CN109993380A - 一种信息处理方法、装置和计算机可读存储介质 - Google Patents
一种信息处理方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109993380A CN109993380A CN201711472693.4A CN201711472693A CN109993380A CN 109993380 A CN109993380 A CN 109993380A CN 201711472693 A CN201711472693 A CN 201711472693A CN 109993380 A CN109993380 A CN 109993380A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- value
- income
- processed
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 51
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000000556 factor analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011157 data evaluation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种信息处理方法，对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；根据所述待处理数据计算用户交互系数和用户初始权重；根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。本发明实施例还公开了一种信息处理装置和计算机可读存储介质，可以提高用户价值评估结果计算的准确性。
Description
技术领域
本发明涉及通信领域通信数据处理技术，尤其涉及一种信息处理方法、装置和计算机可读存储介质。
背景技术
伴随提速降费的政策推广执行，运营商的收益面临愈发严峻的考验，电信行业正谋求新的收入增长点。在流量经营作为业务增收主要动力的前提下，4G用户已成为运营商主营业务收入，随着4G业务在全国范围的普及，运营商在发展新入网用户方面的优势已进入瓶颈期，而如何使得存量用户保值增值，已成为电信行业共同关注的重大问题。
目前通用的客户保有方法主要是集中短信通知、营业厅宣传单、公众号等社交网络传播等方式告知存量客户现有的优惠信息，无差异化地营销方式导致成本的大量输出且收效甚微。在精准化营销、精细化营销的导向下，对存量用户的保值增值需要采取差异化营销手段，即识别用户价值及潜在价值，根据其消费行为习惯、社交网络圈的兴趣点进行定向广告投放，精准人文关怀，切实关注用户需求，提供给每个用户定制化产品和套餐优惠，从而实现存量用户保值增值。现有技术主要是对用户价值评估方法和体系的研究，缺少基于移动用户特有的信令、套餐内容、通话关系网络等特征构建的针对特征用户群体的精细化价值评估方法。
发明内容
为解决上述技术问题，本发明实施例提供一种信息处理方法、装置和计算机可读存储介质，可以提高用户价值评估结果计算的准确性。
本发明的技术方案是这样实现的：
本发明实施例提供一种信息处理方法，所述方法包括：
对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；
根据所述待处理数据计算用户交互系数和用户初始权重；
根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
进一步地，所述对获取的用户数据进行预处理获得待处理数据，包括：
获取用户数据，剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
进一步地，所述根据所述待处理数据计算用户交互系数和用户初始权重，包括：
根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；
根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
进一步地，所述根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数，包括：
根据下式计算所述用户交互系数Interaction_Degree(i,j)，
其中，n表示用户i与用户j之间的通话次数，calltime(i,j)表示通话详单中用户i和用户j之间的通话时长。
进一步地，所述根据所述待处理数据中月汇总流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重，包括：
根据下述公式计算用户初始权重Initial_weight(i)，
其中，n表示用户i的历史终端购机的次数，终端购机款(i，j)表示用户i第j次购买终端支付给运营商的费用，终端购机成本(i，j)表示运营商为用户i第j次购买的终端支付的成本，月汇总流量(i)表示用户i的月汇总使用流量，预存话费金额(i)表示用户i的预存话费金额、增值业务总收入(i)表示用户i的增值业务总收入，宽带收入(i)表示用户i的家庭宽带收入，m表示用户i的历史欠费次数，欠费金额(i，k)表示用户i第k次欠费的金额，e为常数。
进一步地，所述根据所述用户交互系数和所述用户初始权重计算用户价值评估结果，包括：
根据下式计算用户i的价值评估结果Value(i)，
其中，Interaction_Degree(i,j)为用户i的用户交互系数，Initial_weight(i)为用户i的用户初始权重。
本发明实施例还提供一种信息处理装置，所述装置包括：收发器和处理器，其中，
所述收发器，用于获取用户数据；
所述处理器，用于对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；还用于根据所述待处理数据计算用户交互系数和用户初始权重；还用于根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
进一步地，所述处理器，具体用于剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
进一步地，所述处理器，具体用于：
根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；
根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
进一步地，所述处理器，具体用于：
根据下式计算所述用户交互系数Interaction_Degree(i,j)，
其中，n表示用户i与用户j之间的通话次数，calltime(i,j)表示通话详单中用户i和用户j之间的通话时长。
进一步地，所述处理器，具体用于：
根据下述公式计算用户初始权重Initial_weight(i)，
其中，n表示用户i的历史终端购机的次数，终端购机款(i，j)表示用户i第j次购买终端支付给运营商的费用，终端购机成本(i，j)表示运营商为用户i第j次购买的终端支付的成本，月汇总流量(i)表示用户i的月汇总使用流量，预存话费金额(i)表示用户i的预存话费金额、增值业务总收入(i)表示用户i的增值业务总收入，宽带收入(i)表示用户i的家庭宽带收入，m表示用户i的历史欠费次数，欠费金额(i，k)表示用户i第k次欠费的金额，e为常数。
进一步地，所述处理器，具体用于：
根据下式计算用户i的价值评估结果Value(i)，
其中，Interaction_Degree(i,j)为用户i的用户交互系数，Initial_weight(i)为用户i的用户初始权重。
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中存储有计算机程序，该计算机程序被处理器执行时实现如上任一项所述的信息处理方法。
本发明实施例还提供一种信息处理装置，所述系统包括处理器和存储器；其中，
所述存储器，用于存储能够在所述处理器上运行的计算机程序；
所述处理器，用于运行所述计算机程序时执行如上任一项所述信息处理方法的步骤。
本发明实施例提供了一种信息处理方法、装置和计算机可读存储介质，对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；根据所述待处理数据计算用户交互系数和用户初始权重；根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。本发明实施例提供的信息处理方法、装置和计算机可读存储介质，通过用户初始权重和用户交互系数能够快速计算出移动用户的价值评估结果，在分析过程中采用连续数据计算方法，减少区间化，从而尽可能排除人为划分数据集而造成了结果失真，提高用户价值评估结果计算的准确性。
附图说明
图1为本发明实施例提供的信息处理方法流程示意图一；
图2为本发明实施例提供的待处理数据处理获取流程示意图；
图3为本发明实施例提供的信息处理方法流程示意图二；
图4为本发明实施例提供的信息处理装置结构示意图。
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。
现有技术将处于社交网络链路中的用户抽离成彼此独立的个体，仅以线性统计学的计算法则来衡量用户的价值，忽略了大数据规模下用户集群的价值效应。在由流量经营转化为数字化服务供应商的新诉求下，用户对于企业而言的价值不仅与用户的话费收入有关联，还与用户的社会地位、经济情况等相关，而这些信息都可以从用户的社交网路中呈现结果，因此，现有技术忽略用户之间关联关系。现有技术仅通过BOSS计费系统中的收入数据来衡量用户的价值，缺少对用户行为的分析基础做支撑，忽略了用户的潜在价值。同时现有方案没有考虑到集团客户等特殊用户群，这类用户的消费数据有较大的人为因素影响，不能直接由消费数据衡量用户价值，因此，现有技术缺少用户行为分析以及忽略用户的潜在价值。现有技术通过解析后用户DPI数据中位置数据、上网行为数据作为用户价值判断的输入指标，忽略了用户在语音通话、数据增值业务等运营商的其它主营业务中用户消费能力，影响用户价值判断准确性，因此，现有技术输入分析指标含量低，影响精准营销的准确性。现有技术中用户价值评估方法对数据的预处理方式带有较大的主观判断因素，如相似技术方案提到小区日评分计算方法、终端所属价值区间的计算方法等，主观划分数据区间与模型使用者的经验息息相关，对最终用户的客观价值判断影响较大；因此，现有技术提出的价值评估方法多为主观因素主导，无法客观对用户价值定位。
为解决上述现有技术弊端，本发明提出了基于图论计算的PageRank网页排序的加权快速收敛算法(Weighted Page Rank for Quick Convergence，WPRQC)，将个人用户作为社交网络中的节点，将通信关系作为连接网络节点的边，构建网路链路结构。运用大数据统计分析方法，将提取出来的输入字段进行指标因素分析作为网络中节点初始的权重，将用户之间通话频次作为网络节点之间边的权重，通过算法迭代计算直至收敛，得出用户的最终价值；在数据预处理阶段，通过是否集团客户标志字段，筛选出全量的个人用户作为模型分析的输入主体，保证模型应用的客观性和普适性；同时综合考虑了用户全方位的行为数据，从通话详单中提取出用户主被叫关系来构建社交网络关系图，从BOSS系统中提取用户的月汇总通话时长、月汇总流量，从计费系统中提取出预存话费、欠费记录、增值业务总收入数据。此外，本发明提供的方法还融合了用户终端购机款、采购成本和家庭宽带收入数据，全面衡量用户价值；在指标因素分析过程中，采用连续数据计算方法，减少区间化，从而尽可能排除人为划分数据集而造成了结果失真，提高用户价值计算的准确性。
本发明实施例提供的信息处理方法，具体为用户价值大数据评估方法和基于图论计算的加权快速收敛算法，可以同时推广到其他用户价值分析领域，可根据业务场景不同确定输入字段指标因素和网络节点之间变的权重控制算法迭代范围和程度，最终获取专项领域的用户最终价值。鉴于篇幅有限，本发明实施例将以运营商角度使用提案方法完成技术方案描述。
本发明实施例提供一种信息处理方法，如图1所示，该方法可以包括：
步骤101、对获取的用户数据进行预处理获得待处理数据。
所述待处理数据包括：用户通信账单数据。
具体的，本发明实施例提供的信息处理方法为基于链路结构的用户价值大数据评估方法，该方法的执行主体为信息处理装置，即信息处理装置对获取的用户数据进行预处理获得待处理数据。
具体信息处理装置对获取的用户数据进行预处理获得待处理数据包括：信息处理装置获取用户数据，剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据，即获得用户通信账单数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
这里，用户标识可以为用户的手机号码，第一预设时间可以为3个月、6个月或者1年等，第二预设时间可以为1个月、2个月等，还可以为其他的值，第一预设时间、第二预设时间的具体数值可以实际情况进行选择设定，本发明实施例对此不做限定。
示例性的，如图2所示，以手机号码作为用户唯一标识ID，提取所有待价值评估用户的近6个月通话详单，待评估月份往前推一个月的月汇总流量、预存话费、增值业务总收入、家庭宽带收入，历史终端购机的购机款、采购成本、欠费记录；剔除集团客户，空值或null值补0，对每类字段求分布，异常值数据以均值替代；流量单位(GB)，收入单位统(元)，输出待处理的数据。
具体可以是获取一批用户的数据，按照下述公式要求的字段内容，输入一批用户的数据，最终会输出这批用户的PR值。
步骤102、根据所述待处理数据计算用户交互系数和用户初始权重。
具体的信息处理装置根据所述待处理数据计算用户交互系数和用户初始权重，包括：根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
具体计算用户节点的初始权重包括：通过用户月使用流量汇总情况、预存话费的金额、历史欠费金额和欠费次数、增值业务总收入、终端购机款、终端采购成本、家庭宽带收入各指标的数学转化和线性加权求和，计算出用户节点的初识权重。
具体计算连接用户的网络边权重包括：用户社交网络关系图中，边代表用户之间连接的紧密程度。本发明方案抽取用户通话详单中的通话时长和通话次数作为衡量标准，通话时长越长，用户之间连接的紧密程度越高，通话次数越多，用户之间连接的紧密程度越高。
以通话详单关系构建用户社交网络关系图，即构建移动用户网络交互拓扑图。
具体的，交互系数体现了用户在移动网络中与其他用户的交互程度。于运营商而言，交互程度意味着语音消费收入以及潜在的流量、增值业务收入，因为普遍而言，有较强交互需求的用户通常对社交的需求更加强烈，而强烈的社交需求会带动语音和流量的消费。
根据下式计算所述用户交互系数Interaction_Degree(i,j)，
其中，Interaction_Degree(i,j)表示用户i和用户j之间连接的紧密程度，n表示用户i与用户j之间的通话次数，calltime(i,j)表示通话详单中用户i和用户j之间的通话时长。通话次数与通话时长之间采用乘积的形式是考虑到二者之间是相互增强的关系，通话次数越多且每次通话时长越长，用户之间的连接越紧密。由于数值间差异较大，使用以e为底的对数形式可将交互系数的数值范围控制在一定范围内，避免后续多指标综合计算中由于数值差异过大而忽略某些重要指标，同时，为了保证交互系数的非负性，公式末尾采用加1的形式。
具体的，初始权重表示在单独针对某个用户的行为分析的情况下，用户的价值大小。于运营商而言，月汇总流量越大、预存话费的金额越高、增值业务总收入越高、家庭宽带收入越高越高，其用户价值就越大，欠费次数越多且欠费金额越大，其价值就越低。同时，如果用户习惯从运营商侧购买高价值终端，那么用户的价值就更高。
根据下述公式计算用户初始权重Initial_weight(i)，
其中，n表示用户i历史终端购机的次数，终端购机款(i，j)表示用户i第j次购买终端支付给运营商的费用，终端购机成本(i，j)表示运营商为用户i第j次购买的终端支付的成本，用户在运营商购买终端带给运营商的利润与用户在运营商的价值正相关；m表示用户i的历史欠费次数，欠费金额(i，k)表示用户i第k次欠费的金额，用户的历史欠费信息与用户在运营商的价值负相关；采用自然对数对指标进行标准化，是为了去除度量单位不一致而造成各类指标对最终结果的影响。月汇总流量(i)表示用户i的月汇总使用流量，预存话费金额(i)表示用户i的预存话费金额、增值业务总收入(i)表示用户i的增值业务总收入，宽带收入(i)表示用户i的家庭宽带收入。
本发明实施例提供的方法，用户有在运营商处购买终端的历史，其对运营商侧用户价值评估的贡献是很大的，故该指标与其余指标之间以乘积方式组合。为了保证用户初始权重的非负性，公式中加e。
步骤103、根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
具体的，根据下式的WPRQC算法计算用户i的价值评估结果Value(i)，
其中，用户i的价值评估结果，由所有与用户i存在通话关系的用户j的权重乘以用户i与用户j之间的连接紧密度求和而成。
算法收敛过程依赖于用户对收敛条件的控制，本发明实施中，算法实现上改进了Spark机器学习库的PageRank算法，通过优化调整最大迭代次数以及随机重置概率，实现加权快速收敛算法WPRQC收敛和调优。
改进的PageRank算法的核心就即上述公式的WPRQC算法。具体实现的时候，是构建一个庞大的稀疏矩阵，矩阵中原有的值是0，1的，经过WPRQC算法加权后，矩阵中的值也相应地发生了变化，通过矩阵之间的计算，如矩阵相乘来迭代算出最终的结果。
本发明实施例提供的方法中计算的用户价值评估结果对运营商助力服务转型、精准营销具有指导意义，具体为：基于链路结构的移动用户价值评估结果可用来帮助运营商实现重点客户保育工作，体现企业服务到人、以人为本的客户关怀宗旨，实现对现有业务规模的保值创收。用户价值评估结果可结合现有标签库，实现精准营销。如可结合兴趣标签，推荐自有的数字化服务，也可将用户的价值得分以API的形式开放给行业客户，实现大数据价值分析的变现等。由于通过关系网分析用户价值并不仅仅局限于某一运营商，是全网性质的，故可以结合用户所属网络实现高价值用户的转化，提升运营商市场竞争力。
本发明实施例提供的信息处理方法，通过对用户高价值的判断，可助力提升企业的精准营销，在成本支出一定的情况下保值创收。现有的用户价值判断方案忽略了大数据条件下，用户之间的价值关联，且用于价值分析的数据，不能刻画用户的全部通信行为轨迹。鉴于以上考虑，如图3所示，本发明实施例提供一种信息处理方法，该方法用于大数据规模下基于用户链路结构的用户价值判断，该方法以用户之间的通话关系构建网络拓扑，网络中的节点代表待识别的用户，边代表用户之间联系的紧密程度，网页排序中PageRank算法指定被大量高价值用户指向的用户也为高价值用户，通过不断迭代计算，直至算法收敛，从而计算出用户的价值。加权快速收敛算法WPRQC提高了算法的精准度、加快收敛速度，本方法对初始用户节点的权重、用户联系边的权重进行了重新定义，使得算法能够快速计算出移动用户的价值。具体赋值和PR值的计算如上述公式所述，定义了使用哪些参数为节点赋值，哪些参数为边赋值，并且最后乘积求和的方式计算出网络中节点的PR值。
本发明实施例提供的方法考虑到用户在运营商处全方位的行为轨迹，包括通话详单、月汇总流量、预存话费、欠费记录、增值业务总收入、终端购机款、终端采购成本、家庭宽带收入数据，通过一系列数据清洗工作，将最有分析价值的个人用户数据导入到用户价值评估体系中，以用户之间通话的频次和时长来衡量用户联系的紧密程度，以用户预存话费、流量使用情况、增值数据业务消费情况、终端购机情况、家庭宽带使用情况来衡量网络中用户节点的初始价值，同时用户的初始价值受用户历史欠费记录影响。各评价指标之间通过逻辑关系、使用线性代数和统计学的方法组合起来，形成用户初始价值评估结果。将用户之间的连接紧密度以及初始价值权重导入到以主被叫关系构建起来的网络拓扑中，通过WPRQC算法迭代计算出用户的最终价值。优化了Spark机器学习库的PageRank算法，在收敛参数调节、模型结果调优有便捷的操作方法，模型结果对相关领域的客户保育、精准营销、市场竞争具有积极的指导意义。
现有技术以BOSS计费系统数据作为分析基础，或以O域DPI解析出来的上网数据作为基础数据，缺乏对用户全方位行为的解析；且缺少必要的数据预处理步骤，集团客户这类特殊用户群与普通用户群不做区分处理，导致价值评估结果必然会倾向于集团客户；现有分析方案均忽略了用户之间的关联关系，将处于社交网络链路中的用户抽离成彼此独立的个体，仅以线性统计学的计算法则来衡量用户的价值，忽略了大数据规模下用户集群的价值效应。此外，人为地将数据根据经验进行区间化，缺乏数学推理的支撑，影响价值评估的精准度。
本发明实施例还提供一种信息处理装置20，如图4所示，所述装置20包括：收发器201和处理器202，其中，
所述收发器201，用于获取用户数据；
所述处理器202，用于对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；还用于根据所述待处理数据计算用户交互系数和用户初始权重；还用于根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
进一步地，所述处理器202，具体用于剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
进一步地，所述处理器202，具体用于：
根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；
根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
进一步地，所述处理器202，具体用于：
根据下式计算所述用户交互系数Interaction_Degree(i,j)，
其中，n表示用户i与用户j之间的通话次数，calltime(i,j)表示通话详单中用户i和用户j之间的通话时长。
进一步地，所述处理器202，具体用于：
根据下述公式计算用户初始权重Initial_weight(i)，
其中，n表示用户i的历史终端购机的次数，终端购机款(i，j)表示用户i第j次购买终端支付给运营商的费用，终端购机成本(i，j)表示运营商为用户i第j次购买的终端支付的成本，月汇总流量(i)表示用户i的月汇总使用流量，预存话费金额(i)表示用户i的预存话费金额、增值业务总收入(i)表示用户i的增值业务总收入，宽带收入(i)表示用户i的家庭宽带收入，m表示用户i的历史欠费次数，欠费金额(i，k)表示用户i第k次欠费的金额，e为常数。
进一步地，所述处理器202，具体用于：
根据下式计算用户i的价值评估结果Value(i)，
其中，Interaction_Degree(i,j)为用户i的用户交互系数，Initial_weight(i)为用户i的用户初始权重。
本发明实施例还提供一种信息处理装置，所述系统包括处理器和存储器；其中，
所述存储器，用于存储能够在所述处理器上运行的计算机程序；
所述处理器，用于运行所述计算机程序时执行如上任一项所述信息处理方法的步骤。
具体的，本发明实施例提供的信息处理装置的理解可以参考上述信息处理方法实施例的说明，本发明实施例在此不再赘述。
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中存储有计算机程序，该计算机程序被处理器执行时实现如上任一项所述的信息处理方法。该计算机可读存储介质包括易挥发性随机存取存储器(RAM)、只读存储器(ROM)、电可擦可编程只读存储器(EEPROM)、闪存或其他存储器技术、只读光盘(CD-ROM)、数字通用盘(DVD)或其他被访问的他介质。
通过实施本发明实施例提供的技术方案，具有以下有益效果：
(1)综合考虑了用户群体的价值关联性，采用基于改进PageRank网页排序的图计算方法，将个人用户作为社交网络中的节点，将通话关系作为连接网络节点的边，构建网路链路结构。运用大数据统计分析的方法将提取出来的输入字段进行指标因素分析，作为网络中节点的初始权重，将用户之间通话频次、通话时长作为网络节点之间边的权重，通过迭代计算，得出用户的最终价值；
(2)数据处理过程全面，考虑到特殊用户群对价值评估结果的影响：在数据预处理阶段，通过是否集团客户标志字段，筛选出全量的个人用户作为模型分析的输入主体，保证模型应用的客观性和普适性；
(3)采用可推断的数学统计方法对模型输入指标进行分析和挖掘，减少对模型的人为干预，提高价值评估的准确度：在指标因素分析过程中，采用连续数据计算方法，减少区间化，从而尽可能排除人为划分数据集而造成了结果失真，提高用户价值计算的准确性。
(4)建模数据更加全面，能够刻画用户的通信行为轨迹，包括用户的通话详单，进而汇总出月汇总流量、月通话时长，也包括了计费系统中的预存话费、欠费记录、增值业务总收入、终端购机款、终端采购成本、家庭宽带收入数据。
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，本发明可采用硬件实施例、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和光学存储器等)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、嵌入式处理机或其他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他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他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他可编程数据处理设备上，使得在计算机或其他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，从而在计算机或其他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。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (11)
1.一种信息处理方法，其特征在于，包括：
对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；
根据所述待处理数据计算用户交互系数和用户初始权重；
根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
2.根据权利要求1所述的方法，其特征在于，所述对获取的用户数据进行预处理获得待处理数据，包括：
获取用户数据，剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
3.根据权利要求2所述的方法，其特征在于，所述根据所述待处理数据计算用户交互系数和用户初始权重，包括：
根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；
根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
4.根据权利要求3所述的方法，其特征在于，所述根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数，包括：
根据下式计算所述用户交互系数Interaction_Degree(i,j)，
其中，n表示用户i与用户j之间的通话次数，calltime(i,j)表示通话详单中用户i和用户j之间的通话时长。
5.根据权利要求3所述的方法，其特征在于，所述根据所述待处理数据中月汇总流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重，包括：
根据下述公式计算用户初始权重Initial_weight(i)，
其中，n表示用户i的历史终端购机的次数，终端购机款(i，j)表示用户i第j次购买终端支付给运营商的费用，终端购机成本(i，j)表示运营商为用户i第j次购买的终端支付的成本，月汇总流量(i)表示用户i的月汇总使用流量，预存话费金额(i)表示用户i的预存话费金额、增值业务总收入(i)表示用户i的增值业务总收入，宽带收入(i)表示用户i的家庭宽带收入，m表示用户i的历史欠费次数，欠费金额(i，k)表示用户i第k次欠费的金额，e为常数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述用户交互系数和所述用户初始权重计算用户价值评估结果，包括：
根据下式计算用户i的价值评估结果Value(i)，
其中，Interaction_Degree(i,j)为用户i的用户交互系数，Initial_weight(i)为用户i的用户初始权重。
7.一种信息处理装置，其特征在于，所述装置包括：收发器和处理器，其中，
所述收发器，用于获取用户数据；
所述处理器，用于对获取的用户数据进行预处理获得待处理数据，所述待处理数据包括：用户通信账单数据；还用于根据所述待处理数据计算用户交互系数和用户初始权重；还用于根据所述用户交互系数和所述用户初始权重计算用户价值评估结果。
8.根据权利要求7所述的装置，其特征在于，所述处理器，具体用于剔除所述用户数据中的集团用户标识的数据，将所述用户数据中的空值补为0，将所述用户数据中的异常值数据以均值替代，分别将所述用户数据中的流量单位和收入单位进行统一，获得待处理数据；
其中，所述待处理数据包括：待评估用户标识在第一预设时间内的通话详单，所述待评估用户标识在待评估时间之前第二预设时间内的月汇总使用流量、预存话费金额、增值业务总收入和家庭宽带收入，及所述待评估用户标识的历史欠费金额和欠费次数、历史终端购机款和历史终端采购成本。
9.根据权利要求8所述的装置，其特征在于，所述处理器，具体用于：
根据所述待处理数据中通话详单中的通话时长和通话次数计算所述用户交互系数；
根据所述待处理数据中月汇总使用流量、预存话费金额、增值业务总收入、家庭宽带收入、历史欠费金额和欠费次数、历史终端购机款、以及历史终端采购成本计算所述用户初始权重。
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中存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至6任一项所述的信息处理方法。
11.一种信息处理装置，其特征在于，所述系统包括处理器和存储器；其中，
所述存储器，用于存储能够在所述处理器上运行的计算机程序；
所述处理器，用于运行所述计算机程序时执行权利要求1至6任一项所述信息处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711472693.4A CN109993380A (zh) | 2017-12-29 | 2017-12-29 | 一种信息处理方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711472693.4A CN109993380A (zh) | 2017-12-29 | 2017-12-29 | 一种信息处理方法、装置和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109993380A true CN109993380A (zh) | 2019-07-09 |
Family
ID=67108470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711472693.4A Pending CN109993380A (zh) | 2017-12-29 | 2017-12-29 | 一种信息处理方法、装置和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993380A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110596595A (zh) * | 2019-09-25 | 2019-12-20 | 广东毓秀科技有限公司 | 一种通过大数据预测轨交锂电池rul的方法 |
| CN111915156A (zh) * | 2020-07-14 | 2020-11-10 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
| CN113407827A (zh) * | 2021-06-11 | 2021-09-17 | 广州三七极创网络科技有限公司 | 基于用户价值分类的信息推荐方法、装置、设备及介质 |
| CN113591018A (zh) * | 2021-07-30 | 2021-11-02 | 中国联合网络通信集团有限公司 | 通信客户分类管理方法、系统、电子设备及存储介质 |
| CN113727332A (zh) * | 2021-08-12 | 2021-11-30 | 中国联合网络通信集团有限公司 | 一种恢复上网的方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024207A (zh) * | 2011-09-26 | 2013-04-03 | 中国电信股份有限公司 | 后付费套餐费用的查询处理方法和系统、分解业务服务器 |
-
2017
- 2017-12-29 CN CN201711472693.4A patent/CN109993380A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024207A (zh) * | 2011-09-26 | 2013-04-03 | 中国电信股份有限公司 | 后付费套餐费用的查询处理方法和系统、分解业务服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 迟准: ""电信运营企业客户流失预测与评价研究"", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110596595A (zh) * | 2019-09-25 | 2019-12-20 | 广东毓秀科技有限公司 | 一种通过大数据预测轨交锂电池rul的方法 |
| CN111915156A (zh) * | 2020-07-14 | 2020-11-10 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
| CN111915156B (zh) * | 2020-07-14 | 2024-02-27 | 中国联合网络通信集团有限公司 | 基于用户价值的业务推送方法、电子设备及存储介质 |
| CN113407827A (zh) * | 2021-06-11 | 2021-09-17 | 广州三七极创网络科技有限公司 | 基于用户价值分类的信息推荐方法、装置、设备及介质 |
| CN113591018A (zh) * | 2021-07-30 | 2021-11-02 | 中国联合网络通信集团有限公司 | 通信客户分类管理方法、系统、电子设备及存储介质 |
| CN113727332A (zh) * | 2021-08-12 | 2021-11-30 | 中国联合网络通信集团有限公司 | 一种恢复上网的方法及装置 |
| CN113727332B (zh) * | 2021-08-12 | 2022-09-02 | 中国联合网络通信集团有限公司 | 一种恢复上网的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993380A (zh) | 一种信息处理方法、装置和计算机可读存储介质 | |
| CN107248082B (zh) | 养卡识别方法及装置 | |
| CN111915156B (zh) | 基于用户价值的业务推送方法、电子设备及存储介质 | |
| CN112633962B (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
| CN110766438B (zh) | 一种通过人工智能对电网用户的用户行为进行分析的方法 | |
| CN111178957B (zh) | 一种用电客户电量突增预警的方法 | |
| CN111340606A (zh) | 一种全流程收入稽核方法和装置 | |
| CN109903182A (zh) | 基于随机森林算法的电力客户欠费风险分析方法及装置 | |
| CN106991577A (zh) | 一种确定目标用户的方法及装置 | |
| CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
| CN112950359B (zh) | 一种用户识别方法和装置 | |
| CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
| Maji et al. | Data warehouse based analysis on CDR to retain and acquire customers by targeted marketing | |
| CN108304990B (zh) | 一种停电敏感预判方法和系统 | |
| CN104866922A (zh) | 一种用户离网的预测方法及装置 | |
| CN114782123A (zh) | 一种信用评估方法及系统 | |
| CN115271282A (zh) | 基于模糊逻辑的客户价值确定方法及装置 | |
| Droftina et al. | A diffusion model for churn prediction based on sociometric theory | |
| CN113052422A (zh) | 风控模型训练方法和用户信用评估方法 | |
| CN114741592B (zh) | 一种基于多模型融合的产品推荐方法、设备及介质 | |
| CN116645134A (zh) | 一种信用卡分期的推荐方法、装置、设备及介质 | |
| CN110490682A (zh) | 分析商品属性的方法和装置 | |
| CN112308419A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
| Du et al. | Personalized recommendation model of traffic package based on user consumption behavior | |
| CN104734898A (zh) | 一种基于社交网络分析的业务推荐方法和系统 |
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 |
Application publication date: 20190709 |
|
| RJ01 | Rejection of invention patent application after publication |