户欠费离网的风险，在这里，“欠费”是指在月帐出帐后一个月内，用户的欠费费用没有结清的，则该用户为欠费用户。大多数实时欠费用户在一段时间内，都会主动结清已欠费用，并继续正常使用移动通信业务，这类用户不是本发明实施例所关注的对象。同时因为需要根据当月的通信行为，预测下一个月欠费的用户，因此，这里的欠费用户为统计月份新增的欠费用户，通信行为则为预测月份上一个月的通信行为。

为了方便计算，需要为上述数据建立两张表(可以是数据库表)，表2为用户通信行为表，表3为用户欠费状态表，如下所示：

字段名称	字段类型	备注
			号码	varchar(15)
主叫次数级别	number(2)

被叫次数级别	number(2)
			主叫比例级别	number(2)
IP次数级别	number(2)
			主叫次数级别	number(2)
。。。	。。。

表2

字段名称	字段类型	备注
			号码	varchar(15)
语音通信欠费类	number(1)
			短消息欠费类	number(1)
GPRS欠费类	number(1)
			移动互联网欠费类	number(1)
点播欠费类	number(1)
			。。。	。。。

表3

风险关联矩阵获取单元302，用于获取风险关联矩阵建立单元建立的风险关联矩阵；

获取到的风险关联矩阵用于后续的分析以及高风险用户的预测。

高风险用户预测单元303，用于通过分析风险关联矩阵获取单元获取的风险关联矩阵，预测出高风险用户；所述的高风险用户是指具有欠费离网可能性的移动用户；

高风险用户预测单元303具体包括两个子单元：风险关联矩阵分析子单元3031和高风险用户筛选子单元3032。

风险关联矩阵分析子单元3031，用于根据风险关联矩阵对移动用户的通信行为和欠费类型进行综合分析，以便于对高风险用户的鉴别和筛选；

对风险关联矩阵的分析具体包括：计算关联分析指标(支持度、可信度、提升度)以及行为特征的欠费风险评分。

选择一个历史月份作关联分析，则根据需要预测月份的前一个月的用户通信特征生成“用户通信行为”表以及根据用户的欠费数据生成“用户欠费状态”表。

通过“用户通信行为”表可以计算出总用户数(S值)、各通信行为相应级别的用户数(A值)；通过“用户欠费状态”表，可以计算出不同欠费类型的用户数(B值)；两表关联，就可计算出通信行为与欠费用户数的关联值，即AB值。

根据前述的定义就可以计算出各通信行为对应某欠费类型的：支持度、可信度、提升度。其中提升度代表着寻找欠费用户的效率，是重点关注的对象。根据上述持度、可信度、提升度的定义，对08年8月欠费用户数据进行分析后，得出如表4的结果。

表4

在风险关联矩阵分析子单元3031得到的分析结果中，如果某属性或行为特征的欠费提升度较高(至少大于1)，根据提升度的定义(本特征内欠费用户数占比除以平均欠费用户数占比)可知，具有该特征的用户群的欠费比例高于平均的欠费比例，即意味着该用户群的欠费风险较高。因此，提升度代表了欠费风险的程度，就可以将提升度作为用户具有某种特征的移动用户欠费的风险评分。提升度越高风险越高，即欠费离网的可能性就越高。除了提升度可以作为衡量移动用户欠费风险的标准外，支持度和可信度同样可以用来衡量移动用户的欠费风险。

高风险用户筛选子单元3032，用于根据风险关联矩阵分析子单元3031的分析结果，筛选出高风险用户。

高风险用户筛选子单元3032根据关联分析得出的各特征(主要是提升度)评分标准，给预测月份的各移动用户打分，将用户各特征评分合计作为该用户的欠费风险总分。然后按欠费风险总分对用户进行排名(可以按降序)，根据监控单元304所限定的容量(用户数)，将排名靠前(容量的10倍)的用户作为监控基准用户。

实际预测之中，如需预测10月份的高风险用户，则根据9月份数据生成的用户通信特征生成“用户通信行为”表，将用户通信特征与欠费特征对应的提升度作为该移动用户的欠费风险评分。将用户各特征(持度、可信度、提升度)的评分总和，作为该用户10月份的欠费风险总分。然后按欠费风险总分对用户进行排名(降序)，将排名靠前(容量的10倍)的用户作为监控基准用户。

图4为10月份的高风险用户预测效果分析验证图。横轴根据欠费风险总分排序的结果将用户平均分成20区段，并将欠费用户进行累加，得到所示曲线。从累计欠费用户曲线中可以看出，近40％的欠费用户落在前15％用户中(前3段)，超过80％的欠费用户落在前一半用户中(前10段)。

