CN111178411A - 一种移动用户价值聚类分析方法及系统 - Google Patents
一种移动用户价值聚类分析方法及系统 Download PDFInfo
- Publication number
- CN111178411A CN111178411A CN201911324791.2A CN201911324791A CN111178411A CN 111178411 A CN111178411 A CN 111178411A CN 201911324791 A CN201911324791 A CN 201911324791A CN 111178411 A CN111178411 A CN 111178411A
- Authority
- CN
- China
- Prior art keywords
- mobile user
- value
- mobile
- users
- price
- 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 25
- 238000007621 cluster analysis Methods 0.000 title claims description 23
- 238000004891 communication Methods 0.000 claims description 21
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种移动用户价值聚类分析方法及系统,方法包括:根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类;根据聚类结果,将移动用户分为三类用户:高价值用户、潜在价值用户和次价值用户。系统包括:聚类模块,根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类;分类模块,根据聚类结果,将移动用户分为三类用户:高价值用户、潜在价值用户和次价值用户。本发明的有益效果如下:本发明在对移动用户聚类时,不仅依据移动用户的月消费支出,还依据了能反映移动用户潜在价值的移动用户所使用终端的价格,因此,能从营销角度反映出用户在消费能力和消费需求的差别。
Description
技术领域
本发明属于通信领域,具体涉及一种移动用户价值分聚类分析方法及系统。
背景技术
从网站的信息分类的角度来看,传统的用户行为分析以网页的信息属性为依据,利用数据挖掘技术中的Web分类技术确定网站及所包含的网页信息的类别及属性,从而对这些网页所隶属的网站进行分类,当然这些方法固然很好,但是这些方法主要是从静态内容出发,更多的时候难以体现用户的行为特点。也就是说,现有技术中的分析分类方法并不能有效对用户进行价值分类。
有鉴于此,特提出本发明。
发明内容
针对现有技术中存在的缺陷,本发明的目的是提供一种移动用户价值聚类分析方法及系统,该方法能够对消费客户深度调研和数据挖掘,在待分析区域聚类出三类价值的移动用户,为后续精准营销提供有效的精确目标数据。
本发明的技术方案如下:
一种移动用户价值聚类分析方法,包括:
根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类,所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
进一步地,上述的用户价值聚类分析方法,所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
运行支持向量网络机模型对所述移动用户集进行三次二分类。
进一步地,上述的用户价值聚类分析方法,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
进一步地,上述的用户价值聚类分析方法,所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数,
其中,a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
进一步地,上述的用户价值聚类分析方法,还包括:
如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
相应地,本发明还提供了一种移动用户价值聚类分析系统,包括:
聚类模块,根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类,所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
分类模块,根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
进一步地,上述的用户价值聚类分析系统,所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
运行支持向量网络机模型对所述移动用户集进行三次二分类。
进一步地,上述的用户价值聚类分析系统,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
进一步地,上述的用户价值聚类分析系统,所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数,
其中,a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
进一步地,上述的用户价值聚类分析系统,还包括:
区域分析模块,如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
区域优化模块,如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
本发明的有益效果如下:
本发明在对移动用户聚类时,不仅依据移动用户的月消费支出,还依据了能反映移动动用户潜在价值的移动用户所使用终端的价格,因此,能从营销角度反映出用户在消费能力和消费需求的差别。另外,本发明将移动用户聚类为高价值移动用户、潜在价值移动用户和次价值移动用户三类用户,三类用户在在消费能力和消费需求方面差别明显,可使得营销决策者对不同的用户采取不同的营销方案。
附图说明
图1为本发明的移动用户价值的聚类分析方法的流程图。
图2为本发明的一个实施例的三次二分类的结果图。
图3为本发明的移动用户价值聚类分析系统的结构框图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明提供了一种移动用户价值聚类分析方法,包括:
S100根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类;
所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
S200根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
其中,步骤S100中,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
其中,高价值用户是指根据移动用户的月消费支出和移动用户的潜在价值确定出的实际表现出高消费能力和高消费需求的移动用户;潜在价值用户是指根据移动用户的月消费支出和移动用户的潜在价值确定实际没有表现高消费能力和高消费需求,但表现出高消费能力趋势和高消费需求趋势的移动用户;次价值移动用户是指根据移动用户的月消费支出和移动用户的潜在价值确定出的实际没有表现高消费能力和高消费需求,也没有表现出高消费能力趋势和高消费需求趋势的移动用户。
本发明在对移动用户聚类时,不仅依据移动用户的月消费支出,还依据了能反映移动动用户潜在价值的移动用户所使用终端的价格,因此,能从营销角度反映出用户在消费能力和消费需求的差别。另外,本发明将移动用户聚类为高价值移动用户、潜在价值移动用户和次价值移动用户三类用户,三类用户在在消费能力和消费需求方面差别明显,可使得营销决策者对不同的用户采取不同的营销方案。
具体地,步骤S100,所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
S110将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
S120运行支持向量网络机模型对所述移动用户集进行三次二分类。
将移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型,运行支持向量网络机模型进行三次二分类,得到三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
另外,在将所述移动用户集中的移动用户分为三类用户之后,本发明的移动用户价值聚类分析方法还包括:
S300如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
S400如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
优化该高价值移动用户所在区域的网络覆盖参数、网络容量参数或通信质量参数,从而保障该区域的移动用户感知,达到重点保障监控高价值移动用户人群区域的网络容量情况,保障高价值用户业务接入、业务下载速率等资源配置的目的。
具体而言,所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数;
a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
更进一步,上述潜在价值计算时,a1取值符合以下公式:
a1=(a0+L)sin(nx);
其中,x取值根据套餐价格确定;
a0根据用户类别不同选取对应的预设值;
n为相位调整值,根据手机套餐匹配度赋值;
L为所述移动用户的上月增值服务费用和流量包费用的总计;
x取值参照以下规则,对于非套餐用户,x=0°;对于套餐用户,套餐价格<58元,x=15°;套餐价格58-158元,x=30°;套餐价格158-268元,x=45°;套餐价格,268-348元,x=60°;套餐价格348-518元,x=75°;套餐价格>518元,x=90°;
n取值参照以下规则:
移动用户的移动终端价格对应的推荐套餐价格与当前套餐价格之间的差值对n进行赋值,包括,所述差值为0,则n=0.6;所述差值大于0且不大于50,则n=0.7;所述差值大于50且不大于100,则n=0.8;所述差值大于100且不大于200,则n=0.9;所述差值不小于200,则n=1。
b1取值符合以下公式:
b1=L sin(my);
m为相位调整值,根据手机套餐匹配度赋值。
L为所述移动用户的上月增值服务费用和流量包费用的总计;
y取值参照以下规则,流量为0时,y=0°;流量包<200MB,y=15°;流量200-500MB,y=30°;流量500MB-1GB,y=45°;流量1-2GB,y=60°;流量2-5GB,y=75°;流量>5GB,y=90°。该流量为月流量。
m取值参照以下规则:
移动用户的移动终端价格对应的推荐套餐价格与月流量包价格之间的差值对n进行赋值,包括,包括,所述差值为0,则n=0.6;所述差值大于0且不大于50,则n=0.7;所述差值大于50且不大于100,则n=0.8;所述差值大于100且不大于200,则n=0.9;所述差值不小于200,则n=1。
本发明的方法中,当前价值为移动用户的月消费支出。
对于属于套餐用户的移动用户,所述月消费支出根据以下公式计算:
P=DF{P0+(T-T0)*a1+(D-D0)*β1+γ};
其中,P=月消费支出金额;P0=套餐费用;T=当月通话时长;T0=套餐内包含通话时长;a1=当前用户每分钟语音收费;D=当月上网流量;D0=套餐内包含上网流量;β1=当前用户每兆流量收费;γ=增值服务收费,其他服务收费总和;
对于属于非套餐用户的移动用户,所述月消费支出根据以下公式计算:
P=DF{T*α2+D*β2+γ};
其中,P=月消费支出金额;T=当月通话时长;α2=当前用户每分钟语音收费;D=当月上网流量;β2=当前用户每兆流量收费;γ=增值服务收费,其他服务收费总和。
步骤S110中,所述支持向量机模型可以为:
其中,K(xi,xj)为核函数,C为经验风险和置信风险的折中系数。可以将移动用户的当前价值作为Xi,可以将移动用户的潜在价值作为Yi,α是上述向量机模型的一个最优解;分类函数为:
其中b*满足:
所述核函数为高斯径向基核函数。
采用本发明的方法对H市的1000个移动通信用户XDR数据和话单数据作实例数据分析,选用三个指标:客户每月的消费支出,客户每月的业务流量。通过这三个指标来研究和分析该客户的价值。
经过步骤S120运行支持向量网络机模型对移动用户集进行三次二分类后的结果如图2所示;图中由左上角到右下角的三个区域分别代表高价值、潜在价值和次价值的用户,可见支持向量是非线性的,可以很好的将分类用户区域区分出来。
根据图2所示分类结果,将移动用户集分为三类用户:高价值移动用户、潜在价值移动用户、次价值移动用户。
该分类的分类数据能够有效支持其余策略。
如图3所示,本发明还提供了相应的移动用户价值聚类分析系统,包括:
聚类模块100,根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类,所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
分类模块200,根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
其中所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
运行支持向量网络机模型对所述移动用户集进行三次二分类。
所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数,
其中,a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
在本实施例中,所述用户价值聚类分析系统还包括:
区域分析模块300,如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
区域优化模块400,如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
本发明在对移动用户聚类时,不仅依据移动用户的月消费支出,还依据了能反映移动动用户潜在价值的移动用户所使用终端的价格,因此,能从营销角度反映出用户在消费能力和消费需求的差别。另外,本发明将移动用户聚类为高价值移动用户、潜在价值移动用户和次价值移动用户三类用户,三类用户在在消费能力和消费需求方面差别明显,可使得营销决策者对不同的用户采取不同的营销方案。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种移动用户价值聚类分析方法,其特征在于,包括:
根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类,所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
2.如权利要求1所述的移动用户价值聚类分析方法,其特征在于,所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
运行支持向量网络机模型对所述移动用户集进行三次二分类。
3.如权利要求1所述的移动用户价值聚类分析方法,其特征在于,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
4.如权利要求1所述的移动用户价值聚类分析方法,其特征在于,所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数,
其中,a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
5.如权利要求1-4任一所述的移动用户价值聚类分析方法,其特征在于,还包括:
如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
6.一种移动用户价值聚类分析系统,其特征在于,包括:
聚类模块,根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类,所述移动用户的当前价值为所述移动用户的月消费支出,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定;
分类模块,根据聚类结果,将所述移动用户集中的移动用户分为三类用户:高价值移动用户、潜在价值移动用户和次价值移动用户。
7.如权利要求6所述的用户价值聚类分析系统,其特征在于,所述根据移动用户的当前价值和移动用户的潜在价值,对待分析区域的移动用户集进行聚类包括:
将所述移动用户集中每个移动用户的当前价值和每个移动用户的潜在价值作为样本,输入支持向量机模型;
运行支持向量网络机模型对所述移动用户集进行三次二分类。
8.如权利要求6所述的移动用户价值聚类分析系统,其特征在于,所述移动用户的潜在价值根据所述移动用户的当前价值、所述移动用户所使用终端的价格确定具体为:根据移动用户的当前价值、移动用户所使用终端的价格对应的推荐套餐价格、移动用户的当前套餐价格、移动用户的当前套餐内流量包价格、移动用户的当前套餐内流量、移动用户的增值服务费和移动用户的流量包费用,确定所述移动用户的潜在价值。
9.如权利要求6所述的移动用户价值聚类分析方法,其特征在于,所述移动用户的潜在价值根据以下公式计算:
DF{(a1P+b1D)/2};
其中,DF微分函数,
其中,a1根据所述移动用户所使用终端的价格对应推荐套餐价格和所述移动用户的当前套餐价格的正弦函数确定;
b1根据所述移动用户所使用终端的价格对应的推荐套餐价格和所述移动用户的当前套餐内流量包价格的正弦函数确定:
P为所述移动用户的月消费支出;
D为所述移动用户的月业务流量。
10.如权利要求6-9任一所述的移动用户价值聚类分析系统,其特征在于,还包括:
区域分析模块,如果待分析区域的高价值移动用户的人数超过阈值,分析所在区域的网络覆盖、容量或通信质量;
区域优化模块,如果待分析区域的网络覆盖差、容量受限或通信质量差,优化该区域的网络覆盖参数、网络容量参数或通信质量参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911324791.2A CN111178411A (zh) | 2019-12-20 | 2019-12-20 | 一种移动用户价值聚类分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911324791.2A CN111178411A (zh) | 2019-12-20 | 2019-12-20 | 一种移动用户价值聚类分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178411A true CN111178411A (zh) | 2020-05-19 |
Family
ID=70652068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911324791.2A Pending CN111178411A (zh) | 2019-12-20 | 2019-12-20 | 一种移动用户价值聚类分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178411A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455510A (zh) * | 2012-05-31 | 2013-12-18 | 飞拓无限信息技术(北京)有限公司 | 一种对用户评价的方法和装置 |
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN104573304A (zh) * | 2014-07-30 | 2015-04-29 | 南京坦道信息科技有限公司 | 一种基于信息熵和聚类分群的用户质态评估方法 |
CN108830663A (zh) * | 2018-08-30 | 2018-11-16 | 国网河北省电力有限公司沧州供电分公司 | 电力客户价值评价方法、系统及终端设备 |
CN110060093A (zh) * | 2019-03-25 | 2019-07-26 | 广州瀚信通信科技股份有限公司 | 一种基于4g高流量客户的终端营销方法 |
-
2019
- 2019-12-20 CN CN201911324791.2A patent/CN111178411A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455510A (zh) * | 2012-05-31 | 2013-12-18 | 飞拓无限信息技术(北京)有限公司 | 一种对用户评价的方法和装置 |
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN104573304A (zh) * | 2014-07-30 | 2015-04-29 | 南京坦道信息科技有限公司 | 一种基于信息熵和聚类分群的用户质态评估方法 |
CN108830663A (zh) * | 2018-08-30 | 2018-11-16 | 国网河北省电力有限公司沧州供电分公司 | 电力客户价值评价方法、系统及终端设备 |
CN110060093A (zh) * | 2019-03-25 | 2019-07-26 | 广州瀚信通信科技股份有限公司 | 一种基于4g高流量客户的终端营销方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102142990B (zh) | 业务用量监控方法及设备 | |
CN102693229B (zh) | 软件分析方法、推荐方法、分析装置及推荐装置 | |
CN107896153B (zh) | 一种基于移动用户上网行为的流量套餐推荐方法及装置 | |
CN101877704B (zh) | 一种进行网络访问控制的方法及服务网关 | |
CN110119948B (zh) | 基于时变权重动态组合的电力用户信用评价方法及系统 | |
CN111314869B (zh) | 流量配额分配方法、装置、电子设备及存储介质 | |
CN103269493A (zh) | 一种推送带宽业务的方法及设备 | |
CN113055877B (zh) | 一种云卡的分配方法、装置、电子设备及存储介质 | |
CN113256345B (zh) | 广告投放策略的自定义方法、装置和计算机设备 | |
CN110012075B (zh) | 数据传输方法及相关设备 | |
CN106651368A (zh) | 防刷单的支付方式的控制方法及控制系统 | |
CN103905507A (zh) | 一种业务信息推荐系统及业务信息推荐方法 | |
CN108171570A (zh) | 一种数据筛选方法、装置及终端 | |
CN113037510A (zh) | 计费方法、装置和计算机可读存储介质 | |
CN110659930A (zh) | 基于用户行为的消费提质方法、装置、存储介质及设备 | |
CN107181601A (zh) | 一种流量提醒方法及装置 | |
EP2621156B1 (en) | Subscriber portfolio management system | |
CN111178411A (zh) | 一种移动用户价值聚类分析方法及系统 | |
Maillé et al. | Analysis of sponsored data in the case of competing wireless service providers | |
CN105761107A (zh) | 互联网产品中获取目标新增用户的方法及装置 | |
CN104168660B (zh) | 确定优先级的方法及装置 | |
CN110400160B (zh) | 识别竞品用户的方法、装置、电子设备和存储介质 | |
CN115147117A (zh) | 资源使用异常的账户群组识别方法、装置及设备 | |
CN112767027A (zh) | 一种基于业务感知的云成本预测方法和系统 | |
CN115119192B (zh) | 网络接入方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |