[发明专利]基于移动运营商的满意度的易访用户的挖掘方法

说明书

本发明公开了一种基于移动运营商的满意度的易访用户的挖掘方法，包括步骤：S1数据提取：采集用户在平台上的多种数据；S2数据处理：将所述步骤S1中采集到的数据依次经过清洗和关联处理，再进行样本划分；S3模型训练：从样本中提取特征进行两次的特征筛选后获得入模特征，并利用所述入模特征建立模型，获得模型；再测试获得的模型的效果，若模型的效果低于评判标准，则调整参数，循环样本训练，重新建立模型，直至模型的效果大于等于评判标准，输出训练完成的模型；S4预测：将全量用户数据输入模型中，即可得到每个用户的易访概率。该挖掘方法通过大数据建模找出愿意接受调研电话的用户，且用尽可能小的群体包含尽可能多的成功用户。

技术领域

本发明涉及无线通信技术领域，尤其是涉及一种基于移动运营商的满意度的易访用户的挖掘方法。

背景技术

近年来，近年来，移动互联网和智能终端呈现爆发式发展，各种应用层出不穷。伴随着业务的多样性和用户数量的不断增大，电信行业的投诉频度也急剧增长。提高电信服务质量，使用户满意度持续上升，不断减少客户投诉，成为电信运营商保持客户和收入增长的重要手段。

同时，随着信息技术的迅速发展，运营商已经积累与沉淀了大量的数据。激增的数据蕴含着许多重要的信息，但是目前尚缺乏对这些数据信息的有效利用。

因此，有必要开发一种基于移动运营商的满意度的易访用户的挖掘方法，通过大数据建模找出愿意接受调研电话的用户，且用尽可能小的群体包含尽可能多的成功用户。

发明内容

本发明要解决的技术问题是，提供一种基于移动运营商的满意度的易访用户的挖掘方法，通过大数据建模找出愿意接受调研电话的用户，且用尽可能小的群体包含尽可能多的成功用户。

为了解决上述技术问题，本发明采用的技术方案是：该基于移动运营商的满意度的易访用户的挖掘方法，具体包括以下步骤：

S1数据提取：采集用户在平台上的多种数据；

S2数据处理：将所述步骤S1中采集到的数据依次经过清洗和关联处理，再进行样本划分；

S3模型训练：从样本中提取特征进行两次的特征筛选后获得入模特征，并利用所述入模特征建立模型，获得模型；再测试获得的模型的效果，若模型的效果低于评判标准，则调整参数，循环样本训练，重新建立模型，直至模型的效果大于等于评判标准，输出训练完成的模型；

S4预测：将全量用户数据输入步骤S3输出的模型中，即可得到每个用户的易访概率。

采用上述技术方案，根据过往的样本数据(成功受访用户并关联对应的用户信息数据进行建模，通过训练后的模型预测出每个用户成功受访的概率，再根据概率值排序，输出客户所需的范围，从而实现通过大数据建模找出愿意接受调研电话的用户，且用尽可能小的群体包含尽可能多的成功用户(提高查全率)；该基于移动运营商的满意度的易访用户的挖掘方法提高用户关怀和网络优化效率和效果，解决常规手段挖掘不满意用户效率低、结果不理想问题，开展易访用户挖掘和满意度提升，聚焦市场和网络优势资源，优先改善关键用户服务体验和网络体验。

作为本发明的优选技术方案，所述步骤S1中的数据包括：经分数据、话单数据和外呼数据；所述经分数据包括用户基础信息、五网属性、终端信息、宽带互联网信息、套餐信息和通信行为；所述话单数据为用户的每日合并通话记录；所述外呼数据为用户与客服电话的通话详单。

作为本发明的优选技术方案，所述步骤S2数据处理具体包括以下步骤：

S21数据清洗：包括补充缺失值、筛选异常值和删除重复值；

S221：删除缺失值占比多的特征；

S222：对剩余缺失值进行针对性填补；

S223：根据话单数据中“对端号码”的属性，进行类别标记，便于后续分类特征提取；