CN108428155A - 一种基于业务特征模型的行为处理分析方法 - Google Patents
一种基于业务特征模型的行为处理分析方法 Download PDFInfo
- Publication number
- CN108428155A CN108428155A CN201810228210.4A CN201810228210A CN108428155A CN 108428155 A CN108428155 A CN 108428155A CN 201810228210 A CN201810228210 A CN 201810228210A CN 108428155 A CN108428155 A CN 108428155A
- Authority
- CN
- China
- Prior art keywords
- user
- call
- day
- situation
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种基于业务特征模型的行为处理分析方法,包括对集群虚拟网用户目前现状进行分析;构建用户细化模型;根据用户现状分析结果和用户细化模型,对用户进行细分,确定各用户对该群体用户的行为,如用户的流失倾向和忠诚度;根据细分结果,构建用户交往圈模型,为新业务提供推荐方向及资源。本发明通过对用户进行细分,构建用户交往圈模型,不仅提升服务质量和用户体验,还为新业务推荐提供营销方向及资源。
Description
技术领域
本发明涉及一种基于业务特征模型的行为处理分析方法,属于物联网信息网络技术领域。
背景技术
物联网正经历从硬件、传感等基础设备向软件平台和垂直行业应用升级发展阶段,在此过程中如何有效促进集团客户信息网络与运营服务的技术创新将变得尤为重要。集团虚拟网又称为集团智能VPMN网,是专为集团客户建立专用的集群虚拟网,不仅可以实施话费灵活优惠,节省不必要的通信开支,还能实现多项个性化的集团业务功能,通过集团内部自身的管理为企业内部通信带来更高的效率。随着用户业务的发展逐渐进入平缓期,大幅度提升阶段已转为数据分析进行精细化运营的时期,如何进行精确信息推荐,提升服务质量和用户体验是关键问题。集群虚拟网业务主要服务于用户语音通信,通过对用户通信行为进行深入分析,分析用户需求,是智能网业务的发展方向。
发明内容
为了解决上述技术问题,本发明提供了一种基于业务特征模型的行为处理分析方法。
为了达到上述目的,本发明所采用的技术方案是:
一种基于业务特征模型的行为处理分析方法,包括,
对集群虚拟网用户目前现状进行分析;
构建用户细化模型;
根据用户现状分析结果和用户细化模型,对用户进行细分,确定各用户对集群虚拟网的流失倾向和忠诚度;
根据细分结果,构建用户交往圈模型,为新业务提供推荐方向及资源。
用户目前现状分析包括用户活跃情况分析和用户通话情况分析。
用户活跃情况分析,
选取某时间段用户话单记录,从总体通话情况、通话频繁情况、通话高峰时间分布三个方面了解用户活跃情况;
其中,
总体通话情况:在选取的时间段内获得有通话行为的用户占比,测算其中有虚拟网通话行为的用户占比;
通话频繁情况包括选取的时间段内通话天数、通话次数和次均通话时长。
用户通话情况分析,分析一统计周期内用户与本地手机用户的通信情况,包括对端通话人数分布、通话关系时间分布和通话关系呼叫情况;
对端通话人数分布,即统计周期内每天对端联系人数的分布情况;
通话关系时间分布,即统计周期内发生通话的时间分布情况;
通话关系呼叫情况,即统计周期内用户主被叫次数分布情况。
用户细化模型采用RFM模型,将R作为一个维度,将F作为一个维度,每个维度划分成若干个等级,建立宫格,实现用户细分;
其中,R为集群虚拟网通话距离观测天的天数,判断用户是否可能流失;F为通话次数、通话时长、选取的时间段内的通话次数与累计通话时长,用以判断用户对集群虚拟网的忠诚度;M为用户费用信息,衡量用户价值。
用户对集群虚拟网的流失倾向判断规则为,
定义选取的时间段共有N天,N+1天为观测天;
若用户N天内无集群虚拟网通话,则表面该用户为高流失倾向用户;
若用户2~N天内有集群虚拟网通话,则表面该用户为一般流失倾向用户;
若用户最近1天内有集群虚拟网通话,则表面该用户为低流失倾向用户;
用户对集群虚拟网的忠诚度判断规则为,
若用户在选取的时间段内,通话次数小于阈值A1,且通话时长小于B1,则表面该用户为低忠诚度用户;
若用户在选取的时间段内,通话次数大于阈值A1,且通话时长小于B1,或者,通话次数小于阈值A2,且通话时长大于B1,则表面该用户为一般忠诚度用户;
若用户在选取的时间段内,通话次数大于阈值A2,且通话时长大于B1,则表面该用户为高忠诚度用户。
建立交往圈模型的过程为,
