CN111368858A - 用户满意度评估方法及装置 - Google Patents
用户满意度评估方法及装置 Download PDFInfo
- Publication number
- CN111368858A CN111368858A CN201811587267.XA CN201811587267A CN111368858A CN 111368858 A CN111368858 A CN 111368858A CN 201811587267 A CN201811587267 A CN 201811587267A CN 111368858 A CN111368858 A CN 111368858A
- Authority
- CN
- China
- Prior art keywords
- satisfaction
- user
- preset
- sampling
- error rate
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 238000005070 sampling Methods 0.000 claims abstract description 69
- 230000011664 signaling Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000011835 investigation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种用户满意度评估方法及装置。所述方法包括:获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。本发明实施例解决了现有技术中,运营商获取用户满意度的覆盖面不足的问题。
Description
技术领域
本发明实施例涉及业务运维技术领域,尤其涉及一种用户满意度评估方法及装置。
背景技术
在移动通信网络的运维领域,用户满意度是用户对网络功能的实际使用情况的真实反映。通信网络功能以语音通话、视频通话以及流量上网为主,因此,用户感知也围绕这些功能展开。全面了解用户满意度情况,有利于更有效投放网络资源以实现更加优质的服务。
然而目前,网络运营商获取用户满意度覆盖面普遍不足。收集用户感知的途径主要分为电话调研、短信调研、线下渠道调研、线上应用程序(Application,APP)调研以及用户主动上报投诉建议等,综合普查率较低,且上述调查方式的成本较高,难以实现全面了解用户满意度。
发明内容
本发明实施例提供一种用户满意度评估方法及装置,用以解决现有技术中,运营商获取用户满意度的覆盖面不足的问题。
一方面,本发明实施例提供一种用户满意度评估方法,所述方法包括:
获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;
根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;
根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
一方面,本发明实施例提供一种用户满意度评估装置,所述装置包括:
获取模块,用于获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;
聚类模块,用于根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;
抽样模块,用于根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
另一方面,本发明实施例还提供了一种电子设备,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述用户满意度评估方法中的步骤。
再一方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述用户满意度评估方法中的步骤。
本发明实施例提供的用户满意度评估方法及装置,通过获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值;基础数据为目标范围全网用户的信令数据,覆盖面广;通过预设聚类算法,利用用户粒度的感知信令指标,实现对感知相近的用户进行聚类,建立满意度相近的用户群;再对各群进行少量抽样满意度调查,可准确地获取该群的用户满意度,进而获取全局用户的网络满意度感知,更全面了解用户感知,以便有效投放网络资源,实现更加优质的用户服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的用户满意度评估方法的流程示意图之一;
图2为本发明实施例提供的用户满意度评估方法的流程示意图之二;
图3为本发明实施例提供的用户满意度评估装置的结构示意图;
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
应理解,说明书通篇中提到的“实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本申请所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
