CN113132991A - 一种养卡识别方法、***及装置 - Google Patents

Abstract

本发明公开了一种养卡识别方法、***和装置，属于业务支撑技术领域。所述养卡识别方法，包括：对目标用户群进行特征分析，所述特征分析包括消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析至少之一；根据所述特征分析的结果，从目标用户群中识别养卡用户群。本发明的养卡识别方法中，对目标用户群进行特征分析，该特征分析涉及消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析中至少之一，再依据特征分析的结构，从目标用户群中识别养卡用户群，从而达到识别养卡行为的目的。

Description

一种养卡识别方法、***及装置

技术领域

本发明涉及业务支撑技术领域，尤其涉及一种养卡识别方法、***及装置。

背景技术

养卡是指渠道代理商为赚取运营商的奖励，通过作弊手段批量制造虚假用户，冒充销售工作成果，从而取得不当利益的行为。

大批量的养卡行为会对运营商造成高额经济损失，因此，对养卡用户的精确识别具有很高的现实意义。

发明内容

为了解决上述问题，本发明提供一种。

第一方面，本发明提供一种养卡识别方法，包括：

对目标用户群进行特征分析，所述特征分析包括消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析至少之一；

根据所述特征分析的结果，从目标用户群中识别养卡用户群。

上述的养卡识别方法，所述目标用户群不包括：集团用户、和/或固话用户，和/或流量低于阈值且无省际漫游的用户。

上述的养卡识别方法，所述对目标用户群进行特征分析，包括：

对各用户进行消费特征分析，得到消费异常用户群；

对各用户进行产品特征分析，得到产品异常用户群；

对各用户进行通信特征分析，得到通信异常用户群。

上述的养卡识别方法，所述对各用户进行消费特征分析，包括：对所述目标用户群进行消费特征分析；

所述对各用户进行产品特征分析，包括：对所述消费异常用户群进行产品特征分析；

所述对各用户进行通信特征分析，包括：对所述产品异常用户群进行通信特征分析；

所述根据所述特征分析的结果，从目标用户群中识别养卡用户群，包括：

将所述通信异常用户群作为养卡用户群。

上述的养卡识别方法，所述对各用户进行消费特征分析，得到消费异常用户群中，满足以下条件时，所述用户属于消费异常用户群：

当返费占比高于返费阈值时，则所述返费占比异常；和/或

用户归属渠道下具有消费相似用户群、月租相似用户群和返费相似用户群；和/或

当短信和彩信的计费低于短彩信阈值时，则短彩信异常；和/或

当主被叫时长低于时长阈值，以及主被叫次数低于次数阈值时，则呼叫异常；和

当返费占比异常的用户数量占所述目标用户群的比例大于第一阈值时，或者是当消费相似用户群、月租相似用户群和返费相似用户群的用户数量占所述目标用户群的比例大于第二阈值时。

