CN109150594A - 用户离网风险预测方法和装置 - Google Patents

用户离网风险预测方法和装置 Download PDF

Info

Publication number
CN109150594A
CN109150594A CN201810872693.1A CN201810872693A CN109150594A CN 109150594 A CN109150594 A CN 109150594A CN 201810872693 A CN201810872693 A CN 201810872693A CN 109150594 A CN109150594 A CN 109150594A
Authority
CN
China
Prior art keywords
information
user
working
network
arrearage
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
Application number
CN201810872693.1A
Other languages
English (en)
Inventor
袁晓静
翟京卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201810872693.1A priority Critical patent/CN109150594A/zh
Publication of CN109150594A publication Critical patent/CN109150594A/zh
Pending legal-status Critical Current

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
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • 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
    • H04L41/5061—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the interaction between service providers and their network customers, e.g. customer relationship management
    • H04L41/5064—Customer relationship management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明提供的一种用户离网风险预测方法和装置，通过获取所述用户的从业信息；若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据，仅对从业信息为与移动服务领域不相关的用户进行历史行为特征数据的获取和分析，加快了离网风险用户的判断速度和准确度，最后根据所述历史行为特征数据，确定所述用户是否为离网风险用户，对用户的行为进行用户意向分析，提高了用户离网风险预测的可靠性。

Description

用户离网风险预测方法和装置
技术领域
本发明涉及数据处理技术，尤其涉及一种用户离网风险预测方法和装置。
背景技术
随着移动通信业务的不断发展与进步，移动运营商之间长期存在的竞争关系，促使移动运营商不断开发新业务吸引新用户，并分析用户离网原因，对预离网用户采用多样化的业务维护措施来加强对已有用户的附着力，减少已有用户的流失，从而提高市场占有率。
现有的用户离网风险预测，基本都是根据用户主动反馈的消极信息来对用户的离网风险进行预测，例如在接收到用户投诉或不满意评价后，预测该用户离网风险大。
然而，用户主动反馈的消极信息并不能准确反映用户是否有离网的意愿，仅根据用户主动反馈的消极信息来预测用户离网风险大，准确性和可靠性不高。
发明内容
本发明提供一种用户离网风险预测方法和装置，提高了用户离网风险预测的准确性和可靠性。
根据本发明的第一方面，提供一种用户离网风险预测方法，包括：
获取所述用户的从业信息；
若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据；
根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
可选地，在第一方面的一种可能实现方式中，所述获取所述用户的从业信息之后，还包括：
若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。
可选地，在第一方面的另一种可能实现方式中，所述获取所述用户的从业信息，包括：
获取所述用户在第二预设时间段内的上网行为数据；
根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
可选地，在第一方面的再一种可能实现方式中，所述获取所述用户在第二预设时间段内的上网行为数据，包括：
获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长；
根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率；
相应地，所述根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息，包括：
若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息；
若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
可选地，在第一方面的又一种可能实现方式中，所述获取所述用户的从业信息，包括：
从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
可选地，在第一方面的又一种可能实现方式中，所述获取所述用户在第一预设时间段内的历史行为特征数据，包括：
获取在第一预设时间段内与所述用户相对应的下列信息：
投诉信息，欠费信息，对友商资费类数据的浏览信息；
相应地，所述根据所述历史行为特征数据，确定所述用户是否为离网风险用户，包括：
根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值；
判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
可选地，在第一方面的又一种可能实现方式中，所述根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值，包括：
根据所述投诉信息，确定投诉次数；
根据所述欠费信息，确定欠费金额和欠费增长率；
根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长；
根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值。
可选地，在第一方面的又一种可能实现方式中，在所述获取所述用户的从业信息之前，还包括：
获取所述用户的离网预测触发行为数据。
可选地，在第一方面的又一种可能实现方式中，所述离网预测触发行为数据包括以下任一项：
投诉信息，欠费信息，对友商资费类数据的浏览信息。
根据本发明的第二方面，提供一种用户离网风险预测装置，包括：
从业信息获取模块，用于获取所述用户的从业信息；
行为特征获取模块，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据；
判断模块，用于根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
可选地，在第二方面的一种可能实现方式中，所述行为特征获取模块还用于：在所述从业信息获取模块获取所述用户的从业信息之后，若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。
可选地，在第二方面的另一种可能实现方式中，所述从业信息获取模块，具体用于获取所述用户在第二预设时间段内的上网行为数据；根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
可选地，在第二方面的再一种可能实现方式中，所述从业信息获取模块，具体用于获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长；根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率；若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息；若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
可选地，在第二方面的又一种可能实现方式中，所述从业信息获取模块，具体用于从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
可选地，在第二方面的又一种可能实现方式中，所述行为特征获取模块，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取在第一预设时间段内与所述用户相对应的下列信息：投诉信息，欠费信息，对友商资费类数据的浏览信息；
相应地，
所述判断模块，具体用于根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
可选地，在第二方面的又一种可能实现方式中，所述判断模块，具体用于根据所述投诉信息，确定投诉次数；根据所述欠费信息，确定欠费金额和欠费增长率；根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长；根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
可选地，在第二方面的又一种可能实现方式中，所述从业信息获取模块，还用于在所述获取所述用户的从业信息之前，获取所述用户的离网预测触发行为数据。
可选地，在第二方面的又一种可能实现方式中，所述离网预测触发行为数据包括以下任一项：
投诉信息，欠费信息，对友商资费类数据的浏览信息。
根据本发明的第三方面，提供一种服务器，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能设计的所述方法。
根据本发明的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种用户离网风险预测方法和装置，通过获取所述用户的从业信息；若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据，仅对从业信息为与移动服务领域不相关的用户进行历史行为特征数据的获取和分析，加快了离网风险用户的判断速度和准确度，最后根据所述历史行为特征数据，确定所述用户是否为离网风险用户，对用户的行为进行用户意向分析，提高了用户离网风险预测的可靠性。
附图说明
图1是本发明实施例提供的一种应用场景示意图；
图2是本发明实施例提供的一种用户离网风险预测方法流程示意图；
图3是本发明实施例提供的另一种用户离网风险预测方法流程示意图；
图4是本发明实施例提供的一种用户离网风险预测装置结构示意图；
图5是本发明实施例提供的一种服务器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，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。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。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/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的一种应用场景示意图。在图1所示的应用场景中，服务器1与通过运营商布置的基站3向多个用户终端2提供移动网络服务。本发明可以有多种应用场景，作为一种应用场景可以是如图1所示的服务器1通过执行本发明的用户离网风险预测方法，在图1中所示的多个用户终端2中判断哪些是离网风险用户。图1所示的服务器1可以是用户终端2所属运营商的服务器。图1所示的服务器1还可以是第三方服务器，第三方服务器可以是将确定的离网风险用户相关信息提供给运营商即非运营商的服务器。其中，第三方服务器可以是运营商委托第三方维护的服务器。运营商通过本发明提前预测潜在的离网风险用户，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，降低用户流失的概率。
参见图2，是本发明实施例提供的一种用户离网风险预测方法流程示意图，图2所示方法的执行主体可以是软件和/或硬件装置，例如可以是图1所示的服务器1。图2所示方法主要包括步骤S101至步骤S103，具体如下：
S101，获取所述用户的从业信息。
具体地，用户的从业信息可以是用户职业所述的领域，也可以是具体的职位信息，但应当能够反映是否与移动服务领域相关。在一种实现方式中，可以是在获取所述用户的离网预测触发行为数据的后，再获取所述用户的从业信息。所述离网预测触发行为数据是：投诉信息，欠费信息或者对友商资费类数据的浏览信息。例如在检测到用户正在浏览友商的套餐资费网页，则触发本实施例的操作，开始获取该用户的从业信息，并进行后续步骤，以对该用户进行离网风险预测。也可以是对每个用户监测其离网风险，定期执行步骤S101至步骤S103。
对于获取用户从业信息可以有多种实现方式，例如在一种实现方式中，假设每个用户在最初注册时提交的注册信息中提供了自己的职业属性，则可以是从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。例如职业属性为移动网络运营服务员工，则为与移动服务领域相关的从业信息。可选地，可以是预先向用户提供多个职业属性选项，以供用户进行选择，其中一个选项包括了与移动服务领域相关的从业信息，从而可以根据用户的选择确定用户的职业属性。
对于获取用户从业信息可以有多种实现方式，又例如在另一种实现方式中，假设运营商为本行业人员分配特定的号码段，或者运营商记录所有公司员工的手机号，由此可以都得到建立每个运营商员工的号码集合。在这种实现方式中，将根据预设的移动服务领域号码集合，来确定用户的从业信息。如果用户号码包含于移动服务领域号码集合中，则用户的从业信息是与移动服务领域相关的从业信息，反之，如果用户号码不包含于移动服务领域号码集合中，则用户的从业信息是与移动服务领域不相关的从业信息。
S102，若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据。
具体地，有离网意向的用户通常会在1至2周内查询其他运营商的资费信息并下决定，因此第一预设时间段可以理解为是例如2周、1周或者3天等较短的时间。历史行为特征数据，是在第一预设时间段内能反映用户做出与准备离网相关行为的特征数据。例如，向运营商递交投诉信息反映其对服务的不满意，或者开始迅速累计欠费，或者开始大量浏览其他运营商的资费套餐信息，这些历史行为特征数据都可能表示该用户为离网风险用户。
但获取上述历史行为特征数据的前提都是要确定所述从业信息为与移动服务领域不相关的从业信息。在一种实现方式中，如果在所述获取所述用户的从业信息之后，若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。应当理解地，如果用户本身是移动服务领域相关的从业人员，那么其必然是使用其所述公司的运营商服务，且忠诚度一般较高，因此可以将这类用户直接确定为无离网风险用户。仅对从业信息为与移动服务领域不相关的用户进行历史行为特征数据的获取和分析，加快了离网风险用户的判断速度和准确度。
S103，根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
具体地，根据历史行为特征数据，可以确定用户在第一预设时间段内做出的与离网判断相关的行为，根据这些行为与预设的正常标准进行比较，若超出正常标准则表明用户行为异常，预测为离网风险用户。在另外一些实施例中，还可以将历史行为特征数据输入预先训练好的各种离网用户预测模型中，然后以离网用户预测模型对用户的历史行为特征数据进行分析，从而确定该用户是否被分类为离网风险用户。
本实施例提供了一种用户离网风险预测方法，通过获取所述用户的从业信息；若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据，仅对从业信息为与移动服务领域不相关的用户进行历史行为特征数据的获取和分析，加快了离网风险用户的判断速度和准确度，最后根据所述历史行为特征数据，确定所述用户是否为离网风险用户，对用户的行为进行用户意向分析，提高了用户离网风险预测的可靠性。
在上述实施例的基础上，图2所示步骤S101(所述获取所述用户的从业信息)可以有多种实现方式，除了从已存储的数据中获取，也可以是根据用户之前的数据进行行为分析，例如图3所示的根据上网行为确定从业信息的方法。参见图3，是本发明实施例提供的另一种用户离网风险预测方法流程示意图，主要包括下述步骤S201至步骤S202，具体如下：
S201，获取所述用户在第二预设时间段内的上网行为数据。
具体地，可以是首先获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长。第二预设时间段可以是比第一预设时间段更长的时间段，例如获取用户在之前一个月内的上网行为数据。然后，根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率。例如将总停留时长与第二预设时间段的比值，作为访问频率。用户的所述上网行为数据，可以理解为是用户在第二预设时间段内对运营商营销网页的访问频率。用户的所述上网行为数据也可以理解为其对运营商类论坛的浏览数据，或者是对运营商类信息的搜索频率等，本实施不做限定。
S202，根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
具体地，若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息。若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
由于移动运营商从业人员通常会长期浏览运营商营销类网页内容，可能被误判断为离网风险用户，会对离网风险判断的后续结果分析产生影响。本实施例通过对用户在第二预设时间段内的上网行为数据进行分析，从而对用户长期关注内容进行分析，如果用户长期关注运营商营销网页内容，则表明用户很可能是移动运营商从业人员，从而确定用户的从业信息，避免此类用户对后续离网风险用户的判断造成持续干扰，提高用户离网风险预测的可靠性。
在上述实施例的基础上，所述S102中获取所述用户在第一预设时间段内的历史行为特征数据的具体实现方式可以是：
获取在第一预设时间段内与所述用户相对应的下列信息：
1、投诉信息。投诉信息可以理解为是向用户所述运营商发送的投诉信息，例如计费错误投诉或者是对网络质量不满意的投诉等。网络质量不满意的投诉可以理解为是网站响应速度慢、页面打开延迟、网络下载速度慢或者视频卡顿严重等。
2、欠费信息。欠费信息可以理解为用户当前的欠费金额，和/或用户欠费的增长率。部分具有离网意向的用户通常在离网前，会开始大量地恶意欠费，直至转网后废弃之前欠费的运营商卡号，造成运营商的坏账。
3、对友商资费类数据的浏览信息。友商可以理解为是与用户所述运营商提供类似业务或具有竞争关系的其他运营商。友商也是用户离网后可能转入的对象，因此具有离网意向的用户通常在离网前，都会对转网对象进行资费查询。需要注意的是，本实施例中的浏览信息是针对资费类数据的，例如获取用户浏览的网页信息，如果网页信息中涉及友商套餐金额、友商资费介绍等信息，则确定用户在浏览友商资费类数据。这种网页可以是友商的官方宣传网页，也可以是论坛网页信息、贴吧网页信息等。
相应地，所述S103(根据所述历史行为特征数据，确定所述用户是否为离网风险用户)的具体实现方式可以是：
首先根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值。然后判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
在一种实现方式中，可以首先是根据所述投诉信息，确定投诉次数；根据所述欠费信息，确定欠费金额和欠费增长率；根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长。然后根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值。上述步骤中，获取所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长的过程可以以任意时间顺序进行，本实施例不对其执行顺序进行限定。其中，所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重可以是根据实际情况或经验确定的。可选地，在欠费增长率高于预设增长率阈值时，所述欠费增长率的权重最大。由于对于欠费用户，运营商通常会短信通知，因此大多数用户都会及时充值缴费，而当欠费增长率过高时，表明用户直接忽略短信提示并增大了业务使用量，及可能是离网风险用户，因此调大欠费增长率吃的权重有利于提高对离网风险用户的识别准确度。
参见图4，是本发明实施例提供的一种用户离网风险预测装置结构示意图，图4所示的用户离网风险预测装置4主要包括：
从业信息获取模块41，用于获取所述用户的从业信息；
行为特征获取模块42，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据；
判断模块43，用于根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
图4所示实施例的用户离网风险预测装置对应地可用于执行图2所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
在上述实施例的基础上，所述行为特征获取模块42还用于：在所述从业信息获取模块41获取所述用户的从业信息之后，若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。
在上述实施例的基础上，所述从业信息获取模块41，具体用于获取所述用户在第二预设时间段内的上网行为数据；根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
在上述实施例的基础上，所述从业信息获取模块41，具体用于获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长；根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率；若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息；若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
在上述实施例的基础上，所述从业信息获取模块41，具体用于从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
在上述实施例的基础上，所述行为特征获取模块42，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取在第一预设时间段内与所述用户相对应的下列信息：投诉信息，欠费信息，对友商资费类数据的浏览信息.
相应地，
所述判断模块43，具体用于根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
在上述实施例的基础上，所述判断模块43，具体用于根据所述投诉信息，确定投诉次数；根据所述欠费信息，确定欠费金额和欠费增长率；根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长；根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
在上述实施例的基础上，所述从业信息获取模块41，还用于在所述获取所述用户的从业信息之前，获取所述用户的离网预测触发行为数据。
在上述实施例的基础上，所述离网预测触发行为数据包括以下任一项：
投诉信息，欠费信息，对友商资费类数据的浏览信息。
参见图5，是本发明实施例提供的一种服务器的硬件结构示意图，该服务器5包括：处理器51、存储器52和计算机程序；其中
存储器52，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器51，用于执行所述存储器存储的计算机程序，以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器52既可以是独立的，也可以跟处理器51集成在一起。
当所述存储器52是独立于处理器51之外的器件时，所述服务器还可以包括：
总线53，用于连接所述存储器52和处理器51。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述服务器的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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发明各实施例技术方案的范围。

Claims (19)

1.一种用户离网风险预测方法，其特征在于，包括：
获取所述用户的从业信息；
若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据；
根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
2.根据权利要求1所述的方法，其特征在于，所述获取所述用户的从业信息之后，还包括：
若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。
3.根据权利要求1或2所述的方法，其特征在于，所述获取所述用户的从业信息，包括：
获取所述用户在第二预设时间段内的上网行为数据；
根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
4.根据权利要求3所述的方法，其特征在于，所述获取所述用户在第二预设时间段内的上网行为数据，包括：
获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长；
根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率；
相应地，所述根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息，包括：
若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息；
若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
5.根据权利要求1或2所述的方法，其特征在于，所述获取所述用户的从业信息，包括：
从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
6.根据权利要求1所述的方法，其特征在于，所述获取所述用户在第一预设时间段内的历史行为特征数据，包括：
获取在第一预设时间段内与所述用户相对应的下列信息：
投诉信息，欠费信息，对友商资费类数据的浏览信息；
相应地，所述根据所述历史行为特征数据，确定所述用户是否为离网风险用户，包括：
根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值；
判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
7.根据权利要求6所述的方法，其特征在于，所述根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值，包括：
根据所述投诉信息，确定投诉次数；
根据所述欠费信息，确定欠费金额和欠费增长率；
根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长；
根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值。
8.根据权利要求1所述的方法，其特征在于，在所述获取所述用户的从业信息之前，还包括：
获取所述用户的离网预测触发行为数据。
9.根据权利要求8所述的方法，其特征在于，所述离网预测触发行为数据包括以下任一项：
投诉信息，欠费信息，对友商资费类数据的浏览信息。
10.一种用户离网风险预测装置，其特征在于，包括：
从业信息获取模块，用于获取所述用户的从业信息；
行为特征获取模块，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取所述用户在第一预设时间段内的历史行为特征数据；
判断模块，用于根据所述历史行为特征数据，确定所述用户是否为离网风险用户。
11.根据权利要求10所述的装置，其特征在于，所述行为特征获取模块还用于：在所述从业信息获取模块获取所述用户的从业信息之后，若确定所述从业信息为与移动服务领域相关的从业信息，则将所述用户确定为无离网风险用户。
12.根据权利要求10或11所述的装置，其特征在于，
所述从业信息获取模块，具体用于获取所述用户在第二预设时间段内的上网行为数据；根据所述上网行为数据，确定所述用户的从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
13.根据权利要求12所述的装置，其特征在于，
所述从业信息获取模块，具体用于获取所述用户在第二预设时间段内访问运营商营销网页的总停留时长；根据所述总停留时长和所述第二预设时间段，确定所述用户在第二预设时间段内对运营商营销网页的访问频率；若所述访问频率大于频率阈值，则确定所述用户的从业信息为与移动服务领域相关的从业信息；若所述访问频率小于或等于频率阈值，则确定所述用户的从业信息为与移动服务领域不相关的从业信息。
14.根据权利要求10或11所述的装置，其特征在于，
所述从业信息获取模块，具体用于从所述用户对应的职业属性中，获取所述用户的从业信息，所述从业信息为与移动服务领域相关的从业信息，或者与移动服务领域不相关的从业信息。
15.根据权利要求10所述的装置，其特征在于，
所述行为特征获取模块，用于若确定所述从业信息为与移动服务领域不相关的从业信息，则获取在第一预设时间段内与所述用户相对应的下列信息：投诉信息，欠费信息，对友商资费类数据的浏览信息；
相应地，
所述判断模块，具体用于根据所述投诉信息、所述欠费信息和所述对友商资费类数据的浏览信息，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
16.根据权利要求15所述的装置，其特征在于，
所述判断模块，具体用于根据所述投诉信息，确定投诉次数；根据所述欠费信息，确定欠费金额和欠费增长率；根据所述对友商资费类数据的浏览信息，确定对友商资费类数据的浏览时长；根据所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长分别对应的权重，以及所述投诉次数、所述欠费金额、所述欠费增长率和所述浏览时长，确定所述用户的离网风险值；判断所述离网风险值是否大于或等于风险阈值，若是，则确定所述用户是离网风险用户，若否，则确定所述用户不是离网风险用户。
17.根据权利要求10所述的装置，其特征在于，
所述从业信息获取模块，还用于在所述获取所述用户的从业信息之前，获取所述用户的离网预测触发行为数据。
18.根据权利要求17所述的装置，其特征在于，所述离网预测触发行为数据包括以下任一项：
投诉信息，欠费信息，对友商资费类数据的浏览信息。
19.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至9任一所述的方法。
CN201810872693.1A 2018-08-02 2018-08-02 用户离网风险预测方法和装置 Pending CN109150594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810872693.1A CN109150594A (zh) 2018-08-02 2018-08-02 用户离网风险预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810872693.1A CN109150594A (zh) 2018-08-02 2018-08-02 用户离网风险预测方法和装置

Publications (1)

Publication Number Publication Date
CN109150594A true CN109150594A (zh) 2019-01-04

Family

ID=64798703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810872693.1A Pending CN109150594A (zh) 2018-08-02 2018-08-02 用户离网风险预测方法和装置

Country Status (1)

Country Link
CN (1) CN109150594A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114173006A (zh) * 2020-09-11 2022-03-11 中国联合网络通信集团有限公司 通信用户离网预警方法及服务器

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102076000A (zh) * 2009-11-24 2011-05-25 中国移动通信集团广西有限公司 移动用户欠费监控系统及方法
US8194830B2 (en) * 2008-01-28 2012-06-05 International Business Machines Corporation Method for predicting churners in a telecommunications network
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
CN108039977A (zh) * 2017-12-21 2018-05-15 广州市申迪计算机系统有限公司 一种基于用户上网行为的电信用户流失预测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8194830B2 (en) * 2008-01-28 2012-06-05 International Business Machines Corporation Method for predicting churners in a telecommunications network
CN102076000A (zh) * 2009-11-24 2011-05-25 中国移动通信集团广西有限公司 移动用户欠费监控系统及方法
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
CN108039977A (zh) * 2017-12-21 2018-05-15 广州市申迪计算机系统有限公司 一种基于用户上网行为的电信用户流失预测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114173006A (zh) * 2020-09-11 2022-03-11 中国联合网络通信集团有限公司 通信用户离网预警方法及服务器

Similar Documents

Publication Publication Date Title
TWI777010B (zh) 資訊轉化率的預測、資訊推薦方法和裝置
Gui et al. Truth in advertising: The hidden cost of mobile ads for software developers
EP2241100B1 (en) Mobile application monitoring system
US9633381B2 (en) Mobile application monitoring system
WO2020248508A1 (zh) 广告渠道的评估方法、装置、设备和存储介质
US20160210657A1 (en) Real-time marketing campaign stimuli selection based on user response predictions
US20110251901A1 (en) Method for auctioning and billing for search advertisement, system, and computer-readable recording medium
CN103164505B (zh) 基于实际使用频率对应用软件进行排名的系统及方法
CN108615119A (zh) 一种异常用户的识别方法及设备
CN108876464B (zh) 一种作弊行为检测方法、装置、服务设备及存储介质
CN108306874B (zh) 服务接口访问限流方法及装置
US8611852B2 (en) Advice of promotion for usage based subscribers
Dullaghan et al. Integration of machine learning techniques to evaluate dynamic customer segmentation analysis for mobile customers
JP2013519164A (ja) モバイル通信プラン提供
CN109150594A (zh) 用户离网风险预测方法和装置
CN109598526A (zh) 媒体贡献的分析方法及装置
Andrews et al. Calculating the benefits of sponsored data for an individual content provider
CN111222861A (zh) 一种欠费后的充值方法、装置及计算设备
CN111768174A (zh) 一种活动管理方法、装置、设备及介质
CN105138897B (zh) 确定用户权限的方法及装置
CN112152818A (zh) 话单处理方法、装置、系统、存储介质和网络设备
CN113205231B (zh) 一种离网预测方法及装置
CN113657635B (zh) 一种预测通信用户流失的方法及电子设备
CN111583030A (zh) 支付路由方法及装置
CN111047366A (zh) 充值返利方法及装置

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: 20190104

RJ01 Rejection of invention patent application after publication