对一统计周期进行时间划分,分为工作日和休息日,并分别设置权重为T1和T2;
计算各频度类指标工作日和休息日的权重,计算各粘度类指标工作日和休息日的权重;
计算工作日用户对某一本地手机用户的联系频度F1,即将工作日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算;
计算休息日用户对某一本地手机用户的联系频度F2,即将休息日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算;
计算工作日用户对某一本地手机用户的联系粘度D1,即将工作日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算;
计算休息日用户对某一本地手机用户的联系粘度D2,即将休息日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算;
将频度类指标设置权重为l,粘度类指标权重设置为m,计算用户与该本地手机用户的联系紧密度得分,公式为T1(l F1+m D1)+ T2(l F2+m D2);
根据联系紧密度得分进行排序,将得分排名前M位对应的本地手机用户作为该用户的交往圈。
将通话时长定义为粘度类指标,将通话次数和通话频度定义为频度类指标。
本发明所达到的有益效果:本发明通过对用户进行细分,构建用户交往圈模型,不仅提升服务质量和用户体验,还为新业务推荐提供营销方向及资源。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于业务特征模型的行为处理分析方法,包括以下步骤:
步骤1,对集群虚拟网用户目前现状进行分析。
用户目前现状分析包括用户活跃情况分析和用户通话情况分析。
用户活跃情况分析:选取某时间段用户话单记录,从总体通话情况、通话频繁情况、通话高峰时间分布三个方面了解用户活跃情况。
a)总体通话情况:在选取的时间段内获得有通话行为的用户占比,测算其中有虚拟网通话行为的用户占比;
b)通话频繁情况包括选取的时间段内通话天数、通话次数和次均通话时长;
用户通话情况分析:分析一统计周期内用户与本地手机用户的通信情况,包括对端通话人数分布、通话关系时间分布和通话关系呼叫情况。
对端通话人数分布:即统计周期内每天对端联系人数的分布情况;
通话关系时间分布:即统计周期内发生通话的时间分布情况;
通话关系呼叫情况:即统计周期内用户主被叫次数分布情况。
步骤2,构建用户细化模型。
用户细化模型采用RFM模型,将R作为一个维度,将F作为一个维度,每个维度划分成若干个等级,建立宫格,实现用户细分。其中,R为集群虚拟网通话距离观测天的天数,判断用户是否可能流失;F为通话次数、通话时长、选取的时间段内的通话次数与累计通话时长,用以判断用户对集群虚拟网的忠诚度;M为用户费用信息,衡量用户价值。
步骤3,根据用户现状分析结果和用户细化模型,对用户进行细分,确定各用户对集群虚拟网的流失倾向和忠诚度。
用户对集群虚拟网的流失倾向判断规则为:
定义选取的时间段共有N天,N一般为14,N+1天为观测天;
若用户N天内无集群虚拟网通话,则表面该用户为高流失倾向用户;
若用户2~N天内有集群虚拟网通话,则表面该用户为一般流失倾向用户;
若用户最近1天内有集群虚拟网通话,则表面该用户为低流失倾向用户。
用户对集群虚拟网的忠诚度判断规则为:
若用户在选取的时间段内,通话次数小于阈值A1,且通话时长小于B1,则表面该用户为低忠诚度用户,A1一般为75,B1一般为110分钟;
若用户在选取的时间段内,通话次数大于阈值A1,且通话时长小于B1,或者,通话次数小于阈值A2,且通话时长大于B1,则表面该用户为一般忠诚度用户,A2一般为124;
若用户在选取的时间段内,通话次数大于阈值A2,且通话时长大于B1,则表面该用户为高忠诚度用户。
步骤4,根据细分结果,构建用户交往圈模型,为新业务提供推荐方向及资源。
对所有用户建立交往圈模型的过程为:
1)对一统计周期进行时间划分,分为工作日和休息日,并分别设置权重为T1和T2。
2)将通话时长定义为粘度类指标,将通话次数和通话频度定义为频度类指标,计算各频度类指标工作日和休息日的权重,计算各粘度类指标工作日和休息日的权重;
权重计算步骤为:
21) 根据粘度和频度指标分类,计算同一指标下所有子指标统计量的总量;
22)以十分位离散方法获得同一指标下的各子指标统计量的离散后的统计量;十分位离散方法即将同一指标下的总统计量标定为10,各个子指标统计量与总统计量的比值乘以10作为子指标统计量的离散后的统计量;
23)根据上述方法,即可获得粘度指标与频度指标下的各个子指标统计量的十分位离散后的统计值;
