移动网络信令处理平台精准营销分析的研究

2014-11-20张治中贾会林

电视技术 2014年7期

杨勇，张治中，贾会林

(重庆邮电大学重庆高校通信网测试技术工程研究中心，重庆400065)

随着移动网络技术的不断进步，移动技术更紧密地拉近了与消费者的对位关系，移动网络的精准营销将创造精准营销的新时代。由于中国移动自身业务的不断发展，对用户的精细化分析及自有业务精准营销的需求也日益强烈。因此，如何才能科学、合理、准确地做到真正意义上的精准营销呢?

在文中，运用了Sasty［1］教授提出的AHP算法，构建了客户消费等级模型，该模型用于精准营销分析。李灵玥［2］虽然也做了用户消费等级的研究，但其只注重于模型的建立，没有从实际的通信事件中得到验证。而为了解决这些问题，本文从通信数据的采集、算法的构建、模型的建立、现网数据的验证以及多客户行为的多角度分析等方面，最终证实了该设计方案的有效性，能够更加科学、合理、准确地做到广告的精准投放，从而提高移动自有业务的营销效率、业务的激活率或者订购率，进而提高自有业务收入，以增强其市场竞争力，降低营销成本和营销投入的风险。

1 研究内容及思路

1.1 研究内容

精准营销分析应能根据指定条件(如区域、拨打号码、短信、手机型号等)对移动网络特定用户实时监测以实现用户分析，最终实现最有价值的广告精准投放，达到精准营销的目的。本课题基于北京移动信令处理基础能力平台，对客户通信数据进行采集，然后进行算法设计，建立模型并验证，多角度分析，得出结论，最终达到精准营销的目的。

1.2 研究思路

本课题研究思路如图1所示，基础平台接收信令数据，作为临时数据，存储在临时数据区;临时数据，结合网络参数等基础数据，经过预处理过程，生成细节数据，存储在细节数据库;细节数据经过ETL工具处理，根据业务需求，生成多维报表数据，存储在相应的DW中。然后，根据已设计好的满足精准营销分析的算法对数据仓库中的数据进行分析，得出结论，并以图表直观呈现。

2 计算移动客户消费等级值

计算移动客户消费等级值应按照如下过程进行:采集数据→确定算法→模型建立及验证→结果及分析。

2.1 数据采集过程

本课题是充分利用移动运营商网络的现有数据，通过对现网全网相关接口(A接口、Mc接口、HSTP等)的海量用户信令基础信息，进行存储分析(以下所有的数据表都是本课题存储数据所必需的表，为了简洁，不再赘述)。

客户所属群组:连接人口属性表(mfs_user_onregion)与区域信息表(mfb_region)查询指定区域的人口属性，将人口属性分类为非常驻人口、工作人口、居住人口三类。

客户年龄:连接人口属性表(mfs_user_onregion)与区域信息表(mfb_region)查询指定区域的客户年龄(user_age)。

手机号码和手机型号:连接最新用户事件表(mf_user_lastevent)与小区CELL关联表(mf_region_cell)查询指定区域指定时间范围内用户的手机号码(MSISDN)和手机型号(IMSI)信息。通过比对价格表可以查到对应手机价格和手机号码价格。

客户业务属性值:连接用户业务表(mfs_user_business)与区域信息表(mfb_region)查询指定区域指定用户的业务属性，经过处理得到指定用户的相关业务值，即平均欠费总额、累计欠费时长、月平均消费额、累计销帐总额、月平均充值额和卡种套餐资费。

客户行为轨迹值:连接用户手机额外消费表(mfs_user_mobileExtraCustom)与区域信息表(mfb_region)查询指定区域指定用户的手机娱乐消费(amusementfees)、手机购物总额(shoppingfees)。

最后，将以上查询结果按照对应的字段插入到客户消费表(clientcustom)中，作为采样数据。

2.2 客户消费等级值的计算过程

本文计算客户消费等级值，是基于AHP算法［2－4］实现的。依据该算法，构建一个用于判断客户消费级别的客户消费等级模型，并且要根据各个属性对客户消费等级值的影响程度为其赋予不同的权值。客户消费等级值越高，表明客户越偏向于高消费产品。可表示为

式中:G表示用户消费等级值;ci和wi分别为第i个属性值的指标值和权重。

2.2.1 消费等级模型的构建

从整个移动业务的分析来看，影响客户消费等级判断的主要因素有:月平均消费额、累计销账总额、月平均充值额、卡种套餐资费、平均欠费次数、平均欠费总额、累计欠费时长、手机娱乐消费、手机购物总额等。基于以上这些因素，可以确定对应的模型，具体过程如下文所述。

本文基于层次分析法［1，5－8］建立的客户消费等级模型如图2所示，自上而下分为3层，第1层是目标层(O层)，是计算等级值所要达到的目标。第2层是属性层(P层)，属性层中的内容分别为客户手机信息、客户欠费属性、客户基本信息、客户业务属性和客户行为轨迹。第3层是因素层(F层)，该层中所有因素均是影响客户消费等级判断的主要因素。

图2 客户消费等级层次分析结构模型

2.2.2 消费等级各因素指标权重的计算

1)构造对应的判别矩阵

根据各层中相邻因素的相对优劣程度(即重要性比较标度)来确定矩阵的元素，进而构造出对应的判别矩阵［6］。各标度值及其含义如表1所示。

表1 各标度值及其含义

因此，针对图2给定的层次结构模型，参照表1，根据资料、专家、决策分析人员的意见，反复研究后给出两因素之间的标度值，并将标度值作为判别矩阵的元素，进而得到以下判别矩阵，其中属性层P的判别矩阵为P，因素层中关于客户基本信息、手机信息、欠费属性、业务属性、行为轨迹的判别矩阵分别对应 F1，F2，F3，F4，F5。

2)检验判别矩阵的一致性

依据AHP［1］算法给出的检验标准，对以上数据进行一致性检验(为节省篇幅，相关计算过程不再赘述，仅给出一致性检验结果)，其结果如下:

P 层中，C·I=0.017 0，R·I=1.120 0，C·R=0.015 2＜0.1，因而矩阵P一致性检验通过。

F层中，由于客户基本信息、客户手机信息、客户行为轨迹的判别矩阵维数均是2，因而矩阵F1，F2，F5一致性检验通过。客户欠费属性C·I=0.026 81，R·I=0.026 81，C·R=0.026 81＜0.1，矩阵F3一致性检验通过。客户业务类属性C·I=0.018 82，R·I=0.960 0，C·R=0.019 6＜0.1，矩阵F4一致性检验通过。

3)权重计算及消费等级模型确定

通过以上可知，所有判别矩阵均通过了一致性检验，因而构造的判别矩阵均是合理的。表2列出了通过计算所得到的各因素指标的具体权重 (具体计算过程不再累述)。

表2 各因素指标的权重

将以上给出的权重，代入式(1)中，得到对应客户消费等级为

式中:ci为第i个属性值的指标值。

2.3 客户消费等级值的计算及分析

2.3.1 客户通信事件采样及处理

1)客户通信事件采样

通过查询语句“select* from clientcustom where id＜5”，查询客户消费信息表clientcustom的前5条数据如图3所示。

图3 客户消费信息表原始数据(截图)

2)构造当量值转化函数

为了便于计算，表3给出客户基本信息与客户手机信息对应的当量值。构造4个当量值转化的PL/SQL函数，分别为 UserTypeValueConvert，AgeValueConvert，MobileBrand-ValueConvert，MobileNumValueConvert。下文为 AgeValue-Convert的函数体，其他3个函数同理，不再赘述。

create function AgeValueConvert

(age in number)return number is begin

if 0＜age and age＜20 or age=20 then

return 20;

elsif20＜age and age＜60 or age=60 then

return 30;

elsif age＞60 then

return 0;

end if;

end;