图1示出了本发明实施例提供的一种用户满意度评估方法的流程示意图。
如图1所示,本发明实施例提供的用户满意度评估方法,所述方法具体包括以下步骤:
步骤101,获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2。
其中,信令数据即信令信息数据,其可以指导终端、交换系统及传输系统协同运行,在指定的终端之间建立临时的通信信道,并维护网络本身正常运行。信令系统是通信网的重要组成部分,是通信网的神经系统。信令数据实际上就是一种用于控制的信号,控制信道的接续和传递网络管理信息。
信令数据中包括N个信令交互类的预设指标数据,预设指标数据可以是衡量使用业务频繁程度的指标、衡量网络覆盖的移动性的指标、衡量语音业务的指标、衡量上网稳定性以及上网速率的指标。
目标范围为待评估的范围,可以是地理范围或网络区域范围;提取目标范围内全网用户的信令数据作为评估基础数据,且信令数据涉及多个指标,覆盖面较广。
优选地,所述预设指标数据为所述用户在预设统计周期内的日均值,预设统计周期可以为30天。
作为示例,参考以下表1,表1中提供了预设指标数据的内容,主要分为五类,每一类包括的具体指标如表1所示:
表1:
步骤102,根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点。
其中,聚类算法即群分析,为用于对样本进行分类的统计分析方法。本发明实施例中聚类算法的样本是多维空间中的一个点,即N维空间内的坐标点。以用户的N个预设指标数据建立的N维空间,以每个用户实际的N个预设指标数据建立该用户的坐标点。以表1为例,将每个用户的信令指标作为46维度感知空间上的一个点,即如果有100万个用户则有100万个空间点,每个点由46个维度的数据来标识。
聚类算法以相似性为基础,在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性,通过聚类算法将坐标值相似的点聚合起来,得到多个用户群,每个用户群的用户之间具有一定的相似度。
步骤103,根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
将在N维空间的用户进行聚类得到用户群后,根据预设规则,对每个所述用户群进行满意度抽样,由于同一个用户群的信令数据较为相似,因此抽样调查的满意度具有一定的代表性;具体的,可按照预设的抽样比例,从每个用户群中抽取一定比例的用户作为样本用户,对样本用户采用电子问卷调查、短信息调查或电子语音通话调查的方式,收集用户对各个分类的指标的满意度情况,比如使用业务频繁程度、网络覆盖满意度、语音业务满意度、上网稳定性满意度以及上网速率满意度。
得到各个分类的满意度情况之后,对各个分类下的满意度情况进行预设数据处理,比如求均值,得到一个初步评估值,再采用具体地满意度数值对初步评估值进行反向验证得到差错率,若差错率情况满足预设由差错率要求,则该初步评估值为目标范围的用户的满意度评估值。
本发明上述实施例中,通过获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值;基础数据为目标范围全网用户的信令数据,覆盖面广;通过预设聚类算法,利用用户粒度的感知信令指标,实现对感知相近的用户进行聚类,建立满意度相近的用户群;再对各群进行少量抽样满意度调查,可准确地获取该群的用户满意度,进而获取全局用户的网络满意度感知,更全面了解用户感知,以便有效投放网络资源,实现更加优质的用户服务。本发明实施例解决了现有技术中,运营商获取用户满意度的覆盖面不足的问题。
可选地,本发明实施例中,步骤103包括:
按照第一预设抽样比例,抽取所述用户群的用户作为样本用户,确定所述样本用户的满意度抽样值;
根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值。
其中,为了简化计算量,按照第一预设抽样比例,从每个用户群中抽取一定比例的用户作为样本用户,对样本用户采用电子问卷调查、短信息调查或电子语音通话调查的方式,收集用户对各个分类的指标的满意度情况,比如使用业务频繁程度、网络覆盖满意度、语音业务满意度、上网稳定性满意度以及上网速率满意度。
可选地,第一预设抽样比例可以为1%,满意度抽样值可以以分值表示,比如10分制。
得到各个分类的满意度情况之后,对各个分类下的满意度情况进行预设数据处理,比如求均值,得到一个初步评估值,再采用具体地满意度数值对初步评估值进行反向验证得到差错率,若差错率情况满足预设由差错率要求,则该初步评估值为目标范围的用户的满意度评估值。
进一步地,本发明实施例中,所述根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值的步骤,包括:
第一步,若所述满意度抽样值的方差满足预设方差要求,则所述满意度抽样值的均值为该群的群满意度值。
第二步,对每个所述群满意度值进行预设处理,得到所述目标范围内的用户满意度的初步评估值。
第三步,按照第二预设抽样比例,从所述满意度抽样值抽取样本,获取所述样本与所述初步评估值之间的差错率。
第四步,若所述差错率满足预设差错率要求,则所述初步评估值为用户满意度评估值。
