CN108039977A - 一种基于用户上网行为的电信用户流失预测方法及装置 - Google Patents
一种基于用户上网行为的电信用户流失预测方法及装置 Download PDFInfo
- Publication number
- CN108039977A CN108039977A CN201711410422.6A CN201711410422A CN108039977A CN 108039977 A CN108039977 A CN 108039977A CN 201711410422 A CN201711410422 A CN 201711410422A CN 108039977 A CN108039977 A CN 108039977A
- Authority
- CN
- China
- Prior art keywords
- targeted customer
- evaluating
- user
- internet behavior
- data
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于用户上网行为的电信用户流失预测方法及装置,该方法包括:获取目标用户的至少一个上网行为数据;对上网行为数据进行评价,确定与目标用户的上网行为相对应的评价参数;基于评价参数,预测目标用户是否为潜在流失用户,以及目标用户的流失概率。本发明基于用户的上网行为,在统计学的基础上,综合考虑用户的主观感受和意愿,从而能够提前预测潜在流失用户并全面、准确地评价用户流失的原因,结果真实可靠;同时,用户流失具有周期性,提前预测潜在流失用户,可以及时发现并采取相应的营销手段对这些用户进行挽留,针对性强,成功率高。
Description
技术领域
本发明涉及网络技术领域,具体涉及一种基于用户上网行为的电信用户流失预测方法及装置。
背景技术
随着移动通信行业一段时期的高速发展后,正逐渐步入缓慢增长期,注册用户数量呈动态增长趋势,即有大量新用户入网的同时,又有大批老用户离网流失。因此,有效分析用户流失原因,可以吸引潜在用户入网、增加现有用户满意度、减少用户流失几率,从而提高用户消费水平、充分占有市场,是在激烈的市场竞争中制胜的关键。
目前的用户流失分析,基本都是利用数据挖掘等分析方法进行的,即对已流失的用户在过去一段时间内的通话、用户服务投诉或交费等信息进行分析,提炼出流失或有流失趋势用户的行为特征,再将这些特征应用于现有的用户服务,并采取相应的营销手段做到用户保持和用户发展。
这种分析方法是通过建立用户流失模型,遵循数据挖掘模型的建立与分析,在某种意义上讲是统计学的扩充。一方面,这种分析方式只是在用户已经流失后再进行的数据分析,而无法提前预测潜在流失用户,从而不能及时有针对性地对潜在流失用户提供挽留措施;另一方面,这种分析方式在分析时仅依靠统计结果进行判断,未考虑具体的人的主观感受和意愿因素,而用户转换运营商最重要的方面是从人自身的理性主观判断和抉择,因此不能全面、准确地评价用户流失的原因。
发明内容
本发明提供一种基于用户上网行为的电信用户流失预测方法及装置,以解决现有技术中无法提前预测潜在流失用户,并全面、准确地评价用户流失原因的问题。
第一方面,本发明实施例提供一种基于用户上网行为的电信用户流失预测方法,包括:
获取目标用户的至少一个上网行为数据;
对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数;
基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率。
作为本发明第一方面的优选方式,所述获取目标用户的至少一个上网行为数据包括以下操作:
获取所述目标用户是否访问运营商营销信息的数据;
获取所述目标用户访问友商营销信息的频率的数据;
获取所述目标用户讨论运营商主题的相关度的数据;
获取所述目标用户网络使用程度与用户套餐的匹配程度的数据;
获取所述目标用户网络感知质量的数据。
作为本发明第一方面的优选方式,所述对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数包括:
依次评价并确定与所述目标用户是否访问运营商营销信息相对应的第一评价参数、与所述目标用户访问友商营销信息的频率相对应的第二评价参数、与所述目标用户讨论运营商主题的相关度相对应的第三评价参数、与所述目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与所述目标用户网络感知质量相对应的第五评价参数。
作为本发明第一方面的优选方式,所述基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率包括:
根据所述第一评价参数、所述第二评价参数、所述第三评价参数、所述第四评价参数和所述第五评价参数及其分别对应的权重值,确定综合评价参数;
若所述综合评价参数小于预设评价值,则预测所述目标用户不为潜在流失用户;否则,则预测所述目标用户为潜在流失用户,并确定所述目标用户的流失概率。
第二方面,本发明实施例提供一种基于用户上网行为的电信用户流失预测装置,包括:
获取单元,用于获取目标用户的至少一个上网行为数据;
确定单元,用于对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数;
