CN114375003A - 用于提升5g用户满意度的方法、装置、以及存储介质 - Google Patents

Abstract

本发明公开了用于提升5G用户满意度的方法、装置、以及存储介质。所述方法包括：获取5G用户的B域数据、M域数据、以及O域数据；将获取的B域数据和O域数据输入到预定的用于评价用户对网络质量的感知的评价模型，以得到评价的5G用户对网络质量的感知状况；对评价的感知状况进行分析以确定影响5G用户对网络质量的感知的因素；基于确定的因素采取对应的措施以提升5G用户对网络质量的感知；基于获取的B域数据、M域数据、以及O域数据对5G用户进行用户画像；将用户画像的结果输入到预定的用于预测用户的满意度的预测模型，以得到预测的5G用户的满意度水平；以及基于预测的满意度水平采取对应的措施以提升5G用户的满意度。

Description

用于提升5G用户满意度的方法、装置、以及存储介质

技术领域

本公开总体上涉及移动通信领域，并且具体地涉及用于提升5G用户满意度的方法、装置、以及存储介质。

背景技术

在5G时代，5G网络凭借超高清、低延时、高稳定性等特点给用户带来了全新的体验。然而，从目前对用户满意度的调研结果看到的是，5G用户满意度普遍低于4G用户。例如，在网络质量满意度(诸如语音通话和手机上网的表现值)上，5G用户低于4G用户。面对5G网络的复杂度、业务的类型、用户的类型以及数量的急剧增加，如何快速地确定影响5G用户满意度的原因、从而制定提升5G用户满意度的方案以最终实现5G用户满意度的改善是5G时代亟需解决的问题。

而且，现有的用户满意度提升方法也存在一些问题。例如，现有的一些用户满意度提升方法主要是基于4G语音和数据业务应用类型作为用户感知评价的依据，对于5G用户的一些新兴业务(例如，云VR、云游戏、高清视频、云消息等)缺少相应的分析。

又例如，对于4G网络和5G网络共存、5G网络对4G网络向下兼容等场景，现有的一些用户满意度提升方法没有分析4G网络质量感知对5G用户网络质量感知的影响。

还例如，现有的一些用户满意度提升方法在对用户满意度进行AI(AntifcialIntelligence)预测时侧重于O域数据，而没有融合其它数据(例如，B域数据、M域数据等)。

因此，希望能够提出比现有的用户满意度提升方案优异的5G用户满意度提升方案。

发明内容

本公开提供了用于提升5G用户满意度的方法、装置、以及存储介质。

根据本公开的一方面，提出了一种用于提升5G用户满意度的方法，所述方法包括：获取5G用户的B域数据、M域数据、以及O域数据；将获取的所述B域数据和O域数据输入到预定的用于评价用户对网络质量的感知的评价模型，以得到评价的5G用户对网络质量的感知状况；对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素；基于确定的所述因素采取对应的措施以提升5G用户对网络质量的感知；基于获取的所述B域数据、M域数据、以及O域数据对5G用户进行用户画像；将所述用户画像的结果输入到预定的用于预测用户的满意度的预测模型，以得到预测的5G用户的满意度水平；以及基于预测的所述满意度水平采取对应的措施以提升5G用户的满意度。

在一些实施例中，对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素包括：分析网络质量差的5G网络区域；以及分析网络感知质量差的5G用户。

在一些实施例中，对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素还包括：分析4G网络对5G用户的网络质量感知的影响。

在一些实施例中，分析4G网络对5G用户的网络质量感知的影响包括：分析5G用户的活动区域中的4G语音业务感知和数据业务感知；以及分析5G用户切换到4G网络之后的网络质量感知的落差。

在一些实施例中，基于确定的所述因素采取的措施包括对4G网络或5G网络进行网络优化。

在一些实施例中，所述用户画像是从机、卡、网、感、地、时、年、价的维度对5G用户进行用户画像。

在一些实施例中，所述预测模型是基于随机森林算法建立的。

在一些实施例中，预测的所述满意度水平通过分数来表征。

在一些实施例中，将所述用户画像的结果输入到所述预测模型以得到预测的5G用户的满意度水平包括：对所述用户画像的结果进行处理以得到预定的多个特征维度中的每一个特征维度的分数；基于所述多个特征维度的分数得到表征预测的5G用户的满意度水平的分数。

在一些实施例中，所述多个特征维度包括：语音质量、数据质量、欠费停机、达量限速、以及投诉申告。

在一些实施例中，基于预测的所述满意度水平采取的措施包括客户服务人员对满意度低的5G用户进行回访调查。

根据本公开的又一方面，提出了一种用于提升5G用户满意度的装置，所述装置包括用于实现本公开的用于提升5G用户满意度的方法的部件。

根据本公开的又一方面，提出了一种用于提升5G用户满意度的装置，所述装置包括：处理器；以及存储器，所述存储器存储能够由所述处理器执行的程序，所述程序在由所述处理器执行时实现本公开的用于提升5G用户满意度的方法。

根据本公开的又一方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储程序，所述程序在由处理器执行时实现本公开的用于提升5G用户满意度的方法。

以上给出了关于本公开的简要概述，以便提供关于本公开的一些方面的基本理解。但是，应当理解，这个概述不是关于本公开的穷举性概述。它不意图用于确定本公开的关键性部分或重要部分，也不意图用于限定本公开的范围。它的目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。

通过以下参考附图对本公开的各种实施例的详细描述，本公开的其它特征及其优点将变得更清楚。

附图说明

构成本说明书的一部分的附图示出了本公开的各种实施例，并且连同说明书一起用于解释本公开的原理。

图1示出了本公开的用于提升5G用户满意度的方法的基本流程。

图2示出了本公开的对5G用户进行用户画像的示例。

图3示出了本公开的用户满意度预测模型的示例。

图4示出了本公开的用于提升5G用户满意度的装置的示例。

具体实施方式

下面，将参考附图详细描述本公开的各种实施例。

需要说明的是，在以下的详细描述中，阐述了许多具体的细节以提供对描述的实施例的透彻理解。然而，对于本领域技术人员应当清楚的是，描述的实施例可以在没有这些具体的细节中的一些或全部的情况下进行实施。另外，在描述的实施例中，为了避免不必要地模糊本公开的概念，一些众所周知的内容没有详细地描述，在适当的情况下，这些内容应当视为说明书的一部分。

此外，本公开中呈现的方法的步骤是说明性的。在一些实施例中，这些方法可以具有本文中没有描述的一个或多个附加的步骤和/或省略本文中已描述的一个或多个步骤。而且，这些方法的步骤被图示和描述的顺序也不是限制性的。

本公开总体上提出了用于提升5G用户满意度的方案，该方案解决了现有的用户满意度提升方案中存在的一些问题。特别地，本公开提出的5G用户满意度提升方案是基于AI大数据技术的方案。

这里，需要说明的是，“用户满意度”的概念对于本领域技术人员是熟知的，本文中对其不再进行详细介绍。如本领域技术人员应当意识到的，用户满意度可以包括各种具体的满意度，例如，网络质量满意度、业务体验满意度、资费套餐满意度、服务质量满意度等。

下面，首先将描述本公开的用于提升5G用户满意度的方法。

图1示出了本公开的用于提升5G用户满意度的方法的基本流程。

如图1中所示，首先，在步骤S101中，获取5G用户的B域数据、M域数据、以及O域数据。

步骤S101中的B域数据、M域数据、以及O域数据对于本领域技术人员是熟知的。具体地，B域数据是指业务支撑系统(Business Support System，BSS)的数据(即，业务域数据)，其包括用户数据和业务数据等，例如用户的消费习惯、终端信息、ARPU的分组、业务内容，业务受众人群等。M域数据是指管理支撑系统(Management Support System，MSS)的数据，其包括位置数据等，例如人群流动轨迹、地图信息等。O域数据是指运营支撑系统(Operation Support System，OSS)的数据，其包括网络数据等，例如信令、告警、故障、网络资源等。

因此，步骤S101中的5G用户的B域数据、M域数据、以及O域数据可以从BSS、MSS、以及OSS获取。另外，本领域技术人员也应当意识到，步骤S101中获取的5G用户的B域数据、M域数据、以及O域数据可以是多维数据，即，与5G用户相关的多个维度的B域数据、M域数据、以及O域数据。

接着，在步骤S102中，将在步骤S101中获取的5G用户的B域数据和O域数据输入到预定的用于评价用户对网络质量的感知的评价模型(以下称为“网络质量感知评价模型”)，以得到评价的5G用户对网络质量的感知状况。

这里，需要说明的是，“网络质量感知”的概念对于本领域技术人员是熟知的，本文中对其不再进行详细介绍。

如以上提到的，步骤S102中的网络质量感知评价模型用于评价用户对网络质量的感知。而且，步骤S102中的网络质量感知评价模型是预定(即，预先确定)的，这意味着当将相应的数据(即，在步骤S101中获取的5G用户的B域数据和O域数据)输入到该模型时，即可得到相应的输出(即，评价的5G用户对网络质量的感知状况)。

步骤S102中的网络质量感知评价模型可以根据实际需要使用相应的方法建立。例如，可以基于网络的覆盖质量、无线性能质量、数据业务质量、语音业务质量建立用户级的网络质量感知评价模型，以评价每个用户对网络质量的感知。

在步骤S102中，由网络质量感知评价模型评价的5G用户对网络质量的感知状况可以以各种形式来表示，只需要这些形式能够反映5G用户对网络质量的感知状况即可。

接着，在步骤S103中，对网络质量感知评价模型的输出(即，评价的5G用户对网络质量的感知状况)进行分析以确定影响5G用户对网络质量的感知的因素。

在步骤S102中网络质量感知评价模型输出结果之后，在步骤S103中需要对输出的结果进行分析。具体地，在网络质量感知评价模型输出评价的5G用户对网络质量的感知状况之后，例如可以分析网络质量差的5G网络区域(即，哪些5G网络区域的网络质量差)、网络感知质量差的5G用户(即，哪些5G用户的网络感知质量差)。

特别地，在网络质量感知评价模型输出评价的5G用户对网络质量的感知状况之后，还可以分析4G网络对5G用户的网络质量感知的影响。

这对于4G网络和5G网络共存、5G网络对4G网络向下兼容等场景是十分有利的。这是因为，在前述场景中，5G用户有时实际上使用的网络是4G网络而不是5G网络，即，4G网络影响5G用户的网络质量感知。如前面所提到的，在现有的用户满意度提升方法中，没有分析4G网络对5G用户的网络质量感知的影响。与此相对照，在本公开中，通过分析4G网络对5G用户的网络质量感知的影响，可以全面、准确地确定影响5G用户对网络质量的感知的因素，继而找到对应的解决措施以提升用户的网络质量感知。

在分析4G网络对5G用户的网络质量感知的影响时，可以分析5G用户的活动区域中的4G语音业务(例如，VoLTE)感知和数据业务感知，还可以分析5G用户切换到4G网络之后的网络质量感知的落差。

本领域技术人员应当意识到，在步骤S103中，除了以上提到的分析网络质量差的5G网络区域、分析网络感知质量差的5G用户、以及分析4G网络对5G用户的网络质量感知的影响之外，根据需要，还可以进行其它各种分析。

在步骤S103中，对网络感知质量评价模型的输出进行分析，可以确定影响5G用户对网络质量的感知的因素(或原因)。

接着，在步骤S104中，基于在步骤S103中确定的影响5G用户对网络质量的感知的因素采取对应的措施以提升5G用户对网络质量的感知。

具体地，在确定影响5G用户对网络质量的感知的因素之后，可以对4G网络或5G网络进行优化。网络优化是改善网络质量、提升用户的网络质量感知的有效手段。因此，通过对4G网络或5G网络进行网络优化，5G用户对网络质量的感知可以得到提升。需要说明的是，网络优化对于本领域技术人员是熟知的，这里对其不再进行详细介绍。

以上提到的网络优化的措施可以视为由后端采取的措施。对于这种情况，尽管网络运营商采取了网络优化的措施，但是5G用户可能并不知晓网络运营商已经采取了该措施。在步骤S104中采取的措施也可以是由前端采取的措施。例如，在步骤S103中分析网络感知质量差的5G用户之后，网络运营商的客户服务人员可以对这些5G用户进行回访调查。

本领域技术人员应当意识到，在步骤S104中，除了以上提到的对4G网络或5G网络进行网络优化、对网络感知质量差的5G用户进行回访调查之外，根据需要，还可以采取其它各种措施以提升5G用户对网络质量的感知。

以上已对图1中的步骤S101-S104进行了详细描述。总体上，在这些步骤中，通过获取5G用户的B域数据和Q域数据并且借助于网络质量评价模型可以评价5G用户的网络质量感知状况，接着通过对网络质量评价模型的评价结果进行分析可以确定影响5G用户的网络质量感知的原因并且采取对应的措施，这可以实现5G用户的网络质量感知问题的主动发现、主动处置，从而极大地提升5G用户的网络质量感知。

特别地，如以上提到的，在步骤S103中，可以分析4G网络对5G用户的网络质量感知的影响，即，可以实现4G/5G感知的协同或关联分析。这可以全面、准确地确定影响5G用户对网络质量的感知的因素，继而通过采取对应的措施以提升用户的网络质量感知。

下面，将继续介绍图1中的步骤S105-S107。

在步骤S105中，基于在步骤S101中获取的5G用户的B域数据、M域数据、以及O域数据对5G用户进行用户画像。

用户画像(User Profile)是一种大数据技术，它可以抽象出一个用户的信息全貌，以精准、快速地分析用户的社会属性、生活习惯、消费行为等信息。需要说明的是，用户画像对于本领域技术人员是熟知的，这里对其不再进行详细介绍。

在步骤S101中获取5G用户的B域数据、M域数据、以及O域数据之后，在步骤S105中，基于获取的这些数据可以对每个5G用户建立用户画像。

在步骤S105中，可以从多个维度对5G用户进行用户画像。例如，这些维度可以包括机、卡、网、感、地、时、年、价。需要说明的是，这里提到的机、卡、网、感、地、时、年、价是本领域技术人员熟知的维度。而且，本领域技术人员应当意识到，除了机、卡、网、感、地、时、年、价这些维度之外，还可以从其它维度对5G用户进行用户画像。

图2示出了图1的步骤S105中对5G用户进行用户画像的示例。

如图2中所示，用户画像处理以5G用户的B域数据、M域数据、以及O域数据作为输入，其输出是5G用户的八个维度的数据。具体地，这八个维度的数据是：手机终端类型、型号；SIM卡类型、套餐类型；4G和5G网络使用情况；用户投诉、异常事件；地理栅格、常驻地点；业务时长、高峰时段；入网年龄、用户年龄；MOU(Minutes Of Usage)/DOU(Discharge OfUsage)、ARPU(Average Revenue Per User)。

图2中的这些维度分别与以上提到的机、卡、网、感、地、时、年、价对应。具体地，“手机终端类型、型号”对应于维度“机”，“SIM卡类型、套餐类型”对应于维度“卡”，“4G和5G网络使用情况”对应于维度“网”，“用户投诉、异常事件”对应于维度“感”，“地理栅格、常驻地点”对应于维度“地”，“业务时长、高峰时段”对应于维度“时”，“入网年龄、用户年龄”对应于维度“年”，“MOU/DOU、ARPU”对应于维度“价”。

需要说明的是，图2中示出的仅是机、卡、网、感、地、时、年、价这些维度的示例，本领域技术人员应当意识到，维度“机”可以包括或者对应于除了手机终端类型、型号之外的其它数据，对于维度“卡”、“网”、“感”、“地”、“时”、“年”、“价”也是如此。

从以上可以看出，在步骤S105中对5G用户的用户画像融合了多个域数据(即，B域数据、M域数据、以及O域数据)，这可以对5G用户进行精确的用户画像，从而对5G用户的分析更加准确。特别地，通过融合B域数据、M域数据、以及O域数据，这可以关联5G用户的新兴业务(例如，云VR、云游戏、高清视频、云消息等)对5G用户进行用户画像。与此相对照，如前面所提到的，在现有的用户满意度提升方法中，对5G用户的新兴业务缺少分析和用户画像。

接着，在步骤S106中，将在步骤S105中对5G用户进行用户画像的结果输入到预定的用于预测用户的满意度的预测模型(以下称为“满意度预测模型”)，以得到预测的5G用户的满意度水平。

步骤S106中的满意度预测模型用于预测用户的满意度。而且，步骤S106中的满意度预测模型是预定(预先确定)的，这意味着当将相应的数据(即，在步骤S101中获取的5G用户的B域数据、M域数据、以及O域数据)输入到该模型时，即可得到相应的输出(即，预测的5G用户的满意度水平)。

步骤S106中的满意度预测模型可以基于大数据随机森林算法建立。具体地，通过随机森林算法，采用Bootstrap方法对样本形成决策树的训练集以进行训练，从而生成满意度预测模型，该生成的满意度预测模型用于对待预测的用户进行满意度预测。需要说明的是，这里提到的随机森林算法、以及Bootstrap方法等对于本领域技术人员是熟知的，因此这里对其不再进行详细介绍。

在步骤S106中，由满意度预测模型预测的5G用户的满意度水平可以以各种形式来表示，只需要这些形式能够反映5G用户的满意度状况即可。

例如，预测的5G用户的满意度水平可以通过分数来表征，其中，不同的分数代表不同的满意度水平。具体地，例如，可以使用1-5分来表示5个等级的满意度，其中，5分可以代表满意度为优异，4分可以代表满意度为良好，3分可以代表满意度为中等，2分可以代表满意度为差，1分可以代表满意度为极差。

图3示出了图1的步骤S106中的满意度预测模型的示例。

如图3中所示，首先，作为用户画像的结果的各种数据被输入到满意度预测模型中，这些数据可以被处理以得到预定的多个特征维度中的每一个特征维度的分数；接着，基于多个特征维度的分数可以得到最终的分数，该最终的分数表征预测的5G用户的满意度水平。

具体地，在图3中，通过步骤S105中对5G用户进行用户画像所得到的网络覆盖数据、语音业务感知数据、数据业务感知数据、投诉数据、套餐数据、欠费数据、以及达量限速数据被输入到满意度预测模型中，输入的这些数据被处理以得到五个特征维度(即，语音质量、数据质量、欠费停机、达量限速、以及投诉申告)的分数。在得到以上五个特征维度的分数之后，基于这五个特征维度的分数得到最终的分数以表征5G用户的满意度水平。

需要说明的是，图3中示出的仅是满意度预测模型的示例，本领域技术人员应当意识到，用户画像的结果不限于图3中示出的网络覆盖数据、语音业务感知数据、……、达量限速数据，而且特征维度分数也不限于图3中示出的语音质量分数、数据质量分数、……、投诉申告分数。

从以上可以看出，在步骤S106中，对于5G用户画像的结果，借助于基于大数据随机森林算法的预测模型，可以准确地预测5G用户的满意度，从而对5G用户满意度的提升起到积极作用。

接着，在步骤S107中，基于在步骤S106中预测的5G用户的满意度水平采取对应的措施以提升5G用户的满意度。

具体地，例如，在预测5G用户的满意度之后，可以知晓满意度低的5G用户，此时网络运营商的客户服务人员可以对这些满意度低的5G用户进行回访调查。这里提到的对5G用户进行回访调查可以视为由前端采取的措施。这样的措施是提升5G用户满意度的有效手段。

本领域技术人员应当意识到，在步骤S107中，除了以上提到的对5G用户进行回访调查之外，根据需要，还可以采取其它各种措施以提升5G用户的满意度。

以上已对图1中的步骤S105-S107进行了详细描述。总体上，在这些步骤中，通过获取5G用户的B域数据、M域数据、以及O域数据并且基于获取的这些数据对5G用户进行大数据用户画像可以获得5G用户的精确画像，接着通过对于5G用户画像的结果借助于满意度预测模型可以预测5G用户的满意度状况并且采取对应的措施，这可以极大地提升5G用户的满意度。

特别地，如以上提到的，在步骤S105中，通过融合多个域数据对5G用户进行大数据用户画像，这可以对5G用户进行精确的用户画像，而且可以关联5G用户的新兴业务(例如，云VR、云游戏、高清视频、云消息等)对5G用户进行用户画像。另外，在步骤S106中，借助于基于大数据随机森林算法的预测模型，可以准确地预测5G用户的满意度，从而对5G用户满意度的提升起到积极作用。

以上已参考图1-图3描述了本公开的用于提升5G用户满意度的方法。需要说明的是，图1-图3中所示出的内容是示例性的、而非限制性的。例如，本领域技术人员应当意识到，在一些实施例中，本公开的用于提升5G用户满意度的方法可以以图1中所呈现的步骤S101-S107不同的步骤(例如，步骤的数量、次序等与图1不同)执行。

从以上的描述可以看到，本公开的5G用户满意度提升方案相对于现有的用户满意度提升方案是一种全新的方案，其至少具有以下特点：(1)融合B域、M域、以及O域数据作为用户画像、感知评价、以及满意度预测的数据基础；(2)使用用户画像、基于随机森林算法的满意度预测等AI大数据技术；(3)进行4G/5G感知的协同或关联分析；以及(4)前端和后端联合采取措施以提升用户的满意度等。以上的这些特点解决了现有的用户满意度提升方案所存在的一些问题，使得能够极大地提升5G用户的满意度。

在描述了本公开的用于提升5G用户满意度的方法之后，下面将简要介绍本公开的用于提升5G用户满意度的装置。图4示出了本公开的用于提升5G用户满意度的装置的示例。

如图4中所示，用于提升5G用户满意度的装置400包括第一部件401、第二部件402、第三部件403、第四部件404、第五部件405、第六部件406、以及第七部件407。

其中，第一部件401被配置为获取5G用户的B域数据、M域数据、以及O域数据。

第二部件402被配置为将获取的所述B域数据和O域数据输入到预定的用于评价用户对网络质量的感知的评价模型，以得到评价的5G用户对网络质量的感知状况。

第三部件403被配置为对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素。

第四部件404被配置为基于确定的所述因素采取对应的措施以提升5G用户对网络质量的感知。

第五部件405被配置为基于获取的所述B域数据、M域数据、以及O域数据对5G用户进行用户画像。

第六部件406被配置为将所述用户画像的结果输入到预定的用于预测用户的满意度的预测模型，以得到预测的5G用户的满意度水平。

第七部件407被配置为基于预测的所述满意度水平采取对应的措施以提升5G用户的满意度。

这里需要说明的是，以上描述了第一部件401、第二部件402、第三部件403、第四部件404、第五部件405、第六部件406、以及第七部件407分别执行图1中所示的步骤S101、S102、S103、S104、S105、S106、以及S107的处理。然而，这仅仅是一个示例。本领域技术人员应当意识到，图1中所示的步骤S101、S102、S103、S104、S105、S106、以及S107的处理可以通过数量更多或者更少的部件来执行，而不局限于图4中的所示的这些部件。

而且，从以上的描述可知，本公开的用于提升5G用户满意度的方法除了包括图1中所示的步骤S101、S102、S103、S104、S105、S106、以及S107的处理之外，还可以包括诸多其它的处理。因此，图4中的装置400中的第一部件401、第二部件402、第三部件403、第四部件404、第五部件405、第六部件406、以及第七部件407还可以用于执行这些其它的处理，或者装置400还可以包括附加的部件来执行这些其它的处理。这对于本领域技术人员来讲是可以意识到的，因此这里不再进行详细介绍。

本公开还可以通过计算机程序来实现。例如，该程序可以存储在用于提升5G用户满意度的装置(例如，计算机装置)的存储器中，其在由装置的处理器执行时实现本公开的用于提升5G用户满意度的方法。或者，该程序可以存储在计算机可读存储介质中，其在由处理器执行时实现本公开的用于提升5G用户满意度的方法。

计算机可读存储介质可以是例如但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备、或前述各项的任何适当组合。计算机可读存储介质的更具体的实例可以包括：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备、或前述各项的任何适当组合。

本说明书的附图中的流程图和框图示出了根据本公开的各个实施例的装置、方法等的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表模块、段或指令的一部分，该模块、段或指令的一部分包括用于实现规定的一个或多个逻辑功能的一个或多个可执行指令。在一些替代的实现中，方框中标注的处理也可以以不同于附图中标注的顺序发生。例如，取决于涉及的功能，两个连续的方框实际上可以基本并行地执行，或者这些方框有时也可以按相反的顺序执行。本领域技术人员可以根据需要调整操作的顺序。本领域技术人员还可以根据需要增加更多的操作或省略其中的一些操作。

本说明书中描述的任一特征，除非特别地叙述，均可以被其它等同或者具有类似目的的替代特征加以替换。即，除非特别地叙述，每个特征只是一系列等同或类似的特征中的一个示例。

此外，尽管对本公开的描述已包括对一个或多个实施例、配置或方面的描述，但是其它变型、修改和组合也在本公开的范围内。本公开旨在获得权利，这些权利应当包括在允许范围内的替代实施例、配置或方面，并且包括与请求保护的那些结构、功能、或步骤的可互换、替代和/或等同的结构、功能、或步骤，无论这些可互换、替代和/或等同的结构、功能、或步骤是否在本说明书中具体描述。

Claims (14)

1.一种用于提升5G用户满意度的方法，包括：

获取5G用户的B域数据、M域数据、以及O域数据；

将获取的所述B域数据和O域数据输入到预定的用于评价用户对网络质量的感知的评价模型，以得到评价的5G用户对网络质量的感知状况；

对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素；

基于确定的所述因素采取对应的措施以提升5G用户对网络质量的感知；

基于获取的所述B域数据、M域数据、以及O域数据对5G用户进行用户画像；

将所述用户画像的结果输入到预定的用于预测用户的满意度的预测模型，以得到预测的5G用户的满意度水平；以及

基于预测的所述满意度水平采取对应的措施以提升5G用户的满意度。

2.根据权利要求1所述的方法，其中，对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素包括：

分析网络质量差的5G网络区域；以及

分析网络感知质量差的5G用户。

3.根据权利要求2所述的方法，其中，对评价的所述感知状况进行分析以确定影响5G用户对网络质量的感知的因素还包括：

分析4G网络对5G用户的网络质量感知的影响。

4.根据权利要求3所述的方法，其中，分析4G网络对5G用户的网络质量感知的影响包括：

分析5G用户的活动区域中的4G语音业务感知和数据业务感知；以及

分析5G用户切换到4G网络之后的网络质量感知的落差。

5.根据权利要求1所述的方法，其中，基于确定的所述因素采取的措施包括对4G网络或5G网络进行网络优化。

6.根据权利要求1所述的方法，其中，所述用户画像是从机、卡、网、感、地、时、年、价的维度对5G用户进行用户画像。

7.根据权利要求1所述的方法，其中，所述预测模型是基于随机森林算法建立的。

8.根据权利要求1所述的方法，其中，预测的所述满意度水平通过分数来表征。

9.根据权利要求8所述的方法，其中，将所述用户画像的结果输入到所述预测模型以得到预测的5G用户的满意度水平包括：

对所述用户画像的结果进行处理以得到预定的多个特征维度中的每一个特征维度的分数；

基于所述多个特征维度的分数得到表征预测的5G用户的满意度水平的分数。

10.根据权利要求9所述的方法，其中，所述多个特征维度包括：语音质量、数据质量、欠费停机、达量限速、以及投诉申告。

11.根据权利要求1所述的方法，其中，基于预测的所述满意度水平采取的措施包括客户服务人员对满意度低的5G用户进行回访调查。

12.一种用于提升5G用户满意度的装置，所述装置包括被配置为用于实现权利要求1-11中的任一项所述的方法的部件。

13.一种用于提升5G用户满意度的装置，所述装置包括：

处理器；以及

存储器，所述存储器存储能够由所述处理器执行的程序，所述程序在由所述处理器执行时实现权利要求1-11中的任一项所述的方法。

14.一种计算机可读存储介质，所述计算机可读存储介质存储程序，所述程序在由处理器执行时实现权利要求1-11中的任一项所述的方法。

Images