CN113256044A - 一种策略的确定方法、装置及电子设备 - Google Patents

一种策略的确定方法、装置及电子设备 Download PDF

Info

Publication number
CN113256044A
CN113256044A CN202010091122.1A CN202010091122A CN113256044A CN 113256044 A CN113256044 A CN 113256044A CN 202010091122 A CN202010091122 A CN 202010091122A CN 113256044 A CN113256044 A CN 113256044A
Authority
CN
China
Prior art keywords
target
target user
determining
user
time period
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.)
Granted
Application number
CN202010091122.1A
Other languages
English (en)
Other versions
CN113256044B (zh
Inventor
曾国文
罗琼华
袁鸢
韦茂源
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 Mobile Communications Group Co Ltd
China Mobile Group Guangdong Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Guangdong 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 Mobile Communications Group Co Ltd, China Mobile Group Guangdong Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202010091122.1A priority Critical patent/CN113256044B/zh
Publication of CN113256044A publication Critical patent/CN113256044A/zh
Application granted granted Critical
Publication of CN113256044B publication Critical patent/CN113256044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0202Market predictions or forecasting for commercial activities
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种策略的确定方法、装置及电子设备,所述方法包括:获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户,基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于所述目标用户的目标通信信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。通过本方法,可以从多个维度确定目标用户的健康度类型,以确定目标用户的客户处理策略,提高策略的确定效率的同时,保证了策略的确定的准确性。

Description

一种策略的确定方法、装置及电子设备
技术领域
本发明涉及计算机技术领域,尤其涉及一种策略的确定方法、装置及电子设备。
背景技术
随着信息技术的快速发展,移动通信用户的数量日益增长,如何降低用户的流失率,避免用户离网现象的发生,以提高市场占有率,已经成为运营商关注的焦点问题。
目前,运营商可以通过人工统计用户数据,并结合自身经验对用户数据进行分析和判断,以预测用户是否有流失倾向,并在预测到用户有流失倾向的情况下,采取相关措施挽留用户。
但是,通过上述人工经验对用户数据进行分析处理,以对用户采取对应的处理策略的方法,存在以下问题:由于移动通信用户的数量较多,对应的人工需要统计分析的数据量也较大,所以存在较高的人力成本,策略的确定效率低,另外,由于通过人工经验对用户是否有流失倾向进行判断,所以存在流失倾向判断不准确的问题,导致策略确定的准确性差。
发明内容
本发明实施例的目的是提供一种策略的确定方法、装置及电子设备,以解决现有技术中由于通过人工经验对用户数据进行分析处理,以确定用户对应的处理策略的方式,存在的策略确定的效率较低、准确性较差的问题。
为解决上述技术问题,本发明实施例是这样实现的:
第一方面,本发明实施例提供的一种策略的确定方法,所述方法包括:
获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;
基于所述存量用户的通信行为数据,确定所述目标用户的长期趋势、短期趋势、弹性空间以及现状信息;
基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;
基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;
根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
可选地,所述基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,包括:
基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势;
基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,所述预设时间段包括所述第一预设时间段;
获取所述目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据;
基于所述第一通信行为数据在所述预设时间段内的最大值和最小值,确定所述目标用户的弹性空间;
基于第二预设时间段的所述存量用户的通信行为数据,确定所述目标用户的现状信息,所述第一预设时间段包括所述第二预设时间段。
可选地,所述基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势,包括:
基于所述预设熵值法,对所述存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量;
获取所述目标用户的目标通信业务量在所述预设时间段内的目标变化值;
基于所述目标变化值,确定所述目标用户的长期趋势。
可选地,所述获取所述目标通信业务量在所述预设时间段内的目标变化值,包括:
基于所述目标用户的目标通信业务量以及所述存量用户的目标通信业务量,对所述存量用户进行分档,并获取所述目标用户所属的档位;
获取所述目标用户在所述预设时间段内的档位变化;
基于所述档位变化,确定所述目标通信业务量在所述预设时间段内的目标变化值。