上述的养卡识别方法，对各用户进行产品特征分析，得到产品异常用户群中，满足以下条件时，所述用户属于产品异常用户群包括：

当单渠道单业务办理量的用户数与单渠道消费异常用户群的用户数比值高于办理量阈值时，则所述渠道下的消费异常用户群业务集中办理率异常；

当单渠道单业务受理量与所述渠道单业务所消耗的总工作天数的比值小于办理密度阈值时，则所述渠道下的消费异常用户群业务办理密度异常；

当所述消费异常用户群的业务集中办理率异常且所述业务办理密度异常的业务量超过第三阈值时，则所述所述消费异常用户群为疑似产品异常用户群；

当所述疑似产品异常用户中单用户业务集中办理率超过第四阈值、业务办理密度超过第五阈值、业务数量超过第六阈值，则所述用户属于产品异常用户群。

上述的养卡识别方法，对各用户进行通信特征分析，得到通信异常用户群中，满足以下条件时，所述用户属于通信异常用户群包括：

当单渠道对端通话的入网渠道前若干名的总通话次数与单渠道总通话次数比值大于对端入网渠道阈值时，则对端入网渠道异常；和/或

当单渠道对端通话号码的前若干位相同或为连号的总通话次数与单渠道中通话次数的比值大于对端号码段阈值时，则对端通话号码号段异常；和/或

当单渠道通信基站的前若干名通信次数与单渠道总通信次数的比值大于通信基站集中度阈值时，则通信集中度异常；和/或

当单渠道黑名单渠道通信次数与单渠道总通信次数的比值大于通信对端集中度阈值时，则通信对端集中度异常；和/或

当单渠道通信黑名单基站通信次数与单渠道总通信次数的比值大于通信黑名单基站集中度阈值时，则通信黑名单集中度异常；和

当单渠道每次通话时长位于预设时长范围内时，则通信时长异常。

第二方面，本发明提供一种养卡识别***，包括数据接收器和服务器；所述数据接收器采集待识别用户数据；

所述服务器包括第一端口、存储器和处理器；

所述第一端口用于接收待识别用户数据；

所述处理器对所述待识别用户数据进行分析，并输出养卡用户群数据；

存储器存储所述养卡用户群数据。

第三方面，本发明提供一种装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。

相对现有技术中，本发明的养卡识别方法中，对目标用户群进行特征分析，该特征分析涉及消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析中至少之一，再依据特征分析的结构，从目标用户群中识别养卡用户群，从而达到识别养卡行为的目的。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一示范性实施例中养卡识别方法的流程图；

图2为图1中S04的流程图；

图3为图2中S042的流程图；

图4为图2中S044的流程图；

图5为图2中S046的流程图；

图6为本发明又一示范性实施例中养卡识别***的结构图。

附图标记：

200-养卡识别***；210-数据接收器；220–服务器。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一示范性实施例中养卡识别方法的流程图。本发明的养卡识别方法包括S04和S06。

S04:对目标用户群进行特征分析，所述特征分析包括消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析至少之一。

对目标用户群进行的特征分析，可以是进行消费特征分析、关于业务渠道的产品特征分析、以及通信特征分析中三者之一、或三者之二或全部三者后输出特征分析结果。

其中，目标用户群可以是从全网用户中抓取的，且从全网用户中剔除掉集团用户、固话用户，以及流量低于阈值且无省际漫游的用户。由于集团用户通常为集团为员工配备，员工可能不用该集团通信卡或使用该集团通讯卡的频率较低，但是集团用户不应该被认为是养卡客户，因此应给予剔除。固话用户通常也不存在养卡行为。流量低于阈值且无省际漫游的用户也可能仅需要通话功能，但不应被认为为养卡行为，具体的，由于目前较多的4G套餐中最低流量值为500M，因此流量低于500M且无省际漫游的用户可以不认为是目标用户群；当然流量也可以是低于450M、400M、350M或300M等等。

因此，目标用户群不应包括：集团用户、固话用户，和流量低于阈值且无省际漫游的用户。当然，也仅不包括集团用户，或仅不包括固话用户，或仅不包括流量低于阈值且无省际漫游的用户等等。

在S04之后，包括S06：根据所述特征分析的结果，从目标用户群中识别养卡用户群。

其中，S04包括S042、S044和S046。

S042：对各用户进行消费特征分析，得到消费异常用户群。

S044：对各用户进行产品特征分析，得到产品异常用户群。

S046：对各用户进行通信特征分析，得到通信异常用户群。

实际应用中，S042、S044、S046的先后顺序可以不做具体限定，例如先对目标用户群执行S044得到产品异常用户群后，对产品异常用户群执行S042得到消费异常用户群，再对消费异常用户群执行S046得到通信异常用户群，则对应的，在S06中，以通信异常用户群为养老用户群；或者先对目标用户群执行S046得到通信异常用户群后，对通信异常用户群执行S044得到产品异常用户群，再对产品异常用户群执行S042得到消费异常用户群，则对应的，在S06中以消费异常用户群为养卡用户群。

