基于大数据的营销网格精细规划研究*

贺科达，安海涛

（1.中睿通信规划设计有限公司，广东 广州 510630；2.国家国防科技工业局信息中心，北京 100039）

0 引 言

近年来，随着城镇化进程不断加快，网络的深度覆盖难度不断增大，传统网络规划一般采用网络仿真、MR大数据分析等方法来实现。传统方法侧重于网络架构、覆盖目标、质量目标、站址选址、部署方式、扩容等要求，但容易忽视网络资源配置效益的最大化[1]。此外，由于网络仿真更多地聚焦全网指标、MR（Measurement Report）大数据分析更多地关注栅格维度的局部指标，前者网络规划颗粒度过大，后者颗粒度过小，均无法有效地为市场前端提供指引[2-3]。针对传统网络规划颗粒度不适应市场前端需求、无法有效指导资源投放的问题，在基于大数据的前提下创新性的提出了面向营销网格的精细规划方法，将营销网格等市场数据嵌入到规划阶段，作为网络发展建设的最终目标和依据之一。该方法的核心点在于以市场为导向，在传统MR大数据分析的基础上引入营销网格/营服中心的维度，将规划颗粒度控制在营销网格/营服中心级别，既有利于优化网络资源配置效益，同时也有利于支撑市场前端，加强县区、营服中心对移动网规划的参与力度，还有利于在网络后评估阶段，以营销网格为最小颗粒度，分析不同场景下、不同网格中的网络质量、用户感知、市场发展等重要数据，得出确切结论，实现相应责任落实到人。

1 营销网格及其创新点

1.1 营销网格

营销网格与传统MR栅格均是通过地理化呈现来体现全网的覆盖水平。从地理属性上营销网格进一步细分为城市、政企、农村三大类。而这三大类别又可以更为细致地划分为城市住宅、城中村等10种场景，其中城市包括：城市住宅、城中村，政企包括：商务楼宇、专业市场、学校园区、临街商铺、行业客户、产业园区，农村包括：集镇和行政村。

1.2 营销网格关联MR数据

将营销网格与MR大数据进行关联匹配，MR大数据关联营销网格的作用在于：可以以营销网格为维度，从市场需求角度出发，统计评估每个营销网格的覆盖情况、用户情况等，以此作为新一期网络规划时资源有效投放的指引。并通过以下定义评估该营销网格的网络覆盖情况。

厚覆盖：营销网格内MR RSRP＞-110 dBm的条目数占比80%以上；

薄覆盖：营销网格内MR RSRP＞-115 dBm的条目数占比80%以上；

弱覆盖：营销网格内MR RSRP＞-115 dBm的条目数占比少于80%。

更进一步地，以营销网格为抓手，将营销网格覆盖情况、客户投诉、客户分布三者结合进行统计分析，有以下发现：

厚/薄/弱覆盖的营销网格均有可能发生投诉；

薄/弱覆盖营销网格下的用户投诉几率更高，以珠三角某区域为例，该区域某时期内薄/弱覆盖营销网格的客户投诉分别是厚覆盖营销网格的2.39倍和4.17倍，如表1所示。

表1 珠三角某区域营销网格客户投诉分析

说明：归一化的每用户投诉几率＝投诉量占比/用户占比

用户数据流量主要集中在城市/政企营销网格。

以上数据印证了营销网格关联MR大数据可以辅助精细规划并促使资源投放效益最大化的结论。在实际网络规划中，可以依据“营销网格分类VS网格覆盖情况”的网络价值九宫格，对规划站点进行优先级排序，将有限资源优先向覆盖价值最高的弱覆盖区域倾斜。更进一步的，还可以根据城市/政企/农村营销网格的细分场景，将网络价值九宫格进一步细分，使得规划精细度更高，如图1所示。

图1 网络价值九宫格

2 面向营销网格的精细规划

面向营销网格的精细规划方法，通过将MR大数据映射到营销网格中，并加载于GIS图层上，既实现了网络规划的可视化，也实现了将市场数据嵌入到规划阶段，使得资源投放有据可依的精细化，具体如图2和图3所示。

图2 营销网格关联MR大数据示意图

3 面向营销网格的精细规划流程

营销网格关联MR大数据的规划流程为：首先，将海量MR大数据映射到营销网格，生成营销网各级的MR覆盖画像，作为后续规划站址价值排序评估的依据；然后，将MR弱覆盖区域进行汇聚，选择话务量最高的区域，判决加站的可行性，直到找出符合网络拓扑要求的宏站站址，再进行工参规划[4]；最后，将候选站点地理化呈现，映射入相应的营销网格，根据MR覆盖画像和网络价值九宫格进行排序，输出最终列表。具体规划流程如图4所示。

图3 珠三角某超大城市局部的营销网格

图4 营销网格关联MR大数据规划流程

（1）生成营销网格级MR覆盖画像

从4G网管获取包含RSRP、SINR等网络指标的MR Count数据，要求至少采集三天早晚忙时。将MR数据映射到市场部门提供的营销网格中[5]，按图5所示数据输出模板进行统计并输出MR覆盖画像。

（2）弱覆盖区域汇聚及加站判决

图5 MR覆盖数据输出模板

将MR RSRP数据地理化呈现，生成N×N栅格数据。进一步将弱覆盖区域按一定规则进行汇聚，并在弱覆盖中心点附近按照几何关系寻找满足宏站加站条件的点部署宏站[6]。判决是否适合新增宏站的基本条件：地形地貌适合加宏站；满足宏站站间距要求。珠三角某城市4G MR覆盖栅格分布如图6所示。

图6 珠三角某城市4G MR覆盖栅格分布

（3）输出区域和站点优先级列表

上一步经MR大数据分析规划出来的新增站址也可以进行地理化呈现。在输出最终加站列表前，不仅需要对上一步得到的新建站点的覆盖和容量进行价值评估，还需要结合营销网格级MR覆盖画像和网络价值九宫格对新建站点进行评估，以对新加站点根据优先级选择[7][8]，根据预算选择价值较高的站点优先实施。

4 实验结果与分析

利用Mapinfo工具，将MR周期上报的RSRP数据映射到该区域的营销网格上，统计各个营销网格内不同RSRP值区间的MR条目数，标识厚/薄/弱覆盖营销网格[9]，输出MR覆盖画像表格如图7所示。

图7 珠三角某超大城市某区域MR覆盖画像数据表

对该区域MR周期上报RSRP进行处理从而形成50m×50 m栅格，如图8所示，根据RSRP分布情况确定弱覆盖区域，后续针对这些问题区域进行调整或输出相应加站建议[10]。

图8 珠三角某超大城市某区域MR覆盖栅格化呈现

上述加站建议根据营销网格级MR覆盖画像和网络价值九宫格进行价值评估，结合本期投资盘，筛选符合投资预期且预估覆盖效益最高的站点[11]，输出表2、表3、表4和表5。

表2 珠三角某超大城市某区域规划前后站点统计

表3 A和B站开通前后指标对比

表4 A站（下图标白站点）开通前后RSRP覆盖对比

针对本期经营销网格关联MR大数据精细规划出来的站点，对其覆盖区域进行开通前后对比测试，测试结果表明站点开通后各项指标均比开通前有所提升，达到了预期的覆盖效果。此外，在站点开通后的一定周期内，沿用营销网格关联MR大数据的评估方法进行分析，本期规划站点所在营销网格的RSRP＞-110dBm的条目数有较大提升，从而完成了规划上的“闭环”。

表5 B站（下图标白站点）开通前后RSRP覆盖对比

5 结 语

本文通过MR大数据与营销网格的结合，可以刻画出细分场景的MR覆盖画像，精确定位网络弱覆盖区域，并根据市场数据的映射，确定待新增站点规划和建设的优先级，以便重点关注其覆盖区域的网络质量及用户感知，同时提升投资精准化水平，实现网络资源配置效益的最大化。此外，网络后评估阶段，还可以营销网格为最小颗粒度，分析不同场景下、不同网格中的网络质量、用户感知、市场发展等重要数据，实现“闭环”规划[12]。

综上，基于大数据的营销网格精细规划方法，将营销网格作为市场数据嵌入到“规划-建设-优化-后评估”的全流程，在不同阶段发挥了指引作用，最终实现了规划的闭环，并有效地支撑了市场前端的发展。