CN113938344A - 家庭宽带业务家庭群组满意度确定方法及系统 - Google Patents
家庭宽带业务家庭群组满意度确定方法及系统 Download PDFInfo
- Publication number
- CN113938344A CN113938344A CN202010674258.5A CN202010674258A CN113938344A CN 113938344 A CN113938344 A CN 113938344A CN 202010674258 A CN202010674258 A CN 202010674258A CN 113938344 A CN113938344 A CN 113938344A
- Authority
- CN
- China
- Prior art keywords
- satisfaction
- family
- family group
- group
- broadband 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011835 investigation Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 9
- 238000005070 sampling Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000011273 social behavior Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006641 stabilisation Effects 0.000 description 4
- 238000011105 stabilization Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
- H04L12/2807—Exchanging configuration information on appliance services in a home automation network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/185—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast with management of multicast group membership
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种家庭宽带业务家庭群组满意度确定方法及系统，该方法包括：根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；采用满意度预测模型预测家庭群组中满意度未知成员的满意度，满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；确定家庭群组中各成员对家庭群组满足度的影响权重；根据家庭群组中各成员的满意度和影响权重，计算家庭群组对家庭宽带业务的整体满意度。本发明实施例中，考虑家庭群组中每一个成员的感受和影响，结合各成员对家庭群组满足度的影响权重，综合得到家庭群组对家庭宽带业务的整体满意度情况，可以识别出潜在的不满意家庭群组，进行关系维系和个性化服务。
Description
技术领域
本发明实施例涉及互联网技术业务支撑技术领域，尤其涉及一种家庭宽带业务家庭群组满意度确定方法及系统。
背景技术
随着科技的发展以及社会的进步，网络已经成为用户生活的一部分，网上教育、购物、娱乐、生活消费等，尤其是家庭宽带已经成为主要的用户上网需求承载网络，故用户对运营商宽带网络及服务的质量要求也越来越高。运营商为了保障家庭宽带业务网络性能及服务的良好感知，需要频繁的开展大规模的调研评测，以了解用户对家庭宽带业务的使用感受和意见，并根据用户的反馈，及时调整网络、营销和服务策略，保障服务质量和市场运营效果。
对于家庭宽带业务的网络及服务测评，当前现网主要是通过互联网调查的方式，通过一定规则抽样选取用户，将调查任务以短信方式下发给抽样样本用户，获取用户对家庭宽带业务的感受和反馈。
通信运营商推出了很多针对家庭群组的网络业务，比如家庭宽带、智慧组网等，这些业务中的用户既是独立个体又是家庭群组的一份子，不同于个人业务，家庭中的每个成员都是该业务的使用者，如果只是采样选取一个或者部分用户，并不能完全代表家庭群组对业务的态度，故这些业务需要考虑群组的整体感受和意见反馈，需对整个群体进行满意度评估，降低业务的退订、不续约风险。