通讯卡用户使用中，先选定套餐，后在套餐使用中可能会有业务办理，以及具体的通信使用，因此，获取用户相关数据时通常是先获取到消费信息、其次是业务产品信息，然后是通信信息。因此，为了使得特征分析的过程具有及时性，以及符合逻辑上的流程，从目标用户群中由大范围至小范围逐渐分析，以更精确地获得养卡客户，在本发明实施例中按S042、S044、S046的先后顺序对目标用户群作特征分析。因此，参图2，本发明实施例中S042为：对所述目标用户群中各用户进行消费特征分析，得到消费异常用户群；S044为：对所述消费异常用户群各用户进行产品特征分析，得到产品异常用户群；S046为：对所述产品异常用户群各用户进行通信特征分析，得到通信异常用户群。则，对应的，S06中将通信异常用户群作为养卡用户群。

S042中，可以是对目标用户群内的各用户进行消费特征分析后得到消费异常用户群，消费特征分析的维度可以包括但不限于消费金额、返费金额、月租费、短彩信使用、流量使用以及通话详单等等。在S042中，满足下列S0421和/或S0422和/或S0423和/或S0424，和S0425，则判断用户属于消费异常用户群：

S0421：当返费占比高于返费阈值时，则所述返费占比异常。返占比值指赠送话费金额与渠道所结酬金金额之和与当月消费的比值，当月消费包括月租、短彩信、流量等等所有消费。返费阈值可以取大于1的数值，例如1.1、1.2、1.3、1.4或1.5，甚至2等等。

S0422：用户归属渠道下具有消费相似用户群、月租相似用户群和返费相似用户群。具体的，消费相似群是指单渠道下所有用户的消费值中，用户数排名前若干名(如前2、3、4或5)的消费值(可以剔除用户数小于0或10的消费值)，对应用户即为该渠道的消费相似用户群。月租相似群指单渠道下所有用户的月租金额中，用户数排名前若干名(如前2、3、4或5名)的月租(可以剔除用户数小于9或10的月租)，对应用户即为该渠道下月租相似用户群。返费相似用户指单渠道下所有用户的返还话费中，用户数排名前若干(如前2、3、4或5名)档次(可以剔除用户数小于9或10的档次)，对应用户即为该渠道下返费相似用户群。由此，可以判断目标用户群中是否具有消费相似用户群、月租相似用户群和返费相似用户群。

需要说明的是，本发明实施例中所涉及的单渠道，指的是用户办理业务的渠道，例如手机应用APP渠道，柜台渠道。手机应用APP渠道又可以分为对应不同基站的渠道，柜台渠道可以按营业厅编号、区、县或市等等划分为不同的渠道。

S0423:当短信和彩信的计费低于短彩信阈值时，则短彩信异常。例如，短彩信阈值可以由具体的数值直接确定，例如为0.3元、或0.1元等等；也可以将目标用户群中各用户短彩信计费的平均值的10％、8％、5％或2％记为短彩信阈值；还可以是将已确定的非养卡用户群中各用户短彩信计费的平均值的10％、8％、5％或2％记为短彩信阈值。

S0424：当主被叫时长低于时长阈值，以及主被叫次数低于次数阈值时，则呼叫异常。时长阈值和次数阈值可以由具体的数值直接确定，例如时长阈值为5分钟或10分钟，次数阈值为5次或10次等等；也可以将目标用户群中各用户的主被叫时长平均值的10％、8％、5％或2％记为时长阈值，将目标用户群中各用户的主被叫次数平均值的10％、8％、5％或2％记为次数阈值；还是是将已确定的非养卡用户群中各用户的主被叫时长平均值的10％、8％、5％或2％记为时长阈值，将已确定的非养卡用户群中各用户的主被叫次数平均值的10％、8％、5％或2％记为次数阈值。

S0425：当返费占比异常的用户数量占所述目标用户群的比例大于第一阈值时，或者是当消费相似用户群、月租相似用户群和返费相似用户群的用户数量占所述目标用户群的比例大于第二阈值时。第一阈值与第二阈值可以相同也可以不同，具体的，第一阈值可以为30％、50％或80％等等，第二阈值可以为20％、40％或70％等等。