其中,第一步中,对各个用户群抽样的样本用户的满意度抽样值的方差进行统计,若所述满意度抽样值的方差满足预设方差要求,预设方差要求可以是方差低于一预设阈值,则确定本次抽样结果满足要求,所述满意度抽样值的均值为该群的群满意度值。
第二步中,对所有用户群的满意度抽样值进行预设处理,比如求均值,得到所述目标范围内的用户满意度的初步评估值。
第三步中,按照第二预设抽样比例,再次从所述满意度抽样值抽取样本,获取所述样本与所述初步评估值之间的差错率,即通过样本对初步评估值进行反向验证得到差错率,比如,可通过样本数据与初步评估值的相似度来确定差错率,若二者之间相似度满足预设相似度要求,则确定此样本为非差错样本;若不满足预设相似度要求,则确定此样本为差错样本,差错样本出现的概率即为差错率。若所述差错率满足预设差错率要求,则第四步中确定所述初步评估值为用户满意度评估值。
进一步地,本发明实施例中,上述第三步中,获取所述样本与所述初步评估值之间的差错率的步骤,包括:
若所述差错率不满足预设差错率要求,则对所述坐标点进行重新聚类。
其中,若所述差错率不满足预设差错率要求,表明初步评估值与实际值之间偏差成都较大,则对所述坐标点进行重新聚类。
进一步地,本发明实施例中,所述根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值的步骤,包括:
若所述满意度抽样值的方差不满足预设方差要求,则对所述坐标点进行重新聚类。
同理,若方差不满足预设方差要求,表明该用户群的用户相似程度不满足要求,则对所述坐标点进行重新聚类。
进一步地,本发明实施例中,所述预设聚类算法为K-means聚类算法;
所述对所述坐标点进行重新聚类的步骤,包括:
将每个所述用户的坐标点聚类得到K+M个用户群;其中,K为上一次对所述坐标点进行聚类的K值,M为大于或等于1的正整数。
其中,K-means算法是基于原型的目标函数聚类方法。K-means算法以欧式距离作为相似度测度。
首先从全网的用户中任意选择K个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。具体地,一般都采用均方差作为标准测度函数。
K个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。本发明实施例中,通过对46个维度感知空间中的点进行聚类,在首次聚类时得到K组感知相近的用户群。而在重新聚类时,需对K值进行调整,采用逐次加M的方式,对坐标点重新进行聚类。
作为又一实施例,参见图2,本发明实施例提供的用户满意度评估方法,主要包括以下步骤:
步骤201,获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2。
步骤202,根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点。
步骤203,按照第一预设抽样比例,抽取所述用户群的用户作为样本用户,确定所述样本用户的满意度抽样值。
步骤204,判断所述满意度抽样值的方差满足预设方差要求:若是,执行步骤205,否则,返回步骤202,并将K值加M。
步骤205,若所述满意度抽样值的方差满足预设方差要求,则所述满意度抽样值的均值为该群的群满意度值。
步骤206,对每个所述群满意度值进行预设处理,得到所述目标范围内的用户满意度的初步评估值。
步骤207,按照第二预设抽样比例,从所述满意度抽样值抽取样本,获取所述样本与所述初步评估值之间的差错率。
步骤208,判断所述差错率满足预设差错率要求:若是,执行步骤209,否则,返回步骤202,并将K值加M。
步骤209,确定所述初步评估值为用户满意度评估值。
本发明上述实施例中,通过获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值;基础数据为目标范围全网用户的信令数据,覆盖面广;通过预设聚类算法,利用用户粒度的感知信令指标,实现对感知相近的用户进行聚类,建立满意度相近的用户群;再对各群进行少量抽样满意度调查,可准确地获取该群的用户满意度,进而获取全局用户的网络满意度感知,更全面了解用户感知,以便有效投放网络资源,实现更加优质的用户服务。
以上介绍了本发明实施例提供的用户满意度评估方法,下面将结合附图介绍本发明实施例提供的用户满意度评估装置。
参见图3,本发明实施例提供了一种用户满意度评估装置,所述装置包括:
获取模块301,用于获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2。
其中,信令数据即信令信息数据,其可以指导终端、交换系统及传输系统协同运行,在指定的终端之间建立临时的通信信道,并维护网络本身正常运行。信令系统是通信网的重要组成部分,是通信网的神经系统。信令数据实际上就是一种用于控制的信号,控制信道的接续和传递网络管理信息。
信令数据中包括N个信令交互类的预设指标数据,预设指标数据可以是衡量使用业务频繁程度的指标、衡量网络覆盖的移动性的指标、衡量语音业务的指标、衡量上网稳定性以及上网速率的指标。
目标范围为待评估的范围,可以是地理范围或网络区域范围;提取目标范围内全网用户的信令数据作为评估基础数据,且信令数据涉及多个指标,覆盖面较广。
聚类模块302,用于根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点。
