CN108921385A - 基于自然人的维系方法及系统 - Google Patents
基于自然人的维系方法及系统 Download PDFInfo
- Publication number
- CN108921385A CN108921385A CN201810578022.4A CN201810578022A CN108921385A CN 108921385 A CN108921385 A CN 108921385A CN 201810578022 A CN201810578022 A CN 201810578022A CN 108921385 A CN108921385 A CN 108921385A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- tag
- dimension
- natural person
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000004891 communication Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 8
- 230000004069 differentiation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 23
- 230000010354 integration Effects 0.000 description 17
- 235000012054 meals Nutrition 0.000 description 16
- 238000003066 decision tree Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000007637 random forest analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000007418 data mining Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G06Q50/40—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种基于自然人的维系方法及系统,方法包括:对用户数据进行整合,获得自然人维度下各用户的用户数据;根据各用户的用户数据,分析获得各用户的用户标签和用户价值;按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。本方案基于自然人的维度进行数据分析,因此分析获得的用户标签和用户价值能够真实反映用户特征,从而提高用户维系的精准性,并且本申请结合用户标签和用户价值,基于用户价值的优先级,按照与用户标签对应的推挽策略进行推挽,实现结合用户特征的差异化维系,以进一步提高用户维系的有效性和精准性。
Description
技术领域
本申请涉及通信领域,尤其涉及一种基于自然人的维系方法及系统。
背景技术
随着通信技术的不断发展,给通信行业带来了新的发展机遇和挑战,与此同时,行业竞争也变得更加激烈。如何通过制定合理的策略,实现存量客户的保有,成为关系到运营商稳定、长远发展的重要问题。
一直以来,运营商对各用户的维挽策略都是基于经验,利用外呼、短信等传统手段进行维挽,这种模式有效性较低,且耗费大量的人力和财力,用户感知也比较差,推挽效果并不理想。
发明内容
本申请提供一种基于自然人的维系方法及系统,用于实现有效精准的用户维系。
本申请的第一个方面是提供一种基于自然人的维系方法,包括:对用户数据进行整合,获得自然人维度下各用户的用户数据;根据各用户的用户数据,分析获得各用户的用户标签和用户价值;按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
本申请的第二个方面是提供一种基于自然人的维系系统,包括:整合模块,用于对用户数据进行整合,获得自然人维度下各用户的用户数据;分析模块,用于根据各用户的用户数据,分析获得各用户的用户标签和用户价值;处理模块,用于按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
本申请提供的基于自然人的维系方法及系统,以自然人维度对各用户的用户数据进行整合,分析获得各用户的用户标签和用户价值,当需要进行用户维系时,基于用户的用户价值确定维系的优先级,并采用与该用户的用户标签对应的推挽策略进行推挽。由于本申请是基于自然人的维度进行数据分析,因此分析获得的用户标签和用户价值能够真实反映用户特征,从而提高用户维系的精准性,并且本申请结合用户标签和用户价值,基于用户价值的优先级,按照与用户标签对应的推挽策略进行推挽,实现结合用户特征的差异化维系,以进一步提高用户维系的有效性和精准性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例一提供的一种基于自然人的维系方法的流程示意图;
图2为基于自然人的维系系统的一种架构示意图;
图3为本申请实施例一提供的另一种维系方法的流程示意图;
图4为本申请实施例一提供的又一种维系方法的流程示意图;
图5为本申请实施例一提供的又一种维系方法的流程示意图;
图6为本申请实施例一提供的又一种维系方法的流程示意图;
图7为本申请实施例二提供的一种基于自然人的维系系统的结构示意图;
图8为本申请实施例二提供的又一种维系系统的结构示意图;
图9为本申请实施例二提供的又一种维系系统的结构示意图;
图10为本申请实施例二提供的又一种维系系统的结构示意图;
图11为本申请实施例三提供的基于自然人的维系系统的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的系统和方法的例子。本申请中的各实施方式既可以单独实施,也可以在不冲突的前提下结合实施。
图1为本申请实施例一提供的一种基于自然人的维系方法的流程示意图,参照图1所示,本实施例提供一种基于自然人的维系方法用于实现有效精准的用户维系,具体的,本实施例以该基于自然人的维系方法应用于基于自然人的维系系统来举例说明,该方法包括:
101、对用户数据进行整合,获得自然人维度下各用户的用户数据;
102、根据各用户的用户数据,分析获得各用户的用户标签和用户价值;
103、按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
实际应用中,本实施例的执行主体可以为基于自然人的维系系统,该基于自然人的维系系统可以为驱动程序、程序软件,也可以为存储有相关计算机程序的介质,例如,U盘等;或者,该基于自然人的维系系统还可以为集成或安装有相关计算机程序的实体系统,例如,芯片、智能终端、电脑等。
作为一种示例,在实际应用中该维系系统的架构示意图可如图2所示。其中,用户洞察即在自然人维度下分析用户的用户标签,自然人价值核定即在自然人维度下分析用户的用户价值,事件提醒用于监测是否发生触发事件,当发生触发事件时,触发推挽策略的推挽,具体的推挽途径可以通过触点实现。后续基于用户反馈可以对当前的推挽策略进行评估。
结合实际场景举例来说:在传统的用户维系方案中,运营商对于用户的维系是基于码号进行的,举例来说,如果一个自然人注册了多个手机号码或者还有宽带,对该用户的维系方案是针对每一个号码进行的,而并未考虑到这些相关码号之间的关联,导致维系效果差,精准度低。本方案的维系系统基于自然人维度下的用户数据,从大数据的角度对用户行为进行深度分析,建立自然人维度的用户标签和用户价值核定体系,在某些维系事件触发时(例如,用户合约到期,发生了套餐超套等),按照基于该用户的用户价值确定的优先级,采用与该用户的用户标签对应的推挽策略进行用户推送,从而准确有效的实现自动进行用户维系,降低成本并且能够提高用户维系的有效性和准确率,改善用户感知。
具体的,本方案中整合获得自然人维度下用户数据的方式有多种。可选的,可以基于能够唯一表征单个自然人用户的用户标识进行用户数据整合,该用户标识包括但不限于身份证信息等。
作为一种示例,如图3所示,图3为本申请实施例一提供的另一种维系方法的流程示意图,参照图3所示,在任一实施方式的基础上,101具体可以包括:
1011、针对每个用户,统计所述用户的唯一用户标识下的所有用户数据,以获得自然人维度下该用户的用户数据。
具体的,本实施方式基于能够唯一表征自然人用户的用户标识进行数据整合,获得自然人维度下各用户的用户数据,进而通过进行数据分析,获得能够真实反映自然人用户的用户标签和用户价值,以执行后续流程。
需要说明的是,本实施方式仅是整合获得自然人维度下用户数据的一种实施方式,并未对其它实施方式进行限制。本实施方式,能够实现从自然人的角度建立用户数据,从而使用户标签和用户价值的结果更加准确,进而提高用户维系的精准度。
整合获得自然人维度下的用户数据后,可分析获得各用户的用户标签。作为一种示例,如图4所示,图4为本申请实施例一提供的又一种维系方法的流程示意图,参照图4所示,在任一实施方式的基础上,102中所述根据各用户的用户数据,分析获得各用户的用户标签,具体可以包括:
1021、针对每个用户,从所述用户的用户数据中获得所述用户在多个维度下的用户数据,所述多个维度下的用户数据包括个人信息、通信数据和流量使用数据;
1022、利用机器学习建立的所述触发事件对应的预测模型,获得所述多个维度对所述用户发生所述触发事件的影响力权重;
1023、将影响力权重达到预设阈值的维度,作为所述用户的用户标签。
作为一种示例,可以预先设定用户标签的维度,即考虑影响用户维系的因素。例如,可以通过3个维度的用户标签进行数据挖掘,具体的,这3个维度可以包括基础标签、通信标签和互联网标签。其中,基础标签包括但不限于:用户年龄,性别,入网时间等。通信标签包括但不限于:通话时长,通话次数等。互联网标签包括但不限于:数据流量,使用流量的应用,上网时间分布等。本实施方式利用数据挖掘,分析获得用户标签,发现用户的喜好,比如确定某自然人用户为年轻的视频用户等。
可选的,分析获得用户标签的方法可以有多种。比如,可以利用机器学习的算法,逻辑回归、随机森林、决策树等算法,根据用户数据(包括但不限于用户的个人信息、通信数据和流量使用数据等),多模型融合判断用户离网倾向,从而作为下一步的触发条件。以随机森林为例,顾名思义,是用随机的方式建立一个森林,森林里面有很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这个样本为那一类。随机森林采用放回式采样方法,降低了出现过拟合的可能性,多个弱决策树结合的方法,能有效地提高预测的准确性。随机森林既可以用户做分类预测,也可以用来做回归预测。
这些用户数据可以放在分布式文件系统(简称HDFS)上,可以通过导入hive后,利用hive-sql,对用户的数据进行关联,作为离网预测模型的输入,通常可以考虑连续3个月的用户数据,对连续3个月的用户数据进行整理。
通过本实施方式,能够基于整合获得的自然人维度下的用户数据,分析获得能够真实反映用户特征的用户标签。
此外,基于整合获得的自然人维度下的用户数据,还可以分析获得各用户的用户价值。可选的,分析获得用户价值的方法有多种。作为一种示例,如图5所示,图5为本申请实施例一提供的又一种维系方法的流程示意图,参照图5所示,在任一实施方式的基础上,102中所述根据各用户的用户数据,分析获得各用户的用户价值,具体可以包括:
1024、针对每个用户,从所述用户的用户数据中获得所述用户对应的所有码号的消费数据;
1025、根据所述消费数据,计算获得所述用户的用户价值,所述用户价值为所述所有码号的消费金额与所述所有码号的运营商资源消耗之差。
具体的,可以把用户身份证号作为索引或关键词,把同一个身份证号下的所有码号都罗列出来,按照每个码号的充值或者缴费金额累加,然后减去运营商侧资源消耗(语音、短信、流量,可以通过运营每年的资本性支出和企业的管理支出折算成金额),得出用户价值;
比如某用户的身份证号下注册有两个码号A和B,一个月用户给A缴费200元,B缴费50元,A一个月消耗2GB流量,10条短信,500分钟语音(以实际使用为准,而不是套餐包括多少),B一个月消耗300条短信,100分钟语音,结合运营商每年的基础投资建设,资本性支出和企业的管理支出,可以算出来每条短信,每MB流量和每分钟通话的成本,这样的话,就把用户实际的话费额(不一定是200+50,如果是套餐就是套餐费用,如果是预付费,就是每月账单)减去A号码和B号码所有产生的基础消耗,就是这个自然人对于运营商的用户价值。
后续基于用户价值确定用户推挽的优先级。其中,这里的优先级可以是时间上的先后优先级,也可以是推挽优惠力度的优先级,本实施例中在此不对其进行限制。
需要说明的是,上述只是分析获得用户价值的一种示例方式,还可以通过其它分析方案分析获得用户的用户价值。本实施方式,基于整合获得的自然人维度下的用户数据,分析获得能够真实准确的用户价值。
实际应用中,当触发事件发生时会触发向用户进行推挽。如果触发事件没有发生,则可以不断更新用户数据,以更新各用户的用户标签和用户价值。
本方案中的推挽策略基于各用户标签建立。这里的维挽策略也可以理解为一个个模型,不同用户标签作为模型的输入,由于用户数据不一样,也就形成了一客一策,使得维挽的策略更加丰富。比如,用户每个月的套餐使用都超出额度,就利用套餐匹配模型匹配套餐。再比如,视频用户超套之后,可以向其推荐包含流量更多的A套餐。
具体向用户推挽的方式也可以有多种,例如微信、微博、短信、语音、互联网弹窗等多种形式,能够覆盖用户的生活场景。这里的用户指的是自然人,可以通过分析得出主用户号码,比如充值渠道,如果发现多个号码都在充值,则可以进行更深层次的分析和用户判定。
此外,为了保证维系方案的有效性,还可以在执行上述维系方式后,对一定时间内的维系方案进行评估反馈。作为一种示例,如图6所示,图6为本申请实施例一提供的又一种维系方法的流程示意图,参照图6所示,在任一实施方式的基础上,所述方法还可以包括:
201、检测推挽是否成功;
202、若未成功,则更新用户的用户标签和/或用户标签对应的推挽策略。
其中,判定推挽是否成功是基于推挽的结果和效果来确定,例如假设推挽后用户未离网,则可认定推挽成功,如果仍发生用户离网,则认定推挽失败。
结合实际场景举例来说:实际应用中,可以通过用户直接反馈,或者基于推挽效果进行维系方案的评估,以判断是否需要更迭维挽策略。例如,对于用户离网模型的判断,可以采用这样的比对方法,比如系统预测出来有10000个离网用户,选取5000个用户,基于本申请提供的维系方案对其进行用户维系,其余5000不做任何维系,如果这两组中前一组的离网用户有所减少,则证明维挽策略有效,反之需要改进推挽策略。
优化推挽策略的方式可以有两种,一种是如果当前采用的推挽策略不管用,则取影响力排名第二、第三的用户标签,匹配推挽策略。另一种是重新调整用户标签的分析结果,即更新不同用户标签对用户离网的影响力大小,更换训练模型所用的用户样本群,重新输出影响力最大的用户标签,并更新对应的推挽策略。
本实施例提供的基于自然人的维系方法,以自然人维度对各用户的用户数据进行整合,分析获得各用户的用户标签和用户价值,当需要进行用户维系时,基于用户的用户价值确定维系的优先级,并采用与该用户的用户标签对应的推挽策略进行推挽。由于本申请是基于自然人的维度进行数据分析,因此分析获得的用户标签和用户价值能够真实反映用户特征,从而提高用户维系的精准性,并且本申请结合用户标签和用户价值,基于用户价值的优先级,按照与用户标签对应的推挽策略进行推挽,实现结合用户特征的差异化维系,以进一步提高用户维系的有效性和精准性。
图7为本申请实施例二提供的一种基于自然人的维系系统的结构示意图,参照图7所示,本实施例提供一种基于自然人的维系系统用于实现有效精准的用户维系,具体的,该系统包括:
整合模块71,用于对用户数据进行整合,获得自然人维度下各用户的用户数据;
分析模块72,用于根据各用户的用户数据,分析获得各用户的用户标签和用户价值;
处理模块73,用于按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
实际应用中,该基于自然人的维系系统可以为驱动程序、程序软件,也可以为存储有相关计算机程序的介质,例如,U盘等;或者,该基于自然人的维系系统还可以为集成或安装有相关计算机程序的实体系统,例如,芯片、智能终端、电脑等。作为一种示例,在实际应用中该维系系统的架构示意图可如图2所示。
结合实际场景举例来说:在传统的用户维系方案中,运营商对于用户的维系是基于码号进行的,举例来说,如果一个自然人注册了多个手机号码或者还有宽带,对该用户的维系方案是针对每一个号码进行的,而并未考虑到这些相关码号之间的关联,导致维系效果差,精准度低。本方案的维系系统基于自然人维度下的用户数据,从大数据的角度对用户行为进行深度分析,建立自然人维度的用户标签和用户价值核定体系,在某些维系事件触发时(例如,用户合约到期,发生了套餐超套等),按照基于该用户的用户价值确定的优先级,采用与该用户的用户标签对应的推挽策略进行用户推送,从而准确有效的实现自动进行用户维系,降低成本并且能够提高用户维系的有效性和准确率,改善用户感知。
具体的,本方案中整合获得自然人维度下用户数据的方式有多种。可选的,可以基于能够唯一表征单个自然人用户的用户标识进行用户数据整合,该用户标识包括但不限于身份证信息等。
作为一种示例,在任一实施方式的基础上,整合模块71,具体用于针对每个用户,统计所述用户的唯一用户标识下的所有用户数据,以获得自然人维度下该用户的用户数据。
具体的,本实施方式基于能够唯一表征自然人用户的用户标识进行数据整合,获得自然人维度下各用户的用户数据,进而通过进行数据分析,获得能够真实反映自然人用户的用户标签和用户价值,以执行后续流程。
需要说明的是,本实施方式仅是整合获得自然人维度下用户数据的一种实施方式,并未对其它实施方式进行限制。本实施方式,能够实现从自然人的角度建立用户数据,从而使用户标签和用户价值的结果更加准确,进而提高用户维系的精准度。
整合获得自然人维度下的用户数据后,可分析获得各用户的用户标签。作为一种示例,如图8所示,图8为本申请实施例二提供的又一种维系系统的结构示意图,参照图8所示,在任一实施方式的基础上,分析模块72可以包括:
第一获取单元721,用于针对每个用户,从所述用户的用户数据中获得所述用户在多个维度下的用户数据,所述多个维度下的用户数据包括个人信息、通信数据和流量使用数据;
分析单元722,用于利用机器学习建立的所述触发事件对应的预测模型,获得所述多个维度对所述用户发生所述触发事件的影响力权重;
处理单元723,用于将影响力权重达到预设阈值的维度,作为所述用户的用户标签。
作为一种示例,可以预先设定用户标签的维度,即考虑影响用户维系的因素。例如,可以通过3个维度的用户标签进行数据挖掘,具体的,这3个维度可以包括基础标签、通信标签和互联网标签。其中,基础标签包括但不限于:用户年龄,性别,入网时间等。通信标签包括但不限于:通话时长,通话次数等。互联网标签包括但不限于:数据流量,使用流量的应用,上网时间分布等。本实施方式利用数据挖掘,分析获得用户标签,发现用户的喜好,比如确定某自然人用户为年轻的视频用户等。
可选的,分析获得用户标签的方法可以有多种。比如,可以利用机器学习的算法,逻辑回归、随机森林、决策树等算法,根据用户数据(包括但不限于用户的个人信息、通信数据和流量使用数据等),多模型融合判断用户离网倾向,从而作为下一步的触发条件。以随机森林为例,顾名思义,是用随机的方式建立一个森林,森林里面有很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这个样本为那一类。随机森林采用放回式采样方法,降低了出现过拟合的可能性,多个弱决策树结合的方法,能有效地提高预测的准确性。随机森林既可以用户做分类预测,也可以用来做回归预测。
这些用户数据可以放在分布式文件系统(简称HDFS)上,可以通过导入hive后,利用hive-sql,对用户的数据进行关联,作为离网预测模型的输入,通常可以考虑连续3个月的用户数据,对连续3个月的用户数据进行整理。
通过本实施方式,能够基于整合获得的自然人维度下的用户数据,分析获得能够真实反映用户特征的用户标签。
此外,基于整合获得的自然人维度下的用户数据,还可以分析获得各用户的用户价值。可选的,分析获得用户价值的方法有多种。作为一种示例,如图9所示,图9为本申请实施例二提供的又一种维系系统的结构示意图,参照图9所示,在任一实施方式的基础上,分析模块2可以包括:
第二获取单元724,用于针对每个用户,从所述用户的用户数据中获得所述用户对应的所有码号的消费数据;
计算单元725,用于根据所述消费数据,计算获得所述用户的用户价值,所述用户价值为所述所有码号的消费金额与所述所有码号的运营商资源消耗之差。
具体的,可以把用户身份证号作为索引或关键词,把同一个身份证号下的所有码号都罗列出来,按照每个码号的充值或者缴费金额累加,然后减去运营商侧资源消耗(语音、短信、流量,可以通过运营每年的资本性支出和企业的管理支出折算成金额),得出用户价值;
比如某用户的身份证号下注册有两个码号A和B,一个月用户给A缴费200元,B缴费50元,A一个月消耗2GB流量,10条短信,500分钟语音(以实际使用为准,而不是套餐包括多少),B一个月消耗300条短信,100分钟语音,结合运营商每年的基础投资建设,资本性支出和企业的管理支出,可以算出来每条短信,每MB流量和每分钟通话的成本,这样的话,就把用户实际的话费额(不一定是200+50,如果是套餐就是套餐费用,如果是预付费,就是每月账单)减去A号码和B号码所有产生的基础消耗,就是这个自然人对于运营商的用户价值。
需要说明的是,上述只是分析获得用户价值的一种示例方式,还可以通过其它分析方案分析获得用户的用户价值。本实施方式,基于整合获得的自然人维度下的用户数据,分析获得能够真实准确的用户价值。
实际应用中,当触发事件发生时会触发向用户进行推挽。如果触发事件没有发生,则可以不断更新用户数据,以更新各用户的用户标签和用户价值。
本方案中的推挽策略基于各用户标签建立。这里的维挽策略也可以理解为一个个模型,不同用户标签作为模型的输入,由于用户数据不一样,也就形成了一客一策,使得维挽的策略更加丰富。比如,用户每个月的套餐使用都超出额度,就利用套餐匹配模型匹配套餐。再比如,视频用户超套之后,可以向其推荐包含流量更多的A套餐。
具体向用户推挽的方式也可以有多种,例如微信、微博、短信、语音、互联网弹窗等多种形式,能够覆盖用户的生活场景。这里的用户指的是自然人,可以通过分析得出主用户号码,比如充值渠道,如果发现多个号码都在充值,则可以进行更深层次的分析和用户判定。
此外,为了保证维系方案的有效性,还可以在执行上述维系方式后,对一定时间内的维系方案进行评估反馈。作为一种示例,如图10所示,图10为本申请实施例二提供的又一种维系系统的结构示意图,参照图10所示,在任一实施方式的基础上,所述系统还可以包括:
检测模块81,用于检测推挽是否成功;
更新模块82,用于若未成功,则更新用户的用户标签和/或用户标签对应的推挽策略。
结合实际场景举例来说:实际应用中,可以通过用户直接反馈,或者基于推挽效果进行维系方案的评估,以判断是否需要更迭维挽策略。例如,对于用户离网模型的判断,可以采用这样的比对方法,比如系统预测出来有10000个离网用户,选取5000个用户,基于本申请提供的维系方案对其进行用户维系,其余5000不做任何维系,如果这两组中前一组的离网用户有所减少,则证明维挽策略有效,反之需要改进推挽策略。
优化推挽策略的方式可以有两种,一种是如果当前采用的推挽策略不管用,则取影响力排名第二、第三的用户标签,匹配推挽策略。另一种是重新调整用户标签的分析结果,即更新不同用户标签对用户离网的影响力大小,更换训练模型所用的用户样本群,重新输出影响力最大的用户标签,并更新对应的推挽策略。
本实施例提供的基于自然人的维系系统,以自然人维度对各用户的用户数据进行整合,分析获得各用户的用户标签和用户价值,当需要进行用户维系时,基于用户的用户价值确定维系的优先级,并采用与该用户的用户标签对应的推挽策略进行推挽。由于本申请是基于自然人的维度进行数据分析,因此分析获得的用户标签和用户价值能够真实反映用户特征,从而提高用户维系的精准性,并且本申请结合用户标签和用户价值,基于用户价值的优先级,按照与用户标签对应的推挽策略进行推挽,实现结合用户特征的差异化维系,以进一步提高用户维系的有效性和精准性。
需要说明的是,前述各实施方式可以单独实施,也可以在不冲突的前提下结合实施。可选的,前述各模块既可以分离设置也可以集成设置,例如,执行相同或相似功能的模块可以通过同一模块实现,前述各实施例的模块划分仅是一种示例。
图11为本申请实施例三提供的基于自然人的维系系统的结构示意图,该基于自然人的维系系统包括:存储器和至少一个处理器。
存储器,用于存储计算机程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。所述至少一个处理器执行所述存储器存储的计算机程序,以实现上述实施例中的方法。
其中,处理器可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的,在具体实现上,如果通信接口、存储器和处理器独立实现,则通信接口、存储器和处理器可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果通信接口、存储器和处理器集成在一块芯片上实现,则通信接口、存储器和处理器可以通过内部接口完成相同间的通信。
本申请实施例四还提供一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或者光盘等各种可以存储计算机程序的介质,具体的,该计算机可读存储介质中存储有计算机程序,计算机程序用于上述实施例中的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (10)
1.一种基于自然人的维系方法,其特征在于,包括:
对用户数据进行整合,获得自然人维度下各用户的用户数据;
根据各用户的用户数据,分析获得各用户的用户标签和用户价值;
按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
2.根据权利要求1所述的方法,其特征在于,所述根据各用户的用户数据,分析获得各用户的用户标签,包括:
针对每个用户,从所述用户的用户数据中获得所述用户在多个维度下的用户数据,所述多个维度下的用户数据包括个人信息、通信数据和流量使用数据;
利用机器学习建立的所述触发事件对应的预测模型,获得所述多个维度对所述用户发生所述触发事件的影响力权重;
将影响力权重达到预设阈值的维度,作为所述用户的用户标签。
3.根据权利要求1所述的方法,其特征在于,所述对用户数据进行整合,获得自然人维度下各用户的用户数据,包括:
针对每个用户,统计所述用户的唯一用户标识下的所有用户数据,以获得自然人维度下该用户的用户数据。
4.根据权利要求1所述的方法,其特征在于,所述根据各用户的用户数据,分析获得各用户的用户价值,包括:
针对每个用户,从所述用户的用户数据中获得所述用户对应的所有码号的消费数据;
根据所述消费数据,计算获得所述用户的用户价值,所述用户价值为所述所有码号的消费金额与所述所有码号的运营商资源消耗之差。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述方法还包括:
检测推挽是否成功;
若未成功,则更新用户的用户标签和/或用户标签对应的推挽策略。
6.一种基于自然人的维系系统,其特征在于,包括:
整合模块,用于对用户数据进行整合,获得自然人维度下各用户的用户数据;
分析模块,用于根据各用户的用户数据,分析获得各用户的用户标签和用户价值;
处理模块,用于按照其用户价值对应的优先级,对发生触发事件的各待推挽用户,采用与其用户标签对应的推挽策略进行推挽。
7.根据权利要求6所述的系统,其特征在于,所述分析模块包括:
第一获取单元,用于针对每个用户,从所述用户的用户数据中获得所述用户在多个维度下的用户数据,所述多个维度下的用户数据包括个人信息、通信数据和流量使用数据;
分析单元,用于利用机器学习建立的所述触发事件对应的预测模型,获得所述多个维度对所述用户发生所述触发事件的影响力权重;
处理单元,用于将影响力权重达到预设阈值的维度,作为所述用户的用户标签。
8.根据权利要求6所述的系统,其特征在于,
所述整合模块,具体用于针对每个用户,统计所述用户的唯一用户标识下的所有用户数据,以获得自然人维度下该用户的用户数据。
9.根据权利要求6所述的系统,其特征在于,所述分析模块包括:
第二获取单元,用于针对每个用户,从所述用户的用户数据中获得所述用户对应的所有码号的消费数据;
计算单元,用于根据所述消费数据,计算获得所述用户的用户价值,所述用户价值为所述所有码号的消费金额与所述所有码号的运营商资源消耗之差。
10.根据权利要求6-9中任一项所述的系统,其特征在于,所述系统还包括:
检测模块,用于检测推挽是否成功;
更新模块,用于若未成功,则更新用户的用户标签和/或用户标签对应的推挽策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810578022.4A CN108921385A (zh) | 2018-06-07 | 2018-06-07 | 基于自然人的维系方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810578022.4A CN108921385A (zh) | 2018-06-07 | 2018-06-07 | 基于自然人的维系方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921385A true CN108921385A (zh) | 2018-11-30 |
Family
ID=64420219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810578022.4A Pending CN108921385A (zh) | 2018-06-07 | 2018-06-07 | 基于自然人的维系方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921385A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915156A (zh) * | 2020-07-14 | 2020-11-10 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
CN114338252A (zh) * | 2021-11-22 | 2022-04-12 | 北京思特奇信息技术股份有限公司 | 一种家宽用户到期自动挽留的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906027A (zh) * | 2014-03-28 | 2014-07-02 | 中国联合网络通信集团有限公司 | 一种基于移动用户上网行为的用户价值评价方法和系统 |
WO2015148159A1 (en) * | 2014-03-25 | 2015-10-01 | Alibaba Group Holding Limited | Determining a temporary transaction limit |
CN104993958A (zh) * | 2015-06-29 | 2015-10-21 | 北京京东尚科信息技术有限公司 | 一种用户主数据的生成方法及系统 |
CN105469311A (zh) * | 2015-11-17 | 2016-04-06 | 中国联合网络通信集团有限公司 | 一种确定用户稳定度参数的方法及装置 |
CN107909473A (zh) * | 2017-12-27 | 2018-04-13 | 中国银行股份有限公司 | 一种基于用户行为分析的网上银行营销方法及装置 |
-
2018
- 2018-06-07 CN CN201810578022.4A patent/CN108921385A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015148159A1 (en) * | 2014-03-25 | 2015-10-01 | Alibaba Group Holding Limited | Determining a temporary transaction limit |