然而，现网通用的调查方法主要是针对部分某些个人(一般都是家庭宽带报装预留手机号码人员)进行采样调查测评，没有把家庭作为一个整体去考虑，没有考虑家庭中所有使用者的意见和感受，也没有考虑家庭中的用户个体不同的诉求差异，因此很难真实的获取整个家庭群组对家庭宽带业务的感受和反馈；同时，当前调查一般都是采用抽样的模式，触达率和覆盖范围受到限制，而且是后评估方式，很难对潜在不满意家庭群组进行预测和识别，尤其是家庭宽带业务竞争很激烈的市场下，不满意的家庭很容易转网或者退订。
发明内容
本发明实施例提供一种家庭宽带业务家庭群组满意度确定方法及系统，用于解决现有的家庭宽带业务的用户满意度调研方法难以获取整个家庭群组对家庭宽带业务的感受和反馈，难以对潜在不满意家庭群组进行预测和识别的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种家庭宽带业务家庭群组满意度确定方法，包括：
根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
确定所述家庭群组中各成员对家庭群组满足度的影响权重；
根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述家庭宽带业务的整体满意度。
可选的，根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员包括：
将连接在同一网关或同一家庭宽带账号且连接时长满足家庭成员条件的用户识别为一个家庭群组的成员；或者
根据基站位置信息，获得用户的夜间位置稳定点；根据同一基站下各用户的夜间位置稳定点，计算同一基站下各用户的夜间位置相似度；对于夜间位置相似度大于或等于第一阈值的多个目标用户，计算所述多个目标用户间的通信强度；将通信强度大于或等于第二阈值的多个目标用户识别为一个家庭群组的成员。
可选的，所述夜间位置相似度的计算公式如下：
其中，L为所述夜间位置相似度，WA和JA为用户A的夜间位置稳定点的经纬度，WB和JB为用户B的夜间位置稳定点的经纬度，R为地球半径。
可选的，所述采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度之前还包括：
获取一历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据，所述历史数据包括以下至少一项：业务数据、运营数据和满意度调研数据；
对所述历史数据进行预处理；
根据预处理之后的数据，提取影响满意度的关键特征；
根据所述关键特征对初始模型进行训练，得到满意度预测模型。
可选的，采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度包括：
获取所述家庭群组中的满意度未知用户的数据；
对所述满意度未知用户的数据进行预处理；
根据关键特征，对预处理后的满意度未知用户的数据进行特征化格式处理；
将特征化后的数据输入所述满意度预测模型，得到所述满意度未知用户的满意度。
可选的，确定所述家庭群组中各成员对家庭群组满足度的影响权重包括：
获取所述家庭群组中成员的信息，所述信息包括以下至少一项：个数、年龄和性别；
根据所述信息，确定所述家庭群组的家庭结构和家庭角色；
根据所述家庭群组的家庭结构、家庭角色以及所述家庭群组中各成员的使用所述家庭宽带业务的数据，计算所述家庭群组中各成员的影响力值；
对所述影响力值进行归一化处理，得到所述家庭群组中各成员对家庭群组满足度的影响权重。
可选的，所述家庭群组中各成员对家庭群组满足度的影响权重的计算公式如下：
其中，Wi为所述家庭群组中的成员i对家庭群组满足度的影响权重，n为所述家庭群组中的成员的个数。
可选的，所述家庭群组对所述家庭宽带业务的整体满意度的计算公式如下：
其中，nps(Q)为家庭群组Q对所述家庭宽带业务的满意度，nps(k)为家庭群组Q中的成员k的满意度，wk为成员k对家庭群组Q满足度的影响权重。
可选的，计算所述家庭群组对所述家庭宽带业务的整体满意度之后，还包括：
根据所述家庭群组对所述家庭宽带业务的整体满意度，识别不满意家庭群组并记录。
第二方面，本发明实施例提供了一种家庭宽带业务家庭群组满意度确定系统，包括：
家庭群组识别模块，用于根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
家庭群组成员满意度预测模块，用于采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
家庭群组成员影响权重计算模块，用于确定所述家庭群组中各成员对家庭群组满足度的影响权重；
家庭群组整体满意度计算模块，用于根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述家庭宽带业务的整体满意度。
第三方面，本发明实施例提供了一种电子设备，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程序，所述程序被所述处理器执行时实现上述第一方面的家庭宽带业务家庭群组满意度确定方法的步骤。
第四方面，本发明实施例提供了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有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的家庭宽带业务家庭群组满意度确定方法的步骤。
本发明实施例中，通过识别使用家庭宽带业务的家庭群组，对家庭群组中各成员满意度进行计算，考虑家庭群组中每一个成员的感受和影响，并结合各成员对家庭群组满足度的影响权重，进而综合得到各个家庭群组对家庭宽带业务的整体满意度情况。无需进行大规模的抽样和邀约，可以做到全量家庭宽带用户覆盖，不仅很大程度拓展了样本的采集范围和覆盖，而且也大大提升了测评执行效率，减少了测评成本和代价，也减少了对用户的骚扰；同时，可以做到所有家庭宽带群组事先满意度预测，尤其是实现对不满意家庭群组的识别，可以提前通过个性化服务以及定制营销来进行客户关怀，可以提升整体服务质量和营销效果，避免客户流失。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例的家庭宽带业务家庭群组满意度确定方法的流程示意图；
图2为本发明实施例的识别属于同一家庭群组的各成员的方法示意图；
图3为本发明实施例的满意度预测模型训练和满意度未知成员的满意度的预测流程示意图；
图4为本发明一实施例的家庭宽带业务家庭群组满意度确定系统的结构示意图；
图5为本发明另一实施例的家庭宽带业务家庭群组满意度确定系统的结构示意图；
图6为本发明实施例的电子设备的结构示意图。
具体实施方式
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作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。
请参考图1，图1为本发明实施例的家庭宽带业务家庭群组满意度确定方法的流程示意图，该方法包括：
步骤11：根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
本发明实施例中，所述用户的数据可以是用户的多维数据，包括以下至少一项：基站位置数据、通信社交数据、通信消费数据、用户基本信息数据、网络性能数据、投诉数据和满意度调研数据等。
步骤12：采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
本发明实施例中，可选的，满意度未知成员包括没有参与家庭宽带业务满意度调研的用户。在有些实施例中，还可以包括：参与家庭宽带业务满意度调研超过预设的时间阈值的用户。
本发明实施例中，可选的，历史时段内参与家庭宽带业务满意度调研的多个用户可以是历史时段内所有参与家庭宽带业务满意度调研的用户。历史时段例如可以是当前时间之前的一年内等。
步骤13：确定所述家庭群组中各成员对家庭群组满足度的影响权重；
步骤14：根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述网络业务的整体满意度。
下面对上述各步骤进行详细说明。
(1)步骤11：根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员。
本发明实施例中，可以采用多种方法识别属于同一家庭群组的各成员，下面举例进行说明。
方法一：将连接在同一网关或同一家庭宽带账号且连接时长满足家庭成员条件的用户识别为一个家庭群组的成员。
可选的，请参考图2，获取家庭智能网关或家庭宽带的用户行为解析数据，根据该用户行为解析数据，获得连接在同一网关或同一家庭宽带账号的用户终端及手机号码(或设备ID)，将连接在同一网关或同一家庭宽带账号且连接时长满足家庭成员条件的用户识别为一个家庭群组的成员。
连接时长满足家庭成员条件是指长期稳定连接在同一网关或同一家庭宽带账号，长期稳定例如为在半年内大于3个月以上连接在同一网关或同一家庭宽带账号。
方法二：
1)根据基站位置信息，获得用户的夜间位置稳定点；
夜间位置稳定点是指用户在长期稳定的夜间位置，长期稳定例如为在半年内大于3个月以上的夜间位置。
所述夜间位置稳定点可以用经纬度表示。
2)根据同一基站下各用户的夜间位置稳定点，计算同一基站下各用户的夜间位置相似度；
本发明实施例中，可选的，所述夜间位置相似度的计算公式如下：
其中，L为所述夜间位置相似度，WA和JA为用户A的夜间位置稳定点的经纬度，WB和JB为用户B的夜间位置稳定点的经纬度，R为地球半径。
3)对于夜间位置相似度大于或等于第一阈值的多个目标用户，计算所述多个目标用户间的通信强度；
夜间位置相似度大于或等于第一阈值是指夜间位置稳点点距离较近的用户。
目标用户间的通信强度是指用户间的通信社交行为的频繁度。可选的，可以通过统计用户间的通信社交行为数据得到，通信社交行为数据包括以下至少一项：通话、短信和消息等。进一步可选的，还可以参考时间维度，计算目标用户间的通信强度，例如，工作日工作时段、通勤时段和/或周末时段的通信强度等。
4)将通信强度大于或等于第二阈值的多个目标用户识别为一个家庭群组的成员。
通信强度大于或等于第二阈值是指通信社交行为的频繁度较高。
即，本发明实施例中，将夜间位置距离较近、日常通信社交行为强度大的多个用户，识别为同一家庭群组的成员。
(2)步骤12：采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度。
在采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度之前，本发明实施例中，可以首先对满意度预测模型进行训练。
请参考图3，满意度预测模型进行训练过程包括：
1)获取一历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据，所述历史数据包括以下至少一项：业务数据、运营数据和满意度调研数据；
业务数据也可以称为B域数据，包括以下至少一项：用户基本信息、通信消费数据、业务订购数据、语音短信社交数据、用户投诉数据等。
运营数据也可以称为O域数据，包括以下至少一项：用户上网行为数据、网络性能数据、基站位置数据等。
2)对所述历史数据进行预处理；
所述预处理可以包括以下至少一项：过滤异常值和填补缺失值等。
3)根据预处理之后的数据，提取影响满意度的关键特征；
本发明实施例中，可以利用特征分析方法，对预处理之后的数据进行特征化格式处理及重要度分析，提取影响用户满意度的关键特征。具体方法可以包括：
31)满意用户与不满意用户对比分析：即对比两类用户在各特征上的统计值变化情况，找到两类用户的行为差异；
满意用户是指参与家庭宽带业务满意度调研的多个用户中的满意用户。
不满意用户是指参与家庭宽带业务满意度调研的多个用户中的不满意用户。
32)不同特征间的相关性分析：即分析各特征之间的相关系数，对相关度较高的特征进行过滤；
33)各特征重要度分析：即基于逻辑回归、决策树等模型，或者，基于lasso等特征选择方法，进行不满意用户关键特征挖掘，选定最终的关键特征。
4)根据所述关键特征对初始模型进行训练，得到满意度预测模型。
根据如上选定的关键特征，对预处理后的数据进行特征化格式处理，然后采用特征化的数据然后对初始模型(如机器学习回归模型或分类模型等)进行训练，具体可以包括：
41)划分训练集和验证集；
可选的，可以采用K-fold交叉验证等方法，将参与家庭宽带业务满意度调研的多个用户划分，得到训练集与验证集。
42)模型训练与验证：
将训练集数据输入初始模型进行训练，使用验证集数据进行模型验证。
43)模型调优：
评估模型效果，可选的，对于回归模型可采用MSE(Mean Squared Error，均方误差)指标，对于分类模型可采用准确率、召回率和/或AUC(Area Under Curve，ROC曲线下的面积)等指标，进行模型效果评估。根据评估结果调整模型，提升模型性能，最终获得满足需求的满意度预测模型。
本发明实施例中，可选的，采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度包括：
获取所述家庭群组中的满意度未知用户的数据；
对所述满意度未知用户的数据进行预处理；
根据关键特征，对预处理后的满意度未知用户的数据进行特征化格式处理；
将特征化后的数据输入所述满意度预测模型，得到所述满意度未知用户的满意度。
(3)步骤13：确定所述家庭群组中各成员对家庭群组满足度的影响权重。
本发明实施例中，可以采用以下方式确定家庭群组中各成员对家庭群组满足度的影响权重：
1)获取所述家庭群组中成员的信息，所述信息包括以下至少一项：个数、年龄和性别；
2)根据所述信息，确定所述家庭群组的家庭结构和家庭角色；
家庭结构包括家庭中各成员的关系(父子、母子、夫妻等)。家庭角色包括老人、成人、孩子等。
3)根据所述家庭群组的家庭结构、家庭角色以及所述家庭群组中各成员的使用家庭宽带业务的数据，计算所述家庭群组中各成员的影响力值；
本发明实施例中，可选的，家庭群组Q中成员i的影响力值ui可以采用如下公式计算：
ui＝f(s(Q),ti)
其中，ui为家庭群组Q中的成员i，s(Q)为家庭群组Q的家庭结构，ti为家庭群组Q中各个成员的家庭角色，f()为指定函数。可选的，f()为与家庭宽带业务使用数据关联的函数。
4)对所述影响力值进行归一化处理，得到所述家庭群组中各成员对家庭群组满足度的影响权重。
本发明实施例中，可选的，可以采用softmax函数对家庭群组中各成员的影响力值进行归一化处理。
可选的，所述家庭群组中各成员对家庭群组满足度的影响权重的计算公式如下：
其中，Wi为所述家庭群组中的成员i对家庭群组满足度的影响权重，n为所述家庭群组中的成员的个数。
(4)步骤14：根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述网络业务的整体满意度。
本发明实施例中，可选的，所述家庭群组对所述网络业务的整体满意度的计算公式如下：
其中，nps(Q)为家庭群组Q对所述网络业务的满意度，nps(k)为家庭群组Q中的成员k的满意度，wk为成员k对家庭群组Q满足度的影响权重。
本发明实施例中，可选的，计算所述家庭群组对所述网络业务的整体满意度之后，还包括：根据所述家庭群组对所述网络业务的整体满意度，识别不满意家庭群组并记录。
本发明实施例中，通过识别使用家庭宽带业务的家庭群组，对家庭群组中各成员满意度进行计算，考虑家庭群组中每一个成员的感受和影响，并结合各成员对家庭群组满足度的影响权重，进而综合得到各个家庭群组对家庭宽带业务的整体满意度情况。无需进行大规模的抽样和邀约，可以做到全量家庭宽带用户覆盖，不仅很大程度拓展了样本的采集范围和覆盖，而且也大大提升了测评执行效率，减少了测评成本和代价，也减少了对用户的骚扰；同时，可以做到所有家庭宽带群组事先满意度预测，尤其是实现对不满意家庭群组的识别，可以提前通过个性化服务以及定制营销来进行客户关怀，可以提升整体服务质量和营销效果，避免客户流失。
基于同一发明构思，请参考图4，本发明实施例还提供一种家庭宽带业务家庭群组满意度确定系统40，包括：
家庭群组识别模块41，用于根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
家庭群组成员满意度预测模块42，用于采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
家庭群组成员影响权重计算模块43，用于确定所述家庭群组中各成员对家庭群组满足度的影响权重；
家庭群组整体满意度计算模块44，用于根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述家庭宽带业务的整体满意度。
可选的，请参考图5，所述家庭宽带业务家庭群组满意度确定系统40还可以包括：
用户数据采用模块45，用于采集使用家庭宽带业务的用户的数据。
本发明实施例中，所述用户的数据可以是用户的多维数据，包括以下至少一项：基站位置数据、通信社交数据、通信消费数据、用户基本信息数据、网络性能数据、投诉数据和满意度调研数据等。
可选的，所述家庭群组识别模块41，用于将连接在同一网关或同一家庭宽带账号且连接时长满足家庭成员条件的用户识别为一个家庭群组的成员；或者
所述家庭群组识别模块41，用于根据基站位置信息，获得用户的夜间位置稳定点；根据同一基站下各用户的夜间位置稳定点，计算同一基站下各用户的夜间位置相似度；对于夜间位置相似度大于或等于第一阈值的多个目标用户，计算所述多个目标用户间的通信强度；将通信强度大于或等于第二阈值的多个目标用户识别为一个家庭群组的成员。
可选的，所述夜间位置相似度的计算公式如下：
其中，L为所述夜间位置相似度，WA和JA为用户A的夜间位置稳定点的经纬度，WB和JB为用户B的夜间位置稳定点的经纬度，R为地球半径。
可选的，所述家庭群组成员满意度预测模块42，用于获取一历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据，所述历史数据包括以下至少一项：业务数据、运营数据和满意度调研数据；对所述历史数据进行预处理；根据预处理之后的数据，提取影响满意度的关键特征；根据所述关键特征对初始模型进行训练，得到满意度预测模型。
可选的，家庭群组成员满意度预测模块42，用于获取所述家庭群组中的满意度未知用户的数据；对所述满意度未知用户的数据进行预处理；根据关键特征，对预处理后的满意度未知用户的数据进行特征化格式处理；将特征化后的数据输入所述满意度预测模型，得到所述满意度未知用户的满意度。
可选的，家庭群组成员影响权重计算模块43，用于获取所述家庭群组中成员的信息，所述信息包括以下至少一项：个数、年龄和性别；根据所述信息，确定所述家庭群组的家庭结构和家庭角色；根据所述家庭群组的家庭结构、家庭角色以及所述家庭群组中各成员的使用所述家庭宽带业务的数据，计算所述家庭群组中各成员的影响力值；对所述影响力值进行归一化处理，得到所述家庭群组中各成员对家庭群组满足度的影响权重。
可选的，所述家庭群组中各成员对家庭群组满足度的影响权重的计算公式如下：
其中，Wi为所述家庭群组中的成员i对家庭群组满足度的影响权重，n为所述家庭群组中的成员的个数。
可选的，所述家庭群组对所述家庭宽带业务的整体满意度的计算公式如下：
其中，nps(Q)为家庭群组Q对所述家庭宽带业务的满意度，nps(k)为家庭群组Q中的成员k的满意度，wk为成员k对家庭群组Q满足度的影响权重。
可选的，所述家庭宽带业务家庭群组满意度确定系统40还包括：
不满意家庭群组识别模块46，用于根据所述家庭群组对所述家庭宽带业务的整体满意度，识别不满意家庭群组并记录。
进一步的，所述不满意家庭群组识别模块46还可以用于通过个性化服务以及定制营销，对所述不满意家庭群组进行关系维护。
本发明实施例中，通过识别使用家庭宽带业务的家庭群组，对家庭群组中各成员满意度进行计算，考虑家庭群组中每一个成员的感受和影响，并结合各成员对家庭群组满足度的影响权重，进而综合得到各个家庭群组对家庭宽带业务的整体满意度情况。无需进行大规模的抽样和邀约，可以做到全量家庭宽带用户覆盖，不仅很大程度拓展了样本的采集范围和覆盖，而且也大大提升了测评执行效率，减少了测评成本和代价，也减少了对用户的骚扰；同时，可以做到所有家庭宽带群组事先满意度预测，尤其是实现对不满意家庭群组的识别，可以提前通过个性化服务以及定制营销来进行客户关怀，可以提升整体服务质量和营销效果，避免客户流失。
请参考图6，本发明实施例还提供一种电子设备60，包括处理器61，存储器62，存储在存储器62上并可在所述处理器61上运行的计算机程序，该计算机程序被处理器61执行时实现上述家庭宽带业务家庭群组满意度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。
本发明实施例还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家庭宽带业务家庭群组满意度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，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他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、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (12)
1.一种家庭宽带业务家庭群组满意度确定方法，其特征在于，包括：
根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
确定所述家庭群组中各成员对家庭群组满足度的影响权重；
根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述家庭宽带业务的整体满意度。
2.如权利要求1所述的方法，其特征在于，根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员包括：
将连接在同一网关或同一家庭宽带账号且连接时长满足家庭成员条件的用户识别为一个家庭群组的成员；或者
根据基站位置信息，获得用户的夜间位置稳定点；根据同一基站下各用户的夜间位置稳定点，计算同一基站下各用户的夜间位置相似度；对于夜间位置相似度大于或等于第一阈值的多个目标用户，计算所述多个目标用户间的通信强度；将通信强度大于或等于第二阈值的多个目标用户识别为一个家庭群组的成员。
3.如权利要求2所述的方法，其特征在于，所述夜间位置相似度的计算公式如下：
其中，L为所述夜间位置相似度，WA和JA为用户A的夜间位置稳定点的经纬度，WB和JB为用户B的夜间位置稳定点的经纬度，R为地球半径。
4.如权利要求1所述的方法，其特征在于，所述采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度之前还包括：
获取一历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据，所述历史数据包括以下至少一项：业务数据、运营数据和满意度调研数据；
对所述历史数据进行预处理；
根据预处理之后的数据，提取影响满意度的关键特征；
根据所述关键特征对初始模型进行训练，得到满意度预测模型。
5.如权利要求1所述的方法，其特征在于，采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度包括：
获取所述家庭群组中的满意度未知用户的数据；
对所述满意度未知用户的数据进行预处理；
根据关键特征，对预处理后的满意度未知用户的数据进行特征化格式处理；
将特征化后的数据输入所述满意度预测模型，得到所述满意度未知用户的满意度。
6.如权利要求1所述的方法，其特征在于，确定所述家庭群组中各成员对家庭群组满足度的影响权重包括：
获取所述家庭群组中成员的信息，所述信息包括以下至少一项：个数、年龄和性别；
根据所述信息，确定所述家庭群组的家庭结构和家庭角色；
根据所述家庭群组的家庭结构、家庭角色以及所述家庭群组中各成员的使用所述家庭宽带业务的数据，计算所述家庭群组中各成员的影响力值；
对所述影响力值进行归一化处理，得到所述家庭群组中各成员对家庭群组满足度的影响权重。
7.如权利要求6所述的方法，其特征在于，所述家庭群组中各成员对家庭群组满足度的影响权重的计算公式如下：
其中，Wi为所述家庭群组中的成员i对家庭群组满足度的影响权重，n为所述家庭群组中的成员的个数。
8.如权利要求1所述的方法，其特征在于，所述家庭群组对所述家庭宽带业务的整体满意度的计算公式如下：
其中，nps(Q)为家庭群组Q对所述家庭宽带业务的满意度，nps(k)为家庭群组Q中的成员k的满意度，wk为成员k对家庭群组Q满足度的影响权重。
9.如权利要求1所述的方法，其特征在于，计算所述家庭群组对所述家庭宽带业务的整体满意度之后，还包括：
根据所述家庭群组对所述家庭宽带业务的整体满意度，识别不满意家庭群组并记录。
10.一种家庭宽带业务家庭群组满意度确定系统，其特征在于，包括：
家庭群组识别模块，用于根据使用家庭宽带业务的用户的数据，识别属于同一家庭群组的各成员；
家庭群组成员满意度预测模块，用于采用满意度预测模型预测所述家庭群组中满意度未知成员的满意度，其中，所述满意度预测模型根据历史时段内参与家庭宽带业务满意度调研的多个用户的历史数据训练得到；
家庭群组成员影响权重计算模块，用于确定所述家庭群组中各成员对家庭群组满足度的影响权重；
家庭群组整体满意度计算模块，用于根据所述家庭群组中各成员的满意度和各成员对家庭群组满足度的影响权重，计算所述家庭群组对所述家庭宽带业务的整体满意度。
11.一种电子设备，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程序，所述程序被所述处理器执行时实现如权利要求1至9中任一项所述的家庭宽带业务家庭群组满意度确定方法的步骤。
12.一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有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的家庭宽带业务家庭群组满意度确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674258.5A CN113938344A (zh) | 2020-07-14 | 2020-07-14 | 家庭宽带业务家庭群组满意度确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674258.5A CN113938344A (zh) | 2020-07-14 | 2020-07-14 | 家庭宽带业务家庭群组满意度确定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113938344A true CN113938344A (zh) | 2022-01-14 |
Family
ID=79274055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010674258.5A Pending CN113938344A (zh) | 2020-07-14 | 2020-07-14 | 家庭宽带业务家庭群组满意度确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113938344A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115473827A (zh) * | 2022-08-16 | 2022-12-13 | 中国电信股份有限公司 | 宽带网络质量识别方法、装置、电子设备和介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140365313A1 (en) * | 2013-06-10 | 2014-12-11 | Opentable, Inc. | Providing personalized recommendations relating to group actions |
| CN104469430A (zh) * | 2014-12-24 | 2015-03-25 | 武汉泰迪智慧科技有限公司 | 基于上下文和群组组合的视频推荐方法及系统 |
| CN109993562A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 一种满意度仿真方法、装置及终端设备 |
| CN110337059A (zh) * | 2018-03-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络系统 |
| CN110825981A (zh) * | 2019-11-06 | 2020-02-21 | 合肥工业大学 | 一种基于证据理论的群推荐方法 |
-
2020
- 2020-07-14 CN CN202010674258.5A patent/CN113938344A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140365313A1 (en) * | 2013-06-10 | 2014-12-11 | Opentable, Inc. | Providing personalized recommendations relating to group actions |
| CN104469430A (zh) * | 2014-12-24 | 2015-03-25 | 武汉泰迪智慧科技有限公司 | 基于上下文和群组组合的视频推荐方法及系统 |
| CN109993562A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 一种满意度仿真方法、装置及终端设备 |
| CN110337059A (zh) * | 2018-03-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络系统 |
| CN110825981A (zh) * | 2019-11-06 | 2020-02-21 | 合肥工业大学 | 一种基于证据理论的群推荐方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115473827A (zh) * | 2022-08-16 | 2022-12-13 | 中国电信股份有限公司 | 宽带网络质量识别方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11659050B2 (en) | Discovering signature of electronic social networks | |
| KR101871747B1 (ko) | 유사성향 기반 사용자-관광상품 추천 방법 및 시스템 | |
| CN109615060B (zh) | Ctr预估方法、装置及计算机可读存储介质 | |
| US20170372351A1 (en) | Dynamic state-space modeling based on contextual and behavioral factors | |
| CN107071193B (zh) | 互动应答系统接入用户的方法和装置 | |
| CN109784959B (zh) | 一种目标用户预测方法、装置、后台服务器及存储介质 | |
| US20110218859A1 (en) | Method, Apparatus and System for Increasing Website Data Transfer Speed | |
| CN112380449B (zh) | 信息推荐方法、模型训练方法及相关装置 | |
| CN111695046B (zh) | 基于时空移动数据表征学习的用户画像推断方法及装置 | |
| CN112288554B (zh) | 商品推荐方法和装置、存储介质及电子装置 | |
| CN112149352A (zh) | 一种结合gbdt自动特征工程对营销活动点击的预测方法 | |
| CN112417294A (zh) | 一种基于神经网络挖掘模型的业务智能推荐方法 | |
| CN112214677B (zh) | 一种兴趣点推荐方法、装置、电子设备及存储介质 | |
| CN111695084A (zh) | 模型生成方法、信用评分生成方法、装置、设备及存储介质 | |
| CN113412607A (zh) | 内容推送方法、装置、移动终端及存储介质 | |
| CN115994226A (zh) | 基于联邦学习的聚类模型训练系统及方法 | |
| CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
| CN113938344A (zh) | 家庭宽带业务家庭群组满意度确定方法及系统 | |
| CN112784177B (zh) | 一种空间距离自适应的下一个兴趣点推荐方法 | |
| KR101028810B1 (ko) | 광고 대상 분석 장치 및 그 방법 | |
| CN112214675B (zh) | 用户购机的确定方法、装置、设备及计算机存储介质 | |
| CN114840659A (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
| CN112765493A (zh) | 一种用于兴趣点推荐的获取时间偏好融合序列偏好的方法 | |
| CN114186129B (zh) | 套餐推荐方法、装置、电子设备及计算机可读介质 | |
| Dawkins et al. | ‘What drives commuter behaviour?’: a Bayesian clustering approach for understanding opposing behaviours in social surveys |
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: 20220114 |