在S042中，实际只要满足0421或S0422或S0423或S0424，和S0425，就能够将用户确定属于消费异常用户群。

在S044中，可以是对消费异常用户群的用户进行产品特征分析的的产品异常用户群。具体的，产品特征分析的维度可以包括但不限于：用户入网渠道、业务办理渠道等业务办理情况进行分析。S044中，需满足S0441、S0442、S0443和S0444后，认为用户属于产品异常用户群。需要说明的是，办理渠道包括入网渠道，由于入网渠道具有特殊性，可以将其与其他的业务渠道分开，分别进行产品特征分析，且分析过程相同。

S0441:当单渠道单业务办理量的用户数与单渠道消费异常用户群的用户数比值高于办理量阈值时，则所述渠道下的消费异常用户群业务集中办理率异常。此过程将消费异常用户群按单个渠道分别分析，若该渠道下消费异常用户群业务集中办理率不存在异常，则认为该渠道下该消费异常用户群中没有产品异常用户群。办理量阈值可以人为直接设定，也可以根据已确定的非养卡用户群中的单渠道单业务办理量的用户数与单渠道消费异常用户群的用户数比值的10％、30％、50％或100％记为办理量阈值。

S0442:当单渠道单业务受理量与所述渠道单业务所消耗的总工作天数的比值小于办理密度阈值时，则所述渠道下的消费异常用户群业务办理密度异常。此过程将消费异常用户群按单个渠道分别分析，若该渠道下消费异常用户群业务办理密度不存在异常，则认为该渠道下该消费异常用户群中没有产品异常用户群。办理密度阈值可以人为直接设定，也可以根据已确定的非养卡用户群中的单渠道单业务受理量与所述渠道单业务所消耗的总工作天数的比值的10％、30％、50％或100％记为办理密度阈值。

S0443:当所述消费异常用户群的业务集中办理率异常且所述业务办理密度异常的业务量超过第三阈值时，则所述消费异常用户群为疑似产品异常用户群。第三阈值可以是人为设定，例如10％、30％、50％等等。若所述消费异常用户群的业务集中办理率异常且所述业务办理密度异常的业务量没有超过第三阈值，则认为该业务下的消费异常用户群中不存在疑似产品异常用户群。

S0444：当所述疑似产品异常用户中单用户业务集中办理率超过第四阈值、业务办理密度超过第五阈值、业务数量超过第六阈值，则所述用户属于产品异常用户群。第四阈值、第五阈值和第六阈值可以完全相等，也可以不完全相等，例如，第四阈值可以为30％、60％或90％等等，第五阈值可以为20％、50％或80％等等，第六阈值可以为10％、40％或70％等等。

上述S0441为对消费异常用户群从渠道维度先分析业务集中办理是否异常，若异常，则进入S0442，否则认为该渠道下消费异常用户群中不具有产品异常用户群。上述S0442为对消费异常用户群从渠道维度分析业务办理密度是否异常，若异常，则进入S0443，否则认为该渠道下消费异常用户群中不具有产品异常用户群。上述S0443为对消费异常用户群从单个业务的维度分析是否具有疑似产品异常用户群，若有则进入S0444进行确认，查找该业务下单个用户是否属于产品异常用户群。若在S0443中认为疑似产品异常用户群，则认为该渠道和该业务下的消费异常用户群不具有产品异常用户群。

若消费异常用户群业务集中办理率不存在异常，则任务该消费异常用户群中没有蝉蜕异常用户群。

在S046中，可以针对产品异常用户群关联各用户自身和用户对应的渠道、对端渠道，对端号码等，进行通信行为判断，构建通信异常用户群。在S046中，对各用户进行通信特征分析，得到通信异常用户群中，需满足S0461和/或S0462和/或S0463和/或S0464和/或S0465，和S0466，认为用户属于通信异常用户群。

S0461：当单渠道对端通话的入网渠道前若干名(例如前2、3、4或5名)的总通话次数与单渠道总通话次数比值大于对端入网渠道阈值时，则对端入网渠道异常。对端入网渠道阈值可以为10％至80％中的任意值。

S0462：当单渠道对端通话号码的前若干位(如前6为或7)为相同或为连号的总通话次数与单渠道中通话次数的比值大于对端号码段阈值时，则对端通话号码号段异常。对端号码段阈值可以为10％至70％中的任意值。

