[发明专利]基于信令挖掘用户满意度的评估方法

说明书

本发明公开一种基于信令挖掘用户满意度的评估方法，包括：(1)采集信令数据、小区工参数据、投诉工单数据和非投诉工单数据；采用交叉验证法随机划分为训练集和测试集；(2)根据现有投诉及非投诉用户采用GBDT算法对训练集做训练，以测试集做验证，得到最优分类模型，并输出用户满意度模型；(3)对用户每日信令数据进行用户满意度模型预测，找出每个用户体验最差的一条信令数据，确定用户投诉最高的概率并计算满意度值；(4)根据所述步骤(3)得到的用户满意度值，区分出一部分分值最低的用户，并标记为高危用户。将投诉处理从原来的事后处理变为事前控制，及时给高危用户给予关怀，不仅降低了用户投诉量，而且增强运营商自身的竞争力。

技术领域

本发明属于移动通信技术领域，尤其涉及一种利用跨时段的信令数据、工参数据和投诉工单数据的基于信令挖掘用户满意度的评估方法。

背景技术

随着移动通信与互联网技术的快速发展，数据业务俨然成为运营商第一大业务。各运营商提供的服务和产品相异性越来越小，而用户对于移动业务及服务的要求却越来越高，不仅关注产品的用户体验还特别关注业务的使用感知，因此对运营商的产品服务要求亦越来越高，随之而来的用户投诉量也日益增多。由于投诉量的增加，移动用户的满意度也随之降低，移动用户满意度不仅仅作为运营商的重要考核指标，而且是衡量运营商网络质量和感知的重要手段，也是保障移动用户的重要评估标准，因此，如何运用机器学习算法，构建用户满意度模型，挖掘影响用户满意度的短板指标，减少用户的投诉量的同时，提高运营商网络服务质量，从而全面提升用户的满意度。

提升用户满意度一种是基于现有的投诉手段，事后进行投诉工单的处理；另外一种方法是结合人工智能和机器学习挖掘移动网络问题，由事后发现向事前预先发现问题的转变，从而减少用户的投诉量。将投诉处理从原来的事后处理变为事前控制，及时给高危用户(基于业务质量评估满意度低的用户)给予关怀，从而降低高危用户转变为投诉用户的概率，并且提升用户数据业务感知，使得运营商在处理投诉问题时由被动变为主动，不仅降低了用户投诉量，而且增强运营商自身的竞争力。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种基于移动通信网络指标运用大数据建模手段构建满意度评估模型，从普通用户中预测出高危用户，将投诉处理从原来的事后处理变为事前控制的基于信令挖掘用户满意度的评估方法。

为解决上述技术问题，本发明采用的技术方案是：该基于信令挖掘用户满意度的评估方法，包括以下步骤：

(1)采集信令数据、小区工参数据、投诉工单数据和非投诉工单数据；采用交叉验证法随机划分为训练集和测试集；

其中，所述信令数据包含用户投诉前运营商给用户提供的网络服务层信息；所述小区工参数据包含小区ECI、小区经纬度以及覆盖小区的基站的名称；所述投诉工单数据包含受理用户请求，并完成用户诉求处理整个过程的数据；所述非投诉数据包含非投诉用户连续三小时，固定频率在15分钟以上的信令数据；

(2)根据现有投诉及非投诉用户采用GBDT算法对训练集做训练，以测试集做验证，得到最优分类模型，并输出用户满意度模型；

(3)对用户每日信令数据进行用户满意度模型预测，找出每个用户体验最差的一条信令数据，确定用户投诉最高的概率并计算满意度值；

(4)根据所述步骤(3)得到的用户满意度值，区分出一部分分值最低的用户，并标记为高危用户。