预测单元,用于基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率。
作为本发明第二方面的优选方式,所述获取单元具体用于:
获取所述目标用户是否访问运营商营销信息的数据;
获取所述目标用户访问友商营销信息的频率的数据;
获取所述目标用户讨论运营商主题的相关度的数据;
获取所述目标用户网络使用程度与用户套餐的匹配程度的数据;
获取所述目标用户网络感知质量的数据。
作为本发明第二方面的优选方式,所述确定单元具体用于:
依次评价并确定与所述目标用户是否访问运营商营销信息相对应的第一评价参数、与所述目标用户访问友商营销信息的频率相对应的第二评价参数、与所述目标用户讨论运营商主题的相关度相对应的第三评价参数、与所述目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与所述目标用户网络感知质量相对应的第五评价参数。
作为本发明第二方面的优选方式,所述预测单元具体用于:
根据所述第一评价参数、所述第二评价参数、所述第三评价参数、所述第四评价参数和所述第五评价参数及其分别对应的权重值,确定综合评价参数;
若所述综合评价参数小于预设评价值,则预测所述目标用户不为潜在流失用户;否则,则预测所述目标用户为潜在流失用户,并确定所述目标用户的流失概率。
第三方面,本发明实施例提供一种计算设备,包括存储器、处理器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本发明实施例第一方面任一项所述方法的步骤。
本发明提供一种基于用户上网行为的电信用户流失预测方法及装置,基于用户的上网行为,在统计学的基础上,从用户上网的内容、上网的质量、用户的喜好和感知等方面分别进行评价,综合考虑用户的主观感受和意愿,从而能够提前预测潜在流失用户并全面、准确地评价用户流失的原因,结果真实可靠。同时,用户流失具有周期性,提前预测潜在流失用户,可以及时发现并采取相应的营销手段对这些用户进行挽留,针对性强,成功率高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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一种基于用户上网行为的电信用户流失预测方法的流程示意图;
图2为本发明实施例提供的一种基于用户上网行为的电信用户流失预测方法的另一流程示意图;
图3为本发明实施例提供的一种基于用户上网行为的电信用户流失预测装置的结构示意图;
图4为本发明实施例提供的一种用于实现基于用户上网行为的电信用户流失预测方法的计算设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
参照图1所示,本发明实施例公开了一种基于用户上网行为的电信用户流失预测方法,该方法包括以下步骤:
101、获取目标用户的至少一个上网行为数据。
本发明实施例中,目标用户的上网行为是指用户通过网络进行的与工作、学习和生活等相关的行为,例如网页浏览、微博论坛浏览、网上购物、在线聊天、听音乐看电影、网络下载等。获取目标用户的这些行为数据时,还要同时获取由此衍伸出来的用户的网络使用程度与用户套餐的匹配程度,以及用户对网络质量的感知效果。
目标用户网络使用的优劣,情绪的表达,未来行为的方向都会通过上网行为进行体现出来,捕捉到这些内容就能据此进行判断目标用户是否具有离网倾向。
因此,获取目标用户的这些上网行为数据,综合考虑了目标用户使用网络的目的、感受和问题表达等多个方面,使得预测过程从网络质量、用户体验、友商对比等纬度综合评价,具有准确度高,可信度高的特点。
优选地,在一种可能的实现方式中,步骤101可按照以下步骤进行:
1011、获取目标用户是否访问运营商营销信息的数据。
根据目标用户访问的网站内容,确定目标用户是否在访问运营商的营销信息。
本发明实施例中,所述的运营商的营销信息是指电信、联通、移动等通信企业推出的套餐资费信息、促销优惠信息等,包括其在官网、公众号、APP上发布的信息。
1012、获取目标用户访问友商营销信息的频率的数据。
根据目标用户访问网站的时长和频率,进而从中获取目标用户访问友商营销信息的频率。
本发明实施例中,所述的目标用户访问友商营销信息的频率是指目标用户访问非自身入网运营商之外的其它运营商的营销信息的周期频率,例如可以是停留时长、点击次数信息等。
1013、获取目标用户讨论运营商主题的相关度的数据。
根据目标用户访问微博、论坛类网站发帖内容,进而根据关键字确定讨论主题是否与运营商更换、运营商优劣等相关的内容。
本发明实施例中,所述的目标用户讨论运营商主题是指目标用户在微博、论坛类网站上发帖讨论运营商的套餐优劣、运营商服务的优劣以及运营商更换方面的主题。
1014、获取目标用户网络使用程度与用户套餐的匹配程度的数据。
根据目标用户在网络接入的终端数量、上网流量和上网时长的情况,确定目标用户网络使用程度以及与其选择的用户套餐的匹配度情况。
本发明实施例中,所述的目标用户网络使用程度以及与用户套餐的匹配程度是指目标用户在使用网络的流量、时长等方面与自身订购的用户套餐中的流量、时长相比较后得到的匹配程度,例如是不足,还是恰好或者过剩的情况。
1015、获取目标用户网络感知质量的数据。