S0463：当单渠道通信基站的前若干名(如前2、3、4或5名)通信次数与单渠道总通信次数的比值大于通信基站集中度阈值时，则通信集中度异常。通信基站集中度阈值可以为20％-50％之间的任意值。

S0464：当单渠道黑名单渠道通信次数与单渠道总通信次数的比值大于通信对端集中度阈值时，则通信对端集中度异常。通信对端集中度阈值可以为15％-55％中的任意值。

S0465：当单渠道通信黑名单基站通信次数与单渠道总通信次数的比值大于通信黑名单基站集中度阈值时，则通信黑名单集中度异常。通信黑名单基站集中度阈值可以为10至80％中的任意值。

S0466：当单渠道每次通话时长位于预设时长范围内时，则通信时长异常。预设时长范围可以是2秒-50秒之间的任意值，例如3秒、5秒或10秒等等。

以上提及在S042中，满足下列S0421和/或S0422和/或S0423和/或S0424，和S0425，则判断用户属于消费异常用户群，实际应用中，可以只要满足S0421或S0422或S0423或S0424，和S0425，就能够判断用户属于消费异常用户群。因此，上述S042的流程图如图3所示，只要满足返费占比异常、具有消费相似用户群或月租相似用户群或返费相似用户群、短彩信异常、呼叫异常中一个条件，以及满足S0425的调节，就认为用户属于消费异常用户群。以上提及的在S044中，则要满足S0441、S0442、S0443和S0443，因此，上述S044的流程图是如4所示。以上提及的在S046中，需满足S0461和/或S0462和/或S0463和/或S0464和/或S0465，和S0466，认为用户属于通信异常用户群，实际应用中，可以只要满足S0461或S0462或S0463或S0464或S0465，和S0466，就能够判断用户属于通信异常用户群，因此，上述S046的流程图如图5所示。

以下以实际应用做简单举例。

同一入网渠道的用户群A中不包括集团用户、固话用户，和流量低于阈值且无省际漫游的用户。用户群A中返费占比大于返费阈值的用户有B个，且B与A的比值大于第一阈值，则该B个用户组成用户群B即为该渠道下消费异常用户群。用户群B在该渠道单业务办理量除以单渠道异常用户总量比值大于办理量阈值(称条件1)、单业务受理量与受理单业务所消耗的中工作天数的比值小于办理密度阈值(称条件2)、满足条件1和条件2的业务量超过第三阈值，且满足单用户业务集中办理率超过第四阈值、业务办理密度超过第五阈值、业务数量超过第六阈值时，则用户属于产品异常用户群(称用户群C)。该渠道下，用户群C中的用户对端通话入网渠道TOP5总通话次数与该渠道下总通话次数的纸质大于对端入网渠道阈值，且通信时长异常(如都在5秒之内)，则用户群C为养卡用户。

上述用户群A中的用户数为1204万，其中消费异常用户数(用户群B)的用户数为129万户，消费异常且产品订购也异常的用户(属于用户群C)为649048个，针对用户群C，分析其通信特征，有222062个用户通信行为存在异常状态，则养卡用户为222062个。

当然，在上述S06之后，还可以通过人工稽核的方式对养卡用户进行稽核，进一步提高养卡识别方法的准确性。

图6为本发明又一示范性实施例中养卡识别***的结构图。养卡识别***200包括数据接收器210和服务器220。

数据接收器210接收待检验数据。服务器220包括第一端口、存储器和处理器，第一端口用于接收待识别用户数据，处理器对所述待识别用户数据进行分析，并输出养卡用户群数据。存储器存储养卡用户群数据。

本申请实施例提供的业务管理***还可以执行图1中养卡识别***执行的方法，并实现养卡识别***在图1所示实施例的功能，在此不再赘述。

本发明实施例还提供一种装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，计算机程序被所述处理器执行时实现上述养卡识别方法的步骤。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述养卡识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

