浅谈电信行业客户重入网分析方案

雷蕾 余凤丽

【摘要】 电信行业客户重入网会带来大量营销资源的无效消耗，同时带来离网率过高和用户虚增等异常现象，为此，业务分析人员通过建立模型识别出重入网客户加以管理，但是识别的准确率一直不够理想。本文总结重入网建模经验，结合大数据IT建设成果，分析各种识别方法的优劣，为模型优化提供参考。

【关键词】 重入网 模型 大数据

一、背景及研究现状分析

重入网客户行为指的是已拥有某电信运营商的A地市分公司一个移动号码的客户，由于某种原因又新买了该运营商A地市分公司的另一个同类终端产品（手机、数据卡、上网本、MIFI）的号码入网。由此消耗的营销资源包括号卡资源以及渠道销售成本，还有客户在重入网后对前一号卡进行弃卡，引发恶意欠费等现象。传统的重入网识别技术是基本信息识别、IMEI识别和社交匹配度识别，这三种技术或单独或交叉使用，但是这些识别技术准确率低，例如基于用户资料的移动用户身份识别准确率仅为42%，有待改进：1、客户基本信息在实名制还未普及的情况下，很多信息是错误的；2、IMEI识别受山寨机的影响，存在错误；3、可引入大数据实现信令数据的采集，对用户的位置信息进行定位和跟踪，从而分析两个用户是一个客户的可能性。

二、客户重入网识别方法优化方案介绍

以下介绍三种模型优化的方法。

2.1客户基本信息校验

客户基本信息主要包括姓名、家庭住址和身份证，先对客户信息的有效性进行验证，仅在信息有效的客户中识别重入网用户：

1、姓名识别，剔除：

以下一个或多个词语的用户：“预开”、“营业厅”、“开户”、“直邮”、“套卡”、“代销”、“中心”、“批量”、“批开”、“直供”；

中文字符小于2个的。

2、家庭住址识别：剔除中文字符小于2个的。

3、身份证有效性识别，为防止客户乱填，号码有效性识别如下： 参数1：取前17位数字，以i表示其所在位数，从左向右依次为17、16、15...2、1；参数2：每一位上的身份证号码数字记为Ai 参数3：计算MOD（2^i，11），记为Wi；参数4：将每一个Ai与对应位置上的Wi相乘。

将参数4得到的17个数值求和，然后除以11求余数，得到一个数值n

通过n在下面的对应表中进行查表，得到最终的校验位字符：

计算值n 0 1 2 3 4 5 6 7 8 9 10

校验码 1 0 X 9 8 7 6 5 4 3 2

2.2IMEI信息有效性校验

采用IMEI识别之前，先判定客户的唯一有效IMEI，主要分为以下两种判定方式：

1、剔除1个IMEI对应多个号码的情况，即山寨机：

IMEI号对应3个以上号码；

IMEI长度小于14个字符；

IMEI字符全是0或者空的。

2、剔除1个号码对应多个IMEI 的情况，这类客户可能存在频繁换机情况：

IMEI号对应3个及以上号码 ；

用户2个IMEI号，取一个月内使用天数最多的标识为用户的唯一有效IMEI。

三、引入用户位置轨迹匹配

同一个客户的上班地点、住宅地点相对固定，而且该客户出现在这类地点的时间遵循一定的规律，所以，通过比较两个用户在上班地点和住宅地点，来识别两个用户是一个客户的可能性。首先，按照工作日白天、工作日晚上、休息日白天、休息日晚上来划分时段；其次，A口信令数据在客户进行位置移动、开机、关机、通话时等操作会产生数据，无以上操作时，将按照一定的时间间隔进行采集，由此可以计算出客户在该基站下的逗留时长；最后，匹配客户在这四个时段的相同位置的逗留时长，即可评估两个用户是同一客户的可能性。

四、总结及下一步发展

经过对比测试，对客户基本信息和IMEI信息进行校验后，分别有30%和38%的信息正确可用，只针对信息有效的用户识别，重入网准确率达到75%；其余客户基本信息和IMEI信息错误的用户，采用交往圈和位置轨迹匹配的方案提升重入网客户识别的覆盖率，这部分用户通过外呼确认，准确率为48%。总体而言，通过三种方法的引入，能有效提升模型识别的准确率。通过加强社会渠道的管控，随着实名制的普及和携号转网业务的发展，重入网客户可在业务办理时即得到识别和控制。

参 考 文 献

[1]温瑞军.移动代理商渠道养卡套利行为识别与治理[J].电子技术与软件工程，2015（3）：54-55.

[2]罗亚.移动电话用户重入网识别及营销建议.北京邮件大学硕士论文，2010.

[3]王征，包磊.基于网络访问项序的移动用户重入网身份识别方法[J].大连理工大学学报，2015（2）：016.

[4]日发帖赵丽莎.基于数据挖掘的电信客户重入网预测系统的研究.昆明理工大学硕士论文，2014.