24)基于粘度指标和频度指标的各个离散后的子指标统计量,再次采用十分位离散方法,获得各个子指标统计量新的十分位离散后的统计值;
25)将上述统计值除以10,获得各子指标统计量的指标权重。
3)计算工作日用户对某一本地手机用户的联系频度F1,即将工作日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算。
4)计算休息日用户对某一本地手机用户的联系频度F2,即将休息日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算。
5)计算工作日用户对某一本地手机用户的联系粘度D1,即将工作日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算。
6)计算休息日用户对某一本地手机用户的联系粘度D2,即将休息日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算。
7)将频度类指标设置权重为l,粘度类指标权重设置为m,计算用户与该本地手机用户的联系紧密度得分,公式为T1(l F1+m D1)+ T2(l F2+m D2)。
8)根据联系紧密度得分进行排序,将得分排名前M位对应的本地手机用户作为该用户的交往圈。
上述方法通过对用户进行细分,构建用户交往圈模型,不仅提升服务质量和用户体验,还为新业务推荐提供营销方向及资源。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种基于业务特征模型的行为处理分析方法,其特征在于:包括,
对集群虚拟网用户目前现状进行分析;
构建用户细化模型;
根据用户现状分析结果和用户细化模型,对用户进行细分,确定各用户对集群虚拟网的流失倾向和忠诚度;
根据细分结果,构建用户交往圈模型,为新业务提供推荐方向及资源。
2.根据权利要求1所述的一种基于业务特征模型的行为处理分析方法,其特征在于:用户目前现状分析包括用户活跃情况分析和用户通话情况分析。
3.根据权利要求2所述的一种基于业务特征模型的行为处理分析方法,其特征在于:用户活跃情况分析,
选取某时间段用户话单记录,从总体通话情况、通话频繁情况、通话高峰时间分布三个方面了解用户活跃情况;
其中,
总体通话情况:在选取的时间段内获得有通话行为的用户占比,测算其中有虚拟网通话行为的用户占比;
通话频繁情况包括选取的时间段内通话天数、通话次数和次均通话时长。
4.根据权利要求2所述的一种基于业务特征模型的行为处理分析方法,其特征在于:用户通话情况分析,分析一统计周期内用户与本地手机用户的通信情况,包括对端通话人数分布、通话关系时间分布和通话关系呼叫情况;
对端通话人数分布,即统计周期内每天对端联系人数的分布情况;
通话关系时间分布,即统计周期内发生通话的时间分布情况;
通话关系呼叫情况,即统计周期内用户主被叫次数分布情况。
5.根据权利要求1所述的一种基于业务特征模型的行为处理分析方法,其特征在于:用户细化模型采用RFM模型,将R作为一个维度,将F作为一个维度,每个维度划分成若干个等级,建立宫格,实现用户细分;
其中,R为集群虚拟网通话距离观测天的天数,判断用户是否可能流失;F为通话次数、通话时长、选取的时间段内的通话次数与累计通话时长,用以判断用户对集群虚拟网的忠诚度;M为用户费用信息,衡量用户价值。
6.根据权利要求5所述的一种基于业务特征模型的行为处理分析方法,其特征在于:用户对集群虚拟网的流失倾向判断规则为,
定义选取的时间段共有N天,N+1天为观测天;
若用户N天内无集群虚拟网通话,则表面该用户为高流失倾向用户;
若用户2~N天内有集群虚拟网通话,则表面该用户为一般流失倾向用户;
若用户最近1天内有集群虚拟网通话,则表面该用户为低流失倾向用户;
用户对集群虚拟网的忠诚度判断规则为,
若用户在选取的时间段内,通话次数小于阈值A1,且通话时长小于B1,则表面该用户为低忠诚度用户;
若用户在选取的时间段内,通话次数大于阈值A1,且通话时长小于B1,或者,通话次数小于阈值A2,且通话时长大于B1,则表面该用户为一般忠诚度用户;
若用户在选取的时间段内,通话次数大于阈值A2,且通话时长大于B1,则表面该用户为高忠诚度用户。
7.根据权利要求5所述的一种基于业务特征模型的行为处理分析方法,其特征在于:
建立交往圈模型的过程为,
对一统计周期进行时间划分,分为工作日和休息日,并分别设置权重为T1和T2;
计算各频度类指标工作日和休息日的权重,计算各粘度类指标工作日和休息日的权重;
计算工作日用户对某一本地手机用户的联系频度F1,即将工作日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算;
计算休息日用户对某一本地手机用户的联系频度F2,即将休息日内用户对该本地手机用户所有频度类指标的权重进行加权求和运算;
计算工作日用户对某一本地手机用户的联系粘度D1,即将工作日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算;
计算休息日用户对某一本地手机用户的联系粘度D2,即将休息日内用户对该本地手机用户所有粘度类指标的权重进行加权求和运算;
将频度类指标设置权重为l,粘度类指标权重设置为m,计算用户与该本地手机用户的联系紧密度得分,公式为T1(l F1+m D1)+ T2(l F2+m D2);
根据联系紧密度得分进行排序,将得分排名前M位对应的本地手机用户作为该用户的交往圈。
8.根据权利要求7所述的一种基于业务特征模型的行为处理分析方法,其特征在于:将通话时长定义为粘度类指标,将通话次数和通话频度定义为频度类指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810228210.4A CN108428155A (zh) | 2018-03-20 | 2018-03-20 | 一种基于业务特征模型的行为处理分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810228210.4A CN108428155A (zh) | 2018-03-20 | 2018-03-20 | 一种基于业务特征模型的行为处理分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108428155A true CN108428155A (zh) | 2018-08-21 |
Family
ID=63158485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810228210.4A Pending CN108428155A (zh) | 2018-03-20 | 2018-03-20 | 一种基于业务特征模型的行为处理分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108428155A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110971770A (zh) * | 2019-11-27 | 2020-04-07 | 武汉虹旭信息技术有限责任公司 | 基于话单数据分析的社会关系疏密度推定方法及*** |
CN111127105A (zh) * | 2019-12-25 | 2020-05-08 | 青梧桐有限责任公司 | 用户分层模型构建方法及***、运营分析方法及*** |
CN111242573A (zh) * | 2020-01-08 | 2020-06-05 | 江苏智谋科技有限公司 | 基于大数据和知识管理的客户关系管理*** |
CN112598442A (zh) * | 2020-12-25 | 2021-04-02 | 中国建设银行股份有限公司 | 一种网络流量多维运营分析方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215504A (zh) * | 2010-04-08 | 2011-10-12 | ***通信集团甘肃有限公司 | 新入网用户的类别识别方法及*** |
CN106022800A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种用户特征数据的处理方法和装置 |
CN107392627A (zh) * | 2016-07-18 | 2017-11-24 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的用户交往圈关系识别方法 |
-
2018
- 2018-03-20 CN CN201810228210.4A patent/CN108428155A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215504A (zh) * | 2010-04-08 | 2011-10-12 | ***通信集团甘肃有限公司 | 新入网用户的类别识别方法及*** |
CN106022800A (zh) * | 2016-05-16 | 2016-10-12 | 北京百分点信息科技有限公司 | 一种用户特征数据的处理方法和装置 |
CN107392627A (zh) * | 2016-07-18 | 2017-11-24 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的用户交往圈关系识别方法 |
Non-Patent Citations (1)
Title |
---|
朱幸燕: "基于消费行为认知的电信企业客户细分方法研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110971770A (zh) * | 2019-11-27 | 2020-04-07 | 武汉虹旭信息技术有限责任公司 | 基于话单数据分析的社会关系疏密度推定方法及*** |
CN110971770B (zh) * | 2019-11-27 | 2021-07-23 | 武汉虹旭信息技术有限责任公司 | 基于话单数据分析的社会关系疏密度推定方法及*** |
CN111127105A (zh) * | 2019-12-25 | 2020-05-08 | 青梧桐有限责任公司 | 用户分层模型构建方法及***、运营分析方法及*** |
CN111242573A (zh) * | 2020-01-08 | 2020-06-05 | 江苏智谋科技有限公司 | 基于大数据和知识管理的客户关系管理*** |
CN112598442A (zh) * | 2020-12-25 | 2021-04-02 | 中国建设银行股份有限公司 | 一种网络流量多维运营分析方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428155A (zh) | 一种基于业务特征模型的行为处理分析方法 | |
Chao et al. | A novel big data based telecom user value evaluation method | |
CN104284294B (zh) | 一种流量包推荐匹配方法 | |
CN105611084A (zh) | 一种欺诈用户的可疑度计算方法及可疑度计算*** | |
CN102883352B (zh) | 基于话务建模与话务预测的gsm小区参数优化方法 | |
CN102083010B (zh) | 一种用户信息筛选方法和设备 | |
CN108960505A (zh) | 个人金融信用的量化评估方法、装置、***及存储介质 | |
CN102215504A (zh) | 新入网用户的类别识别方法及*** | |
Markendahl et al. | Mobile broadband expansion calls for more spectrum or more base stations: analysis of the value of spectrum and the role of spectrum aggregation | |
CN106095529B (zh) | 一种c-ran架构下的载波迁移方法 | |
Jha et al. | Techno-economic assessment of the potential for LTE based 4G mobile services in rural India | |
CN108268477A (zh) | 一种基于话单的用户关系确定方法和装置 | |
CN103081537B (zh) | 用于许可控制的通信设备、方法和计算机可实现的产品 | |
CN104217088B (zh) | 运营商移动业务资源的优化方法与*** | |
CN110475255B (zh) | 网络负荷预测方法和装置 | |
Blackburn et al. | Last call for the buffet: economics of cellular networks | |
CN108632088B (zh) | 业务处理方法、装置及服务器 | |
Wallenius et al. | Pricing model for 3G/4G networks | |
CN101888650B (zh) | 机器对机器业务接入容量的确定方法及*** | |
CN105871564B (zh) | 一种流量计费方法及装置 | |
CN104168660B (zh) | 确定优先级的方法及装置 | |
CN106793093A (zh) | 一种业务处理方法及装置 | |
CN104137581B (zh) | 一种多次入网用户的判断方法及装置 | |
CN108777644B (zh) | 一种离网可能性的预测方法、装置和网络*** | |
CN102291753B (zh) | 一种话务量的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180821 |