家庭宽带离网用户预警模型构建研究

张靖 侯晓晶

摘  要：随着全市家庭宽带市场的饱和，宽带用户新增速度放缓，保有存量用户、控制用户离网业已成为促进宽带市场发展的重要举措。文章对家庭宽带离网用户特征进行研究，基于lightGBM、XGBoost、RandomForest三类集成学习的决策树算法，使用PyCharm软件构建家庭宽带离网用户预警模型，输出预离网用户供业务人员进行挽留，模型应用后，宽带月离网用户百分比从0.76%下降至0.35%，预计全年可挽回预离网用户7 776户，保有客户价值101.1万元。

关键词：离网;大数据;预测;量化;宽带用户

中图分类号：TP311                  文献标识码：A文章编号：2096-4706（2021）15-0085-04

Abstract： With the saturation of the home broadband market in the whole Shuozhou city， the growth rate of broadband users has slowed down. Retaining existing users and controlling user off-network have become important measures to promote the development of the broadband market. This paper studies the characteristics of home broadband off-network users， based on the decision tree algorithm of integrated learning of lightGBM， XGBoost and RandomForest， PyCharm software is used to construct home broadband off-network users early warning model， which outputs pre off-network users for business personnel to retain. After the application of the model， the percentage of monthly broadband off-network user drops from 0.76% to 0.35%. It is expected that 7 776 pre off-network users can be retained throughout the year， keeping a customer value of 1.101 million yuan.

Keywords： off-network; big data; prediction; quantification; broadband user

0  引  言

家庭宽带作为CHBN（Customer， Home， Business， New， CHBN）四大市场中的重要组成部分，在多产品融合营销、智慧家庭体系建立、实现用户价值提升等方面扮演着愈来愈重要的角色。截至2020年底，全市我网家庭宽带用户数达到20.3万，市场份额46.8%，通信运营商在家庭宽带市场上的竞争会长期存在，面对全市家庭宽带用户几近饱和、市场增速放缓的形势[1]，存量宽带用户保有形势愈发严峻。但我网2020年全年家庭宽带离网用户1.61万，离网率7.94%。

面对市场发展压力，我公司迫切需要深挖家庭宽带市场的保有潜力，通过多专业（市场侧+网络侧）历史数據，筛查并掌握宽带离网客群特征，随之而来的信息过载问题和用户无目的搜索[2]，使得数理统计、数据库分析等方法解决此类问题时，存在高质量有价值信息难觅、获取信息成本高、时间周期长等诸多弊端。

如何建立有效预测家庭宽带用户离网的数据模型？掌握哪些用户会离网，离网倾向有多高？需要用大数据技术协助解决。

1  模型概述

我们利用已有的多类用户特征，对宽带用户是否离网进行预判，根据输出预离网明细进行针对挽回。首先，将预测宽带离网用户的应用场景转化为有监督的二分类问题，再经过数据准备、特征选择、模型建立、效果评估、迭代优化、成果应用等六个阶段，构建基于lightGBM、XGBoost、RandomForest三类算法的混合模型——家庭宽带离网用户预警模型。

模型开发环境为Python 3.7，通过PyCharm开发工具实现。以单月全量家庭宽带用户数据为输入，包含用户属性、投诉情况、宽带网络性能等属性，并将原始数据按区域类型、带宽速率、投诉情况划分为8个客户群，分别适配lightGBM、XGBoost、RandomForest中的不同算法达到最优，最终完成家庭宽带离网用户预警模型的构建，并输出对存量宽带用户次月的离网预测。

2  模型构建

通过需求分析，将应用场景转化为预测宽带用户离网与在网的分类问题[3]，调取单月全量家庭宽带用户数据，包含用户属性（如年龄、性别）、业务属性（如宽带入网时间、用户套餐、用户月消费等）、使用习惯（如宽带上网时长、上网流量等）、投诉情况（如月投诉频次、投诉类型等）及宽带网络性能（如带宽、上网平均速率）等数据;完成多表关联、汇总后，形成包含347个特征的原始数据，其中数值型特征307个、类别型特征40个，以“isnt_kd_lost_label”（是否次月宽带离网用户）作为类别标签。

2.1  数据预处理及特征选择

2.1.1  特征初筛

为保证特征的有效性，首先去掉值全为空、对分类无贡献的5个特征，再去掉数据波动小、方差等于0的41个特征，最后去掉存储内容为文本（例如：民福花园小区）的32个特征，共涉及78个特征。

2.1.2  空值填充

对于数值型特征选用“中位数”填充，对于类别型特征选用“向前、向后”填充。

2.1.3  相似度分析

对于|相关系数|≥0.8的特征，认为其属于强相关，为保证模型的简化，选择仅保留其中一个特征，共丢弃124个特征。如图1所示。

2.1.4  数据集划分

预留10%的数据作为最终测试集（test set），剩余数据再按照8：2的比例划分为训练集（train set）和验证集（validation set）用于模型构建。

2.1.5  正负样本不均衡处理

以“离网”作为正类，“在网”作为负类，训练集原始数据正负样本比为1：142，存在明显数据不均衡，分别采用过采样、欠采样两种方式，按正负比1：2和1：4两种比例生成用于模型训练的数据集。如表1所示。

2.2  场景细分

2.2.1  划分维度

结合日常宽带用户的投诉处理、故障维护经验，将训练数据按照区域类型、带宽速率、投诉情况[4]三个维度划分为8个客户群。如图2所示。

2.2.2  细分标准

区域类型包括城市、农村;带宽速率包括高带宽、低带宽，其中100 MB及以下为低带宽、200 MB及以上为高带宽;投诉情况包括有投诉、无投诉。

2.3  模型建立

2.3.1  基线模型

对于划分好的8个客户群的训练数据集，依次使用lightGBM、XGBoost、RandomForest算法训练，最终训练出24个模型，作为基线模型，并从准确率、召回率、F1值对所有基线模型的预测结果进行评估。

2.3.2  终版模型

根据评估指标，选择召回率为首要评估指标，确定每类客户群预测效果最优的模型算法，其中，3个客户群选择lightGBM算法、3个客户群选择XGBoost算法、2个客户群选择RandomForest算法，并最终混合组成家庭宽带离网用户预警模型。

2.4  效果分析

2.4.1  评估指标

将模型应用在8个客户群的测试数据集上，并输出准确率、召回率、F1值三项评估指标，对终版模型的各客群预测结果进行评估，以正类召回率作为首要评估指标[5]。

2.4.2  预测效果

在8个客户群的正类召回率中，6个客户群在90%以上、1个89.34%、1个75%;模型在测试集上的正类召回率为89.64%。如表2所示。

2.5  调优

在模型构建过程中，需要根据模型的评估指标，多次进行迭代优化，主要解决以下两个问题。

2.5.1  训练样本均衡问题

原始训练数据，正负样本比例悬殊，同时引入上采样、下采样方式，按1：4和1：2比例生产训练数据集，进行探索。通过评估各训练集生成模型的预测召回率，最终选定上采样（1：2）作为最终训练数据。

2.5.2  过拟合问题

通过训练数据集生成的基线模型，准确率、召回率、F1均在98%以上，但在测试集上召回率仅65%，出现了明显的过拟合、泛化能力不足的情况。通过调整reg_alpha、reg_lambda、max_depth等参数，加入L1、L2正则化，限制树的最大深度，降低模型的拟合精度，增强泛化能力。

2.6  预测结果输出

模型最终的预测结果以csv文件格式输出，包含用户ID、离网概率、是否离网等字段信息。如图3所示。

3  应用效果

3.1  降低家宽离网率

通过模型從全市20余万宽带用户中，筛选出0.22万/月存在离网可能的用户，供业务部门针对用户进行挽留。

模型应用后，宽带月离网率持续改善，从0.76%下降至0.35%，5～6月全省月离网率全省最低;预计2021年全年家庭宽带离网率5.66%，较2020年改善2.28 PP。如图4所示。

3.2  挽回用户创造收益

模型应用前，宽带离网中位数1 544户/月，应用后，宽带离网中位数896户/月;挽回宽带用户648户/月，全年预计挽回7 776户。

离网意味着用户资费降档或手机销户，按每户20元/月资费变动估算;首月挽回用户创造收益1.3万元，全年预计创造收益101.1万元。

4  结  论

实践证明，此宽带用户离网预测模型解决了信息过载和用户无目的搜索的问题，达到降低用户离网率、为企业创造收益及降低成本的目的，同时丰富了宽带用户运营手段，是通过大数据辅助市场经营的有效尝试。

参考文献：

[1] 王远征，吴峰，夏明镜，等.电信宽带用户离网大数据预测实例 [J].电信技术，2016（10）：83-87.

[2] 云晴.大数据实践重要影响因素 [J].中国电信业，2017（8）：57-59.

[2] 卢光跃，张宏建，闫真光，等.基于特征选择和SVM的电信客户离网预测 [J].西安邮电大学学报，2019，24（2）：21-25.

[3] 陈小凤.宽带用户维系新思路 [J].电子技术与软件工程，2018（14）：14.

[4] 谷娜.基于AI和大数据的宽带服务支撑体系研究 [J].通信与信息技术，2021（4）：81-82.

[5] 云晴.大数据实践重要影响因素 [J].中国电信业，2017（8）：57-59.

作者简介：张靖（1986—），男，汉族，山西朔州人，中级工程师，硕士研究生，研究方向：神经网络;侯晓晶（1987—），女，汉族，山西省运城人，中级工程师，硕士研究生，研究方向：数据挖掘。

3478500338218