《袁元_基于用户特征画像的“五高用户”分析》由会员分享,可在线阅读,更多相关《袁元_基于用户特征画像的“五高用户”分析(39页珍藏版)》请在金锄头文库上搜索。
1、基于用户特征画像的“五高用户”分析(移动网感知质量提升及优化创新劳动竞赛)项目成员: 袁元 徐卉 申报单位:南通电信无线网络维护中心创新类型: 移动网感知大数据营运支撑申报日期: 2017年11月 摘 要随着电信4G移动网络建设的不断完善,关注重点从网络无线环境优化转移到用户感知优化。目前各地市针对感知优化的主要手段是通过定位处理指标恶化小区来提升全网感知指标。此类方法无法精准定位用户质差,为后期派单处理和感知进一步提升带来了阻碍。为进一步降低投诉提升全网感知优化效率,需要对全网用户行为进行分析,建立用户特征画像,找出异常用户,进而对全网用户感知质量健康状况进行诊断和优化。传统利用CDR话单进
2、行用户行为分析的方法耗时长、效率低,仅适用于单个用户。本文通过用户感知平台采集用户感知大数据进行统计分析,建立用户特征画像,创新性地提出影响全网感知指标的“五高用户”诊断分析流程,从而对全网用户感知质量健康状况进行诊断,定期输出“五高用户”筛查报告,并进行监控和及时处理,降低用户投诉率,提升小区派单准确性,切实提升用户感知,保障电信品牌形象。同时通过用户特征画像可以统计用户行为习惯,挖掘价值区域和价值用户,为市场推广和网络建设优化提供数据支撑,提升效率。本文初步挖掘出南通价值区域和价值用户,为前端市场发展提供数据支撑。对南通“五高用户”进行诊断分析,评估全网用户感知质量健康状况,探寻其对全网感
3、知的影响,并进行针对性优化处理,降低投诉率,提升了全网感知指标。 关键字:用户感知平台、用户特征画像、价值区域和用户、感知质量健康诊断、“五高用户”目录一、项目概述1二、项目关键创新点1三、创新成果展示2四、成果介绍34.1 用户特征画像34.1.1 时间维度44.1.2 区域维度54.1.3 终端维度84.1.4 业务使用84.1.5 总结94.2 高流量用户104.2.1 高流量用户提取门限104.2.2 高流量用户行为分析114.2.3 高流量用户对全网指标影响144.2.4 超高流量用户行为分析154.2.5 超高流量用户对全网指标影响174.2.6 总结184.3 video高次数用
4、户184.3.1 video高次数用户提取门限184.3.2 video高次数用户行为分析194.3.3 video高次数用户对全网指标影响214.3.4 总结224.4 http高次数用户224.4.1 http高次数用户提取门限224.4.2 http高次数用户行为分析234.4.3 http高次数用户对全网指标影响264.4.4 总结264.5 video高质差用户274.5.1 video高质差用户提取门限274.5.2 video高质差用户行为分析284.5.3 video高质差用户对全网指标影响304.5.4 总结304.6 http高质差用户304.6.1 http高质常用户提取
5、门限304.6.2 http高质差用户行为分析314.6.3 http高质差用户对全网指标影响344.6.4 总结34五、效益评估及成果价值35六、成果推广现状及推广前景35一、项目概述通过用户感知平台采集数据,从时间、区域、终端、业务使用等多个维度分析各类场景用户行为习惯,建立用户特征画像,挖掘价值区域和价值用户,为前端市场发展和网络优化建设提供数据支撑,提高工作效率。创新性定位“五高用户”,具体包括高流量用户、video高次数用户、http高次数用户、video高质差用户、http高质差用户,分析“五高用户”行为习惯和其对全网感知指标的影响,并依据分析结果对用户进行监控处理,将异常用户对全
6、网感知指标的影响降至最低,切实、有效、高效的提升全网感知,降低用户投诉。二、项目关键创新点创新点1:创新建立“用户特征画像”,通过时间、活动区域、终端、业务使用情况多维度进行用户行为分析,建立用户特征画像,挖掘价值区域和价值用户。通过用户特征画像统计不同场景各类用户习惯,省去用户调研,为前端市场推广提供数据支撑,同时定位出各类异常小区和异常用户,提高网络优化效率;图2-1 用户特征画像创新点2:创新提出“五高用户”诊断分析流程, 依托用户特征画像对全网“五高用户”进行抓取和分析,定期输出五高筛查报告,统计“五高用户”行为习惯和其对全网感知影响,评估全网用户感知质量健康状况。对“五高用户”进行监
7、控处理,有效降低投诉率和提升全网感知;图2-2 “五高用户”诊断分析三、创新成果展示 创新成果主要为:图3-1 用户特征画像建立流程图用户特征画像:依托用户感知平台建立用户特征画像,初步分析结果:南通全网用户数维持在80万左右,流量一天400T,激活用户数占75%,约60万人。定位出高价值小区235个,已对这些小区形成的高价值区域进行监控跟踪处理,进而保障全网指标。终端除苹果外,Oppo R9系列,华为 mate9属于热销机型,腾讯网页和视频业务使用用户数最多,建议市场部将热销机型纳入电信手机商城通过捆绑套餐销售进,在腾讯上面投放电信广告来吸引用户;图3-2 “五高用户”诊断分析流程图“五高用
8、户”诊断分析:制定“五高用户”抓取门限,依托于用户特征画像进行诊断分析。初步诊断分析结果:南通高流量用户对全网感知影响较大,主力用户为学生,并且分布比较集中,校园小区占50%,其优良率对全网感知指标有0.5%的影响。高质差用户与高流量用户类似,对全网感知存在劣化影响,主要集中在校园,腾讯网页产生的质差次数远高于其他业务,已加强对腾讯服务器指标监控。高流量和高质差主要由于校园小区用户数众多,导致覆盖小区高负荷引起感知指标恶化,目前已对校园小区进行扩容优化,效果显著;高次数用户对全网感知指标影响较小,video高次数用户全天指标随用户作息时间起伏波动,http高次数用户除凌晨外指标保持平稳,有45
9、%的用户为http质差用户; 四、成果介绍4.1 用户特征画像通过用户感知平台从多个维度对南通用户行为进行分析,建立用户特征画像,挖掘价值区域和用户,支撑前端市场和网络优化,降低投诉量和提升全网感知。4.1.1 时间维度图4-1 全网天级流量分布图全网用户流量一周起伏波动,呈现双休日上升,工作日回落趋势,用户平均每人每天流量在60M以上。图4-2 全网小时级流量与用户数分布图全网流量高峰出现在午休和晚上下班后,凌晨出现波谷,用户数高峰出现在上午上班时间,与流量走势存在差异。4.1.2 区域维度图4-3 各场景流量与用户数分布图农村、住宅小区、校园、工业园区为top4高流量场景,流量总占比79%
10、,校园场景用户少但使用流量多,工业园区场景用户多使用流量少。图4-4 各场景流量与小区数分布图校园场景单小区平均使用流量最多,平均每个校园小区一天承载流量126G,一天驻留人次350人。从用户感知平台上面提取最近7天的小区流量指标进行分析,统计出高流量小区和高用户数小区,如下所示:图4-5 南通全网天级小区流量分布图根据统计出的高次数分布图,初步确定南通高流量小区提取门限如下所示:高流量小区:200G/天 + 一周出现4次及以上根据此判决门限共抓取高流量小区235个,占比1.2%。分析高流量小区对全网感知指标的影响,发现剔除高流量小区后对全网感知存在2.5%左右的提升。图4-6 高流量/高用户
11、小区与全网感知对比图高流量小区对全网感知影响较大,同时这部分小区所在区域为价值区域,需要对这些小区进行重点分析。图4-7 全网各场景高流量小区分布除校园、高速、高铁重点区域外,还存在将近一半的高流量小区,这些小区所覆盖区域为业务上的高价值区域,需要对这些小区进行重点分析,及时处理,以保障提升全网感知。4.1.3 终端维度图4-8 全网top10终端与用户数分布图全网top10终端品牌如上图所示,苹果用户占主流,华为用户平均使用流量最多,针对除苹果外的热门机型如Oppo 9系、7系、huawei mate9等建议与厂家进行合作,把这些机型纳入电信手机商城捆绑特定套餐销售进而吸引用户。4.1.4
12、业务使用图4-9 全网top10视频业务与用户数分布图视频业务流量和用户数分布比较集中,主流视频网站流量总占比98.1%,用户数总占比94.6%,腾讯视频用户数最多,爱奇艺和快手平均用户使用流量多,建议对腾讯视频、爱奇艺、快手投放电信广告来吸引用户。图4-10 全网top10网页业务与用户数分布图网页业务相较于视频业务分布比较分散,top8网站流量总占比38.01%,用户数总占比34.34%,腾讯相关网页服务(腾讯新闻和大申社区)占大头。4.1.5 总结用户特征画像流程图如下所示:图4-11 用户特征画像流程图通过建立的用户特征画像对南通全网用户进行行为分析发现,全网用户数维持在80万左右,流
13、量一天400T,激活用户数占75%,约60万人。定位出高流量小区235个,对这些小区形成的高价值区域进行监控跟踪处理,保障全网指标。终端除苹果外,Oppo R9系列,华为 mate9属于热销机型,建议纳入电信手机商城通过捆绑套餐销售进而吸引用户。腾讯网页和视频业务使用用户数最多,建议在腾讯上面投放电信广告效果最佳。通过建立的用户特征画像对“五高用户”进行分析。4.2 高流量用户高流量用户属于高价值用户,在全网对这些用户进行单独抓取和行为分析,用于保障用户感知,提升用户满意度。4.2.1 高流量用户提取门限高流量用户的提取门限值设定参考从用户感知平台上面提取的最近7天的用户流量指标,与对应指标全
14、网均值相比较,如下所示:图4-12 全网用户流量分布曲线图根据提取的全网用户流量指标发现平均每天用户消耗流量在66MB左右,通过数据获取高流量门限为4.5G,结合电信营业厅推出的主流套餐业务,初步确定南通高流量用户提取门限如下所示:日均消耗LTE流量超过3G + 一周出现4次及以上根据此判决门限共抓取南通高流量用户1029个,全网用户数占比0.15%,对抓取到的高流量用户进行相关数据提取和行为分析。4.2.2 高流量用户行为分析南通抓取高流量用户1029个,初步分析结果如下所示:图4-13 高流量用户终端分布图高流量用户TOP终端类型为 苹果/步步高/华为/Oppo,总占比61%。图4-14
15、高流量用户细分场景占比图高流量用户主要集中在校园/农村/住宅小区场景,总体占比74%。图4-15 高流量用户小时级流量分布高流量用户全天各时段流量使用呈现起伏波动,在凌晨5点出现波谷,晚上22点出现波峰,围绕波峰波谷起伏。图4-16 高流量用户视频业务占比高流量用户主要使用的视频业务为腾讯和优酷,分别占比40%和34%,其次为快手,占比15%。视频业务比较集中,top3视频业务占比89%。图4-17 高流量用户不限流量用户占比南通高流量用户中办理不限流量套餐的用户占比59%,其它高流量非此类套餐的用户占比41%。小区site_name高流量用户数46011074555698 NTL2NTB新城_中天大厦_21946011074654769 NTLBNUB开发_新航校_11246011075419185 NTL2NMD海门_移动东灶港闸西_11246