根据目标用户在对网络使用时的质量,包括网站响应速度、页面打开时间、网络下载速度、视频速率等质量感知指标情况,确定目标用户的网络感知质量。
本发明实施例中,所述的目标用户网络感知质量是指目标用户在使用网络的过程中,感觉上网速度的快慢、打开网页的快慢、听歌和看视频的流畅度、玩游戏的反应快慢等,来通过指标体现的主观感受。
需要说明的是,上述各个数据的获取步骤没有严格顺序限制,具体实施时本领域技术人员可以根据实际情况安排获取的相应顺序。
102、对上网行为数据进行评价,确定与目标用户的上网行为相对应的评价参数。
本发明实施例中,使用目标用户上网行为中表现出来的特征进行预测,综合考虑多种影响因素和影响程度,并将其影响程度用量化的评价参数来对应体现。
优选地,在一种可能的实现方式中,步骤102可按照以下步骤进行:
依次评价并确定与目标用户是否访问运营商营销信息相对应的第一评价参数、与目标用户访问友商营销信息的频率相对应的第二评价参数、与目标用户讨论运营商主题的相关度相对应的第三评价参数、与目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与目标用户网络感知质量相对应的第五评价参数。
本发明实施例中,将目标用户是否访问运营商营销信息、访问友商营销信息的频率、讨论运营商主题的相关度、网络使用程度与用户套餐的匹配程度,以及网络感知质量作为评价目标用户是否为潜在流失用户的五个不同的方面,并分别得到相对应的第一评价参数K1、第二评价参数K2、第三评价参数K3、第四评价参数K4和第五评价参数K5。
示例性地,本实施例给出了一种计算方法,具体如下:
(1)第一评价参数K1的计算方法:
情况项 | 分值 |
有访问运营商营销信息 | 0 |
无访问运营商营销信息 | 100 |
(2)第二评价参数K2的计算方法:
其中,所述的算术平均次数=所有用户的访问总次数/用户数量。
(3)第三评价参数K3的计算方法:
情况项 | 分值 |
与运营商主题相关 | 100×相关度,其中相关度为0~1之间的小数 |
其中,所述的相关度是根据各个与目标用户讨论运营商主题的关键字的出现频次以及对应的权重值进行加权求和后得出的。
示例性地,若与目标用户讨论运营商主题的关键字有五个,则相关度可具体按照下式计算得出:
相关度=(第一关键字的频次×第一关键字的权重值+第二关键字的频次×第二关键字的权重值+第三关键字的频次×第三关键字的权重值+第四关键字的频次×第四关键字的权重值+第五关键字的频次×第五关键字的权重值)/(第一关键字的频次+第二关键字的频次+第三关键字的频次+第四关键字的频次+第五关键字的频次)。
示例性地,本实施例还给出了上述五个关键字分别对应的权重值W1、W2、W3、W4和W5的一种取值方式,具体如下:
需要说明的是,在上述实施例的基础上,本领域技术人员还可以根据实际需要确定其他的可以实施的各个关键字及其相对应权重值的取值。
(4)第四评价参数K4的计算方法:
其中,所述的匹配度=(用户月度下限总流量/用户月度总时长)/用户签约带宽。
(5)第五评价参数K5的计算方法:
其中,所述的感知质量评价是根据首页平均时延和视频平均下载速率这两个用户感知指标得出的,具体根据这两个指标的值及其对应的权重值进行加权求和计算得出。
示例性地,感知质量评价可具体按照下式计算得出:
感知质量评价=(首页平均时延指标值×首页平均时延的权重值+视频平均下载速率指标值×视频平均下载速率的权重值)。
示例性地,本实施例给出了首页平均时延和视频平均下载速率对应的权重值U1和U2的一种取值方式,具体如下:
感知质量评价权重值 | 感知质量评价指标 | 权重值取值 |
U1 | 首页平均时延 | 0.6 |
U2 | 视频平均下载速率 | 0.4 |
需要说明的是,在上述实施例的基础上,本领域技术人员还可以根据实际需要确定其他的可以实施的首页平均时延和视频平均下载速率对应的权重值的取值。
其中,首页平均时延值=(用户访问首页每次时延的和)/用户访问首页次数。
示例性地,本实施例给出了首页平均时延值的一种取值方式,具体如下:
首页平均时延值 | 首页平均时延值范围 | 首页平均时延值取值 |
LP1 | <=400ms | 1.0 |
LP2 | >1500ms | 0.0 |
LP3 | >400ms,<=700ms | 0.8 |
LP4 | >700ms,<=1000ms | 0.6 |
LP5 | >1000ms,<=1300ms | 0.3 |
LP6 | >1300ms,<=1500ms | 0.1 |
其中,视频平均下载速率值=(用户视频平均下载速率的和)/用户视频下载次数。
示例性地,本实施例给出了视频平均下载速率值的一种取值方式,具体如下:
视频平均下载速率值 | 视频平均下载速率值范围 | 视频平均下载速率值取值 |
LV1 | >=5000kbps | 1.0 |
LV2 | <2500kbps | 0.0 |
LV3 | <5000kbps,>=4000kbps | 0.8 |
LV4 | <4000kbps,>=3500kbps | 0.6 |
LV5 | <3500kbps,>=3000kbps | 0.3 |
LV6 | <3000kbps,>=2500kbps | 0.1 |
需要说明的是,在上述实施例的基础上,本领域技术人员还可以根据实际需要确定其他的可以实施的计算方法。
103、基于评价参数,预测目标用户是否为潜在流失用户,以及目标用户的流失概率。
