一种利用神经网络预测用户投诉的方法.docx

一种利用神经网络预测用户投诉的方法 我国移动通信从1993年起，经历了2G到5G的技术革新，2021年5G网络建设进一步铺开，to C和to B应用进入爆发阶段。如今中国移动、中国电信、中国联通均已建成了覆盖范围广、业务速率高的无线网络，中国电信业进入了全业务运营时代，形成了新的竞争格局。现阶段三大运营商通信服务有明显的同质化趋势——相似的用户结构、广泛的网络覆盖、雷同的服务种类、相同的企业性质。在携号转网全面落实、用户空间日益饱和的今天，提高用户黏性成为提升运营商市场竞争力之根本。提高用户黏性意味着运营商战略方向必须向提高用户业务感知。运营商对用户感知的最重要并且最直接的数据收集方式即是用户投诉。正确认识用户投诉是打破电信业同质化竞争局面的原动力。当运营商所提供业务的质量达不到用户预期并超出了用户容忍极限之后，用户通常会将其对服务质量的不满表现在用户行为上。用户的投诉是运营商提升服务水平和产品质量的先导，运营商可以据此对网络质量进行靶向优化。运营商应通过对用户投诉数据的分析与分类，划分出与用户投诉直接相关的网络指标，通过建立模型实现当网络指标达到或低于该模型容限时进行及时预警，避免用户投诉行为，从根本上提高用户体验，力争建立起“网络质量差—用户投诉—网络质量分析—构建模型—网络质量预警—网络优化—网络质量提升”这一闭环流程。小区网络质量与用户投诉用户投诉分为“情绪发泄”和“问题反馈”两个部分。情绪发泄是指用户对企业的产品和服务的内容表示不满意，目的倾向于倾诉，可以通过解释来满足用户诉求；问题反馈是用户对企业提供的产品或者服务不满足其预期的一种情绪体现和情况反馈。对于运营商来说，问题反馈类的投诉更有分析价值。运营商保存的投诉数据，数据结构完整，结合入网时间、消费层次、年龄阶段、业务偏好等用户信息，具有巨大的分析价值。如何从纷繁复杂的投诉数据中发现规律、定位问题，并及时跟进处理用户的不满，进而防患于未然，是摆在运营商面前的新问题。但是目前运营商对用户投诉的分析水平普遍较低，对于投诉相关的网络数据资源利用效率低，缺乏对用户投诉的科学、系统研究。用户投诉的分析方法目前对于投诉行为预测的方法可以分为两类，一类是定性预测方法，另一类是定量预测方法。定性预测是通过对投诉历史及现状的分析，预判出未来投诉发展的一种或多种可能性，如使用市场调研法。定量预测是利用历史和当前的数据，建立有关的数学模型，对投诉未来发展做出数量预测，通过数学模型来表述投诉发展的规律，定量预测模型的典型代表有时间序列模型和回归模型。用户投诉数据有一个累积的过程，图1列出了广东某地市某年1—5月某运营商网络投诉情况。通过分析投诉历史数据，对典型投诉案例进行总结，建立完善投诉案例库，挖掘投诉与网络质量间内在规律，通过对网络质量指标的监测，实现对用户投诉的预测。本文从网络基础信息入手，利用算法计算投诉点对应的服务小区。结合关键小区的网络运营指标，建立起网络质量与用户投诉之间的关联。最后利用神经网络算法评估用户投诉与小区网络性能的关联度，从而建立起投诉预测模型。用户投诉的网络质量分析为了分析小区的投诉情况，需将投诉详单中的投诉记录定位到服务小区。通过对投诉记录进行分类，筛选出用户投诉的网络因素，对应到投诉定位小区的网络质量，分析出哪些网络质量是影响用户投诉的首要因素，从而建立预测模型。●用户投诉的网络定位算法投诉小区定位过程：首先取投诉点与基站连线与正北方向的夹角为基站-投诉点方位角，一个基站可服务多个小区，由不同的小区扰码进行区别，基站的天线中心方向电磁波辐射最强，往两边信号强度逐渐减小，基站的半功率角就是主瓣上，功率下降到最强方向(主瓣方向)一半(3dB)的夹角，常见的水平半功率角为65度，即从主方向往左右各32.5度，功率就下降到一半，该参数反映了天线能量的集中程度，表征天线的覆盖范围，基站的一个水平半波方向角即覆盖一个小区。投诉点关联基站原理如图2所示，角度Base1＿Angle1、Base1＿Angle2为基站Base1的两个小区的水平半功率角，Base2＿Angle、Base3＿Angle分别为基站Base2、Base3两个小区的水平半功率角。Ue＿Base1＿Angle、Ue＿Base2＿Angle、Ue＿Base3＿Angle依次为投诉点与3个基站连线的方向角。常见的天线水平半功率角为90度和65度，以65度为例，Ue＿Base1＿AngleBase1＿Angle2-65/2,则此终端在基站Base1小区2的覆盖范围外，同理也不在基站Base1小区1的覆盖范围内。对于基站Base3的小区，Base3＿Angle-65/2Ue＿Base3＿AngleBase3＿Angle+65/2,则认为此终端在此