其中,聚类算法即群分析,为用于对样本进行分类的统计分析方法。本发明实施例中聚类算法的样本是多维空间中的一个点,即N维空间内的坐标点。以用户的N个预设指标数据建立的N维空间,以每个用户实际的N个预设指标数据建立该用户的坐标点。以表1为例,将每个用户的信令指标作为46维度感知空间上的一个点,即如果有100万个用户则有100万个空间点,每个点由46个维度的数据来标识。
聚类算法以相似性为基础,在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性,通过聚类算法将坐标值相似的点聚合起来,得到多个用户群,每个用户群的用户之间具有一定的相似度。
抽样模块303,用于根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
将在N维空间的用户进行聚类得到用户群后,根据预设规则,对每个所述用户群进行满意度抽样,由于同一个用户群的信令数据较为相似,因此抽样调查的满意度具有一定的代表性;具体的,可按照预设的抽样比例,从每个用户群中抽取一定比例的用户作为样本用户,对样本用户采用电子问卷调查、短信息调查或电子语音通话调查的方式,收集用户对各个分类的指标的满意度情况,比如使用业务频繁程度、网络覆盖满意度、语音业务满意度、上网稳定性满意度以及上网速率满意度。
得到各个分类的满意度情况之后,对各个分类下的满意度情况进行预设数据处理,比如求均值,得到一个初步评估值,再采用具体地满意度数值对初步评估值进行反向验证得到差错率,若差错率情况满足预设由差错率要求,则该初步评估值为目标范围的用户的满意度评估值。
可选地,本发明实施例中,所述抽样模块303用于:
按照第一预设抽样比例,抽取所述用户群的用户作为样本用户,确定所述样本用户的满意度抽样值;
根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值。
可选地,本发明实施例中,所述抽样模块303包括:
第一处理子模块,用于若所述满意度抽样值的方差满足预设方差要求,则所述满意度抽样值的均值为该群的群满意度值;
第二处理子模块,用于对每个所述群满意度值进行预设处理,得到所述目标范围内的用户满意度的初步评估值;
获取子模块,用于按照第二预设抽样比例,从所述满意度抽样值抽取样本,获取所述样本与所述初步评估值之间的差错率;
第三处理子模块,用于若所述差错率满足预设差错率要求,则所述初步评估值为用户满意度评估值。
可选地,本发明实施例中,所述获取子模块用于:
若所述差错率不满足预设差错率要求,则对所述坐标点进行重新聚类。
可选地,本发明实施例中,所述抽样模块303用于:
若所述满意度抽样值的方差不满足预设方差要求,则对所述坐标点进行重新聚类。
可选地,本发明实施例中,所述预设聚类算法为K-means聚类算法;
所述对所述坐标点进行重新聚类,包括:
将每个所述用户的坐标点聚类得到K+M个用户群;其中,K为上一次对所述坐标点进行聚类的K值,M为大于或等于1的正整数。
可选地,本发明实施例中,所述预设指标数据为所述用户在预设统计周期内的日均值。
本发明上述实施例中,通过获取模块301获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;聚类模块302根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;抽样模块303根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值;基础数据为目标范围全网用户的信令数据,覆盖面广;通过预设聚类算法,利用用户粒度的感知信令指标,实现对感知相近的用户进行聚类,建立满意度相近的用户群;再对各群进行少量抽样满意度调查,可准确地获取该群的用户满意度,进而获取全局用户的网络满意度感知,更全面了解用户感知,以便有效投放网络资源,实现更加优质的用户服务。
图4示出了本发明又一实施例提供的一种电子设备的结构示意图。
如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行如下方法:
获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;
根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;
根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
本发明又一实施例提供的一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质上存储有计算机程序,所述程序被处理器执行时实现如本发明上述实施例中提供的方法中的步骤,本实施不再赘述。
基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用户满意度评估方法,其特征在于,所述方法包括:
获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;
根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;
根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
2.根据权利要求1所述的方法,其特征在于,所述根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值的步骤,包括:
按照第一预设抽样比例,抽取所述用户群的用户作为样本用户,确定所述样本用户的满意度抽样值;
根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值的步骤,包括:
若所述满意度抽样值的方差满足预设方差要求,则所述满意度抽样值的均值为该群的群满意度值;
对每个所述群满意度值进行预设处理,得到所述目标范围内的用户满意度的初步评估值;
按照第二预设抽样比例,从所述满意度抽样值抽取样本,获取所述样本与所述初步评估值之间的差错率;
若所述差错率满足预设差错率要求,则所述初步评估值为用户满意度评估值。
4.根据权利要求3所述的方法,其特征在于,所述获取所述样本与所述初步评估值之间的差错率的步骤,包括:
若所述差错率不满足预设差错率要求,则对所述坐标点进行重新聚类。
5.根据权利要求2所述的方法,其特征在于,所述根据所述满意度抽样值,得到所述目标范围内的用户满意度的、满足预设差错率要求的满意度评估值的步骤,包括:
若所述满意度抽样值的方差不满足预设方差要求,则对所述坐标点进行重新聚类。
6.根据权利要求4或5所述的方法,其特征在于,所述预设聚类算法为K-means聚类算法;
所述对所述坐标点进行重新聚类的步骤,包括:
将每个所述用户的坐标点聚类得到K+M个用户群;其中,K为上一次对所述坐标点进行聚类的K值,M为大于或等于1的正整数。
7.根据权利要求1所述的方法,其特征在于,所述预设指标数据为所述用户在预设统计周期内的日均值。
8.一种用户满意度评估装置,其特征在于,所述装置包括:
获取模块,用于获取目标范围内的用户的信令数据,提取所述信令数据中的N个预设指标数据;其中,N大于或等于2;
聚类模块,用于根据预设聚类算法,将每个所述用户的坐标点聚类得到预设数目个用户群;其中,所述坐标点为以所述用户的N个预设指标数据建立的N维空间内的坐标点;
抽样模块,用于根据预设规则,对每个所述用户群进行满意度抽样,得到满足预设差错率要求的满意度评估值。
9.一种电子设备,其特征在于,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的用户满意度评估方法中的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1至7中任一项所述的用户满意度评估方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587267.XA CN111368858B (zh) | 2018-12-25 | 2018-12-25 | 用户满意度评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811587267.XA CN111368858B (zh) | 2018-12-25 | 2018-12-25 | 用户满意度评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368858A true CN111368858A (zh) | 2020-07-03 |
CN111368858B CN111368858B (zh) | 2023-11-24 |
Family
ID=71205892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811587267.XA Active CN111368858B (zh) | 2018-12-25 | 2018-12-25 | 用户满意度评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368858B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113243804A (zh) * | 2021-06-03 | 2021-08-13 | 山东中新优境智能科技有限公司 | 自动取纸方法、装置、可读存储介质及计算机设备 |
CN114429384A (zh) * | 2021-12-30 | 2022-05-03 | 杭州盟码科技有限公司 | 基于电商平台的产品智能推荐方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591872A (zh) * | 2011-01-06 | 2012-07-18 | 中国移动通信集团四川有限公司 | 一种客户特征库生成方法和装置 |
CN104484345A (zh) * | 2014-11-28 | 2015-04-01 | 广东工业大学 | 一种基于K-means聚类的水火弯板3D扫描模块的提取方法 |
CN107301433A (zh) * | 2017-07-14 | 2017-10-27 | 南京华苏科技有限公司 | 基于聚类判别模型的网约车鉴别方法和系统 |
CN108540320A (zh) * | 2018-04-03 | 2018-09-14 | 南京华苏科技有限公司 | 基于信令挖掘用户满意度的评估方法 |