根据上述得到的各个评价参数,对目标用户进行预测,判断其是否为潜在流失用户,以及流失概率。
优选地,在一种可能的实现方式中,步骤103可按照以下步骤进行:
1031、根据第一评价参数、第二评价参数、第三评价参数、第四评价参数和第五评价参数及其分别对应的权重值,确定综合评价参数;
根据各个评价参数的具体数值以及对应的权重值,进行加权求和,即:
综合评价参数RE=第一评价参数K1×第一评价参数的权重值R1+第二评价参数K2×第二评价参数的权重值R2+第三评价参数K3×第三评价参数的权重值R3+第四评价参数K4×第四评价参数的权重值R4+第五评价参数K5×第五评价参数的权重值R5。
示例性地,本实施例给出了各个评价参数对应的权重值R1、R2、R3、R4和R5的一种具体取值,具体如下:
参数名 | 权重名 | 权重值 |
第一评价参数K1 | 第一评价参数的权重值R1 | 0.2 |
第二评价参数K2 | 第二评价参数的权重值R2 | 0.2 |
第三评价参数K3 | 第三评价参数的权重值R3 | 0.1 |
第四评价参数K4 | 第四评价参数的权重值R4 | 0.2 |
第五评价参数K5 | 第五评价参数的权重值R5 | 0.3 |
需要说明的是,在上述实施例的基础上,本领域技术人员还可以根据实际需要确定其他的可以实施的各个评价参数对应的权重值的取值。
1032、若综合评价参数小于预设评价值,则预测目标用户不为潜在流失用户;否则,则预测目标用户为潜在流失用户,并确定目标用户的流失概率。
本实施例中,将预设评价值确定为60。若综合评价参数小于该预设评价值时,则预测该目标用户不为潜在流失用户。若综合评价参数大于等于该预设评价值时,则预测该目标用户为潜在流失用户,并根据该综合评价参数确定目标用户的流失概率。
示例性地,本实施例给出了一种预测方法,具体如下:
综合评价参数值 | 是否潜在流失用户 | 流失概率 |
RE≥60 | 是 | RE% |
RE<60 | 否 | 0% |
需要说明的是,在上述实施例的基础上,本领域技术人员还可以根据实际需要确定其他的可以实施的预测方法。参照图2所示,本发明实施例提供一种基于用户上网行为的电信用户流失预测方法,该方法包括以下步骤:
201、获取目标用户的至少一个上网行为数据,包括目标用户是否访问运营商营销信息的数据、访问友商营销信息的频率的数据、讨论运营商主题的相关度的数据、网络使用程度与用户套餐的匹配程度数据,以及网络感知质量数据;
202、依次评价并确定与目标用户是否访问运营商营销信息相对应的第一评价参数、与目标用户访问友商营销信息的频率相对应的第二评价参数、与目标用户讨论运营商主题的相关度相对应的第三评价参数、与目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与目标用户网络感知质量相对应的第五评价参数;
203、根据第一评价参数、第二评价参数、第三评价参数、第四评价参数和第五评价参数及其分别对应的权重值,确定综合评价参数;
204、若综合评价参数小于预设评价值,则预测目标用户不为潜在流失用户;否则,则预测目标用户为潜在流失用户,并确定目标用户的流失概率。
需要说明的是,上述各个步骤的具体实施方式和有益效果可参见上一实施例中的内容,在此不再赘述。
参照图3所示,本发明实施例提供一种基于用户上网行为的电信用户流失预测装置,该装置包括:
获取单元31,用于获取目标用户的至少一个上网行为数据;
确定单元32,用于对上网行为数据进行评价,确定与目标用户的上网行为相对应的评价参数;
预测单元33,用于基于评价参数,预测目标用户是否为潜在流失用户,以及目标用户的流失概率。
进一步地,获取单元31具体用于:
获取目标用户是否访问运营商营销信息的数据;
获取目标用户访问友商营销信息的频率的数据;
获取目标用户讨论运营商主题的相关度的数据;
获取目标用户网络使用程度以及与用户套餐的匹配程度的数据;
获取目标用户网络质量感知效果的数据。
进一步地,确定单元32具体用于:
依次评价并确定与目标用户是否访问运营商营销信息相对应的第一评价参数、与目标用户访问友商营销信息的频率相对应的第二评价参数、与目标用户讨论运营商主题的相关度相对应的第三评价参数、与目标用户网络使用程度以及与用户套餐的匹配程度相对应的第四评价参数,以及与目标用户网络质量感知效果相对应的第五评价参数。
进一步地,预测单元33具体用于:
根据第一评价参数、第二评价参数、第三评价参数、第四评价参数和第五评价参数及其分别对应的权重值,确定综合评价参数;
若综合评价参数小于预设评价值,则预测目标用户不为潜在流失用户;否则,则预测目标用户为潜在流失用户,并确定目标用户的流失概率。
需要说明的是,装置部分的发明构思与方法实施例中的相同,其具体实施方式和有益效果在此不再赘述。
参照图4所示,本发明实施例还提供一种计算设备,在一些可能的实施方式中,该计算设备可以包括至少一个存储器41以及至少一个处理器42。该处理器42可以是一个中央处理器,或者是特定集成电路,或者是完成实施本申请的一个或者多个集成电路。其中,所述存储器41存储有计算机程序,当所述计算机程序被所述处理器42执行时,使得所述处理器42执行本说明书上述方法部分中描述的根据本发明各实施例中的基于用户上网行为的电信用户流失预测方法中的各种步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (9)
1.一种基于用户上网行为的电信用户流失预测方法,其特征在于,包括:
获取目标用户的至少一个上网行为数据;
对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数;
基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率。
2.根据权利要求1所述的方法,其特征在于,所述获取目标用户的至少一个上网行为数据包括以下操作:
获取所述目标用户是否访问运营商营销信息的数据;
获取所述目标用户访问友商营销信息的频率的数据;
获取所述目标用户讨论运营商主题的相关度的数据;
获取所述目标用户网络使用程度与用户套餐的匹配程度的数据;
获取所述目标用户网络感知质量的数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数包括:
依次评价并确定与所述目标用户是否访问运营商营销信息相对应的第一评价参数、与所述目标用户访问友商营销信息的频率相对应的第二评价参数、与所述目标用户讨论运营商主题的相关度相对应的第三评价参数、与所述目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与所述目标用户网络感知质量相对应的第五评价参数。
4.根据权利要求3所述的方法,其特征在于,所述基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率包括:
根据所述第一评价参数、所述第二评价参数、所述第三评价参数、所述第四评价参数和所述第五评价参数及其分别对应的权重值,确定综合评价参数;
若所述综合评价参数小于预设评价值,则预测所述目标用户不为潜在流失用户;否则,则预测所述目标用户为潜在流失用户,并确定所述目标用户的流失概率。
5.一种基于用户上网行为的电信用户流失预测装置,其特征在于,包括:
获取单元,用于获取目标用户的至少一个上网行为数据;
确定单元,用于对所述上网行为数据进行评价,确定与所述目标用户的上网行为相对应的评价参数;
预测单元,用于基于所述评价参数,预测所述目标用户是否为潜在流失用户,以及所述目标用户的流失概率。
6.根据权利要求5所述的装置,其特征在于,所述获取单元具体用于:
获取所述目标用户是否访问运营商营销信息的数据;
获取所述目标用户访问友商营销信息的频率的数据;
获取所述目标用户讨论运营商主题的相关度的数据;
获取所述目标用户网络使用程度与用户套餐的匹配程度的数据;
获取所述目标用户网络感知质量的数据。
7.根据权利要求6所述的装置,其特征在于,所述确定单元具体用于:
依次评价并确定与所述目标用户是否访问运营商营销信息相对应的第一评价参数、与所述目标用户访问友商营销信息的频率相对应的第二评价参数、与所述目标用户讨论运营商主题的相关度相对应的第三评价参数、与所述目标用户网络使用程度与用户套餐的匹配程度相对应的第四评价参数,以及与所述目标用户网络感知质量相对应的第五评价参数。
8.根据权利要求7所述的装置,其特征在于,所述预测单元具体用于:
根据所述第一评价参数、所述第二评价参数、所述第三评价参数、所述第四评价参数和所述第五评价参数及其分别对应的权重值,确定综合评价参数;
若所述综合评价参数小于预设评价值,则预测所述目标用户不为潜在流失用户;否则,则预测所述目标用户为潜在流失用户,并确定所述目标用户的流失概率。
9.一种计算设备,包括存储器、处理器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权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711410422.6A CN108039977A (zh) | 2017-12-21 | 2017-12-21 | 一种基于用户上网行为的电信用户流失预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711410422.6A CN108039977A (zh) | 2017-12-21 | 2017-12-21 | 一种基于用户上网行为的电信用户流失预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108039977A true CN108039977A (zh) | 2018-05-15 |
Family
ID=62100881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711410422.6A Pending CN108039977A (zh) | 2017-12-21 | 2017-12-21 | 一种基于用户上网行为的电信用户流失预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108039977A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108777644A (zh) * | 2018-08-20 | 2018-11-09 | 中国联合网络通信集团有限公司 | 一种离网可能性的预测方法、装置和网络系统 |
CN108989096A (zh) * | 2018-06-28 | 2018-12-11 | 亚信科技(成都)有限公司 | 一种宽带用户流失预测方法及系统 |
CN109064206A (zh) * | 2018-06-25 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 业务流失预测方法、装置、服务器及可读存储介质 |
CN109150594A (zh) * | 2018-08-02 | 2019-01-04 | 中国联合网络通信集团有限公司 | 用户离网风险预测方法和装置 |
CN109636446A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 用户流失预测方法、装置及电子设备 |
CN110191460A (zh) * | 2019-05-29 | 2019-08-30 | 中国联合网络通信集团有限公司 | 一种新入网用户监测方法及平台 |
CN110602207A (zh) * | 2019-09-12 | 2019-12-20 | 北京红山信息科技研究院有限公司 | 基于离网预测推送信息的方法、装置、服务器和存储介质 |
CN113543178A (zh) * | 2021-07-28 | 2021-10-22 | 北京红山信息科技研究院有限公司 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
CN114389962A (zh) * | 2021-12-27 | 2022-04-22 | 中国电信股份有限公司 | 宽带流失用户确定方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130064110A1 (en) * | 2011-09-12 | 2013-03-14 | Microsoft Corporation | Activity-and dependency-based service quality monitoring |
CN105786965A (zh) * | 2016-01-27 | 2016-07-20 | 久远谦长(北京)技术服务有限公司 | 一种基于url的用户行为分析方法和装置 |
CN106022505A (zh) * | 2016-04-28 | 2016-10-12 | 华为技术有限公司 | 一种预测用户离网的方法及装置 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
-
2017
- 2017-12-21 CN CN201711410422.6A patent/CN108039977A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130064110A1 (en) * | 2011-09-12 | 2013-03-14 | Microsoft Corporation | Activity-and dependency-based service quality monitoring |
CN105786965A (zh) * | 2016-01-27 | 2016-07-20 | 久远谦长(北京)技术服务有限公司 | 一种基于url的用户行为分析方法和装置 |
CN106022505A (zh) * | 2016-04-28 | 2016-10-12 | 华为技术有限公司 | 一种预测用户离网的方法及装置 |
CN106250403A (zh) * | 2016-07-19 | 2016-12-21 | 北京奇艺世纪科技有限公司 | 用户流失预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
迟准: "电信运营企业客户流失预测与评价研究", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064206A (zh) * | 2018-06-25 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 业务流失预测方法、装置、服务器及可读存储介质 |
CN108989096A (zh) * | 2018-06-28 | 2018-12-11 | 亚信科技(成都)有限公司 | 一种宽带用户流失预测方法及系统 |
CN109150594A (zh) * | 2018-08-02 | 2019-01-04 | 中国联合网络通信集团有限公司 | 用户离网风险预测方法和装置 |
CN108777644B (zh) * | 2018-08-20 | 2021-07-13 | 中国联合网络通信集团有限公司 | 一种离网可能性的预测方法、装置和网络系统 |
CN108777644A (zh) * | 2018-08-20 | 2018-11-09 | 中国联合网络通信集团有限公司 | 一种离网可能性的预测方法、装置和网络系统 |
CN109636446A (zh) * | 2018-11-16 | 2019-04-16 | 北京奇虎科技有限公司 | 用户流失预测方法、装置及电子设备 |
CN109636446B (zh) * | 2018-11-16 | 2023-10-24 | 三六零科技集团有限公司 | 用户流失预测方法、装置及电子设备 |
CN110191460B (zh) * | 2019-05-29 | 2021-11-19 | 中国联合网络通信集团有限公司 | 一种新入网用户监测方法及平台 |
CN110191460A (zh) * | 2019-05-29 | 2019-08-30 | 中国联合网络通信集团有限公司 | 一种新入网用户监测方法及平台 |
CN110602207A (zh) * | 2019-09-12 | 2019-12-20 | 北京红山信息科技研究院有限公司 | 基于离网预测推送信息的方法、装置、服务器和存储介质 |
CN113543178A (zh) * | 2021-07-28 | 2021-10-22 | 北京红山信息科技研究院有限公司 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
CN113543178B (zh) * | 2021-07-28 | 2024-04-09 | 北京红山信息科技研究院有限公司 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
CN114389962A (zh) * | 2021-12-27 | 2022-04-22 | 中国电信股份有限公司 | 宽带流失用户确定方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108039977A (zh) | 一种基于用户上网行为的电信用户流失预测方法及装置 | |
JP6367289B2 (ja) | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト | |
CN110417607B (zh) | 一种流量预测方法、装置及设备 | |
US20170091810A1 (en) | Brand engagement touchpoint attribution using brand engagement event weighting | |
CN108874823A (zh) | 智能客服的实现方法和装置 | |
CN109345263A (zh) | 预测客户满意度的方法和系统 | |
CN106997549A (zh) | 一种广告信息的推送方法及系统 | |
CN109978033A (zh) | 同操作人识别模型的构建与同操作人识别的方法和装置 | |
CN105933920A (zh) | 一种预测用户满意度的方法及装置 | |
CN103425703B (zh) | 一种网络信息的处理方法和装置 | |
CN1954336A (zh) | 用于确定通信网络用户概况的系统和方法 | |
CN110086877A (zh) | 应用程序分享、分享信息显示方法、装置、设备及介质 | |
CN106130756B (zh) | 一种预测访问内容点击率的方法及装置 | |
Yeshwanth et al. | Evolutionary churn prediction in mobile networks using hybrid learning | |
CN108182640A (zh) | 一种基于用户行为传播模型求解影响力最大化问题的方法 | |
CN107071399A (zh) | 一种加密视频流的质量评估方法及装置 | |
Chmiel et al. | Scaling of human behavior during portal browsing | |
CN107741986A (zh) | 用户行为预测及相应信息推荐方法和装置 | |
CN107895278A (zh) | 广告推荐方法、用户设备及服务器 | |
Postigo-Boix et al. | A social model based on customers’ profiles for analyzing the churning process in the mobile market of data plans | |
Xu et al. | Check in or not? A stochastic game for privacy preserving in point-of-interest recommendation system | |
CN109086318A (zh) | 用户画像模板的定义方法和装置 | |
Lee et al. | The effects of network neutrality on the diffusion of new Internet application services | |
Ida et al. | Broadband migration and lock-in effects: Mixed logit model analysis of Japan's high-speed Internet access services | |
Jozani et al. | An empirical study of content-based recommendation systems in mobile app markets |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |