面向中国移动离网预警的客户智能分析系统研究

本文面向中国移动离网预警分析场景,建立以用户离网流失预警为目标的客户智能分析系统,引入随机森林、最邻近分类(KNN)算法和知识图谱,通过监控用户每日行为、发现异动行为、识别流失用户、回馈运营结果,形成客户高危自识别、模型自优化、结果自呈现、运营自执行的智慧看护系统,在客户离网预警、客户沉默识别等场景辅助精准运营,帮助运营人员聚焦重点客户群进行维系,避免浪费资源,提质增效。目前该项目已在中国移动通信集团天津有限公司(简称天津移动)的存量运营工作中落地,并取得了优异的效果,大幅降低了客户离网率。

基于贝叶斯网络的大客户离网预警模型研究

大客户是通信运营商关注的焦点,如何及时发现可能离网的大客户对运营商是极其关键的。本文基于贝叶斯网络提出了一个能及时发现大客户具有离网倾向的预警模型。模型首先分析了大客户离网的相关条件,包括:话费开销、通话次数、通话时长、数据业务等;进而,统计分析条件间的相关情况;最后,基于贝叶斯概率理论分析大客户是否具有离网倾向。将模型应用于湖南某地区移动系统的结果表明,模型能及时预警大客户的离网倾向,具有较好的商业价值。

面向用户需求的有线电视用户离网预警管理系统建设

随着有线电视的一元化收视格局被打破,用户离网问题变得日益严重,如何通过大数据技术和数据挖掘技术来降低用户流失率、提高用户的净推荐值已经成为影响广电运营商发展的首要因素,从有线电视用户收视行为的演变出发,分析了解决有线电视用户离网问题的路径和方法。第一部分介绍了有线电视用户离网现状与原因,从视频收视格局的变化出发,剖析了有线电视用户离网的现状和原因。第二部分介绍了建设有线电视用户离网预警系统的必要性和系统构成,分析了以往离网研究存在的问题,并介绍了格兰研究最新研发的大数据用户离网预警管理系统和online在线服务系统。第三部分介绍了大数据离网预警管理系统的关键技术和物理架构。第四部分介绍了离网预警管理系统的应用,分别阐述了离网用户挽留方案的制定和部门间的无障碍数据应用。

数据挖掘在4G用户离网预警中应用研究

随着通信运营商之间的竞争日趋激烈,如何精确预测、定位用户离网倾向显得越来越重要。因此,文章提出了一种基于数据挖掘技术的用户离网预警的方法。首先设计了预离网识别模型总体框架,并提出了用户特征的提取方法。然后利用BP神经网络对用户是否有离网倾向进行快速识别。实验结果表明文章提出的方法能有效预测用户的预离网倾向,为企业提前开展预警挽留流程和提前启动关怀流程提供了有力支撑,从而提升了4G用户的保有率。

通信运营商用户离网控制体系构建研究

近年来,随着各通信业务市场饱和率的逐渐增加,增量市场空间已经开始缩小,各运营商均已调整其竞争战略,即由增量竞争转向存量保留和挖掘客户价值。而实现这一战略任务的关键就是对用户离网率的有效控制。对此,从通信运营商存量保留的战略任务出发,以对离网用户行为的调研为基础,尝试构建通信运营商用户离网控制体系,体系由离网预警系统和离网防范及挽留系统组成。

一种新型的模型树算法研究及应用

决策树算法训练速度快、结果易于解释,但在实际应用中其分类精度难以满足业务要求。为了提高决策树算法的精度,基于LogitBoost算法的优点,对决策树C4.5算法进行了改进。在决策树的叶节点上应用LogitBoost算法建立叠加回归模型,得到一种新型的模型树算法-LCTree算法。通过11组UCI数据集试验,经分析比较,证明LCTree算法比其他算法更有效。将该算法应用于电信客户离网预警系统建模,结果表明,该算法可有效地分析客户特征,精确地预测离网客户。

基于大数据分析的运营商主动服务研究

为了解决传统运营商面临的急需提升主动服务能力的问题,研究了大数据分析在客户服务方面的应用,通过大数据分析锁定目标用户,并对用户做特征画像,确定触发用户关键行为的因素、阈值及预警机制,供主动服务和针对营销调用,从而实现提升客服的主动服务能力和营销成功率的目的。