CN109934675A - 对于新入网用户的套餐推荐方法、装置及系统 - Google Patents
对于新入网用户的套餐推荐方法、装置及系统 Download PDFInfo
- Publication number
- CN109934675A CN109934675A CN201910144218.7A CN201910144218A CN109934675A CN 109934675 A CN109934675 A CN 109934675A CN 201910144218 A CN201910144218 A CN 201910144218A CN 109934675 A CN109934675 A CN 109934675A
- Authority
- CN
- China
- Prior art keywords
- set meal
- user
- traffic information
- new networking
- service
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种对于新入网用户的套餐推荐方法、装置及系统,该方法,包括:获取新入网用户预估的业务量信息;其中,所述业务量信息,一般为月度业务量信息,包括但不限于:通话总时长、数据总流量、短信总条数;根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;根据所述参考值,确定新入网用户的推荐套餐。本发明实现了确定新入网用户的推荐套餐的目的,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种对于新入网用户的套餐推荐方法、装置及系统。
背景技术
随着移动通信行业的发展,目前的业务套餐种类也日益繁多,有针对不同类别用户的不同消费档次的各类套餐,比如后付费、预付费用户,或者一些特殊用户群体,比如校园用户群,套餐中包含不同业务量的语音通话、流量、短信等各项内容,使得新入网的用户难以选择。
目前,用户套餐的推荐方法主要是针对在网用户,根据该用户的历史消费行为建立数据模型,分析出用户偏好进行套餐变更的推荐,并且主要是针对流量套餐进行推荐。
但是,对于新入网的用户,没有用户消费行为的历史数据积累,因此,无法利用已有的方法进行套餐推荐。通常只能根据销售人员推荐的方式选择办理套餐,这种方式大大降低了推荐套餐的准确性。
发明内容
本发明提供一种对于新入网用户的套餐推荐方法、装置及系统,以实现通过对在网用户的业务使用情况进行聚类分析来确定新入网用户的推荐套餐的目的,不需要人为凭经验来推荐套餐,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
第一方面,本发明实施例提供一种对于新入网用户的套餐推荐的方法,包括:
获取新入网用户预估的业务量信息;其中,所述业务量信息,包括:通话总时长、数据总流量、短信总条数;
根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;
根据所述参考值,确定新入网用户的推荐套餐。
在一种可能的设计中,在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,还包括:
获取运营商提供的符合预设条件的套餐。
在一种可能的设计中,获取运营商提供的符合预设条件的套餐,包括:
获取用户类型;其中,用户类型包括:后付费用户、预付费用户;
获取用户的支出预算;
按照所述用户类型及支出预算筛选运营商提供的套餐。
在一种可能的设计中,在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,还包括:
获取在预设观察期内符合条件的在网用户的业务量信息;
按照套餐类别、业务类别,对所述在网用户的业务量信息进行分类统计,获得分类结果;其中,业务类别包括:语音业务、数据流量业务、短信业务;
根据所述分类结果,通过K-means算法进行聚类分析,获得聚类中心;
根据套餐中各业务类别的标准资费价值占比,确定套餐中各业务类别权重。
在一种可能的设计中,获取在预设观察期内符合条件的在网用户的业务量信息,包括:
确定观察期为T个月;其中,T为大于或等于1的自然数;
获取入网时长大于或等于所述观察期的在网用户;
获取所述在网用户在M-T月至M-1月的业务量信息;其中M为当前月份。
在一种可能的设计中,根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,包括:
获取第i个套餐对应的语音业务权重WVi、数据流量业务权重WFi、短信业务权重WMi;i的取值为[1,S]中的整数,其中S为符合预设条件的套餐总数;
计算新入网用户使用第i个套餐的加权中心Ui=(WVi×Vu,WFi×Fu,WMi×Mu),其中,Vu为新入网用户预估的语音业务通话总时长、Fu为新入网用户预估的数据总流量、Mu为新入网用户预估的短信业务总条数;×表示乘法运算;
计算第i个套餐加权后的聚类中心Pi=(WVi×Vi,WFi×Fi,WMi×Mi),其中,Vi为第i个套餐语音业务聚类中心、Fi为第i个套餐数据流量业务聚类中心、Mi为第i个套餐短信业务聚类中心;
计算用户使用第i个套餐的距离Di=|Ui-Pi|。
在一种可能的设计中,根据所述参考值,确定新入网用户的推荐套餐,包括:
根据所述参考值由小到大的顺序对所有符合预设条件的套餐进行排序,选取排名前N的套餐作为新入网用户的推荐套餐;其中,N为大于或等于1的自然数。
第二方面,本发明实施例提供一种对于新入网用户的套餐推荐装置,包括:
第一获取模块,用于获取新入网用户预估的业务量信息;其中,所述业务量信息,包括:通话总时长、数据总流量、短信总条数;
分析模块,用于根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;
确定模块,用于根据所述参考值,确定新入网用户的推荐套餐。
在一种可能的设计中,还包括:第二获取模块,用于在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,获取运营商提供的符合预设条件的套餐。
在一种可能的设计中,所述第二获取模块,具体用于:
获取用户类型;其中,用户类型包括:后付费用户、预付费用户;
获取用户的支出预算;
按照所述用户类型及支出预算筛选运营商提供的套餐。
在一种可能的设计中,还包括:
处理模块,用于在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,获取在预设观察期内符合条件的在网用户的业务量信息;
按照套餐类别、业务类别,对所述在网用户的业务量信息进行分类统计,获得分类结果;其中,业务类别包括:语音业务、数据流量业务、短信业务;
根据所述分类结果,通过K-means算法进行聚类分析,获得聚类中心;
根据套餐中各业务类别的标准资费价值占比,确定套餐中各业务类别权重。
在一种可能的设计中,获取在预设观察期内符合条件的在网用户的业务量信息,包括:
确定观察期为T个月;其中,T为大于或等于1的自然数;
获取入网时长大于或等于所述观察期的在网用户;
获取所述在网用户在M-T月至M-1月的业务量信息;其中M为当前月份。
在一种可能的设计中,所述分析模块,具体用于:
获取第i个套餐对应的语音业务权重WVi、数据流量业务权重WFi、短信业务权重WMi;i的取值为[1,S]中的整数,其中S为符合预设条件的套餐总数;
计算新入网用户使用第i个套餐的加权中心Ui=(WVi×Vu,WFi×Fu,WMi×Mu),其中,Vu为新入网用户预估的语音业务通话总时长、Fu为新入网用户预估的数据总流量、Mu为新入网用户预估的短信业务总条数;×表示乘法运算;
计算第i个套餐加权后的聚类中心Pi=(WVi×Vi,WFi×Fi,WMi×Mi),其中,Vi为第i个套餐语音业务聚类中心、Fi为第i个套餐数据流量业务聚类中心、Mi为第i个套餐短信业务聚类中心;
计算用户使用第i个套餐的距离Di=|Ui-Pi|。
在一种可能的设计中,所述确定模块,具体用于:
根据所述参考值由小到大的顺序对所有符合预设条件的套餐进行排序,选取排名前N的套餐作为新入网用户的推荐套餐;其中,N为大于或等于1的自然数。
第三方面,本发明实施例提供一种对于新入网用户的套餐推荐系统,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的对于新入网用户的套餐推荐方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现第一方面中任一项所述的对于新入网用户的套餐推荐方法。
本发明提供一种对于新入网用户的套餐推荐方法、装置及系统,通过获取新入网用户预估的业务量信息;其中,所述业务量信息,一般为月度业务量信息,包括但不限于:通话总时长、数据总流量、短信总条数;根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;根据所述参考值,确定新入网用户的推荐套餐。本发明实现了确定新入网用户的推荐套餐的目的,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一应用场景的原理示意图;
图2为本发明实施例一提供的对于新入网用户的套餐推荐方法的流程图;
图3为本发明实施例二提供的对于新入网用户的套餐推荐装置的结构示意图;
图4为本发明实施例三提供的对于新入网用户的套餐推荐装置的结构示意图;
图5为本发明实施例四提供的对于新入网用户的套餐推荐装置的结构示意图;
图6为本发明实施例五提供的对于新入网用户的套餐推荐系统的结构示意图。
通过上述附图,已示出本公开明确的实施例,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公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
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例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“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。
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。
图1为本发明一应用场景的原理示意图,如图1所示,业务平台20获取新入网用户10预估的业务量信息;其中,业务量信息,包括:通话业务总时长、上网业务总流量、短信业务总条数;业务平台按照预设条件筛选运营商提供的套餐,根据预设的套餐业务类别权重,分析套餐对应的参考值,其中,参考值是指在同一套餐下用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心30之间的距离;根据参考值,确定用户的推荐套餐。
应用上述方法可以实现通过对在网用户的业务使用情况进行聚类分析来确定新入网用户的推荐套餐的目的,不需要人为凭经验来推荐套餐,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为本发明实施例一提供的对于新入网用户的套餐推荐方法的流程图,如图2所示,本实施例中的方法可以包括:
S101、获取新入网用户预估的业务量信息。
本实施例中,对于新入网的用户,业务平台没有用户消费行为的历史数据积累。因此,需要新入网的用户对通话业务总时长、上网业务总流量、短信业务总条数等业务量信息进行预估。其中,业务量信息,包括但不限于:通话业务总时长、上网业务总流量、短信业务总条数。业务平台获取新入网用户预估的业务量信息,作为分析数据。其中,业务平台具有数据存储和数据处理能力。
需要说明的是,本实施例不限定具体的业务类别和业务数量,本领域技术人员容易想到在本实施例的基础上添加新的业务。
S102、根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值。
本实施例中,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离。业务平台获取第i个套餐对应的通话业务权重WVi、上网业务权重WFi、短信业务权重WMi;i的取值为[1,S]中的整数,其中S为符合预设条件的套餐总数;计算用户使用第i个套餐的加权中心Ui=(WVi×Vu,WFi×Fu,WMi×Mu),其中,Vu为用户预估的通话业务总时长、Fu为用户预估的上网业务总流量、Mu为用户预估的短信业务总条数;计算第i个套餐加权后的聚类中心Pi=(WVi×Vi,WFi×Fi,WMi×Mi),其中,Vi为第i个套餐通话业务聚类中心、Fi为第i个套餐上网业务聚类中心、Mi为第i个套餐短信业务聚类中心;计算用户使用第i个套餐的距离Di=|Ui-Pi|。参考值是指在同一套餐下用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离。因此,用户使用第i个套餐的参考值就是Di。
需要说明的是,本实施例虽然以三个业务类别为例进行了详细说明,但是当业务类别数量增减时,本领域技术人员可以对上述公式进行调整,其实现过程和原理类似,此处不再赘述。
在一种可选的实施例中,在执行步骤S102之前,还包括:获取运营商提供的符合预设条件的套餐。业务平台可以根据实际情况,设置预设条件,对运营商提供的所有套餐进行筛选过滤,选择符合预设条件的套餐进行聚类分析。例如:根据用户类别,预付费用户不可以选择后付费套餐,则业务平台过滤掉后付费套餐;非校园用户不可以选择校园套餐,则业务平台过滤掉校园套餐。
需要说明的是,本实施例不限定获取套餐的预设条件,本领域的技术人员可以根据实际情况增加或者减少获取套餐的预设条件。
可选地,获取运营商提供的符合预设条件的套餐包括:获取用户类型;其中,用户类型包括:后付费用户、预付费用户(包含有校园用户);获取用户的支出预算;按照用户类型及支出预算筛选运营商提供的套餐。例如,校园用户可以选择校园套餐,后付费用户和预付费用户有相应的套餐范围。还可以根据用户每月预算支出不超过200元,进一步确定用户的套餐选择范围,选择出符合用户要求的套餐。
在另一种可选的实施例中,在执行步骤S102之前,还包括:业务平台获取在预设观察期内符合条件的在网用户的业务量信息;按照套餐类别、业务类别,对在网用户的业务量信息进行分类统计,获得分类结果;其中,业务类别包括:通话业务、上网业务、短信业务;根据分类结果,通过K-means算法进行聚类分析,获得聚类中心;根据套餐中各业务类别的标准资费价值占比,确定套餐业务类别权重。其中,i的取值为[1,S]中的整数,S为符合预设条件的套餐总数;第i个套餐对应的通话业务权重WVi、上网业务权重WFi、短信业务权重WMi的计算公式如下:。
其中,vi表示第i个套餐所包含的通话时长,cv表示语音通话时长的标准资费,fi表示第i个套餐所包含的上网流量,cf表示上网流量的标准资费,mi表示第i个套餐所包含的短信条数,cm表示短信的标准资费;
需要说明的是,本实施例不限定观察期设置规则以及观察期时间长短,本领域的技术人员可以根据实际情况增加或者减少观察期设置规则以及观察期时间长短。另外,业务类别也可以根据实际情况进行调整,虽然业务类别可以增加或者减少,但是其类别权重的计算方式类似。
可选地,获取在预设观察期内符合条件的在网用户的业务量信息,包括:确定观察时长为T个月;其中,T为大于或等于1的自然数;获取入网时长大于或等于观察时长的在网用户;获取在网用户在M-T月至M-1月的业务量信息;其中M为当前月份。例如,当前月份为2018年9月,确定观察时长为3个月,则业务平台获取入网时长超过3个月的在网用户在2018年6月到2018年8月的业务量信息,作为分析数据。
S103、根据参考值,确定新入网用户的推荐套餐。
本实施例中,业务平台根据参考值由小到大的顺序对所有符合预设条件的套餐进行排序,选取排名前N的套餐作为用户的推荐套餐;其中,N为大于或等于1的自然数。例如,当N为3时,根据参考值由小到大的顺序,向新入网用户推荐排名前三的套餐。
本实施例,通过获取新入网用户预估的业务量信息;其中,所述业务量信息,一般为月度业务量信息,包括但不限于:通话总时长、数据总流量、短信总条数;根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;根据所述参考值,确定新入网用户的推荐套餐。本发明实现了确定新入网用户的推荐套餐的目的,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
图3为本发明实施例二提供的对于新入网用户的套餐推荐装置的结构示意图,如图3所示,本实施例的套餐推荐装置可以包括:
第一获取模块31,用于获取新入网用户预估的业务量信息;其中,业务量信息,包括但不限于:通话业务总时长、上网业务总流量、短信业务总条数;
分析模块32,用于根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;
确定模块33,用于根据参考值,确定新入网用户的推荐套餐。
在一种可能的设计中,所述分析模块32,具体用于:
获取第i个套餐对应的语音业务权重WVi、数据流量业务权重WFi、短信业务权重WMi;i的取值为[1,S]中的整数,其中S为符合预设条件的套餐总数;
计算新入网用户使用第i个套餐的加权中心Ui=(WVi×Vu,WFi×Fu,WMi×Mu),其中,Vu为新入网用户预估的语音业务通话总时长、Fu为新入网用户预估的数据总流量、Mu为新入网用户预估的短信业务总条数;×表示乘法运算;
计算第i个套餐加权后的聚类中心Pi=(WVi×Vi,WFi×Fi,WMi×Mi),其中,Vi为第i个套餐语音业务聚类中心、Fi为第i个套餐数据流量业务聚类中心、Mi为第i个套餐短信业务聚类中心;
计算用户使用第i个套餐的距离Di=|Ui-Pi|。
在一种可能的设计中,所述确定模块33,具体用于:
根据所述参考值由小到大的顺序对所有符合预设条件的套餐进行排序,选取排名前N的套餐作为新入网用户的推荐套餐;其中,N为大于或等于1的自然数。
本实施例,通过获取新入网用户预估的业务量信息;其中,所述业务量信息,一般为月度业务量信息,包括但不限于:通话总时长、数据总流量、短信总条数;根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;根据所述参考值,确定新入网用户的推荐套餐。本发明实现了确定新入网用户的推荐套餐的目的,操作简单,提高了推荐套餐的准确性,更加贴近用户实际需求,提升了用户体验。
本实施例的套餐推荐装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
图4为本发明实施例三提供的对于新入网用户的套餐推荐装置的结构示意图,如图4所示,本实施例的套餐推荐装置在图3所示的装置的基础上还可以包括:
在一种可能的设计中,还包括:第二获取模块34,用于在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,获取运营商提供的符合预设条件的套餐。
在一种可能的设计中,所述第二获取模块34,具体用于:
获取用户类型;其中,用户类型包括:后付费用户、预付费用户;
获取用户的支出预算;
按照所述用户类型及支出预算筛选运营商提供的套餐。
本实施例的套餐推荐装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
图5为本发明实施例四提供的对于新入网用户的套餐推荐装置的结构示意图,如图5所示,本实施例的套餐推荐装置在图3所示的装置的基础上还可以包括:
在一种可能的设计中,还包括:
处理模块35,用于在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,获取在预设观察期内符合条件的在网用户的业务量信息;
按照套餐类别、业务类别,对所述在网用户的业务量信息进行分类统计,获得分类结果;其中,业务类别包括:语音业务、数据流量业务、短信业务;
根据所述分类结果,通过K-means算法进行聚类分析,获得聚类中心;
根据套餐中各业务类别的标准资费价值占比,确定套餐中各业务类别权重。
在一种可能的设计中,获取在预设观察期内符合条件的在网用户的业务量信息,包括:
确定观察期为T个月;其中,T为大于或等于1的自然数;
获取入网时长大于或等于所述观察期的在网用户;
获取所述在网用户在M-T月至M-1月的业务量信息;其中M为当前月份。
本实施例的套餐推荐装置,可以执行图2所示方法中的技术方案,其具体实现过程和技术原理参见图2所示方法中的相关描述,此处不再赘述。
图6为本发明实施例五提供的对于新入网用户的套餐推荐系统的结构示意图,如图6所示,本实施例的套餐推荐系统40可以包括:处理器41和存储器42。
存储器42,用于存储计算机程序(如实现上述对于新入网用户的套餐推荐方法的应用程序、功能模块等)、计算机指令等;
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41,用于执行存储器42存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构,也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时,存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图2、图3所示方法中的技术方案,其具体实现过程和技术原理参见图2、图3所示方法中的相关描述,此处不再赘述。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当用户设备的至少一个处理器执行该计算机执行指令时,用户设备执行上述各种可能的方法。
其中,计算机可读介质包括计算机存储介质和通信介质,其中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。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。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本申请还提供一种程序产品,程序产品包括计算机程序,计算机程序存储在可读存储介质中,服务器的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得服务器实施上述本发明实施例任一的套餐推荐方法。
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 (10)
1.一种对于新入网用户的套餐推荐方法,其特征在于,包括:
获取新入网用户预估的业务量信息;其中,所述业务量信息,包括:通话总时长、数据总流量、短信总条数;
根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;
根据所述参考值,确定新入网用户的推荐套餐。
2.根据权利要求1所述的方法,其特征在于,在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,还包括:
获取运营商提供的符合预设条件的套餐。
3.根据权利要求2所述的方法,其特征在于,获取运营商提供的符合预设条件的套餐,包括:
获取用户类型;其中,用户类型包括:后付费用户、预付费用户;
获取用户的支出预算;
按照所述用户类型及支出预算筛选运营商提供的套餐。
4.根据权利要求1所述的方法,其特征在于,在根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值之前,还包括:
获取在预设观察期内符合条件的在网用户的业务量信息;
按照套餐类别、业务类别,对所述在网用户的业务量信息进行分类统计,获得分类结果;其中,业务类别包括:语音业务、数据流量业务、短信业务;
根据所述分类结果,通过K-means算法进行聚类分析,获得聚类中心;
根据套餐中各业务类别的标准资费价值占比,确定套餐中各业务类别权重。
5.根据权利要求4所述的方法,其特征在于,获取在预设观察期内符合条件的在网用户的业务量信息,包括:
确定观察期为T个月;其中,T为大于或等于1的自然数;
获取入网时长大于或等于所述观察期的在网用户;
获取所述在网用户在M-T月至M-1月的业务量信息;其中M为当前月份。
6.根据权利要求4所述的方法,其特征在于,根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,包括:
获取第i个套餐对应的语音业务权重WVi、数据流量业务权重WFi、短信业务权重WMi;i的取值为[1,S]中的整数,其中S为符合预设条件的套餐总数;
计算新入网用户使用第i个套餐的加权中心Ui=(WVi×Vu,WFi×Fu,WMi×Mu),其中,Vu为新入网用户预估的语音业务通话总时长、Fu为新入网用户预估的数据总流量、Mu为新入网用户预估的短信业务总条数;×表示乘法运算;
计算第i个套餐加权后的聚类中心Pi=(WVi×Vi,WFi×Fi,WMi×Mi),其中,Vi为第i个套餐语音业务聚类中心、Fi为第i个套餐数据流量业务聚类中心、Mi为第i个套餐短信业务聚类中心;
计算用户使用第i个套餐的距离Di=|Ui-Pi|。
7.根据权利要求1-6任一项所述的方法,其特征在于,根据所述参考值,确定新入网用户的推荐套餐,包括:
根据所述参考值由小到大的顺序对所有符合预设条件的套餐进行排序,选取排名前N的套餐作为新入网用户的推荐套餐;其中,N为大于或等于1的自然数。
8.一种对于新入网用户的套餐推荐装置,其特征在于,包括:
第一获取模块,用于获取新入网用户预估的业务量信息;其中,所述业务量信息,包括:通话总时长、数据总流量、短信总条数;
分析模块,用于根据预设的套餐中各业务类别权重,分析所有符合预设条件的套餐对应的参考值,所述参考值是指在同一套餐下所述新入网用户预估的业务量信息的加权中心与在网用户的业务量信息加权后的聚类中心之间的距离;
确定模块,用于根据所述参考值,确定新入网用户的推荐套餐。
9.一种对于新入网用户的套餐推荐系统,其特征在于,包括:存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7所述的对于新入网用户的套餐推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述的对于新入网用户的套餐推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910144218.7A CN109934675A (zh) | 2019-02-27 | 2019-02-27 | 对于新入网用户的套餐推荐方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910144218.7A CN109934675A (zh) | 2019-02-27 | 2019-02-27 | 对于新入网用户的套餐推荐方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109934675A true CN109934675A (zh) | 2019-06-25 |
Family
ID=66986077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910144218.7A Pending CN109934675A (zh) | 2019-02-27 | 2019-02-27 | 对于新入网用户的套餐推荐方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934675A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418425A (zh) * | 2020-11-18 | 2021-02-26 | 联通(浙江)产业互联网有限公司 | 用户服务匹配方法及装置 |
CN112788087A (zh) * | 2019-11-11 | 2021-05-11 | 中国电信股份有限公司 | 业务产品信息推送方法、装置以及存储介质 |
CN113129091A (zh) * | 2019-12-31 | 2021-07-16 | 中国移动通信集团湖南有限公司 | 一种资费套餐的推荐方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120035964A1 (en) * | 2010-08-05 | 2012-02-09 | Metropolitan Life Insurance Company | Computer implemented insurance selection systems and methods |
CN106204162A (zh) * | 2016-07-26 | 2016-12-07 | 郑州郑大智能科技股份有限公司 | 一种互联网环境下新入网电力用户用电模式预测方法 |
CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及系统 |
-
2019
- 2019-02-27 CN CN201910144218.7A patent/CN109934675A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120035964A1 (en) * | 2010-08-05 | 2012-02-09 | Metropolitan Life Insurance Company | Computer implemented insurance selection systems and methods |
CN106204162A (zh) * | 2016-07-26 | 2016-12-07 | 郑州郑大智能科技股份有限公司 | 一种互联网环境下新入网电力用户用电模式预测方法 |
CN107046571A (zh) * | 2017-03-28 | 2017-08-15 | 广州市观见营销策划有限公司 | 一种营业厅业务智能分配方法及系统 |
Non-Patent Citations (1)
Title |
---|
张永涛: "自主设计相似度算法的套餐推荐系统", 《电信技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112788087A (zh) * | 2019-11-11 | 2021-05-11 | 中国电信股份有限公司 | 业务产品信息推送方法、装置以及存储介质 |
CN112788087B (zh) * | 2019-11-11 | 2023-04-07 | 中国电信股份有限公司 | 业务产品信息推送方法、装置以及存储介质 |
CN113129091A (zh) * | 2019-12-31 | 2021-07-16 | 中国移动通信集团湖南有限公司 | 一种资费套餐的推荐方法及装置 |
CN113129091B (zh) * | 2019-12-31 | 2023-10-27 | 中国移动通信集团湖南有限公司 | 一种资费套餐的推荐方法及装置 |
CN112418425A (zh) * | 2020-11-18 | 2021-02-26 | 联通(浙江)产业互联网有限公司 | 用户服务匹配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345263A (zh) | 预测客户满意度的方法和系统 | |
Cardona et al. | Demand estimation and market definition for broadband Internet services | |
CN109934675A (zh) | 对于新入网用户的套餐推荐方法、装置及系统 | |
CN105657750A (zh) | 一种网络动态资源的计算方法及装置 | |
CN107360336A (zh) | 一种基于语音服务的智能派单系统及方法 | |
US20150358207A1 (en) | Method of Obtaining Optimized Use Case for Communication Network | |
US20130254294A1 (en) | Method and Arrangement For Ranking Users | |
CN107392645A (zh) | 用户挖掘方法、装置及其设备 | |
CN106851605A (zh) | 一种确定套餐的方法及装置 | |
CN106991577A (zh) | 一种确定目标用户的方法及装置 | |
CN109634997A (zh) | 一种异动渠道的获取方法、装置及电子设备 | |
CN108280636A (zh) | 分账方法、装置及系统 | |
CN104866922A (zh) | 一种用户离网的预测方法及装置 | |
CN110533459A (zh) | 一种基于梯度提升算法的终端更换概率预测方法及装置 | |
CN110517142B (zh) | 策略评估信息的输出方法及装置 | |
CN109978575A (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
CN108712269A (zh) | 离网用户的找回方法及装置 | |
CN107944737A (zh) | 信息处理方法、装置、电子设备及计算机可读存储介质 | |
CN107862489A (zh) | 业绩统计方法、装置、终端和计算机可读存储介质 | |
CN107562846A (zh) | 一种推荐应用的方法和装置 | |
CN104581672B (zh) | 用户价值获取方法和装置 | |
CN111478779A (zh) | 不限量套餐的确定方法、装置及计算设备 | |
Ulkhaq et al. | Predicting customer churn: A comparison of eight machine learning techniques: A case study in an indonesian telecommunication company | |
CN106412796A (zh) | 一种推荐方法及系统 | |
CN108710606A (zh) | 一种任务进度监控方法、计算机可读存储介质及终端设备 |
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: 20190625 |