基于大数据的宽带用户预测模型研究

2022-09-10

一、引言

宽带是运营商发展的重要业务, 为公司收入提升, 和存量保有起着至关重要的作用。如何发展宽带业务, 提升宽带份额, 是运营商的重要课题。目前为拓展宽带业务进行的路演, 流于形式, 不出效果、路演地点盲目选取、一场路演仅办1到2条宽带, 业务推荐成功率低;宽带的外呼成功率也较低;为解决这些问题, 亟需有效的数据支撑, 提升业务办理率。为了提升份额, 如果能精确的找到我网用户开通了异网宽带的用户, 用我网的资费政策进行捆绑营销, 我们的营销将有的放矢, 起到事半功倍的作用。因此, 本文对如何精确定位宽带营销目标用户, 进行了系统研究。

二、基于大数据的异网宽带预测方法

数据挖掘[1]的含义是从大量的具有噪声和充满随机现象的实际应用数据中, 通过某种算法模型抽取隐含在其中的信息、模式或知识的过程, 从而为人们的管理和决策提供服务。数据挖掘作为一个应用驱动的领域, 吸纳了许多应用领域的技术, 包括:统计学、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、高性能计算等。异网宽带预测模型[2]是根据用户特征, 通过数据模型的自身学习和训练, 得到稳定模型后, 根据用户的特征对异网宽带进行预测的模型。

(一) 特征确定

宽带营销过程中, 如何精准的找到异网宽带, 是问题的关键。通过多年的实践经验, 选取与异网宽带最相关的四个特征指标进行异网宽带定位: (1) 异网IP:使用异网IP登陆我网app; (2) 异网联系电话:客户资料中留的是异网联系电话; (3) 上网断崖:白天上网流量较大晚上不上网用户; (4) 与异网客户密切度:与异网客户通话频次和人数较高。

(二) 数据模型确定

异网宽带用户预测模型[3]:把四个特征定义为四个参数, 对四个参数加上修正系数, 决定每个参数所起作用权重, 最终确定异网宽带目标客户疑似度。疑似度的数值越大为异网宽带的可能性越大, 然后可以按照疑似度的高低排序进行分类营销。

1. 模型训练

选取正向和负向两类样本集, 对模型进行训练。true和false意味着是否预测正确, positive和negative是说实际上是不是目标群体。我们关心的是, 被模型预测成异网宽带的用户里面, 多少真正是异网宽带。

参数采用归一化处理方法, 采用使得y值平稳的参数值。

2. 参数确定方法

采用训练出的模型, 预测用户是否异网宽带用户。y值相当于营销的优先级, y值越大, 优先级越高。再根据实际的营销效果, 修正训练模型。

三、实验结果与分析

使用此模型后, 对全市异网宽带目标客户进行了预测, 使用预测数据营销后, 全市宽带份额提升1个百分点, 宽带的外呼成功率由原来的3%, 提升到当前的5%左右。3月份全市整体宽带新增用户中有一半来源于异网宽带。

四、结论

本模型首先提取用户的四个显著特征, 然后利用归一法对模型进行训练, 最后实现对异网宽带用户的预测。实验结果表明本文提出的方法能有效预测异网宽带用户, 为业务营销提供了有力支撑, 从而提升了企业的竞争力。

摘要：在当今的互联网时代, 宽带是通信运营商争夺的重要业务, 如何能精确的找到营销目标是一项重要的课题。因此, 本文提出了一种基于数据挖掘技术的异网宽带预测模型。首先设计了异网宽带预测模型总体框架, 然后提取用户的显著特征。利用归一法对模型进行训练, 达到稳定后, 对异网宽带用户进行预测。实验结果表明本文提出的方法能有效预测异网宽带用户, 为业务营销提供了有力支撑, 从而提升了企业的竞争力。

关键词：大数据,宽带用户,归一法