以上所述的具体实例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种养卡识别方法，其特征在于，包括：

对目标用户群进行特征分析，所述特征分析包括消费特征分析、关于业务渠道的产品特征分析，以及通信特征分析至少之一；

根据所述特征分析的结果，从目标用户群中识别养卡用户群。

2.根据权利要求1所述的养卡识别方法，其特征在于，所述目标用户群不包括：集团用户、和/或固话用户，和/或流量低于阈值且无省际漫游的用户。

3.根据权利要求1所述的养卡识别方法，其特征在于，所述对目标用户群进行特征分析，包括：

对各用户进行消费特征分析，得到消费异常用户群；

对各用户进行产品特征分析，得到产品异常用户群；

对各用户进行通信特征分析，得到通信异常用户群。

4.根据权利要求3所述的养卡识别方法，其特征在于，

所述对各用户进行消费特征分析，包括：对所述目标用户群进行消费特征分析；

所述对各用户进行产品特征分析，包括：对所述消费异常用户群进行产品特征分析；

所述对各用户进行通信特征分析，包括：对所述产品异常用户群进行通信特征分析；

所述根据所述特征分析的结果，从目标用户群中识别养卡用户群，包括：

将所述通信异常用户群作为养卡用户群。

5.根据权利要求3或4所述的养卡识别方法，其特征在于，所述对各用户进行消费特征分析，得到消费异常用户群中，满足以下条件时，所述用户属于消费异常用户群：

当返费占比高于返费阈值时，则所述返费占比异常；和/或

用户归属渠道下具有消费相似用户群、月租相似用户群和返费相似用户群；和/或

当短信和彩信的计费低于短彩信阈值时，则短彩信异常；和/或

当主被叫时长低于时长阈值，以及主被叫次数低于次数阈值时，则呼叫异常；和

当返费占比异常的用户数量占所述目标用户群的比例大于第一阈值时，或者是当消费相似用户群、月租相似用户群和返费相似用户群的用户数量占所述目标用户群的比例大于第二阈值时。

6.根据权利要求4所述的养卡识别方法，其特征在于，对各用户进行产品特征分析，得到产品异常用户群中，满足以下条件时，所述用户属于产品异常用户群包括：

当单渠道单业务办理量的用户数与单渠道消费异常用户群的用户数比值高于办理量阈值时，则所述渠道下的消费异常用户群业务集中办理率异常；

当单渠道单业务受理量与所述渠道单业务所消耗的总工作天数的比值小于办理密度阈值时，则所述渠道下的消费异常用户群业务办理密度异常；

当所述消费异常用户群的业务集中办理率异常且所述业务办理密度异常的业务量超过第三阈值时，则所述所述消费异常用户群为疑似产品异常用户群；

当所述疑似产品异常用户中单用户业务集中办理率超过第四阈值、业务办理密度超过第五阈值、业务数量超过第六阈值，则所述用户属于产品异常用户群。

7.根据权利要求3或4所述的养卡识别方法，其特征在于，对各用户进行通信特征分析，得到通信异常用户群中，满足以下条件时，所述用户属于通信异常用户群包括：

当单渠道对端通话的入网渠道前若干名的总通话次数与单渠道总通话次数比值大于对端入网渠道阈值时，则对端入网渠道异常；和/或

当单渠道对端通话号码的前若干位相同或为连号的总通话次数与单渠道中通话次数的比值大于对端号码段阈值时，则对端通话号码号段异常；和/或

当单渠道通信基站的前若干名通信次数与单渠道总通信次数的比值大于通信基站集中度阈值时，则通信集中度异常；和/或

当单渠道黑名单渠道通信次数与单渠道总通信次数的比值大于通信对端集中度阈值时，则通信对端集中度异常；和/或

当单渠道通信黑名单基站通信次数与单渠道总通信次数的比值大于通信黑名单基站集中度阈值时，则通信黑名单集中度异常；和

当单渠道每次通话时长位于预设时长范围内时，则通信时长异常。

8.一种养卡识别***，其特征在于，包括数据接收器和服务器；所述数据接收器采集待识别用户数据；

所述服务器包括第一端口、存储器和处理器；

所述第一端口用于接收待识别用户数据；

所述处理器对所述待识别用户数据进行分析，并输出养卡用户群数据；

存储器存储所述养卡用户群数据。

9.一种装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。

Images