案例南京基于市场发展需求的OB域大数据联动支撑创新与实践.docx
- 文档编号:4833307
- 上传时间:2022-12-10
- 格式:DOCX
- 页数:30
- 大小:3.01MB
案例南京基于市场发展需求的OB域大数据联动支撑创新与实践.docx
《案例南京基于市场发展需求的OB域大数据联动支撑创新与实践.docx》由会员分享,可在线阅读,更多相关《案例南京基于市场发展需求的OB域大数据联动支撑创新与实践.docx(30页珍藏版)》请在冰豆网上搜索。
案例南京基于市场发展需求的OB域大数据联动支撑创新与实践
基于市场发展需求的O/B域大数据联动支撑创新与实践
摘要:
随着4G网络的成熟部署和不限量套餐的规模发行,用户对于流量的潜在需求被激发,运营商之间的竞争愈发激烈。
O域B域数据存在壁垒,原有的常规数据运用已无法支撑目前的业务发展需求。
如外呼因缺乏聚焦性和高精确度清单而成功率低,炒店预热效果不佳导致业务发展量低于预期,新用户挖掘出现瓶颈。
如何紧密接轨市场需求,精准、高效地完成全方位支撑业务发展,已成为各分公司业务发展和感知提质的关键难题。
南京电信聚焦市场发展最急迫的支撑需求,集公司之力、利用半年时间全力攻坚。
首先本项目结合南京分公司实际,立足支局,打破O域B域数据壁垒,完成基于市场发展需求的O/B域大数据联动支撑创新与实践。
首先,采用基于用户画像的大数据挖掘方法挖掘潜力区域,结合用户感知评价对潜力区域分等分级,直观提供给前端进行业务发展,在用户流量争夺战抢占先机;其次,形成完善的关键区域感知问题预警及解决机制,创新加入热门套餐的质差扇区派单,完成面向业务的感知提质;最后,简洁的界面呈现以及“前置”的技术语言反馈,使得前端各支局全面掌握区域内业务发展、网络质态以及感知优势,在促进业务发展的同时更避免了网络过热、提升了网络资源利用率的健康发展水平。
该创新成果已经在南京电信规模推广,取得良好效果。
前端支局外呼效益的精准提升,由之前的1.2%提升至目前的15%;高流量用户同比增长全省第一,网间份额增量全省第一,网络质态健康发展;新增用户年收入1687.43万元。
该项目具有较强的复制推广性,有O域B域任何接口都可应用。
关键词:
O域、B域、套餐挖潜、大数据、重点套餐用户感知提升
一、项目背景
1.1项目研究的重要性
不限量套餐之前,对标美国、日本、韩国,由于资费抑制、应用抑制等原因,江苏电信用户对套餐流量的需求相对保守,潜力未被激发。
套餐方面,美日韩用户过半集中在高档位,如AT&T,超过50%在10GB以上;DoCoMo,超过70%在5GB以上;SKT,超过80%在5GB以上。
不限量套餐发展后,用户视频业务明显增多(高出平均34%),视频TOP2为腾讯、爱奇艺。
同时,大流量业务带来网络流量激增。
不限量套餐的发布带来流量经营的新突破点,也为运营商的市场发展及业务增长带来了新的挑战。
各运营商均面临通信市场日趋饱和、被互联网异质业务管道化、客户转化质量与效益较低等问题,迫切需要挖掘海量客户及行为数据的价值,提升精细化管理水平,高效的大数据分析手段成为重要抓手。
1.2国内外研究现状
1.2.1国外运营商研究现状
面对着移动数据业务层次不穷,数据量的爆发式增长,数据挖掘、数据共享、数据分析己经成为电信运营商转变商业模式,赢取深度商业洞察力的基本共识,在国外的电信行业中,日本最大的移动通信运营商NTTDocomo2010年以前就开始着手大数据运用的规划,NTTDocomo相对国内运营商有一个很大的优势是全国统一的数据收集、整合形式,因此NTTDocomo可以很轻易拿到全国的系统数据。
Docomo不但着重搜集用户本身的年龄、性别、住址等信息,而且制作精细化的表格,要求用户办理业务填写更详细信息。
美国最大的本地和长途电话公司AT&T与星巴克开展合作,利用大数据技术收集、分析用户的位置信息,通过对在星巴克门店附近的客户通话或者其他通信行为,预判断消费者的购物行为,预测个人用户行为,并作出个性化推荐。
德国电信旗下的T-Systems公司通过实时获得汽车、医疗以及能源企业的数据,开发了交通意外自动呼叫系统以及声控电邮系统,并且通过设计安全的传输方式和便捷的解决方案,将医生和患者对接,提供整合的医疗解决方案。
西班牙的Telefonica电信公司针对移动宽带网络的端到端用户体验管理项目,并建立了一个包含60多个用户体验指标的系统,支持无线网络控制器(}RNC)、域名系统(}DNS)、在线计费系统((OCS),GPRS业务支撑节点(SGSN)、探针等各种网络节点的信息采集。
所有采集来的信息经过整合后存储到数据库中,为后续的用户体验测量提供数据支撑。
为了优化用户体验,法国电信旗下企业Orange开展了针对用户消费数据的分析评估。
Orange通过分析掉话率数据,找出了超负荷运转的网络并及时进行扩容,从而有效完善了网络布局,给客户提供了更好的服务体验,获得了更多的客户以及业务增长。
面对固网业务的下滑,意大利电信构建了面向全业务运营的客户数据仓库,以适应市场、销售、客户服务等领域的业务规则和需要。
通过对客户数据的洞察,有效地预测收入状况与客户行为的关联性,推出了诸多个性化产品满足客户需求。
意大利电信推出的NapsterMobile音乐业务就提供包括手机铃声、艺术家肖像墙纸以及接入NapsterMobile歌曲目录等个性化服务,直接拉动了企业业绩。
1.2.2国内运营商现状剖析
在传统模式下,电信在大数据应用方面,DW系统运转己经有十多年,对大数据主要应用在客户洞察,市场营销、客户服务和运营管理四个方面。
客户洞察就是根据各种各样的数据(例如消费、通话、位置、浏览、使用)通过各种各样的算法(比如分类、聚类、标签、RFM,Pagerank形成的客户360度视图。
比如客户的交往圈,就是利用各种联系记录形成社交网络来丰富对用户的洞察。
用图挖掘的方法来发现各种圈子、分析影响力,分析关键人员,然后用来进行家庭、政企客户的识别,用来发现重入网客户,用来发现关键客户的异动情况。
市场营销就是分析用户的终端偏好和消费能力以及终端的生命周期,制定相应的营销策略。
客户服务方面可以根据用户的来话内容进行分析,进行归类,并识别出其中的热点问题。
运营管理方面通过分析话单和心灵中用户的流量在时间周期和位置特征方面的分布,精确的建立基站。
在DW系统中,一方面随着系统不断的增多,数据仓库中的数据可能来自各个系统例如BSS,OSS以及MSS系统;另一方面电信运营商以各个省份为单位建立数据系统,各个地市省份之间的数据模型和编码格式不一样,导致数据不一致,对于深度挖掘有用的用户信息带来了困难。
1.2.3总结
相较于国外运营商,国内运营商大数据运营水平差距大。
国内单用户质态处于初级阶段,单用户流量具有不断增长的潜力。
同时国内运营商由于竞争态势以及用户质态和国外不一样,不能完全照搬国外的体系流程,需要结合自身情况,开发适合电信自身业务发展的O域B域数据相融合的大数据支撑方法。
1.3研究内容概述
随着4G网络的成熟部署和不限量套餐的规模发行,用户对于流量的潜在需求被激发,运营商之间的竞争愈发激烈。
O域B域数据存在壁垒,原有的常规数据运用已无法支撑目前的业务发展需求。
如外呼因缺乏聚焦性和高精确度清单而成功率低,炒店预热效果不佳导致业务发展量低于预期,新用户挖掘出现瓶颈。
如何紧密接轨市场需求,精准、高效地完成全方位支撑业务发展,已成为各分公司业务发展和感知提质的关键难题。
南京电信聚焦市场发展最急迫的支撑需求,集公司之力、利用半年时间全力攻坚。
首先本项目结合南京分公司实际,立足支局,打破O域B域数据壁垒,完成基于市场发展需求的O/B域大数据联动支撑创新与实践。
首先,采用基于用户画像的大数据挖掘方法挖掘潜力区域,结合用户感知评价对潜力区域分等分级,直观提供给前端进行业务发展,在用户流量争夺战抢占先机;其次,形成完善的关键区域感知问题预警及解决机制,创新加入热门套餐的质差扇区派单,完成面向业务的感知提质;最后,简洁的界面呈现以及“前置”的技术语言反馈,使得前端各支局全面掌握区域内业务发展、网络质态以及感知优势,在促进业务发展的同时更避免了网络过热、提升了网络资源利用率的健康发展水平。
该创新成果已经在南京电信规模推广,取得良好效果。
前端支局外呼效益的精准提升,由之前的1.2%提升至目前的15%;高流量用户同比增长全省第一,网间份额增量全省第一,网络质态健康发展;新增用户年收入3465万元。
该项目具有较强的复制推广性,有O域B域任何接口都可应用。
二、主要创新点
创新点1:
立足支局,打破O域B域壁垒,完成数据的有效融合。
建立中台视角,以市场支撑为唯一目标,立足支局,最大化钻取数据融合价值。
中台是完成O域B域数据融合的大脑和运营中枢,是企业核心资产“数据”的管理者和调度者。
通过对营销服务的“注智”,将大数据应用穿透至一线,驱动各方高效协同,从而快速响应市场,有效提升客户感知和销售效率。
将O域和B域数据紧密耦合,以支撑市场发展为核心支撑点,发挥大数据联动挖掘最大价值。
创新点2:
高效运用O域B域数据进行用户挖潜,发挥数据最大价值。
聚焦过往成功办理业务的用户,利用存量用户的信息,构建出成功用户画像。
根据随机森林算法,有效的利用模型衡量影响成功率的画像占比权重。
构建高潜质用户成功率模型,筛选出高潜质用户。
(1)对数据进行数据整理、加工、归并,针对需求支撑营销区域的扇区用户中的非常驻用户或路过干扰用户等“脏用户”进行清洗;
(2)针对过往半年的营销成功用户,针对过往成功升级用户进行画像识别,多维度方向衡量决策性,梳理出职业、是否经常出差、爱好、上月流量、套餐流量、套餐金额,是否集团用户等影响关联用户是否升级的维度;(3)利用随机森林针对成功营销用户画像进行分析,利用二分特征,机器语言算法计算出各维度对成功率的影响的加权比重;(4)需求发展用户套用模型换算成功比:
针对模型的用户特性进行分类排序,梳理出成功率80%以上的排列组合可能。
(5)高成功率用户常驻地址精准定位:
分析高潜质用户话单,对话单中用户的经纬度和栅格编号进行分类归属,匹配DPI库中的经纬度-栅格匹配表,推荐营业厅、在外呼后向用户推送营业厅的地址信息等。
数据分析流程如下:
随机森林建模后,各维度对成功率影响的加权比重如下:
创新点3:
创新前端正反馈机制
提供流量增幅与用户感知相结合的业务发展结果立体画像,直观简洁,可提供给前端一线人员进行进一步的营销计划制定。
同时,前端一线人员可以一键获取套餐用户体验、找到挖潜区域,有针对性地业务发展,避免网络过热、提升了网络资源利用率的健康发展水平。
创新点4:
首创面向业务的感知提质算法
针对目前前端发展的重点套餐,通过话单库查询所分析套餐用户按周维度的所有话单,并提取话单中涉及的基站扇区信息和所有的流量数据;分析新套餐用户的常驻基站扇区,要求一周7天中占5天且流量每天有50M以上,汇总满足条件的常驻基站清单;根据常驻基站扇区信息在感知系统中取出对应周感知指标;根据取出的感知指标算出每一个常驻基站扇区的总体周感知优良率,并根据定义门限值给出好中差的判断;给出TOP10感知差的周问题基站清单,同时所分析套餐的用户需占比45%以上。
创新点5:
创新提出基于提高命中率自学习的外呼模型
为了根本性解决海量外呼成功率低的问题,本项目充分利用O域及B域大数据,通过画像建模和用户定位,向支局输出高精确度用户清单。
以下图小明为例,首先通过大数据分析得到他有换机倾向,近期密切搜索三星手机和招商银行分期付款等信息,同时高频次热爱视频类应用。
因此向其推送距离其位置最近的新街口营业厅,提示他前去体验三星S8并有好礼相送。
小明体验后觉得使用感知良好并获得了分期付款资格,换机成功。
同时电信赠送的土豆定向流量包让其非常满意。
三、技术方案
3.1平台架构及功能介绍
3.1.1平台架构图
3.1.2功能介绍
主要分为业务发展和感知提质两大部分。
其中业务发展包括套餐挖潜、区域发展分析、业务行为分析、终端分析、区域套餐分析和用户画像分析;感知提质包括区域感知分析、基于套餐分析的感知质差派单、高流量用户行为分析和区域网络规模及网元质态分析。
3.2关键模块介绍
3.2.1套餐挖潜
Ø存量升档和终端换机
运用基于用户画像的大数据挖掘方法挖掘潜力区域,结合区域的感知情况对潜力区域分等分级,直观提供给前端进行业务发展。
对过往成功升级用户进行维度梳理,针对用户每个维度方向进行成功率判定。
取得glmnet结果中有影响的原因变量,进入随机森林模型建模,参数调优迭代并获取满意成功率后,将预测数据输入模型,输出获取模型的预测结果,即每个用户的升级概率(可信度)。
针对成功率80%以上的用户,根据无线话单的经纬度和栅格数据,精确定位到距离最近门店和用户常住地址。
同时对于潜力支局、潜力用户进行地理化渲染。
同时将大数据挖掘出的精确度高的可进行套餐升档和终端换机的用户清单通过脱敏方式呈现在系统右侧界面。
每个区局配置一个高优先级账号,在确保用户信息保密的情况下,进行清单下载。
具体界面呈现如下:
Ø新用户发展潜力区域
(1)给出某新套餐用户的相关信息,以固定格式填写,比如区域、开户地、新套餐类型、用户号码等;
(2)通过话单库查询这批新套餐用户按周维度的所有话单,并提取话单中涉及的基站扇区信息和所有的流量数据;
(3)分析新套餐用户的常驻基站扇区,要求一周7天中占5天且流量每天有50M以上,汇总满足条件的常驻基站清单;
(4)根据常驻基站扇区信息在感知系统中取出对应周感知指标;
(5)对所涉及的常驻基站扇区进行周流量统计;
(6)根据取出的感知指标算出每一个常驻基站扇区的总体周感知优良率,并根据定义门限值给出好中差的判断;
(7)根据取出的流量统计根据定义门限值给出每个常驻基站扇区流量高中低的判断;
(8)将感知和流量两个维度进行融合,将四象限流量低感知好的区域作为新套餐发展的重点潜力区域提供给前端相关支局。
3.2.2基于套餐分析的感知质差派单
该子模块从网元和用户两个维度进行质差判断和派单,派单清单可以一键导出。
Ø质差扇区派单
(1)常规感知质差派单
以支局为单位,每月进行综合感知优良率top10派单,以表格形式呈现,可一键下载。
(2)重点套餐质差扇区分析及派单
✓通过话单库查询所分析套餐用户按周维度的所有话单,并提取话单中涉及的基站扇区信息和所有的流量数据;
✓分析新套餐用户的常驻基站扇区,要求一周7天中占5天且流量每天有50M以上,汇总满足条件的常驻基站清单;
✓根据常驻基站扇区信息在感知系统中取出对应周感知指标;
✓根据取出的感知指标算出每一个常驻基站扇区的总体周感知优良率,并根据定义门限值给出好中差的判断;
✓给出TOP10感知差的周问题基站清单,同时所分析套餐的用户需占比45%以上;
Ø质差用户派单
根据DPI感知数据对top10用户进行分析派单。
3.2.3区域发展分析
该子功能模块以折线图形式滚动呈现所选择的区域的相关套餐发展情况,注:
颗粒度最小为支局。
可作为套餐挖掘后的效果评估。
同时对相同时间用户流量以及用户感知、网络质态情况也做全方位呈现。
3.2.4业务分析
该子模块滚动显示当前流量top应用(以周为单位),其中显示格式可选:
数据、折线图、柱状图。
并可对当前图片进行保存。
3.2.5终端分析
该子模块主要从用户数和流量两个维度呈现当前热门终端。
3.2.6高流量用户行为分析
该子模块主要从网络流量维度对高流量用户的套餐分布、使用终端、感知指标、主流业务应用等方面进行分析呈现。
3.3平台界面展示
整个平台分为营销分析、后端支撑两个模块,模块之间通过标签页进行切换。
平台以地图渲染、图表等方式进行内容呈现。
3.4应用实例(加其他支局;区域试点;全网复制)
3.4.1湖南路支局套餐发展支撑
市场部统一牵头,网络部和无线中心对营销的热点需求进行模块开发。
平台上线后,重点对潜力区域湖南路支局进行应用推广。
湖南路支局运用套餐挖潜功能,对于其潜力门店云南路营业厅进行精确外呼,日均外呼量354,成功率由之前的1%-2%提升至15%;同时开展炒店活动3次,业务增长喜人。
3.4.1关键场景感知提升(和平台有什么关系,要有关联性)对高负荷区域,小ceo也知道,可以前后端联合解决。
一拖n,小ceo进一步去发展新卡;用户行为改善+小CEO告诉团队客户质态(做分裂做室分)
Ø校园场景
根据平台监控显示,校园秋促不限量套餐发展后,流量和用户数大幅度增长。
根据模块分析结果,以感知为导向进行校园资源的紧急再部署,共计对38所高流量校园进行规模扩容。
其中扩容TDD设备277台,扩容2.1G设备82台,扩容1.8G设备7台,1.8G设备升级20M的233台,室分设备端口分裂扩容44台。
扩容后校园整体性能和感知指标提升明显,用户业务感知体验有较大提升。
(1)正德学院:
南京江宁区正德学院的整体感知和各网元的指标均一直排在TOP质差中,其整体感知优良率指标仅为88%,为TOP感知质差校园。
正德学院的教学楼及宿舍楼的部分扇区一直在TOP质差网元清单中:
SITE_NAME
http请求总数
视频下载总数
HTTP首包时延优良率
HTTP页面时延优良率
HTTP浏览时延优良率
HTTP浏览成功优良率
HTTP网页速率优良率
视频下载速率优良率
IM请求优良率
IM时延优良率
优良率
NJL2HTB江宁_正德学院教学楼室外RRU_49_B
232117
4595
84.36
59.07
66.65
98.19
80.77
93.06
100
68.09
83.16
NJL2HTB江宁_正德学院教学楼室外RRU_50_B
230115
2962
82.11
58.83
65.81
98.15
80.08
83.73
100
68.28
80.01
NJL2HTB江宁_校园-正德学院北4栋室外RRU_50_B
311676
3288
80.69
66.69
70.49
98.29
76.41
82.1
100
76.86
80.94
在得到平台质差派单后,及时对校园无线资源进行紧急增补:
①针对教学楼区域宏站信号过忙,进行2.1G扩容,并进行负荷均衡,均分各频点的用户数。
对比正德学院教学区扩容前后的PRB利用率可以发现,指标改善明显,PRB由92%降低至60%以下。
②针对宿舍夜间22:
30分熄灯断网后LTE网络的高话务需求,对宿舍区域进行室分建设(14栋宿舍楼全部新建1.8G室分)。
宿舍区域新建室分后室外站点PRB利用率由前期的85%改善至55%左右,无过忙现象。
(2)金城学院:
金城学院在今年校园秋促后感知优良率急剧下滑,其中部分宿舍区感知优良率不足50%。
在得到平台质差派单后,及时对校园无线资源进行紧急增补:
金城学院于9月底完成第一批室分双端口小区改造扩容,扩容后选取宿舍楼12栋室分指标进行对比,可发现对用户感知提升有较大增益。
PRB指标选择每日20至23时学生使用高峰时段;对比时段选择扩容前(9月18日至9月24日)与扩容后(10月16日至10月22日)。
Ø地铁场景
通过平台监控,先后对在TOP质差网元监控清单中的地铁网元进行专线整治,南京地铁7条线路通过平台监控派单的感知质差问题共分3类:
RSSI类感知速率低问题已集中整改室分164处,闭环125处;过忙类感知问题已完成扩容室分设备551台,其中2.1G扩容502台,2.6G扩容49台。
各线路情况如下:
线路
2.1G室分
2.1G室外
2.6G
RSSI整治设备次数
1号线
73
18
45
2号线
81
21
3号线
229
49
52
4号线
101
6
10号线
18
S1机场线
13
S8宁天线
9
以地铁1号线为例:
对于地铁1号线分布系统整改过程中,干扰整改基本需要全部更换器件且整改后干扰不够平稳,未排查到的隐患点再次障碍率较高。
为彻底解决1号线分布系统干扰问题,对1号线南京站--三山街站区间所有站厅分布系统重建。
重建分布系统后干扰指标稳定且忙时平稳,后台查询如下:
张府园站厅
玄武门站厅
1号线站厅分布系统重做后,现场测试上下行速率均有明显提升,现场测试速率稳定,路损较之前减少15db左右,手机发射功率下降,用户感知提升。
Ø交通枢纽
南京站部分扇区9月初出现在平台的质差派单中。
接到派单后,对南京站进行整体分析和质差整治,南京站共有网元22个,为提升用户感知,无线中心于9月17日~24日间在南京站陆续开通了微站等26个网元,扩容完成后南京站的话务吸收能力明显提升,各项指标提升明显。
南京站扩容后话务吸收能力提升明显,南京站原网元负荷下降一半左右,同时南京站整体的话务吸收能力提升明显,整体容量提升也很明显。
根据指标跟踪情况来看,扩容完成后南京站感知指标提升明显,感知综合优良率从88%提升到了91%。
四、效益评估及成果价值
4.1经济效益
(1)较好地促进了南京市不限量套餐的业务发展和流量高速增长,高流量用户(日流量>500MB)占比较7月提升591%。
(2)在高流量有效承载的同时用户感知同步提升,不仅有效支撑了双V(高清语音+视频)业务对4G网络的能力要求,也极大提升了用户可感知的运营商服务形象和天翼品牌口碑。
地铁等关键场景用户感知稳步提升,全网感知全省第三。
地铁场景DPI优良率提升示意图
(3)前端支局外呼效益的精准提升,由之前的1.2%提升至目前的15%;
(4)新增用户年收入1687.43万元;
套餐类型
发展用户项目增益(万)
年收益(万元)
99套餐
3.5
346.5
129套餐
4.07
525.03
199套餐
4.1
815.9
合计
11.67
1687.43
4.2社会效益
目前,三家运营商网间份额争夺激烈。
以往常用的人海战术效率低,如一般外呼成功率低于2%;区域发展量不均衡,容易出现负荷扎堆、部分区域业务系数的现象,容易造成用户感知下降的恶性循环。
本系统充分结合了前后端需求,通过大数据分析手段,充分挖掘现有数据源,大大提升了前端业务发展的精确性,提高成效,如支局的外呼成功率有之前的1%-2%提升至目前的15%,小CEO满意度100%。
同时关键场景的资源精确投入,如火车站的微站部署等,为电信带来良好口碑,三网品牌满意度第一。
不限量套餐套餐的快速发展更提升了加宽能力,用户粘性大大增加。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 案例 南京 基于 市场 发展 需求 OB 数据 联动 支撑 创新 实践
![提示](https://static.bdocx.com/images/bang_tan.gif)