CN103906027A (zh) * | 2014-03-28 | 2014-07-02 | 中国联合网络通信集团有限公司 | 一种基于移动用户上网行为的用户价值评价方法和系统 |
CN104993958A (zh) * | 2015-06-29 | 2015-10-21 | 北京京东尚科信息技术有限公司 | 一种用户主数据的生成方法及系统 |
CN105469311A (zh) * | 2015-11-17 | 2016-04-06 | 中国联合网络通信集团有限公司 | 一种确定用户稳定度参数的方法及装置 |
CN107909473A (zh) * | 2017-12-27 | 2018-04-13 | 中国银行股份有限公司 | 一种基于用户行为分析的网上银行营销方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915156A (zh) * | 2020-07-14 | 2020-11-10 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
CN111915156B (zh) * | 2020-07-14 | 2024-02-27 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
CN114338252A (zh) * | 2021-11-22 | 2022-04-12 | 北京思特奇信息技术股份有限公司 | 一种家宽用户到期自动挽留的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110401779B (zh) | 一种识别电话号码的方法、装置和计算机可读存储介质 | |
CN107248082B (zh) | 养卡识别方法及装置 | |
CN112633962B (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN105007171A (zh) | 基于通信领域大数据的用户数据分析系统及方法 | |
CN110417607B (zh) | 一种流量预测方法、装置及设备 | |
CN104573304A (zh) | 一种基于信息熵和聚类分群的用户质态评估方法 | |
CN110337059A (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
CN109688275A (zh) | 骚扰电话识别方法、装置及存储介质 | |
CN109446509A (zh) | 一种对话语料意图分析方法、系统及电子设备 | |
CN108629379A (zh) | 一种个人征信评估方法及系统 | |
CN109858960A (zh) | 商品推送方法、装置、用户信息管理服务器及存储介质 | |
CN109819126A (zh) | 一种异常号码识别方法及装置 | |
CN108564255A (zh) | 匹配模型构建方法、孤儿单分配方法、装置、介质及终端 | |
CN109636433A (zh) | 基于大数据分析的养卡识别方法、装置、设备和存储介质 | |
CN108921385A (zh) | 基于自然人的维系方法及系统 | |
CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
CN109615172A (zh) | 一种处理考核数据的方法及终端 | |
CN109086289A (zh) | 一种媒体数据处理方法、客户端、介质和设备 | |
CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN115017289A (zh) | 一种基于知识库的对客服务方法及装置 | |
CN106844378A (zh) | 一种应答方式确定方法和装置 | |
CN106649743A (zh) | 一种创意分类脑库资源存储与分享方法及系统 | |
CN108924915A (zh) | 基于飞行模式的数据更新方法及装置 | |
CN110677269B (zh) | 通信用户关系的确定方法、装置和计算机可读存储介质 | |
CN110210884A (zh) | 确定用户特征数据的方法、装置、计算机设备及存储介质 |
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 |
Application publication date: 20181130 |
|
RJ01 | Rejection of invention patent application after publication |