CN102215504A - 新入网用户的类别识别方法及系统 - Google Patents

Abstract

本发明提供了一种新入网用户的类别识别方法及系统，其中，该方法包括：根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往圈信息；根据既有用户的通讯信息，提取既有用户在第一时间之前的交往圈信息；将新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定新入网用户的类别。本发明能够全方位的对用户进行识别，提高用户类别识别的精度，同时依靠的人为因素较少，便于方法的实施，提高识别的效率。

Description

新入网用户的类别识别方法及系统

技术领域

本发明涉及业务支撑领域，具体涉及一种新入网用户的类别识别方法及系统。

背景技术

在实际运营过程中，新增客户大量为重入网客户，造成各类营销资源浪费，同时由于重入网客户的大量存在，离网率居高不下，难以对离网率进行合理的评估。此外，部分资费敏感客户在网内不停转换，对营销政策制定和市场稳定存在较大干扰。目前的重入网客户识别方法主要通过客户的呼叫记录同时结合国际移动设备身份码(International Mobile Equipment Identity，简称IMEI)来识别重入网客户群。其特点是基于对客户的呼叫记录进行分析，识别客户的交往圈，分析纬度较多，能够弥补IMEI分析的误差，在参数设置科学合理的情况下，分析结果的准确率和查全率较高。由于该技术的相关参数的设置需要经验的积累和较长时间的跟踪校验和修正，投入的精力较大，实现难度相对较高，导致存在大量定位不准客户。此外，目前只是对重入网用户进行分析，没有对特殊行为客户，如农民工、学生、双枪、多枪、转网等，进行全方位的识别，以及无法分析所有运营商的新增用户来源情况，不利于经营分析系统对市场竞争的支撑，不利于对整个市场发展情况分析和掌握。

现有技术方案有如下不足：

(1)相关参数指标的设置需要经验的积累和较长时间的跟踪校验和修正，不易推广使用。

(2)对于客户的识别，正确率难以保证，导致识别效率不高。

(3)仅分析单一网络的重入网用户，识别范围及对象单一。

发明内容

本发明的第一目的是提出一种高效的新入网用户的类别识别方法。

本发明的第二目的是提出一种高效的新入网用户的类别识别系统。

为实现上述第一目的，本发明提供了一种新入网用户的类别识别方法，包括以下步骤：根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往圈信息；根据既有用户的通讯信息，提取既有用户在第一时间之前的交往圈信息；将新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定新入网用户的类别。

为实现上述第二目的，本发明提供了一种新入网用户的类别识别系统，包括：交往圈分析模块，用于根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往圈信息；以及根据既有用户的通讯信息，提取既有用户在第一时间之前的交往圈信息；匹配分析模块，用于将新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定新入网用户的类别。

本发明各个实施例中，通过利用用户交往圈信息来进行新入网用户与既有用户的匹配，能够全方位的对用户进行识别，提高用户类别识别的精度，同时衡量该匹配程度的预设阈值基于上述全方位的分析过程所确定，依靠的人为因素较少，便于方法的实施，提高识别的效率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一并用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明的新入网用户的类别识别方法的实施例一流程图；

图2为本发明的新入网用户的类别识别方法中交往圈信息中交往指数的实施例示意图；

图3为本发明的新入网用户的类别识别方法的实施例二流程图；

图4为本发明的新入网用户的类别识别系统的实施例示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

方法实施例

图1为本发明的新入网用户的类别识别方法的实施例一流程图。如图1所示，本实施例包括：

步骤S 102：根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往圈信息；该第一时间是某个特定的分析时间段，如对5月份新入网用户进行分析，该第一时间可以是五月及其以后的任一时间段，步骤S102的具体操作过程参见图2的解释说明；

步骤S104：根据既有用户的通讯信息，提取既有用户在第一时间之前的交往圈信息；既有用户就是相较于新入网用户一直存在的用户，如对5月份新入网用户而言，4月的在网用户则可以称为既有用户；

步骤S106：将新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定新入网用户的类别；具体操作过程参见图3的解释说明。

本实施例通过利用用户交往图信息来进行新入网用户与既有用户的匹配，能够全方位的对用户进行识别，提高用户类别识别的精度，同时衡量该匹配程度的预设阈值基于上述全方位的分析过程所确定，依靠的人为因素较少，便于方法的实施，提高识别的效率。

图2为本发明的新入网用户的类别识别方法中交往圈信息中交往指数的实施例示意图，具体解释如下：

具体操作时，交往圈信息可以包括呼叫指纹、一般交往信息及交往指数。其中，呼叫指纹为移动用户在使用移动运营商的产品及服务过程中，所产生的交往模式、活动模式、属性模式的综合表征，其包括用于表征用户在不同通信网间转换的历史转网信息、用于表征用户多次进入同一通信网的历史重入网信息、用户投诉信息及用户忠诚度信息等；一般交往信息包括语音通信信息、短信通信信息、彩信通信信息、视频通信信息、手机上网信息、服务行为信息、使用行为信息、活动行为信息、终端行为信息、消费行为信息及业务办理行为信息等。

该交往指数主要用于衡量一个移动号码的交往号码与其交往程度的量化指标，其根据通话频度、通话时长及通话次数确定，其中，通话频度根据在预设时间段内的通话天数、通话周数和、或通话旬数确定。具体操作时，如：

首先，每月从各种通话详单中提取客户和不同对端号码每天的通话的时长、次数的交往数据；

其次，从交往数据中统计出每个客户每月和不同对端号码通话的周数、天数、旬数、次数、时长。

再次，计算每个客户每月与不同对端号的平均通话时长、平均通话次数、通话频度、交往指数，计算方法如下：平均通话时长＝总通话时长/有效通话天数；平均通话次数＝总通话次数/有效通话天数；通话频度＝(通话天数+通话周数+通话旬数)/每月天数；交往指数＝通话频度*系数1+平均通话时长*系数2+平均通话次数*系数3；其中各个系数可以根据实际需要而确定，如：系数1＝1.82、系数2＝0.01293、系3＝0.09389，均为常数。如图2所示的三种通信情况(通信行为用圆圈表示)，其中，第一种(最上面的情况)表示六天内发生了通信行为，这六天的通信行为分布在两个周及一个旬中，故通话频度＝(6+2+1)/30；第二种(中的情况)表示六天内发生了通信行为，这六天的通信行为分布在五个周及三个旬中，故通话频度＝(6+5+3)/30；第三种(最下面的情况)表示十天内发生了通信行为，这十天的通信行为分布在两个周及一个旬中，故通话频度＝(10+2+1)/30。

需要说明的是，除了将交往圈信息用于描述用户外，还可以利用用户属性来描述用户，该用户属性可以包括用户资料信息、产品订购信息等。

本领域技术人员可以理解对于通话频度及交往指数的计算公式可以根据上述要素按照实际需要而设定，如通话频度仅根据通话天数、通话周数和、或通话旬数中的任一个来确定或者根据任二个的组合来确定，交往指数根据通话频度、通话时长和/或通话次数中的任一个来确定或者根据任二个的组合来确定。同时，有上述描述可知，通过交往圈信息及用户属性对每个用户进行描述，进而根据交往圈信息及用户属性对用户进行匹配，可以实现对用户的全方位分析；形象地说，所有对用户描述的特征组成特征向量，像DNA的长链，用户两两相匹配时就像是DNA的双螺旋链进行匹对。此外，将交往圈分析的时间窗口增大，可以对用户自入网之日起的在网各类信息进行跟踪分析，勾勒完整的用户画像，为后续基于用户分析的其他各类分析提供用户信息及数据支撑。

本实施例通过利用用户交往圈信息及用户属性来进行新入网用户与既有用户的匹配，能够全方位的对用户进行识别，提高用户类别识别的精度，同时衡量该匹配程度的预设阈值基于上述全方位的分析过程所确定，依靠的人为因素较少，便于方法的实施，提高识别的效率。当交往圈分析的时间窗口较大时，形成用户使用移动手机以来的历史行为轨迹，并通过此轨迹，识别客户类别，进一步提高识别的效率。

图3为本发明的新入网用户的类别识别方法的实施例二流程图。如图3所示，本实施例包括：

步骤S301-S303：将属于同一网络(如第一网络)的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定新入网用户为重入网用户；具体操作时，可以包括：

a.从第一网络中的当月(如4月)新增用户中提取一批号码清单；

b.对这批号码清单在下一月(如5月)进行交往圈范围的设定(这是因为考虑到一些用户是月末才入网，和周围的有些朋友还没来得及联系，如果匹配当月的交往圈就会造成很多号码被排除在交往圈内，所匹配的结果不是很准确)，并提取相应的交往圈信息及用户属性，与该用户入网时间提前一个月(即上述预设时间阈值)，也就是如果该用户是4月入网的，那么就用其5月的交往圈信息及用户属性与从第一网络中的其他用户的3月的交往圈信息及用户属性进行匹配；

c.如果匹配率高于预设阈值40％，则就认为该用户为第一网络的4月份新增用户中的重入网网用户；其中，该预设时间阈值及匹配率对应的预设阈值可以根据实际需要而设定；具体操作时，还可以将不同预设时间阈值及预设阈值下得到的重入网用户集合的并集作为最终的重入网用户；该预设时间阈值及预设阈值基于上述全方位的分析过程所确定，只需要进行微调，具体如根据具体分析的用户的入网、离网时间、通话次数、时长等因素共同决定，可以根据用户的不同身份进行自动微调；此外，用户交往圈范围的确定可以按照以下原则：与该用户在一个月内通话次数在1次以上，短信次数在5条以上的用户确定为该用户的交往圈成员，或者通过与该用户在一个月内通话次数作为判断依据，取前十或十五位作为该用户的有效交往圈；该用户的交往圈成员根据与用户交往人数的不同，范围也不同；

步骤S304-S306与步骤S301-S303的思路基本一样，是将第一网络转换为第二网络，从而分析第二网络中4月新增用户中的重入网用户；不再赘述；

步骤S307-S309：将属于不同网络的新入网用户与既有用户(如第一网络的新入网用户与第二网络的既有用户)的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定新入网用户为转网用户；具体操作时，可以包括：

1)从第一网络中的当月(如4月)新增用户中提取一批号码清单；

2)对这批号码清单在下一月(如5月)进行交往圈范围的设定，并提取相应的交往圈信息及用户属性；再将第二网络用户(还可以仅对第二网络中在6月未通话的用户进行分析)在3月进行交往圈范围的设定，并提取相应的交往圈信息及用户属性；对第一网络中4月新增用户的5月交往圈信息及用户属性与第二网络用户的3月交往圈信息及用户属性进行匹配；

3)如果匹配率高于预设阈值，则就认为该用户为第一网络的4月份新增用户中的转网用户；

步骤S310-S317与步骤S307-S309的思路基本一样，是分析第二网络中4月新增用户中的有第一网络转入的用户，不再赘述。

需要说明的是，上述各个步骤中的匹配度的计算方法可以根据实际需要而设定，如，对每个特征(各个交往圈信息或者各个用户属性)规定在某一个数字范围内则表征匹配，匹配的特征数与总特征数的比率为匹配度或者对于每个特征设定一定的权重，如对交往圈信息及用户属性的特征分别设定权重0.6及0.4，用于体现不同特征对用户匹配程度的不同贡献。

本领域技术人员可以理解，基于上述对转网和重入网用户的分析可以得到对双枪及多枪用户的分析方法，即，如果一个用户是重入网用户，且老号码没有离网，则该用户为双枪用户；如果匹配到该用户不止一个号码，则定义为多枪用户；如果是转网用户，则被定义为竞争对手双枪、多枪用户；争对农民工、学生用户的特殊规律(春节、假期返乡；特定月份去特定的地方务农、务工等)匹配出相应的目标客户群，类似重入网模型，如，农民工用户识别：对前一年春节期间漫游到本省的号码进行跟踪分析，从前一年的网内或网间话单中找到经常联系的本省的几个号码；如果用户在春节期间与上述号码不发生通话(或仅通过短信或本地手机号码)，节后又发生通话，则认为该用户为农民工用户；如果类似的群之间的用户具有相同特性，则为农民工用户群；学生用户：对于本地用户就是通过通话主要集中在校园基站下的用户。对于外地学生用户，则类型与农民工的匹配原则，只是时间段为暑假与寒假期间的匹配。相应于上述各个模型，呼叫指纹还可以包括历史的双(多)枪用户信息、跳蚤用户信息等。

本实施例通过对第一网或第二网内、第一网及第二网间通话详单进行分析，加上用户交往信息及用户属性(各项信息及产品订购情况)，形成对用户全方位的属性描述，可以识别各类特殊行为客户，如跳蚤客户、双枪多枪客户等；通过网间通话详单精确判断用户身份，无论用户在本网还是竞争对手网络，都可建立用户档案，追踪用户行为轨迹，提高了识别的效率及扩大了识别对象范围。

系统实施例

图4为本发明的新入网用户的类别识别系统的实施例结构图。上述图1至图3方法发明的各个实施例均可以在图4结构图所示结构的系统中实现。如图4所示，该系统包括：交往圈分析模块42，用于根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往圈信息；以及根据既有用户的通讯信息，提取既有用户在第一时间之前的交往圈信息；匹配分析模块44，用于将新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定新入网用户的类别。

具体操作时，该交往圈分析模块42可以包括：

基本信息子模块422，用于根据新入网用户的通讯信息，提取新入网用户在第一时间内的语音、短信、彩信及视频通信信息；以及根据既有用户的通讯信息，提取既有用户在第一时间之前的语音、短信、彩信及视频通信信息；

呼叫指纹子模块424，用于根据新入网用户的通讯信息，提取新入网用户在第一时间内的呼叫指纹；以及根据既有用户的通讯信息，提取既有用户在第一时间之前的呼叫指纹，呼叫指纹包括用于表征用户在不同通信网间转换的历史转网信息、用于表征用户多次进入同一通信网的历史重入网信息、用户投诉信息及用户忠诚度信息。

根据设计需要，交往圈分析模块42还包括交往指数子模块426，用于根据新入网用户的通讯信息，提取新入网用户在第一时间内的交往指数；以及根据既有用户的通讯信息，提取既有用户在第一时间之前的交往指数，其中交往指数根据通话频度、通话时长及通话次数确定，通话频度根据在预设时间段内的通话天数、通话周数和、或通话旬数确定。

匹配分析模块44包括：重入网分析子模块442，用于将属于同一网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定新入网用户为重入网用户；转网分析子模块444，用于属于不同网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定新入网用户为转网用户。

本实施例中，通过对第一网或第二网内、第一网及第二网间通话详单进行分析，加上用户各项信息及产品订购情况，可以更加全面的分析特殊用户的在网特性，提高了识别的效率及扩大了识别对象范围；相关参数设置比较简单，利用该系统，易于推广。

最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种新入网用户的类别识别方法，其特征在于，包括以下步骤：

根据新入网用户的通讯信息，提取所述新入网用户在第一时间内的交往圈信息；

根据既有用户的通讯信息，提取所述既有用户在所述第一时间之前的交往圈信息；

将所述新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定所述新入网用户的类别。

2.根据权利要求1所述的新入网用户的类别识别方法，其特征在于，所述将所述新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定所述新入网用户的类别的步骤包括：

将所述新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定所述新入网用户的类别，其中，所述交往圈信息包括呼叫指纹，所述呼叫指纹包括用于表征用户在不同通信网间转换的历史转网信息、用于表征用户多次进入同一通信网的历史重入网信息、用户投诉信息及用户忠诚度信息。

3.根据权利要求2所述的新入网用户的类别识别方法，其特征在于，所述交往圈信息还包括所述新入网用户的语音、短信、彩信及视频通信信息。

4.根据权利要求1-3中任一项所述的新入网用户的类别识别方法，其特征在于，所述交往圈信息包括根据通话频度、通话时长和/或通话次数确定的交往指数，其中，所述通话频度根据在预设时间段内的通话天数、通话周数和/或通话旬数确定。

5.根据上述权利要求1-3中任一项所述的新入网用户的类别识别方法，其特征在于，所述将所述新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定所述新入网用户的类别的步骤包括：

将属于同一网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定所述新入网用户为重入网用户；或/和

将属于不同网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定所述新入网用户为转网用户。

6.一种新入网用户的类别识别系统，其特征在于，该系统包括：

交往圈分析模块，用于根据新入网用户的通讯信息，提取所述新入网用户在第一时间内的交往圈信息；以及根据既有用户在所述第一时间之前的通讯信息，提取所述既有用户的交往圈信息；

匹配分析模块，用于将所述新入网用户与既有用户的交往圈信息进行匹配，并在匹配度达到预设阈值时确定所述新入网用户的类别。

7.根据权利要求6所述的新入网用户的类别识别系统，其特征在于，所述交往圈分析模块包括：

呼叫指纹子模块，用于根据所述新入网用户的通讯信息，提取所述新入网用户在第一时间内的呼叫指纹；以及根据所述既有用户的通讯信息，提取所述既有用户在所述第一时间之前的呼叫指纹，所述呼叫指纹包括用于表征用户在不同通信网间转换的历史转网信息、用于表征用户多次进入同一通信网的历史重入网信息、用户投诉信息及用户忠诚度信息。

8.根据权利要求7所述的新入网用户的类别识别系统，其特征在于，所述交往圈分析模块还包括：

基本信息子模块，用于根据所述新入网用户的通讯信息，提取所述新入网用户在第一时间内的语音、短信、彩信及视频通信信息；以及根据所述既有用户的通讯信息，提取所述既有用户在所述第一时间之前的语音、短信、彩信及视频通信信息。

9.根据上述权利要求6-8中任一项所述的新入网用户的类别识别系统，其特征在于，所述交往圈分析模块包括：

交往指数子模块，用于根据所述新入网用户的通讯信息，提取所述新入网用户在第一时间内的交往指数；以及根据所述既有用户的通讯信息，提取所述既有用户在所述第一时间之前的交往指数，其中所述交往指数根据通话频度、通话时长及通话次数确定，所述通话频度根据在预设时间段内的通话天数、通话周数和、或通话旬数确定。

10.根据上述权利要求6-8中任一项所述的新入网用户的类别识别系统，其特征在于，所述匹配分析模块包括：

重入网分析子模块，用于将属于同一网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定所述新入网用户为重入网用户；

转网分析子模块，用于将属于不同网络的新入网用户与既有用户的交往圈信息及用户属性进行匹配，并在匹配度达到预设阈值时确定所述新入网用户为转网用户。

Images