高风险用户筛选子单元3032根据用户帐户余额阀值，每天从监控基准用户中筛选实施监控的高风险用户，具体方法为：

首先计算监控基准用户当天的帐户余额及近10天的日均消费，然后根据预设的阀值(最小余额和可消费天数)，提取满足以下关系的基准用户：

帐户余额小于最小余额阀值；

或者帐户余额大于日均消费与可消费天数阀值的乘积。

在满足上面关系的同时，在***限定的容量内取欠费风险评分较高的用户作为当天实施监控的高风险用户。

监控单元304，用于对高风险用户预测单元303预测出的高风险用户的通信行为进行监控。

监控单元304对高风险用户的欠费监控分为三个方面：语音通信监控、点对点短消息监控、移动互联网及多媒体消息监控。相应的监控单元包括3个子单元：语音监控子单元3041、点对点短消息监控子单元3042，移动互联网及多媒体消息监控子单元3043。

语音监控子单元3041，用于对高风险用户的语音通信业务进行监控。

语音监控子单元3041对高风险用户的语音通信业务的监控流程，主要利用业务控制点(Service Control Point，SCP)、智能网关(Intelligent GateWay，IGW)之间配合，根据移动用户的资料和帐户情况对用户的通话进行实时的控制，当余额不足时能够及时切断语音通信，避免用户欠费。具体流程如图5所示，包括：

51、根据业务规则触发BOSS***将得到的高风险用户的资料以及帐户资料传给IGW；

52、并将签约信息加载到归属位置寄存器(Home Location Register，HLR)上(批量或单条)；

53、如采用业务许可表模式，则IGW运算并更新用户业务许可表。

54、用户通话时，SCP向IGW上报话务信息；

55、IGW通过业务许可表模式或直接鉴权模式对本次通话进行控制；如果高风险用户话费余额不足，则切断其呼叫；

56、用户通话结束后，SCP将用户通话情况上报IGW；

点对点短消息监控子单元3042，用于针对高风险用户的点对点短消息业务的监控。点对点短消息监控子单元3042根据现网的短消息中心(Short Message Center，SMSC)\短消息网关(Internet Short Message Gateway，ISMG)的设备功能，同时结合目前的IGW，完成用户的分级筛选和鉴权。点对点短消息监控单元的监控流程如图6所示，包括：

61、用户发送短消息时，向SMSC/ISMG发起发送短消息的请求；

62、SMSC/ISMG查询用户是否在高风险用户监控列表中；如用户为受监控用户，SMSC/ISMG将该发送短消息请求上报给IGW；

63、IGW通过业务许可表或直接计费鉴权方式对事件进行余额鉴权；

64、IGW下发鉴权结果给SMSC/ISMG；

65、SMSC/ISMG根据鉴权结果判断是否接续用户短消息请求；如果余额不足则不再接续该用户的短消息请求。

移动互联网及多媒体消息监控子单元3043，用于针对高风险用户的移动互联网及多媒体消息业务的监控。移动互联网及多媒体消息监控子单元3043对于监控移动互联网及多媒体消息的欠费高风险用户的实施方案，可以分为包月业务流程和按次业务流程两类。

其中，包月业务流程示意图，如图7所示，包括：

71、用户订购业务时，接入网元发起鉴权批价请求；

72、数据业务管理平台(Data Service Management Platform，DSMP)进行用户/业务/订购关系鉴权；并进行信息费批价，然后如果该业务订购需要立即计费，则进行信用控制；

73、DSMP向IGW发起“计费鉴权接口请求”；

74、IGW实时向DSMP返回“计费鉴权接口响应”；

75、DSMP对ISMG/多媒体消息中心(Multimedia Message Center，MMSC)返回鉴权批价应答即AuthPriceResp应答

76、如果计费鉴权成功，DSMP生成订购关系；如果计费鉴权失败，DSMP则不生成订购关系；DSMP向用户发订购结果通知短消息，如订购成功还需先BOSS、SP同步订购关系；如订购成功DSMP触发包月计费。

而另一种计次业务流程的流程示意图，如图8所示，包括：

81、用户使用按次业务时，接入网元ISMG/MMSC向DSMP发起(MT)鉴权批价请求即AuthPriceReq请求；

82、DSMP进行用户/业务/订购关系鉴权；DSMP进行信息费批价；

83、DSMP进行用户信用控制，判断计费用户是否在“计费监控用户表”中；

84、如果用户是在“计费监控用户表”中，DSMP向BOSS发起“计费鉴权接口请求”；

85、BOSS实时向DSMP返回“计费鉴权接口响应”；

86、返回鉴权批价相应；如果计费鉴权成功，DSMP向对应接入网元返回鉴权批价成功响应；如果计费鉴权失败，DSMP向对应接入网元返回鉴权批价失败响应，同时通知用户资费不够。

以上为监控单元304针对三种不同业务的监控，从收到请求到返回应答结果，时延不超过300毫秒。由本发明实施例预测出来的存在欠费离网风险的高风险用户，均被列入欠费风险控制的监控范围。当用户符合被监控条件时，有监控单元304对该用户实施相关业务的限制。

本发明实施例提供的移动用户欠费监控***通过对风险关联矩阵的分析，得到了存在欠费离网可能性的高风险用户，并利用监控单元在实际业务发生时对高风险用户进行监控，有效地提高了，对高风险用户进行限制的效率。大大降低了移动用户的欠费离网率，减少了移动通信运营商的坏账。

本发明实施例3提供了一种移动用户欠费监控方法，其流程如图9所示，包括：

S91、获取根据设定的规则建立的移动用户通信行为与欠费类型之间的风险关联矩阵；

该风险关联矩阵的行属性为移动用户的通信行为特征，列属性为移动用户的欠费类型特征。风险关联矩阵的设置方法与实施例2中介绍的风险关联矩阵建立单元的建立风险关联矩阵的方法相同。

S92、分析该风险关联矩阵并预测出具有欠费离网可能性的高风险用户；

对获取的分线关联矩阵矩阵进行分析以及高风险用户的筛选具体可以分为两个步骤：

S921、综合分析风险关联矩阵中的移动用户通信行为相对于移动用户的欠费类型的支持度、可信度和提升度；

这里提到的支持度、可信度和提升度的定义如前所述，为移动用户的通信行为相对于欠费类型的关系。

S922、根据分析的结果，筛选出具有欠费离网可能性的高风险用户；

对风险关联矩阵的分析结果进行排序，与前述***中的执行过程相同，其中达到指定阈值的用户即被筛选出来作为高风险用户，需要进行检测。

S93、监控筛选出来的高风险用户的通信行为。移动用的通信行为主要包括语音通信、点对点短消息、移动互联网业务以及多媒体短消息，针对以上的移动用户的通信行为对高风险用户的监控包括三种，分别是：

S931、监控高风险用户的语音通信业务；

S932、监控高风险用户的点对点短消息业务；

S933、监控高风险用户的移动互联网业务及多媒体消息业务。

对高风险用户的不同的通信行为的监控与前述***中监控单元的执行过程相同，当某个高风险用户出现符合被限制使用业务的条件时，对该高风险用户的相关业务实施限制。

本发明实施例3提供的移动用户欠费监控方法，建立在实施例2提供的移动用户欠费监控***的基础上，有效地提高了监控方法的监控效率。防止了恶意欠费用户的欠费离网行为，降低了移动运营商的坏账率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种移动用户欠费监控***，其特征在于，包括：

风险关联矩阵获取单元，用于获取风险关联矩阵，所述风险关联矩阵是根据设定的规则建立的移动用户通信行为与欠费类型之间的关联矩阵；

高风险用户预测单元，用于通过分析风险关联矩阵获取单元获取的风险关联矩阵，预测出高风险用户，所述的高风险用户是指具有欠费离网可能性的移动用户；

监控单元，用于对高风险用户预测单元预测出的高风险用户的通信行为进行监控。

2.如权利要求1所述的***，其特征在于，所述高风险用户预测单元包括：

风险关联矩阵分析子单元，用于根据风险关联矩阵获取单元获取的风险关联矩阵，对移动用户的通信行为和欠费类型进行综合分析；

高风险用户筛选子单元，用于根据风险关联矩阵分析子单元的综合分析结果，筛选出高风险用户。

3.如权利要求2所述的***，其特征在于，所述风险关联矩阵分析子单元对移动用户的通信行为和欠费类型进行综合分析具体是分析移动用户的通信行为相对于移动用户的欠费类型的支持度、可信度和提升度。

4.如权利要求1所述的***，其特征在于，所述风险关联矩阵获取单元获取的风险关联矩阵的行属性为移动用户的通信行为特征，列属性为移动用户的欠费类型特征。

5.如权利要求1或2所述的***，其特征在于，所述监控单元包括下列子单元中的至少一个：

语音监控子单元，用于对高风险用户预测单元预测出的高风险用户的语音通信业务进行监控；

点对点短消息监控子单元，用于对高风险用户预测单元预测出的高风险用户的点对点短消息业务进行监控；

移动互联网及多媒体消息监控子单元，用于对高风险用户预测单元预测出的高风险用户的移动互联网业务及多媒体消息业务进行监控。

6.一种移动用户欠费监控方法，其特征在于，包括：

获取根据设定的规则建立的移动用户通信行为与欠费类型之间的风险关联矩阵；以及

分析获取的所述风险关联矩阵并预测出具有欠费离网可能性的高风险用户；

监控分析出的所述高风险用户的通信行为。

7.如权利要求6所述的方法，其特征在于，所述风险关联矩阵的行属性为移动用户的通信行为特征，列属性为移动用户的欠费类型特征。

8.如权利要求6所述的方法，其特征在于，分析获取的所述风险关联矩阵并预测出具有欠费离网可能性的高风险用户，具体包括：

根据所述风险关联矩阵，对移动用户的通信行为和欠费类型进行综合分析；以及

根据综合分析的结果，筛选出高风险用户。

9.如权利要求8所述的方法，其特征在于，所述对移动用户的通信行为和欠费类型进行综合分析具体包括：分析移动用户的通信行为相对于移动用户的欠费类型的支持度、可信度和提升度。

10.如权利要求6所述的方法，其特征在于，监控所述高风险用户的通信行为包括：

监控高风险用户的语音通信业务；或者

监控高风险用户的点对点短消息业务；或者

监控高风险用户的移动互联网业务及多媒体消息业务。

Images