CN108776857A (zh) * | 2018-04-22 | 2018-11-09 | 平安科技(深圳)有限公司 | Nps短信调研方法、系统、计算机设备和存储介质 |
-
2018
- 2018-12-25 CN CN201811587267.XA patent/CN111368858B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591872A (zh) * | 2011-01-06 | 2012-07-18 | 中国移动通信集团四川有限公司 | 一种客户特征库生成方法和装置 |
CN104484345A (zh) * | 2014-11-28 | 2015-04-01 | 广东工业大学 | 一种基于K-means聚类的水火弯板3D扫描模块的提取方法 |
CN107301433A (zh) * | 2017-07-14 | 2017-10-27 | 南京华苏科技有限公司 | 基于聚类判别模型的网约车鉴别方法和系统 |
CN108540320A (zh) * | 2018-04-03 | 2018-09-14 | 南京华苏科技有限公司 | 基于信令挖掘用户满意度的评估方法 |
CN108776857A (zh) * | 2018-04-22 | 2018-11-09 | 平安科技(深圳)有限公司 | Nps短信调研方法、系统、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
刘婵: "蚁群与K均值聚类算法融合研究及其在用 户分群中的应用" * |
刘婵: "蚁群与K均值聚类算法融合研究及其在用户分群中的应用" * |
王丽君: "基于大数据的聚类算法研究及应用" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113243804A (zh) * | 2021-06-03 | 2021-08-13 | 山东中新优境智能科技有限公司 | 自动取纸方法、装置、可读存储介质及计算机设备 |
CN114429384A (zh) * | 2021-12-30 | 2022-05-03 | 杭州盟码科技有限公司 | 基于电商平台的产品智能推荐方法及系统 |
CN114429384B (zh) * | 2021-12-30 | 2022-12-09 | 杭州盟码科技有限公司 | 基于电商平台的产品智能推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111368858B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110910901B (zh) | 一种情绪识别方法及装置、电子设备和可读存储介质 | |
CN110909205B (zh) | 一种视频封面确定方法、装置、电子设备及可读存储介质 | |
CN108280670B (zh) | 种子人群扩散方法、装置以及信息投放系统 | |
CN108595461B (zh) | 兴趣探索方法、存储介质、电子设备及系统 | |
CN106294508B (zh) | 一种刷量工具检测方法及装置 | |
CN107193974B (zh) | 基于人工智能的地域性信息确定方法和装置 | |
CN108768695B (zh) | Kqi的问题定位方法及装置 | |
CN111294819B (zh) | 一种网络优化方法及装置 | |
CN106203103B (zh) | 文件的病毒检测方法及装置 | |
CN111522724A (zh) | 异常账号的确定方法、装置、服务器及存储介质 | |
CN110619535B (zh) | 一种数据处理方法及其装置 | |
CN111368858A (zh) | 用户满意度评估方法及装置 | |
CN107451249B (zh) | 事件发展趋势的预测方法及装置 | |
CN110189092B (zh) | 审核组成员评估方法及装置 | |
CN110196805B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN112101692A (zh) | 移动互联网质差用户的识别方法及装置 | |
CN110796164A (zh) | 数据聚类的簇数确定方法、系统、电子设备及存储介质 | |
CN114268839A (zh) | 视频发布账户筛选方法、装置、电子设备及存储介质 | |
CN109558531A (zh) | 新闻信息推送方法、装置以及计算机设备 | |
CN107332681A (zh) | 一种故障维度分析方法及网络设备 | |
CN110909263B (zh) | 一种身份特征的伴随关系确定方法及装置 | |
CN112269937A (zh) | 一种计算用户相似度的方法、系统及装置 | |
CN112465565A (zh) | 一种基于机器学习的用户画像预测的方法及装置 | |
KR101568800B1 (ko) | 실시간 이슈 검색어 선별 방법 및 시스템 | |
CN113011503B (zh) | 一种电子设备的数据取证方法、存储介质及终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |