[发明专利]一种基于固网大数据挖掘用户联系电话的方法及系统

说明书

技术领域

本发明涉及大数据处理领域，尤其涉及一种基于固网大数据挖掘用户联系电话的方法，还涉及一种实现所述基于固网大数据挖掘用户联系电话的方法的系统。

背景技术

宽带运营商在各个地市有不同的宽带用户，在这些用户宽带快到期的前一个月，宽带运营商会给到运营部的同事一批电话号码去联系用户及时续费。但是很多用户当时申请宽带时填写的联系电话号码失效了，无法联系上用户，导致客户的流失。目前整体续费率一般只有50~60% ；并且宽带运营商提供固网续费联系号码中联电失效占比30~40%，这一比率是相当高。

发明内容

为解决现有技术中的问题，本发明提供一种基于固网大数据挖掘用户联系电话的方法，还提供一种实现所述方法的系统，用于提炼出每一个宽带下用户的联系方式，从而提高了用户的续费量。

本发明基于固网大数据挖掘用户联系电话的方法包括如下步骤：

S1：采集用户的上网日志；

S2：上网日志预处理，清洗出包含电话号码的上网日志；

S3：抓取电话号码，并对电话号码进行准确性建模分析，提取出符合要求的电话号码；

S4：对提取的电话号码建立积分模型，获取最终与用户匹配的电话号码。

本发明作进一步改进，在步骤S1中，通过在各个地市部署互动采集服务器，收集各个地市上网的日志记录，然后将采集的上网日志传回数据预处理服务器中心。

本发明作进一步改进，步骤S2的处理过程包括：

S21：通过正则表达式清洗上网日志，同时满足电话号码前一位及后一位为非数字；

S22：将预处理的数据按照规则排版好，传回大数据平台；

S23：大数据平台将每天的批次数据写进hdfs，用hive建立外部表指向当天所在批次的数据路径；

S24：建立分区表对历史数据进行存储。

本发明作进一步改进，在步骤S3中，所述准确性建模分析的分析因子包括：电话号码出现时所在的主域名、电话号码出现的次数、电话号码在不同主域名出现的次数、同一个电话号码在不同的宽带用户下出现的次数；

处理过程包括：

非本市号码过滤步骤：对每个地市出现的电话号码按城市进行匹配，过滤掉非本市的电话号码；

精准性排序步骤：按出现在不同的主域名下的电话号码进行精准性排序，出现的次数越多排名越靠前；

过滤清洗步骤：对同一个电话号码，出现在同一个主域名，且出现在不同的宽带账号下，进行过滤清洗。

本发明作进一步改进，在步骤S3执行后，步骤S4执行前，还包括数据验证步骤：将得到的号码与确认的正确号码做交集，从而寻找其特征 ，对电话号码进行二次处理。

本发明作进一步改进，所述特征包括这些正确的电话号码经常出现在哪些主域名当中，并对这些主域名按照电话号码正确率的高低进行优先级排序。

本发明作进一步改进，在步骤S4中，所述积分模型的参数包括电话号码归属地、主域名的优先级、同一电话号码出现在不同主域名的个数、同一电话号码出现在不通宽带下的次数。

本发明作进一步改进，所述积分模型获得的分值能够根据机器自学习调整。

本发明还提供一种实现所述方法的系统，包括：

采集模块：用于采集用户的上网日志；

上网日志预处理模块：用于对上网日志预处理，清洗出包含电话号码的上网日志；

电话号码抓取模块：用于抓取电话号码，并对电话号码进行准确性建模分析，提取出符合要求的电话号码；

电话号码筛选模块：用于对提取的电话号码建立积分模型，获取最终与用户匹配的电话号码。

本发明作进一步改进，所述采集模块为在各个地市部署的互动采集服务器；所述上网日志预处理模块为与互动采集服务器相连的数据预处理服务器中心；所述电话号码抓取模块和电话号码筛选模块设置在与数据预处理服务器中心相连的大数据平台中。

与现有技术相比，本发明的有益效果是：能够有效获取宽带下用户手机号码；降低失联用户占比，减少客户的流失，提高宽带运营商续费率。

附图说明

图1为本发明方法流程图；

图2为数据预处理及数据验证处理框图。

具体实施方式

下面结合附图和实施例对本发明做进一步详细说明。

如图1和图2所示，本发明基于固网大数据挖掘用户联系电话的方法包括如下步骤：