可选地,所述基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,包括:
获取所述目标用户在所述第一预设时间段内的语音业务数据和流量业务数据;
分别获取所述语音业务数据和流量业务数据在所述第一预设时间段内的变化幅度;
基于所述变化幅度,确定所述目标用户的短期趋势。
可选地,所述根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略,包括:
获取所述目标用户在所述第二预设时间段内的第二通信行为数据;
将所述第二通信行为数据输入预先训练的用户流失概率预估模型,获取所述目标用户的流失概率,所述用户流失概率预估模型为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到;
根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略。
可选地,所述根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略,包括:
基于所述目标用户的人均语音单价、流量降幅以及所述流失概率,确定所述目标用户的客户处理优先级;
基于所述目标用户所属的健康度类型,以及所述目标用户的客户处理优先级,确定所述目标用户对应的客户处理策略。
第二方面,本发明实施例提供了一种策略的确定装置,所述装置包括:
数据获取模块,用于获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;
数据处理模块,用于基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;
类型确定模块,用于基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;
策略确定模块,用于根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
可选地,所述数据处理模块,包括:
第一确定单元,用于基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势;
第二确定单元,用于基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,所述预设时间段包括所述第一预设时间段;
第一获取单元,用于获取所述目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据;
空间确定单元,用于基于所述第一通信行为数据在所述预设时间段内的最大值和最小值,确定所述目标用户的弹性空间;
现状确定单元,用于基于第二预设时间段的所述存量用户的通信行为数据,确定所述目标用户的现状信息,所述第一预设时间段包括所述第二预设时间段。
可选地,所述第一确定单元,用于:
基于所述预设熵值法,对所述存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量;
获取所述目标用户的目标通信业务量在所述预设时间段内的目标变化值;
基于所述目标变化值,确定所述目标用户的长期趋势。
可选地,第一确定单元,用于:
基于所述目标用户的目标通信业务量以及所述存量用户的目标通信业务量,对所述存量用户进行分档,并获取所述目标用户所属的档位;
获取所述目标用户在所述预设时间段内的档位变化;
基于所述档位变化,确定所述目标通信业务量在所述预设时间段内的目标变化值。
可选地,所述第二确定单元,用于:
获取所述目标用户在所述第一预设时间段内的语音业务数据和流量业务数据;
分别获取所述语音业务数据和流量业务数据在所述第一预设时间段内的变化幅度;
基于所述变化幅度,确定所述目标用户的短期趋势。
可选地,所述策略确定模块,包括:
第二获取单元,用于获取所述目标用户在所述第二预设时间段内的第二通信行为数据;
概率确定单元,用于将所述第二通信行为数据输入预先训练的用户流失概率预估模型,获取所述目标用户的流失概率,所述用户流失概率预估模型为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到;
策略确定单元,用于根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略。
可选地,所述策略确定单元,用于:
基于所述目标用户的人均语音单价、流量降幅以及所述流失概率,确定所述目标用户的客户处理优先级;
基于所述目标用户所属的健康度类型,以及所述目标用户的客户处理优先级,确定所述目标用户对应的客户处理策略。
第三方面,本发明实施例提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述实施例提供的策略的确定方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的策略的确定方法的步骤。
由以上本发明实施例提供的技术方案可见,本发明实施例通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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它的附图。
图1为本发明一种策略的确定方法的流程示意图;
图2为本发明另一种策略的确定方法的流程示意图;
图3为本发明一种目标用户的短期趋势的示意图;
图4为本发明一种目标用户的弹性空间的示意图;
图5为本发明一种构建的健康度模型的示意图;
图6为本发明一种策略的确定装置的结构示意图;
图7为本发明一种电子设备的结构示意图。
具体实施方式
本发明实施例提供一种策略的确定方法、装置及电子设备。
为了使本技术领域的人员更好地理解本发明中的技术方案,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作出创造性劳动前提下所获得的所有其它实施例,都应当属于本发明保护的范围。
实施例一
如图1所示,本发明实施例提供一种策略的确定方法,该方法的执行主体可以为服务器,该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤:
在S102中,获取预设时间段内的存量用户的通信行为数据。
其中,预设时间段可以是任意时间段,例如,预设时间段可以是近一年内、近三个月内等,存量用户可以为当前未流失的用户(即当前仍在使用移动通信业务的在网用户),且存量用户的在网时间可以是超过预设在网时间阈值的用户,例如,存量用户可以是当前仍在网,且在网时间超过1年的用户,存量用户可以包括待检测的目标用户,目标用户可以是存量用户中的任意一个或多个用户,通信行为数据可以为存量用户使用移动通信业务时产生的行为数据,例如,通信行为数据可以包括平均每户每月上网流量(Data OfUsage,DOU)、平均每户每月的通话时长(Minutes OfUsage,MOU)等。
在实施中,随着信息技术的快速发展,移动通信用户的数量日益增长,如何降低用户的流失率,避免用户离网现象的发生,以提高市场占有率,已经成为运营商关注的焦点问题。目前,运营商可以通过人工统计用户数据,并结合自身经验对用户数据进行分析和判断,以预测用户是否有流失倾向,并在预测到用户有流失倾向的情况下,采取相关措施挽留用户。
但是,通过上述人工经验对用户数据进行分析处理,以对用户采取对应的处理策略的方法,存在以下问题:由于移动通信用户的数量较多,对应的人工需要统计分析的数据量也较大,所以存在较高的人力成本,策略的确定效率低,另外,由于通过人工经验对用户是否有流失倾向进行判断,所以存在流失倾向判断不准确的问题,导致策略确定的准确性差。
此外,目前,还可以通过隐马尔科夫模型对移动通信用户进行流失预测,例如,可以获取当月移动通信用户的通信记录数据,按照多个属性类别,对移动用户的通信情况进行统计,然后基于建立的隐马尔科夫模型,实现对移动通信用户流失预测。
但是,上述方法由于仅对较短时间内的移动通信用户的数据进行分析处理,维度较为单一,存在流失率确定不准确的问题,即无法准确的对移动通信用户采取对应的客户处理策略。
另外,还可以通过多种流失用户预测模型分别进行流失用户的预测,但是由于选用的模型较多,所以存在数据处理复杂、数据处理效率低的问题。
为此,本发明实施例提供另一种实现方案,具体可以包括以下内容:
可以获取预设时间段内的一个或多个存量用户的通信行为数据。例如,可以按口径提取存量用户的基础表,即获取当前仍在网的存量用户在预设时间段内的通信行为数据,其中,获取的通信行为数据可以包括MOU和/或DOU。
目标用户可以是存量用户中的一个或多个,本发明实施例对目标用户的数据不做具体限定。
此外,获取的通信行为数据也可以根据实际应用场景的不同而有所不同,本发明实施例对此也不作具体限定。
在S104中,基于存量用户的通信行为数据,确定目标用户的目标通信信息。
其中,目标通信信息可以包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,其中,长期趋势可以是在预设时间段内,基于存量用户的通信行为数据,确定的目标用户的变化趋势信息,短期趋势可以是基于目标用户的通信行为数据,确定的目标用户在短期(如近三个月、近两个月等)内的变化趋势信息,弹性空间可以是基于目标用户的通信行为数据,确定的目标用户在预设时间段内的弹性变化信息,现状信息可以是基于存量用户的通信行为数据,确定的目标用户在近期(如近一个月)的现状信息。
在实施中,以获取的通信行为数据包括存量用户近一年(如2018年10月1日-2019年10月1日)的MOU为例。
可以获取2018年10月1日存量用户的MOU,然后基于获取的MOU,对存量用户进行排序,并获取目标用户在存量用户中的排序位置信息1(如有10个存量用户的MOU,目标用户排在第9,则对应的排序位置信息1可以为9)。然后可以获取2019年10月1日存量用户的MOU,并在此基于MOU进行排序,并获取目标用户的排序位置信息2(如排序位置信息2可以为3),则可以确定目标用户的长期趋势为9-3=6。
然后,可以获取目标用户在2019年7月1日的MOU1和2019年10月1日的MOU2,并计算MOU在这三个月的变化幅度,即短期趋势可以为(MOU2-MOU1)/MOU1。
可以获取目标用户的MOU在2018年10月1日-2019年10月1日的最大值MOU3和最小值MOU4,并将MOU3与MOU4的差值,作为目标用户的弹性空间。
最后,可以获取存量用户在2019年9月1日-2019年10月1日的MOU,并进行排序,然后获取目标用户的MOU在存量用户的MOU中的排序位置信息,并作为目标用户的现状信息。
上述目标用户的目标通信信息的确定方法是一种可选地、可实现的确定方法,在实际应用场景中,还可以有多种不同的确定方法,可以根据实际应用场景的不同而有所不同,本发明实施例对此不做具体限定。
在S106中,基于目标用户的目标通信信息,确定目标用户所属的健康度类型。
在实施中,例如,如果目标用户的长期趋势和短期趋势都为大幅下降型(如长期趋势和短期趋势都为负数),且弹性空间较大、现状信息较差(即排序位置较低),则可以确定目标用户所属的健康度类型为高危型。
基于目标用户的长期趋势、短期趋势、弹性空间和现状信息,确定目标用户所属的健康度类型,可以较为全面准确的对目标用户进行判断,提高策略确定的准确性。
此外,上述健康度类型的确定方法是一种可选地、可实现的确定方法,在实际应用场景中,可以有多种不同的确定方法,可以根据实际应用场景的不同而有所不同,本发明实施例对此不做具体限定。
在S108中,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。
在实施中,对于不同的健康度类型,可以有不同的客户处理策略。例如,如果目标用户所属的健康度类型为高危型,则对应的客户处理策略可以为保有策略,即需要及时对客户进行营销处理,以避免发生目标客户离网的情况。
本发明实施例提供一种策略的确定方法,通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
实施例二
如图2所示,本发明实施例提供一种策略的确定方法,该方法的执行主体可以为服务器,该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤:
在S202中,获取预设时间段内的存量用户的通信行为数据。
上述S202的具体处理过程可以参见上述实施例一中S102中的相关内容,在此不再赘述。
在S204中,基于预设时间段内的存量用户的通信行为数据和预设熵值法,确定目标用户的长期趋势。
在实施中,通过预设熵值法,可以对包含多个指标的通信行为数据进行处理,降低数据处理的复杂度,避免原始数据的丢失问题,保证了数据使用的价值最大化,提高数据处理的效率。
在实际应用中,上述S204的处理方式可以多种多样,以下提供一种可选的实现方式,具体可以参见下述步骤一~步骤三处理。
步骤一,基于预设熵值法,对存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量。
在实施中,以通信行为数据包括MOU和DOU为例,可以通过预设熵值法,对这两个指标数据进行处理,得到存量用户的目标通信业务量。
在使用预设熵值法对MOU和DOU进行处理时,可以通过公式
Figure BDA0002383757150000101
分别对MOU和DOU进行标准化处理,并分别得到标准值ZMOU和ZDOU,然后对标准化处理后得到的ZMOU和ZDOU,进行预设熵值法的处理,以得到目标通信业务量SV,其中,SV=α*ZDOU+βZMOU,其中权值α和β可以由预设熵值法确定,通过预设熵值法确定权重值,相对于层次分析法、专家打分法等权重的确定方法,具有相对客观的优势。
此外,如果存量用户的通信行为数据包括多个维度的通信行为数据,则对应的
Figure BDA0002383757150000102
其中,n为通信行为数据中包含的维度的数量,i为第i个维度的通信行为数据,αi为基于预设熵值法确定的第i个维度的通信行为数据的权重,Di为第i个维度对应的通信行为数据。
步骤二,获取目标用户的目标通信业务量在预设时间段内的目标变化值。
在实施中,例如,可以获取目标用户的目标通信业务量在2018年10月1日的存量用户的目标通信业务量的排序位置信息3,以及目标用户的目标通信业务量在2019年10月1日的存量用户的目标通信业务量的排序位置信息4,然后基于排序位置信息3和排序位置信息4,确定目标用户的目标通信业务量在预设时间段(即2018年10月1日-2019年10月1日)的目标变化值。
此外,通过对目标用户在预定时间段内的MOU和DOU的统计分析,可以监控目标用户自身使用业务量的多少和日常习惯,但不能提现目标用户在大市场所处的水平位置,不能掌握目标用户业务使用习惯的发展趋势是否与大市场同步,不能把控大市场整体变化的情况,因此,可以通过目标用户的目标通信业务量在存量用户的目标通信业务量中的排序位置信息,确定目标用户的目标通信业务量的目标变化值,以体现目标用户的长期趋势,同时,为更加合理区分用户水平,可以引入排名区间界定排名档次的方法,体现不同档次用户的差距,降低同一档次内变化的影响作用,即,可以通过下述方式,获取目标用户的目标变化值:
基于目标用户的目标通信业务量以及存量用户的目标通信业务量,对存量用户进行分档,并获取目标用户所属的档位。
例如,假设预设时间段为2018年10月1日-2019年10月1日,可以获取2018年10月1日的存量用户的目标通信业务量(即通过预设熵值法,对2018年10月1日的存量用户的通信行为数据进行处理,得到存量用户的目标通信业务量),然后基于目标通信业务量,对存量用户进行分档,其中,可以以预设数量为基础进行分档,如可以以50万用户为一档,将存量用户分为多档,并获取目标用户所属的档位。
获取目标用户在预设时间段内的档位变化。
假设预设时间段为2018年10月1日-2019年10月1日,可以分别获取2018年10月1日和2019年10月1日的目标用户所属的档位,然后计算目标用户的档位变化。例如,目标用户在2018年10月1日位于第5档,目标用户在2019年10月1日位于第2档,则对应的档位变化为-3。
基于档位变化,确定目标通信业务量在预设时间段内的目标变化值。
步骤三,基于目标变化值,确定目标用户的长期趋势。
对应于不同的目标变化值,长期趋势可以有4种类型,例如,如果目标变化值小于-2,则目标用户的长期趋势为大幅上升型;如果目标变化值不小于-2且小于0,则目标用户的长期趋势为温和上升型;如果目标变化值为0,则目标用户的长期趋势为稳定型;如果目标变化值大于0且小于2,则目标用户的长期趋势为小幅下降型;如果目标变化值大于2,则目标用户的长期趋势为大幅下降型。
上述长期趋势的确定方法是一种可选地、可实现的确定方法,在实际应用场景中,还可以有多种不同的确定方法,可以根据实际应用场景的不同而有所不同,本发明实施例对此不做具体限定。
在S206中,基于目标用户在第一预设时间段的通信行为数据,确定目标用户的短期趋势。
其中,预设时间段可以包括第一预设时间段,例如,预设时间段可以是近一年,则第一预设时间段可以是近三个月。
在实际应用中,上述S206的处理方式可以多种多样,以下提供一种可选的实现方式,具体可以参见下述步骤一~步骤三处理。
步骤一,获取目标用户在第一预设时间段内的语音业务数据和流量业务数据。
其中,语音业务数据可以MOU,流量业务数据可以是DOU。
在实施中,如图3所示,可以获取在第一预设时间段内的语音业务数据和流量业务数据。
步骤二,分别获取语音业务数据和流量业务数据在第一预设时间段内的变化幅度。
步骤三,基于变化幅度,确定目标用户的短期趋势。
在实施中,当语音业务数据和流量业务数据的变化都为上升变化(即变化幅度都为上升幅度),或者,当语音业务数据和流量业务数据中,一个指标数据的上升幅度大于另一个指标数据的下降幅度时,可以确定目标用户的短期趋势为抬头型;当语音业务数据和流量业务数据的变化幅度都为下降幅度,或者,一个指标数据的上升幅度小于另一个指标数据的下降幅度时,可以确定目标用户的短期趋势为下探型。如图3所示,在第一预设时间段内,目标用户的MOU的上升幅度大于DOU的下降幅度,则可以确定目标用户的短期趋势为下探型。
在S208中,获取目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据。
在实施中,预设行为属性可以是任意能够体现用户的业务使用情况的属性,例如,第一通信行为数据可以包括DOU,即通过语音数据来判断目标用户的弹性控件。
在S210中,基于第一通信行为数据在预设时间段内的最大值和最小值,确定目标用户的弹性空间。
在实施中,以第一通信行为数据为DOU为例,如图4所示,可以获取目标用户在预设时间段内的DOU的最大值和最小值,以确定目标用户的弹性空间,通过弹性空间,可以判断出用户具备的价值空间,以此作为激发目标用户的依据。
此外,弹性空间的确定方法可以有多种,除以DOU为主确定弹性空间外,还可以根据实际应用场景的不同,选取不同的预设行为属性,如MOU等,本发明实施例对此不做具体限定。
在S212中,基于第二预设时间段的存量用户的通信行为数据,确定目标用户的现状信息。
其中,第一预设时间段可以包括第二预设时间段,例如,预设时间段可以是近一年,则第一预设时间段可以是近三个月,第二预设时间段可以是近一个月。
在实施中,可以与上述S204中的步骤一的方法,获取第二预设时间段内,存量用户的目标通信业务量,然后获取目标用户在存量用户中的排序位置信息,在通过不同的划分阈值,确定目标用户的现状信息,即确定目标用户在近一个月是处于何种标准水平,如目标用户在近一个月可以是高标准或中高标准。
在S214中,基于目标用户的目标通信信息,确定目标用户所属的健康度类型。
在实施中,可以基于长期趋势、短期趋势、弹性空间以及现状信息,构建健康度模型。
其中,按长期趋势,可以将存量用户划分为:大幅上升型、温和上升型、稳定型、小幅下降型和大幅下降型;按短期趋势,可以将存量用户划分为:抬头型和下探型;按弹性空间,可以将存量用户划分为:高弹性和低弹性;按现状信息,可以将存量用户划分为:高标准、中高标准、中标准、中低标准和低标准。基于上述四个维度信息,可以将存量用户划分为100个群体,如下表1所示。
表1
Figure BDA0002383757150000131
在根据表1构建的健康度模型,可以将存量用户划分为四个健康度类型,如图5所示,区域1的存量用户的健康度类型可以为高危型,区域2的存量用户的健康度类型可以为低迷型,区域3的存量用户的健康度类型可以为潜力型,区域4的存量用户的健康度类型可以为健康型。
可以基于目标用户的目标通信信息,即目标用户的长期趋势、短期趋势、弹性空间以及现状信息,确定目标用户在上述表1中的健康度模型所处的区域,并获取目标用户所属的健康度类型。
在S216中,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。
在实际应用中,上述S216的处理方式可以多种多样,为进一步提高客户处理策略的确定准确性,可以对同一健康度类型的用户,进行二次排序,增强分群的准确性,以下再提供一种可选的实现方式,具体可以参见下述步骤一~步骤六处理。
步骤一,获取目标用户在第二预设时间段内的第二通信行为数据。
步骤二,将第二通信行为数据输入预先训练的用户流失概率预估模型,获取目标用户的流失概率。
其中,用户流失概率预估模型可以为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到。
在实施中,例如,获取的预设时间段的存量用户的通信行为数据为2018年10月1日-2019年10月1日的通信行为数据,获取的第二预设时间段内的第二通信行为数据可以为2019年7月1日-2019年10月1日的通信行为数据,则获取的第三预设时间段内全量用户的历史通信行为数据可以为2018年7月1日-2019年7月1日的历史通信行为数据(包括全量用户的在网情况信息)。
以逻辑回归算法为例,可以采用Spark R构建模型,首先可以对历史通信行为数据进行数据预处理,包括缺失值分析、奇异值分析、相关性分析等,在预处理后,可以通过R语言建立模型。
其中,采用R语言的glm函数对已经完成数据清洗转换的历史通信行为数据进行建模时,可以通过反复多次的建模指标分析,剔除P-Value值小于0.05的历史通信行为数据,在用summary函数对模型结果进行初步评估,从评估结果可以反向,所有历史通信行为数据的P值小于0.05,即通过了显著性检验,即完成用户流失概率预估模型的训练。
在将第二通信行为数据输入上述训练的用户流失概率预估模型,以得到目标用户的流失概率,流失概率越小,表明目标用户的健康度越低。
步骤二,根据目标用户所属的健康度类型,以及目标用户的流失概率,确定目标用户对应的客户处理策略。
在实施中,可以获取目标用户的通信行为数据中的人均语音单价以及流量降幅,然后基于目标用户的人均语音单价、流量降幅以及流失概率,确定目标用户的客户处理优先级。
基于目标用户所属的健康度类型,以及目标用户的客户处理优先级,确定目标用户对应的客户处理策略。
本发明实施例提供一种策略的确定方法,通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
实施例三
以上为本发明实施例提供的策略的确定方法,基于同样的思路,本发明实施例还提供一种策略的确定装置,如图6所示。
该策略的确定装置包括:数据获取模块601、数据处理模块602、类型确定模块603和策略确定模块604,其中:
数据获取模块601,用于获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;
数据处理模块602,用于基于所述存量用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;
类型确定模块603,用于基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;
策略确定模块604,用于根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
在本发明实施例中,所述数据处理模块602,包括:
第一确定单元,用于基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势;
第二确定单元,用于基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,所述预设时间段包括所述第一预设时间段;
第一获取单元,用于获取所述目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据;
空间确定单元,用于基于所述第一通信行为数据在所述预设时间段内的最大值和最小值,确定所述目标用户的弹性空间;
现状确定单元,用于基于第二预设时间段的所述存量用户的通信行为数据,确定所述目标用户的现状信息,所述第一预设时间段包括所述第二预设时间段。
在本发明实施例中,所述第一确定单元,用于:
基于所述预设熵值法,对所述存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量;
获取所述目标用户的目标通信业务量在所述预设时间段内的目标变化值;
基于所述目标变化值,确定所述目标用户的长期趋势。
在本发明实施例中,第一确定单元,用于:
基于所述目标用户的目标通信业务量以及所述存量用户的目标通信业务量,对所述存量用户进行分档,并获取所述目标用户所属的档位;
获取所述目标用户在所述预设时间段内的档位变化;
基于所述档位变化,确定所述目标通信业务量在所述预设时间段内的目标变化值。
在本发明实施例中,所述第二确定单元,用于:
获取所述目标用户在所述第一预设时间段内的语音业务数据和流量业务数据;
分别获取所述语音业务数据和流量业务数据在所述第一预设时间段内的变化幅度;
基于所述变化幅度,确定所述目标用户的短期趋势。
在本发明实施例中,所述策略确定模块,包括:
第二获取单元,用于获取所述目标用户在所述第二预设时间段内的第二通信行为数据;
概率确定单元,用于将所述第二通信行为数据输入预先训练的用户流失概率预估模型,获取所述目标用户的流失概率,所述用户流失概率预估模型为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到;
策略确定单元,用于根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略。
在本发明实施例中,所述策略确定单元,用于:
基于所述目标用户的人均语音单价、流量降幅以及所述流失概率,确定所述目标用户的客户处理优先级;
基于所述目标用户所属的健康度类型,以及所述目标用户的客户处理优先级,确定所述目标用户对应的客户处理策略。
本发明实施例提供一种策略的确定装置,通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
实施例四
图7为实现本发明各个实施例的一种电子设备的硬件结构示意图,
该电子设备700包括但不限于:射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709、处理器710、以及电源711等部件。本领域技术人员可以理解,图7中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,处理器710,用于:获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
此外,所述处理器710,还用于:基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势;基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,所述预设时间段包括所述第一预设时间段;获取所述目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据;基于所述第一通信行为数据在所述预设时间段内的最大值和最小值,确定所述目标用户的弹性空间;基于第二预设时间段的所述存量用户的通信行为数据,确定所述目标用户的现状信息,所述第一预设时间段包括所述第二预设时间段。
另外,所述处理器710,还用于:基于所述预设熵值法,对所述存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量;获取所述目标用户的目标通信业务量在所述预设时间段内的目标变化值;获取所述目标通信业务量在所述预设时间段内的目标变化值;基于所述目标变化值,确定所述目标用户的长期趋势。
此外,处理器710,还用于:基于所述目标用户的目标通信业务量以及所述存量用户的目标通信业务量,对所述存量用户进行分档,并获取所述目标用户所属的档位;获取所述目标用户在所述预设时间段内的档位变化;基于所述档位变化,确定所述目标通信业务量在所述预设时间段内的目标变化值。
另外,所述处理器710,还用于:获取所述目标用户在所述第一预设时间段内的语音业务数据和流量业务数据;分别获取所述语音业务数据和流量业务数据在所述第一预设时间段内的变化幅度;基于所述变化幅度,确定所述目标用户的短期趋势。
此外,处理器710,还用于:获取所述目标用户在所述第二预设时间段内的第二通信行为数据;将所述第二通信行为数据输入预先训练的用户流失概率预估模型,获取所述目标用户的流失概率,所述用户流失概率预估模型为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到;根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略。
此外,处理器710,还用于:基于所述目标用户的人均语音单价、流量降幅以及所述流失概率,确定所述目标用户的客户处理优先级;基于所述目标用户所属的健康度类型,以及所述目标用户的客户处理优先级,确定所述目标用户对应的客户处理策略。基于所述预设决策树算法和所述第一话务数据,构建对应的决策树;基于所述决策树,得到所述扩容优先级评估模型。
本发明实施例提供一种电子设备,通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
应理解的是,本发明实施例中,射频单元701可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器710处理;另外,将上行的数据发送给基站。通常,射频单元701包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元701还可以通过无线通信系统与网络和其它电子设备通信。
电子设备通过网络模块702为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
输入单元704用于接收音频或视频信号。输入单元704可以包括图形处理器(Graphics Processing Unit,GPU)7041和麦克风7042。处理后的图像帧可以显示在显示单元706上。经图形处理器7041处理后的图像帧可以存储在存储器709(或其它存储介质)中或者经由射频单元701或网络模块702进行发送。麦克风7042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元701发送到移动通信基站的格式输出。
显示单元706用于显示由用户输入的信息或提供给用户的信息。显示单元706可包括显示面板7061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板7061。
用户输入单元707可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元707包括触控面板7071以及其它输入设备7072。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器710,接收处理器710发来的命令并加以执行。进一步的,触控面板7071可覆盖在显示面板7061上,当触控面板7071检测到在其上或附近的触摸操作后,传送给处理器710以确定触摸事件的类型,随后处理器710根据触摸事件的类型在显示面板7061上提供相应的视觉输出。虽然在图7中,触控面板7071与显示面板7061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板7071与显示面板7061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元708为外部装置与电子设备700连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元708可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备700内的一个或多个元件或者可以用于在电子设备700和外部装置之间传输数据。
存储器709可用于存储软件程序以及各种数据。存储器709可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器709可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其它易失性固态存储器件。
处理器710是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器709内的软件程序和/或模块,以及调用存储在存储器709内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器710可包括一个或多个处理单元;优选的,处理器710可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器710中。
电子设备700还可以包括给各个部件供电的电源711(比如电池),优选的,电源711可以通过电源管理系统与处理器710逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
优选的,本发明实施例还提供一种电子设备,包括处理器710,存储器709,存储在存储器709上并可在所述处理器710上运行的计算机程序,该计算机程序被处理器710执行时实现上述策略的确定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
实施例五
本发明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上存储有计算机程序,该计算机程序被处理器执行时实现上述策略的确定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本发明实施例提供一种计算机可读存储介质,通过获取预设时间段内的存量用户的通信行为数据,存量用户包括待检测的目标用户,基于存量用户的通信行为数据,确定目标用户的目标通信信息,目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项,基于目标用户的目标信息,确定目标用户所属的健康度类型,根据目标用户所属的健康度类型,确定目标用户对应的客户处理策略。这样,可以通过存量用户的通信行为数据,确定目标用户包括多个维度信息的目标通信信息,然后在确定目标用户所属的健康度类型,以确定对应的客户处理策略,避免了人工对用户数据进行分析处理时存在的效率较低的问题,降低了人工成本,提高了数据处理效率,在数据处理效率较高的基础上,保证了策略的确定效率以及准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带,磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。

Claims (10)

1.一种策略的确定方法,其特征在于,所述方法包括:
获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;
基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;
基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;
根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
2.根据权利要求1所述的方法,其特征在于,所述基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,包括:
基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势;
基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,所述预设时间段包括所述第一预设时间段;
获取所述目标用户的通信行为数据中,与预设行为属性对应的第一通信行为数据;
基于所述第一通信行为数据在所述预设时间段内的最大值和最小值,确定所述目标用户的弹性空间;
基于第二预设时间段的所述存量用户的通信行为数据,确定所述目标用户的现状信息,所述第一预设时间段包括所述第二预设时间段。
3.根据权利要求2所的方法,其特征在于,所述基于所述预设时间段内的所述存量用户的通信行为数据和预设熵值法,确定所述目标用户的长期趋势,包括:
基于所述预设熵值法,对所述存量用户的通信行为数据进行处理,得到所述存量用户的目标通信业务量;
获取所述目标用户的目标通信业务量在所述预设时间段内的目标变化值;
基于所述目标变化值,确定所述目标用户的长期趋势。
4.根据权利要求3所述的方法,其特征在于,所述获取所述目标通信业务量在所述预设时间段内的目标变化值,包括:
基于所述目标用户的目标通信业务量以及所述存量用户的目标通信业务量,对所述存量用户进行分档,并获取所述目标用户所属的档位;
获取所述目标用户在所述预设时间段内的档位变化;
基于所述档位变化,确定所述目标通信业务量在所述预设时间段内的目标变化值。
5.根据权利要求3所述的方法,其特征在于,所述基于所述目标用户在第一预设时间段的通信行为数据,确定所述目标用户的短期趋势,包括:
获取所述目标用户在所述第一预设时间段内的语音业务数据和流量业务数据;
分别获取所述语音业务数据和流量业务数据在所述第一预设时间段内的变化幅度;
基于所述变化幅度,确定所述目标用户的短期趋势。
6.根据权利要求2所述的方法,其特征在于,所述根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略,包括:
获取所述目标用户在所述第二预设时间段内的第二通信行为数据;
将所述第二通信行为数据输入预先训练的用户流失概率预估模型,获取所述目标用户的流失概率,所述用户流失概率预估模型为基于预设机器学习算法,对第三预设时间段内全量用户的历史通信行为数据进行训练得到;
根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标用户所属的健康度类型,以及所述目标用户的流失概率,确定所述目标用户对应的客户处理策略,包括:
基于所述目标用户的人均语音单价、流量降幅以及所述流失概率,确定所述目标用户的客户处理优先级;
基于所述目标用户所属的健康度类型,以及所述目标用户的客户处理优先级,确定所述目标用户对应的客户处理策略。
8.一种策略的确定装置,其特征在于,所述装置包括:
数据获取模块,用于获取预设时间段内的存量用户的通信行为数据,所述存量用户包括待检测的目标用户;
数据处理模块,用于基于所述存量用户的通信行为数据,确定所述目标用户的目标通信信息,所述目标通信信息包括长期趋势、短期趋势、弹性空间以及现状信息中的至少一项;
类型确定模块,用于基于所述目标用户的目标通信信息,确定所述目标用户所属的健康度类型;
策略确定模块,用于根据所述目标用户所属的健康度类型,确定所述目标用户对应的客户处理策略。
9.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的策略的确定方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的策略的确定方法的步骤。
CN202010091122.1A 2020-02-13 2020-02-13 一种策略的确定方法、装置及电子设备 Active CN113256044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010091122.1A CN113256044B (zh) 2020-02-13 2020-02-13 一种策略的确定方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010091122.1A CN113256044B (zh) 2020-02-13 2020-02-13 一种策略的确定方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113256044A true CN113256044A (zh) 2021-08-13
CN113256044B CN113256044B (zh) 2023-08-15

Family

ID=77220086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010091122.1A Active CN113256044B (zh) 2020-02-13 2020-02-13 一种策略的确定方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113256044B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854065A (zh) * 2012-11-30 2014-06-11 西门子公司 一种用于客户流失预测的方法和装置
CN105281959A (zh) * 2015-11-04 2016-01-27 东北大学 一种基于隐马尔可夫模型的移动通信用户流失预测方法
CN108965017A (zh) * 2018-07-27 2018-12-07 中国联合网络通信集团有限公司 一种网络流量预测方法和装置
CN109146569A (zh) * 2018-08-30 2019-01-04 昆明理工大学 一种基于决策树的通信用户退网预测方法
CN109523342A (zh) * 2018-10-12 2019-03-26 平安科技(深圳)有限公司 服务策略生成方法及装置、电子设备、存储介质
WO2019071993A1 (en) * 2017-10-12 2019-04-18 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING AN OPTIMAL TRANSPORT SERVICE TYPE IN OFFLINE ONLINE SERVICE
CN109767045A (zh) * 2019-01-17 2019-05-17 北京腾云天下科技有限公司 一种流失用户的预测方法、装置、计算设备及介质
CN109962795A (zh) * 2017-12-22 2019-07-02 中国移动通信集团广东有限公司 一种基于多维组合变量的4g用户流失预警方法和系统
CN110035056A (zh) * 2019-02-22 2019-07-19 阿里巴巴集团控股有限公司 一种播放设备检测方法及装置
CN110111156A (zh) * 2019-05-14 2019-08-09 重庆天蓬网络有限公司 一种客户流失预警方法、系统、介质和电子设备
CN110222975A (zh) * 2019-05-31 2019-09-10 北京奇艺世纪科技有限公司 一种流失用户分析方法、装置、电子设备及存储介质
CN110519327A (zh) * 2019-07-12 2019-11-29 平安普惠企业管理有限公司 用户活跃类型判断方法、装置、计算机设备及存储介质
CN110689381A (zh) * 2019-10-10 2020-01-14 中国联合网络通信集团有限公司 一种预警方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854065A (zh) * 2012-11-30 2014-06-11 西门子公司 一种用于客户流失预测的方法和装置
CN105281959A (zh) * 2015-11-04 2016-01-27 东北大学 一种基于隐马尔可夫模型的移动通信用户流失预测方法
WO2019071993A1 (en) * 2017-10-12 2019-04-18 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING AN OPTIMAL TRANSPORT SERVICE TYPE IN OFFLINE ONLINE SERVICE
CN109962795A (zh) * 2017-12-22 2019-07-02 中国移动通信集团广东有限公司 一种基于多维组合变量的4g用户流失预警方法和系统
CN108965017A (zh) * 2018-07-27 2018-12-07 中国联合网络通信集团有限公司 一种网络流量预测方法和装置
CN109146569A (zh) * 2018-08-30 2019-01-04 昆明理工大学 一种基于决策树的通信用户退网预测方法
CN109523342A (zh) * 2018-10-12 2019-03-26 平安科技(深圳)有限公司 服务策略生成方法及装置、电子设备、存储介质
CN109767045A (zh) * 2019-01-17 2019-05-17 北京腾云天下科技有限公司 一种流失用户的预测方法、装置、计算设备及介质
CN110035056A (zh) * 2019-02-22 2019-07-19 阿里巴巴集团控股有限公司 一种播放设备检测方法及装置
CN110111156A (zh) * 2019-05-14 2019-08-09 重庆天蓬网络有限公司 一种客户流失预警方法、系统、介质和电子设备
CN110222975A (zh) * 2019-05-31 2019-09-10 北京奇艺世纪科技有限公司 一种流失用户分析方法、装置、电子设备及存储介质
CN110519327A (zh) * 2019-07-12 2019-11-29 平安普惠企业管理有限公司 用户活跃类型判断方法、装置、计算机设备及存储介质
CN110689381A (zh) * 2019-10-10 2020-01-14 中国联合网络通信集团有限公司 一种预警方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HOU BING-ZHANG等: "Customer Churn Prediction in Chinese Traditional Brodcasting Industry: A Positive Analysis", 《2017 INTERNATIONAL CONFERENCE ON MANAGEMENT SCIENCE AND ENGINEERING(ICMSE)》, pages 596 - 605 *
国亦家: "移动通信用户维系挽留策略研究与系统设计", no. 12, pages 155 - 122 *
李红静: "移动通信业客户流失行为预测技术", vol. 277, no. 18, pages 11 *
陈黎力: "基于数据挖掘的电信客户流失模型分析与设计", no. 1, pages 138 - 341 *

Also Published As

Publication number Publication date
CN113256044B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
US20210224832A1 (en) Method and apparatus for predicting customer purchase intention, electronic device and medium
CN108416375B (zh) 工单分类方法及装置
CN106097043A (zh) 一种信用数据的处理方法及服务器
CN113869801A (zh) 一种企业数字中台的成熟状态评估方法和装置
CN113298121B (zh) 基于多数据源建模的消息发送方法、装置和电子设备
CN113627566A (zh) 一种网络诈骗的预警方法、装置和计算机设备
CN112817834B (zh) 数据表评估方法及装置
CN110659922B (zh) 一种客户筛选方法、装置、服务器及计算机可读存储介质
US12033044B2 (en) Interactive and dynamic mapping engine (IDME)
CN113704008B (zh) 一种异常检测方法、问题诊断方法和相关产品
CN109993562B (zh) 一种满意度仿真方法、装置及终端设备
CN113256044B (zh) 一种策略的确定方法、装置及电子设备
CN116702072A (zh) 异常数据的确定方法、装置及存储介质
CN115600818A (zh) 多维评分方法、装置、电子设备和存储介质
CN114942975A (zh) 客服服务监控方法和装置
CN111818548B (zh) 一种数据的处理方法、装置及设备
CN113296951A (zh) 一种资源配置方案确定方法及设备
CN113260070B (zh) 一种负载调度方法、装置及电子设备
Fontana et al. Modelling Complexity with Unconventional Data: Foundational Issues in Computational Social Science
CN113327113A (zh) 一种客户策略的确定方法、装置及电子设备
CN111861055A (zh) 资源调度方法、装置与平台
CN116843203B (zh) 服务接入处理方法、装置、设备、介质及产品
CN117408720B (zh) 一种电销外呼被投诉标记预防方法、装置、设备及介质
US20240232778A1 (en) Intelligent Forecasting with Benchmarks
CN114493716A (zh) 一种业务预测的方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant