CN113543178A - 基于用户感知的业务优化方法、装置、设备及存储介质 - Google Patents
基于用户感知的业务优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113543178A CN113543178A CN202110854897.4A CN202110854897A CN113543178A CN 113543178 A CN113543178 A CN 113543178A CN 202110854897 A CN202110854897 A CN 202110854897A CN 113543178 A CN113543178 A CN 113543178A
- Authority
- CN
- China
- Prior art keywords
- perception
- user
- service
- data
- network
- 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
Links
- 230000008447 perception Effects 0.000 title claims abstract description 252
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000006872 improvement Effects 0.000 claims abstract description 11
- 238000011835 investigation Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 2
- 238000007637 random forest analysis Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012098 association analyses Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
Abstract
本发明实施例公开了一种基于用户感知的业务优化方法、装置、设备及存储介质。基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；基于业务感知确定感知变差趋势以生成业务预警；基于用户感知结果结合用户数据和业务数据进行满意度评估得到用户满意度，以根据用户满意度生成业务改进建议；基于用户满意度通过预设的离网预测模型确定离网预测结果，根据离网预测结果生成主动服务业务。本发明实施例将数据分析结果最终服务于业务，以实现从业务评价回归业务服务，而非传统的以网络质量作为标准进行网络优化。这样可以实现网优人员的优化工作专注于用户本身，更大效率提高用户的满意度。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种基于用户感知的业务优化方法、装置、设备和存储介质。
背景技术
随着通信技术的发展，移动网络负担加大，但是用户已经趋于饱和，因此如何留住用户并吸引其他用户成为网络运营商的重点需求。而传统的关于用户驻网的大数据分析研究重点在网络指标，但是用户的真实感知不仅仅与网络指标存在关联性，网络指标更贴合网络，而业务更贴合用户，现有优化方法主要包括4G网络无线侧、4G网络内容侧两个维度的优化，其中4G网络无线侧主要关注组成网络的的小区(蜂窝网)的覆盖、容量、质量、性能、故障，4G网络内容侧主要关注内容源的资源分布、质差指标、质差分布、质差域名、质差IP，并且随着5G技术的推出，关于4G网络的优化局限性进一步体现，由此需要一种关注点更贴近用户的感知评价体系，以实现从业务贴合用户，支持更丰富的业务应用，助力用户驻网满意度提高。
发明内容
有鉴于此，本发明提供了一种基于用户感知的业务优化方法、装置、设备及存储介质，以进行跨域数据关联分析，将分析结果服务于业务，从更贴合用户的角度提升用户驻网满意度。
第一方面，本发明提供了一种基于用户感知的业务优化方法，该方法包括：
基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
基于所述业务感知确定感知变差趋势以生成业务预警；
基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
可选的，在一些实施例中，基于获取的网络数据、用户数据和业务数据进行用户感知评估，包括：
基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知；
基于大数据平台获取的用户数据和业务数据进行VoLTE业务用户感知建模得到语音业务感知，所述业务感知包括所述数据业务感知和所述语音业务感知。
可选的，在一些实施例中，所述基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知包括：
根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别聊天业务，基于聊天业务进行第一指标考察得到第一感知结果；
识别基于HTTP协议的下载类型业务，进行第二指标考察得到第二感知结果；
识别基于HTTP业务的浏览业务，进行第三指标考察得到第三感知结果；
识别基于ods层的Video DPI数据表，进行第四指标考察得到第四感知结果；
根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别游戏业务，基于游戏业务进行第五指标考察得到第五感知结果。
可选的，在一些实施例中，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知包括：
基于网络数据确定带有位置信息并回填了IMSI的MR数据；
基于MR数据进行用户栅格网络覆盖感知和用户常驻地感知以统计预设指标生成网络覆盖感知。
可选的，在一些实施例中，基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，包括：
根据所述用户数据和业务数据进行B域数据建模，确定用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息；
将所述用户感知结果、用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息输入满意度评估模型得到用户满意度。
第二方面，本发明提供了一种基于用户感知的业务优化装置，包括：
感知评估模块，用于基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
预警模块，用于基于所述业务感知确定感知变差趋势以生成业务预警；
满意度评估模块，用于基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
离网预测模块，用于基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的基于用户感知的业务优化方法。
第四方面，本发明提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现前述的基于用户感知的业务优化方法。
本发明提供的基于用户感知的业务优化方法，基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到了包括业务感知和网络覆盖感知的用户感知结果，根据业务感知确定感知变差趋势以生成业务预警，同时基于用户感知结果结合用户数据和业务数据进行满意度评估得到用户满意度，以根据用户满意度生成业务改进建议；基于用户满意度通过预设的离网预测模型确定离网预测结果，根据离网预测结果生成主动服务业务，该方法能够集合用户O域和B域的数据，进行跨域数据关联分析，并且将数据分析结果最终服务于业务，以实现从业务评价回归业务服务，能够以用户切身的感知指标作为评判标准，得出用户满意度模型，从而推动网络的优化，而非传统的以网络质量作为标准进行网络优化。这样可以实现网优人员的优化工作专注于用户本身，更大效率提高用户的满意度。
附图说明
为了更清楚地说明本申请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的介绍，显而易见的，下面描述中的附图仅仅是本申请的部分实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的一种基于用户感知的业务优化方法的流程图；
图2是本发明实施例一提供的基于用户感知的业务优化方法的子流程图；
图3是本发明实施例二提供的基于用户感知的业务优化方法的流程图；
图4是本发明实施例二提供的基于用户感知的业务优化方法的子流程图；
图5是本发明实施例三提供的一种基于用户感知的业务优化装置的结构示意图；
图6是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施中的技术方案进行清楚、完整的描述。可以理解的是，此处所描述的具体实施例仅仅是本申请一部分实施例，而不是全部的实施例，仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，基于本申请中的实施例，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，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一用例称为第二用例，且类似地，可将第二用例称为第一用例。第一用例和第二用例两者都是用例，但其不是同一用例。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个特征的组合。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。需要说明的是，当一个部被称为“固定于”另一个部，它可以直接在另一个部上也可以存在居中的部。当一个部被认为是“连接”到另一个部，它可以是直接连接到另一个部或者可能同时存在居中部。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述，只是为了说明的目的，并不表示是唯一的实施方式。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
参见图1，本实施例提供了一种基于用户感知的业务优化方法，可以应用于运营商提供的通信服务系统，该系统包括终端和服务器，其中终端与服务器通过网络进行通信，终端可以但不限于是各种智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。基于上述系统，基于用户感知的业务优化方法可以由终端或服务器执行，也可以通过终端与服务器的交互实现，本实施例以服务器为例进行说明。如图1所示，该方法具体包括：
S110、基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果。
本实施例中用户感知评估涉及到运营商提供网络服务的组网架构，该架构主要包括集团前置机和无线大数据平台，集团前置机上接入的数据包括MR/DPI和工参数据，大数据平台接入的数据类型更多，包括了用户B域(business support system的数据域，业务域)的相关数据。其中前置机接入的MR/DPI和工参数据属于网络数据(O域，运营域)，大数据平台接入的用户B域的相关数据包括用户数据和业务数据。在进行用户感知评估时，为了划分精度，提出了时间粒度，时间粒度表示用户感知结果所基于的数据的时间长度，通常采用15分钟，更细的时间粒度有助于更精确的评估用户的感受。并且，不同的用户在不同的时间、不同的地点其感知的敏感度也是不同的，因此在进行用户感知评估时，需要根据时间、地点进行敏感度调节。此外，本实施例中，用户感知评估是基于网络侧和业务侧分开进行的，对于网络侧，感知评估得到的是网络覆盖感知，用于描述用户对于网络质量的感受，对于业务侧，感知评估得到的是业务感知，用于描述用户针对不同业务服务的使用感受，而业务感知跟用户类型(身份)也有关系，因此在进行业务侧感知时，需要基于用户画像调节敏感度，而用户画像可以根据用户针对业务进行投诉的历史信息进行画像得到。
S120、基于所述业务感知确定感知变差趋势以生成业务预警。
业务感知体验了用户对各种业务服务的使用感受，当业务感知差时，用户即很有可能不再订购相应的业务服务，因此需要及时发现业务感知差，具体的，业务感知差是一个较为主观的定义，为了给出更为客观直接的判断，具体的，本实施例中设置了用于确定是否出现业务感知差的具体判断标准：
用户一次业务(至少包括DPI和/或VoLTE)的话单只有两种结果：合格和差，业务感知差的话单取决于该业务的特点和指标结果：
以15分钟为时间粒度进行说明，15分钟内对用户同类业务话单进行评分，以感受差话单占比为基础，同时判断影响用户感受的极端情况(比如VoLTE业务连续掉话情况)进行加权，得到该用户15分钟内的该业务感知得分情况。
15分钟内的业务感知得分再根据用户画像、时段、场景进行加权调整。
15分钟内的业务感知得分为各个业务的得分之和。
假设有n中不同业务，RecordCountA为A业务在15分钟的记录数，WeightA为A业务的权重，则A业务在15分钟内的总分为：
15分钟内A业务的得分：
其中，UnqualifiedRecordCountA为A业务15分钟内的感受差话单，pointslosepattern为符合某种模式下的额外扣分，pointslosepattern∈[0,1]；Wprofile为根据用户画像、时段、场景进行扣分加权调整，Wprofile∈[0,1]。
则15分钟内用户的业务感知得分为：
将业务感知得分与预设的门限值比较，若业务感知得分小于门限值，则说明用户业务感知差，而根据用户的业务感知得分变化趋势可以发现用户业务的感知变差趋势，当判断用户的业务感知明显变差时，需要及时进行预警以提醒相关人员用户具有业务改变风险，具体的，生成业务预警的判断标准通常设置为出现感知变差趋势，可选的，在一些替代实施例中也可以设置为业务感知得分低于预警分，此时能够生成业务预警，业务预警中包括用户身份识别信息、预警业务以及风险等级等。
S130、基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议。
用户满意度是基于用户的业务使用感知、用户的基本属性、用户对运营商服务的感知以及用户的业务使用情况综合评估的，其评估基础为步骤S110中得到的用户感知结果，用户满意度取决于很多因素，此处只是举例说明本实施例中采用的评价维度，实时根据需求可以设置更多维度。
具体的，用户满意度所基于的多个维度中，用户的业务使用感知分析基础为步骤S110中的用户感知结果，用户的基本属性分析基础为B域的用户数据(主要包括用户性别、职业、年龄、在网时长、用户等级、类型等)，用户对运营商服务的感知的分析基础同样为来自B域的用户数据(主要包括电话客服服务感知、营业厅服务感知，短信服务感知、APP营业厅服务感知等，在一些实施例中还包括客户的投诉行为)，用户的业务使用情况分析基础为用户的话费消费情况。上述多维度的评价结果会按照一定的评价标准输入用户满意度模型，由用户满意度模型根据预设的评估方式得到满意度得分，可选地，在一些实施例中，用户满意度模型能够根据用户满意度调查反馈情况(满意度得分)，对这些用户的上述各部分数据(上述多个维度)进行建模，通过AI回归算法形成满意度评估模型。
S140、基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
本实施例中得到的用户满意度并不是终点，而是需要基于用户满意度实现对业务的预测服务，当用户对业务服务的满意度过低时往往会出现更换运营商的情况，因此需要及时发现用户的满意度与用户离网之间的关系，以提前提供针对的业务改善以预防用户离网。
本实施例提供了一种基于用户感知的业务优化方法，基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到了包括业务感知和网络覆盖感知的用户感知结果，根据业务感知确定感知变差趋势以生成业务预警，同时基于用户感知结果结合用户数据和业务数据进行满意度评估得到用户满意度，以根据用户满意度生成业务改进建议；基于用户满意度通过预设的离网预测模型确定离网预测结果，根据离网预测结果生成主动服务业务，该方法能够集合用户O域和B域的数据，进行跨域数据关联分析，并且将数据分析结果最终服务于业务，以实现从业务评价回归业务服务，能够以用户切身的感知指标作为评判标准，得出用户满意度模型，从而推动网络的优化，而非传统的以网络质量作为标准进行网络优化。这样可以实现网优人员的优化工作专注于用户本身，更大效率提高用户的满意度。
实施例二
实施例二提供了一种基于用户感知的业务优化方法，其可以在实施例一的基础上实现，对实施例一中的内容进行了进一步补充，具体包括：
如图2所示，步骤S110包括步骤S111-112：
S111、基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知。
S112、基于大数据平台获取的用户数据和业务数据进行VoLTE业务用户感知建模得到语音业务感知，所述业务感知包括所述数据业务感知和所述语音业务感知。
步骤S111-112是根据网络数据、用户数据和业务数据进行用户感知评估的具体过程，前置机上接入的5G数据为5G MR/DPI和5G工参数据，主要完成5G用户的DPI数据建模和基于MR数据的用户网络覆盖感知建模，大数据平台接入的数据类型更多，包括了用户B域的相关数据，因此5G用户的感知评分、投诉分析、用户综合满意度、离网预测等建模工作将在大数据平台上完成。
可选的，在一些实施例中，步骤S111实际是DPI业务感知见过，DPI业务数据建模基于回填了经纬度的ODS层DPI数据，建模维度如下：
用户栅格级15分钟，提供各类业务的合格/差话单次数的统计，用于投诉/携号转网/离网用户的感知差区域聚合或关联用户常驻地得到常驻地感知；
用户级15分钟，用于用户感知评分(根据得分门限判断)；
用户业务级15分钟，用于投诉/携号转网/离网用户的业务情况统计；
栅格业务级15分钟，业务合格/差话单数量；
天栅格级，整体评估每天各个栅格的感知(各个业务合格/差话单数量)，用于整网中感知差区域的聚合；
小区栅格级15分钟，用户重要场景的感知评估。
具体的如图3所示步骤S111包括步骤S1111-1115：
S1111、根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别聊天业务，基于聊天业务进行第一指标考察得到第一感知结果。
作为手机AAP上最重要最常用的用户沟通的方式，单独进行建模评估，根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别业务，重点考察的指标为：接通率、接通时延、卡顿频率和断线(是否正常结束)。
S1112、识别基于HTTP协议的下载类型业务，进行第二指标考察得到第二感知结果。
重点考察的指标为：消息发送成功率。
S1113、识别基于HTTP业务的浏览业务，进行第三指标考察得到第三感知结果。
包括HTTP下载类和HTTP浏览类，其中HTTP下载类的重点考察的指标为：下载是否成功、续传次数、下载内容大小、下载时长和下载速率；HTTP浏览类的重点考察的指标为：网页请求次数、请求异常次数、网页响应次数、网页显示成功次数、页面打开时延和网页首屏时延。
S1114、识别基于ods层的Video DPI数据表，进行第四指标考察得到第四感知结果。
重点考察的指标为：视频播放是否成功、视频播放等待时延、视频下载速率和视频卡顿频率。
S1115、根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别游戏业务，基于游戏业务进行第五指标考察得到第五感知结果。
重点考察的指标为：游戏交互时延。
可以理解的是，本实施例中数据业务感知包括第一感知结果、第二感知结果、第一感知结果、第一感知结果和第一感知结果，步骤S1111-1115中得到这五个感知结果的顺序部分先后。
可选的，在一些实施例中，如图4所示，步骤S112包括步骤S1121-1122：
S1121、基于网络数据确定带有位置信息并回填了IMSI的MR数据；
S1122、基于MR数据进行用户栅格网络覆盖感知和用户常驻地感知以统计预设指标生成网络覆盖感知。
以5G网络为例，基于5G带有位置信息并回填了IMSI的MR数据。建模维度如下：用户栅格级15分钟。用于用户级网络覆盖感知评分；用户栅格1小时。用于用户常驻地算法；用户常驻地天级模型。
用户栅格网络覆盖感知主要统计该用户在栅格中的如下指标：4G服务小区RSRP分段数据(均值、最值)、优良数；SS-RSRP分段数据(均值、最值)、优良数；SS-RSRQ分段数据(均值、最值)、优良数；SS-SINR分段数据(均值、最值)、优良数。
用户常驻地分析基于用户栅格小时级的数据进行汇聚生成，主要包括如下指标：用户信息、工作地栅格和居住地栅格。
更具体的，在一些实施例中，步骤S130具体包括步骤S131-132(图未示)：
S131、根据所述用户数据和业务数据进行B域数据建模，确定用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息。
用户基本信息用于关联用户各类信息输入表，对用户性别、职业、年龄、在网时长、用户类型、号码类型、套餐信息、亲情号或副卡数量、话费余额、是否为购机免费签约且签约剩余时长、5G plus会员、用户剩余积分。
用户业务使用情况用于对每个用户，根据B域相关数据生成如下信息：近三个月费用是否超套餐、参加话费补贴、参加优惠充值活动、参加预存话费优惠活动、进行积分换购、近三个月流量变化情况、电信自营业务的使用频度、停开机情况和套餐变更情况。
运营商服务感知用于统计电话客服感知(交互次数、各级菜单重复进入、整个处理时长太长、是否转人工、转人工等待时长、流程是否正常处理完成、费用咨询、投诉处理结果、转派次数和服务评分反馈)、营业厅服务感知(服务等待时长是否费用咨询、投诉、处理结果和服务评分反馈)、短信服务感知(点击链接参加活动的频次以及是否通过短信进行服务评分反馈)、掌上营业厅感知(登录频次、操作log分析以及投诉和建议情况)和用户投诉信息(用户进行是否存在投诉情况，投诉是否解决，是否多次投诉，投诉方式)。
S132、将所述用户感知结果、用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息输入满意度评估模型得到用户满意度。
离网预测模型为预先建立好的其建模过程包括步骤S210-230(图未示)：
S210、进行离网特征分析选择得到第一特征，以根据第一特征建立初始模型。
S220、获取用户离网输入，提取得到第二特征，根据AI聚类回归算法，得到各个特征的相关性。
S230、基于所述初始模型结合所述第二特征和相关性根据机器学习随机森林算法建立第一模型，通过训练对特征值进行调整调优，得到离网预测模型。
本实施例在前述实施例的基础上进一步对部分内容进行了解释，包括进行用户感知评估的过程以及进行满意度评估的过程。
实施例三
图4为本发明实施例三提供的一种基于用户感知的业务优化装置300的结构示意图，如图4所述，该装置300包括：
感知评估模块310，用于基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
预警模块320，用于基于所述业务感知确定感知变差趋势以生成业务预警；
满意度评估模块330，用于基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
离网预测模块340，用于基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
可选的，在一些实施例中，所述感知评估模块310包括：
第一感知评估单元，用于基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知；
第二感知评估单元，用于基于大数据平台获取的用户数据和业务数据进行VoLTE业务用户感知建模得到语音业务感知，所述业务感知包括所述数据业务感知和所述语音业务感知。
可选的，在一些实施例中，所述第一感知评估单元包括：
第一考察单元，用于根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别聊天业务，基于聊天业务进行第一指标考察得到第一感知结果；
第二考察单元，用于识别基于HTTP协议的下载类型业务，进行第二指标考察得到第二感知结果；
第三考察单元，用于识别基于HTTP业务的浏览业务，进行第三指标考察得到第三感知结果；
第四考察单元，用于识别基于ods层的Video DPI数据表，进行第四指标考察得到第四感知结果；
第五考察单元，用于根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别游戏业务，基于游戏业务进行第五指标考察得到第五感知结果。
可选的，在一些实施例中，所述第一感知评估单元还包括：
信息回填单元，用于基于网络数据确定带有位置信息并回填了IMSI的MR数据；
网络覆盖感知单元，用于基于MR数据进行用户栅格网络覆盖感知和用户常驻地感知以统计预设指标生成网络覆盖感知。
可选的，在一些实施例中，满意度评估模块330还包括：
数据建模单元，用于根据所述用户数据和业务数据进行B域数据建模，确定用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息；
满意度评估单元，用于将所述用户感知结果、用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息输入满意度评估模型得到用户满意度。
本实施例提供了一种基于用户感知的业务优化装置，将数据分析结果最终服务于业务，以实现从业务评价回归业务服务，而非传统的以网络质量作为标准进行网络优化。这样可以实现网优人员的优化工作专注于用户本身，更大效率提高用户的满意度。
实施例四
图5为本发明实施例四提供的一种计算机设备400的结构示意图，如图5所示，该设备包括存储器410、处理器420，设备中处理器420的数量可以是一个或多个，图5中以一个处理器420为例；设备中的存储器410、处理器420可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于用户感知的业务优化方法对应的程序指令/模块(例如，基于用户感知的业务优化装置中的感知评估模块310、预警模块320、满意度评估模块330和离网预测模块340)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的基于用户感知的业务优化方法。
其中，所述处理器420用于运行存储在存储器410中的计算机可执行程序，以实现如下步骤：步骤S110、获取包括位置信息和用户信息的4G测量数据以及包括用户信息的5G测量数据；步骤S120、根据速度阈值对所述包括位置信息和用户信息的4G测量数据过滤得到第一测量数据；步骤S130、将所述第一测量数据和所述包括用户信息的5G测量数据进行关联，以将所述位置信息回填至所述包括用户信息的5G测量数据得到第二测量数据；步骤S140、根据所述第二测量数据基于无线指标信息生成栅格指纹库；步骤S150、获取待定位5G测量数据，根据无线指标信息将所述待定位5G测量数据与所述栅格指纹库匹配以确定实际位置。
当然,本发明实施例所提供的一种计算机设备,该设备不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的基于用户感知的业务优化方法中的相关操作。
存储器410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装置、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器410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、或其他非易失性固态存储器件。在一些实例中，存储器410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种基于用户感知的业务优化方法，该基于用户感知的业务优化方法包括：
基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
基于所述业务感知确定感知变差趋势以生成业务预警；
基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
通过以上关于实施方式的描述，所述领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，设备，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述授权装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于用户感知的业务优化方法，其特征在于，包括：
基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
基于所述业务感知确定感知变差趋势以生成业务预警；
基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
2.根据权利要求1所述的基于用户感知的业务优化方法，其特征在于，基于获取的网络数据、用户数据和业务数据进行用户感知评估，包括：
基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知；
基于大数据平台获取的用户数据和业务数据进行VoLTE业务用户感知建模得到语音业务感知，所述业务感知包括所述数据业务感知和所述语音业务感知。
3.根据权利要求2所述的基于用户感知的业务优化方法，其特征在于，所述基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知包括：
根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别聊天业务，基于聊天业务进行第一指标考察得到第一感知结果；
识别基于HTTP协议的下载类型业务，进行第二指标考察得到第二感知结果；
识别基于HTTP业务的浏览业务，进行第三指标考察得到第三感知结果；
识别基于ods层的Video DPI数据表，进行第四指标考察得到第四感知结果；
根据HTTP和HTTPS两类DPI数据中的ServiceType字段识别游戏业务，基于游戏业务进行第五指标考察得到第五感知结果。
4.根据权利要求2所述的基于用户感知的业务优化方法，其特征在于，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知包括：
基于网络数据确定带有位置信息并回填了IMSI的MR数据；
基于MR数据进行用户栅格网络覆盖感知和用户常驻地感知以统计预设指标生成网络覆盖感知。
5.根据权利要求2所述的基于用户感知的业务优化方法，其特征在于，基于所述用户满意度通过预设的离网预测模型确定离网预测结果之前，还包括：
进行离网特征分析选择得到第一特征，以根据第一特征建立初始模型；
获取用户离网输入，提取得到第二特征，根据AI聚类回归算法，得到各个特征的相关性；
基于所述初始模型结合所述第二特征和相关性根据机器学习随机森林算法建立第一模型，通过训练对特征值进行调整调优，得到离网预测模型。
6.根据权利要求1所述的基于用户感知的业务优化方法，其特征在于，基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，包括：
根据所述用户数据和业务数据进行B域数据建模，确定用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息；
将所述用户感知结果、用户基本信息、用户业务使用情况、运营商服务感知和用户投诉信息输入满意度评估模型得到用户满意度。
7.一种基于用户感知的业务优化装置，其特征在于，包括：
感知评估模块，用于基于获取的网络数据、用户数据和业务数据进行用户感知评估，得到包括业务感知和网络覆盖感知的用户感知结果；
预警模块，用于基于所述业务感知确定感知变差趋势以生成业务预警；
满意度评估模块，用于基于所述用户感知结果结合所述用户数据和业务数据进行满意度评估得到用户满意度，以根据所述用户满意度生成业务改进建议；
离网预测模块，用于基于所述用户满意度通过预设的离网预测模型确定离网预测结果，根据所述离网预测结果生成主动服务业务。
8.根据权利要求7所述的基于用户感知的业务优化装置，其特征在于，所述知评估模块包括：
第一感知评估单元，用于基于前置机获取的网络数据进行DPI业务感知建模得到数据业务感知，基于前置机获取的网络数据进行用户网络覆盖感知建模得到网络覆盖感知；
第二感知评估单元，用于基于大数据平台获取的用户数据和业务数据进行VoLTE业务用户感知建模得到语音业务感知，所述业务感知包括所述数据业务感知和所述语音业务感知。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述的基于用户感知的业务优化方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时，实现如权利要求1-6任意一项所述的基于用户感知的业务优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854897.4A CN113543178B (zh) | 2021-07-28 | 2021-07-28 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854897.4A CN113543178B (zh) | 2021-07-28 | 2021-07-28 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113543178A true CN113543178A (zh) | 2021-10-22 |
| CN113543178B CN113543178B (zh) | 2024-04-09 |
Family
ID=78121157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110854897.4A Active CN113543178B (zh) | 2021-07-28 | 2021-07-28 | 基于用户感知的业务优化方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113543178B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113891384A (zh) * | 2021-10-28 | 2022-01-04 | 中国联合网络通信集团有限公司 | 网络质量匹配度的确定方法、装置、服务终端及介质 |
| CN114173318A (zh) * | 2021-12-09 | 2022-03-11 | 中国联合网络通信集团有限公司 | 待优化区域识别方法、装置及设备 |
| CN114257523A (zh) * | 2021-12-08 | 2022-03-29 | 中国联合网络通信集团有限公司 | 用户感知预测方法、系统、设备和计算机存储介质 |
| CN114375003A (zh) * | 2021-12-29 | 2022-04-19 | 中国电信股份有限公司 | 用于提升5g用户满意度的方法、装置、以及存储介质 |
| CN114422362A (zh) * | 2021-12-29 | 2022-04-29 | 中国电信股份有限公司 | 一种网络业务优化方法、装置及电子设备 |
| CN114625627A (zh) * | 2022-05-16 | 2022-06-14 | 南京争锋信息科技有限公司 | 一种基于大数据多维分析的用户智能感知方法 |
| CN114727320A (zh) * | 2022-04-15 | 2022-07-08 | 中国联合网络通信集团有限公司 | 网络的用户感知评测方法及其装置、电子设备和存储介质 |
| CN114866433A (zh) * | 2022-04-21 | 2022-08-05 | 中国移动通信集团陕西有限公司 | 用户业务感知评估方法、装置、设备及计算机存储介质 |
| CN114945191A (zh) * | 2022-06-15 | 2022-08-26 | 中国联合网络通信集团有限公司 | 5g移动业务的用户感知确定方法、装置及电子设备 |
| CN116680468A (zh) * | 2022-09-28 | 2023-09-01 | 荣耀终端有限公司 | 指纹库生成方法及电子设备 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104021433A (zh) * | 2014-06-18 | 2014-09-03 | 上海美琦浦悦通讯科技有限公司 | 数据信息通信网络中实现用户流失预测的系统及方法 |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN107018004A (zh) * | 2016-01-28 | 2017-08-04 | 中国移动通信集团福建有限公司 | 用户满意度管理系统及方法 |
| 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 |
| US10123223B1 (en) * | 2014-01-30 | 2018-11-06 | Sprint Communications Company L.P. | System and method for evaluating operational integrity of a radio access network |
| CN109345263A (zh) * | 2018-08-02 | 2019-02-15 | 北京天元创新科技有限公司 | 预测客户满意度的方法和系统 |
| CN109391513A (zh) * | 2018-10-11 | 2019-02-26 | 西安海润通信技术有限公司 | 一种基于大数据的网络感知智能预警与提升方法 |
| CN109741098A (zh) * | 2018-12-27 | 2019-05-10 | 中国联合网络通信集团有限公司 | 宽带离网预测方法、设备及存储介质 |
| US20190266622A1 (en) * | 2018-02-27 | 2019-08-29 | Thinkcx Technologies, Inc. | System and method for measuring and predicting user behavior indicating satisfaction and churn probability |
| CN110335058A (zh) * | 2019-04-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户满意度预测模型的样本生成方法及装置 |
| CN110545317A (zh) * | 2019-08-19 | 2019-12-06 | 武汉绿色网络信息服务有限责任公司 | 一种基于栅格感知助力区域划小服务的方法和装置 |
| CN112511324A (zh) * | 2019-09-16 | 2021-03-16 | 中国移动通信集团河北有限公司 | 基于大数据的用户满意度评估方法及装置 |
-
2021
- 2021-07-28 CN CN202110854897.4A patent/CN113543178B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10123223B1 (en) * | 2014-01-30 | 2018-11-06 | Sprint Communications Company L.P. | System and method for evaluating operational integrity of a radio access network |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN104021433A (zh) * | 2014-06-18 | 2014-09-03 | 上海美琦浦悦通讯科技有限公司 | 数据信息通信网络中实现用户流失预测的系统及方法 |
| CN107018004A (zh) * | 2016-01-28 | 2017-08-04 | 中国移动通信集团福建有限公司 | 用户满意度管理系统及方法 |
| 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 |
| US20190266622A1 (en) * | 2018-02-27 | 2019-08-29 | Thinkcx Technologies, Inc. | System and method for measuring and predicting user behavior indicating satisfaction and churn probability |
| CN109345263A (zh) * | 2018-08-02 | 2019-02-15 | 北京天元创新科技有限公司 | 预测客户满意度的方法和系统 |
| CN109391513A (zh) * | 2018-10-11 | 2019-02-26 | 西安海润通信技术有限公司 | 一种基于大数据的网络感知智能预警与提升方法 |
| CN109741098A (zh) * | 2018-12-27 | 2019-05-10 | 中国联合网络通信集团有限公司 | 宽带离网预测方法、设备及存储介质 |
| CN110335058A (zh) * | 2019-04-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户满意度预测模型的样本生成方法及装置 |
| CN110545317A (zh) * | 2019-08-19 | 2019-12-06 | 武汉绿色网络信息服务有限责任公司 | 一种基于栅格感知助力区域划小服务的方法和装置 |
| CN112511324A (zh) * | 2019-09-16 | 2021-03-16 | 中国移动通信集团河北有限公司 | 基于大数据的用户满意度评估方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 王娇;屈蕾;: "面向广电大数据的用户预测应用系统方案浅析", 中国有线电视, no. 07 * |
| 许乃利;: "基于大数据技术的电信客户流失预测模型研究及应用", 信息通信技术, no. 02 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113891384B (zh) * | 2021-10-28 | 2023-08-29 | 中国联合网络通信集团有限公司 | 网络质量匹配度的确定方法、装置、服务终端及介质 |
| CN113891384A (zh) * | 2021-10-28 | 2022-01-04 | 中国联合网络通信集团有限公司 | 网络质量匹配度的确定方法、装置、服务终端及介质 |
| CN114257523A (zh) * | 2021-12-08 | 2022-03-29 | 中国联合网络通信集团有限公司 | 用户感知预测方法、系统、设备和计算机存储介质 |
| CN114257523B (zh) * | 2021-12-08 | 2023-07-07 | 中国联合网络通信集团有限公司 | 用户感知预测方法、系统、设备和计算机存储介质 |
| CN114173318B (zh) * | 2021-12-09 | 2023-05-12 | 中国联合网络通信集团有限公司 | 待优化区域识别方法、装置及设备 |
| CN114173318A (zh) * | 2021-12-09 | 2022-03-11 | 中国联合网络通信集团有限公司 | 待优化区域识别方法、装置及设备 |
| CN114422362A (zh) * | 2021-12-29 | 2022-04-29 | 中国电信股份有限公司 | 一种网络业务优化方法、装置及电子设备 |
| CN114375003A (zh) * | 2021-12-29 | 2022-04-19 | 中国电信股份有限公司 | 用于提升5g用户满意度的方法、装置、以及存储介质 |
| CN114727320A (zh) * | 2022-04-15 | 2022-07-08 | 中国联合网络通信集团有限公司 | 网络的用户感知评测方法及其装置、电子设备和存储介质 |
| CN114866433A (zh) * | 2022-04-21 | 2022-08-05 | 中国移动通信集团陕西有限公司 | 用户业务感知评估方法、装置、设备及计算机存储介质 |
| CN114866433B (zh) * | 2022-04-21 | 2024-03-22 | 中国移动通信集团陕西有限公司 | 用户业务感知评估方法、装置、设备及计算机存储介质 |
| CN114625627B (zh) * | 2022-05-16 | 2022-07-22 | 南京争锋信息科技有限公司 | 一种基于大数据多维分析的用户智能感知方法 |
| CN114625627A (zh) * | 2022-05-16 | 2022-06-14 | 南京争锋信息科技有限公司 | 一种基于大数据多维分析的用户智能感知方法 |
| CN114945191A (zh) * | 2022-06-15 | 2022-08-26 | 中国联合网络通信集团有限公司 | 5g移动业务的用户感知确定方法、装置及电子设备 |
| CN116680468A (zh) * | 2022-09-28 | 2023-09-01 | 荣耀终端有限公司 | 指纹库生成方法及电子设备 |
| CN116680468B (zh) * | 2022-09-28 | 2024-03-22 | 荣耀终端有限公司 | 指纹库生成方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113543178B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113543178A (zh) | 基于用户感知的业务优化方法、装置、设备及存储介质 | |
| US10757264B2 (en) | Matching using agent/caller sensitivity to performance | |
| Dror et al. | Churn prediction in new users of Yahoo! answers | |
| CN102158879B (zh) | 要因失分的数据处理方法及设备 | |
| Phadke et al. | Prediction of subscriber churn using social network analysis | |
| CN107040863B (zh) | 实时业务推荐方法及系统 | |
| CN105933920B (zh) | 一种预测用户满意度的方法及装置 | |
| DE102012223496B4 (de) | Online- und verteiltes optimierungsrahmenwerk für die mobilfunkanalyse | |
| US10743249B2 (en) | Methods and apparatus for generating recommended changes to communication behaviors | |
| CN113412607B (zh) | 内容推送方法、装置、移动终端及存储介质 | |
| CN108764332A (zh) | 一种渠道质量分析方法、计算设备及存储介质 | |
| CN107230090B (zh) | 一种净推荐值nps分类方法及装置 | |
| CN102075366A (zh) | 通信网络中数据处理的方法及设备 | |
| CN106304041A (zh) | 骚扰电话监控方法及装置 | |
| CN109819098A (zh) | 菜单选项显示方法、服务器、系统及计算机可读存储介质 | |
| CN114119055A (zh) | 一种测评实现方法、装置和存储介质 | |
| CN109618281A (zh) | 一种高铁小区的识别方法及装置 | |
| US10439919B2 (en) | Real time event monitoring and analysis system | |
| CN112651790A (zh) | 基于快消行业用户触达的ocpx自适应学习方法和系统 | |
| CN111368858B (zh) | 用户满意度评估方法及装置 | |
| US9967364B2 (en) | Apparatus and method for predicting an amount of network infrastructure needed based on demographics | |
| CN113517990B (zh) | 一种网络净推荐值nps的预测方法及装置 | |
| CN114417884A (zh) | 一种用于信息技术咨询服务的智能展示装置及方法 | |
| CN113947260A (zh) | 用户满意度预测方法、装置及电子设备 | |
| CN112488743A (zh) | 一种满意度预测方法、网络设备及存储介质 |
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 |