大数据识别家庭画像助力企业运营

杨洁

本项目通过大数据分析，人工智能算法，挖掘五大类家庭圈模型，包括单身青年、育儿家庭、学生家庭、老人家庭、多代同堂五大场景家庭模型，用于基础业务填充、智慧家庭产品、泛智能终端、权益等产品的精准营销、异网挖掘、对外合作等，为市场赋能，助力企业运营。

一、背景

互联网发展经历了三大阶段，纵观互联网发展的历史长河，每隔十三年都会诞生一个新的互联网时代。第一阶段是开始于1994年的PC互联网时代，主要起源于家庭带宽的普及与接入，同时带动的是以互联网服务入口为机遇的门户时代，新浪、网易、搜狐、腾讯以及再往后的Google、百度等互联网搜索工具，成为PC互联网红利的最终受益者。第二阶段是盛行于2007年的移动互联网时代。相较于PC互联网，移动互联网则年轻得多，3G和4G蜂窝网提供了移动互联网服务在低速和高速宽带下的管道要求，期间不断涌现出产业爆发之初所拥有的流量与人口带来的红利。第三阶段是2020年进入的家庭互联网时代，随着移动互联网的红利逐渐趋于饱和和平稳，时代与技术却也在不断的演进，同时互联网的演进也逐步进入3.0时代，家庭互联网的概念与移动互联网、PC互联网并非完全独立的存在，而是基于目前互联网连接基础上的延伸。相比宽带接入带来的PC互联网爆发以及终端变革带来的移动互联网红利，家庭互联网则将更进一步体现出用户需求向场景需求演进，海量的家用传感器、智能终端设备以及通信设施将组建一个立体的家庭网络，围绕家庭用户为核心，建立一整套基于每个家庭的数据资源库，以便于将精准的服务传递到用户家庭中。

在5G、人工智能、大数据等新技术背景下，电信运营商一直在创新和转型。在公众业务方面，以家庭互联网承载的智慧家庭，智能家居成为发展方向。运营商和互联网公司都看到了这个发展契机，运营商有其独特的优势，集约化的IT系统和实名制的系统，保证了分析的便捷性和用户的真实性。本项目的研发就是基于这个大时代背景下，看到了家庭市场是通信行业竞争的焦点。

本项目的研发思路是从众多用户中识别出哪些用户属于一个家庭，根据用户之间的通话、位置、融合关系、互联网行为等特征，通过数据分析技术和人工智能算法，识别出哪些手机号码是一个家庭圈。同时以识别本网家庭圈为基础，挖掘其异网成员加入家庭圈。通过模型的建立，结合市场各类产品，进行具体产品的目标用户挖掘，并将目标用户推送至营销人员手中。

二、项目方案

挖掘家庭圈模型主要可以用于三大类场景：一是基础业务填充，包括对圈内单移网用户推荐融合业务；二是智慧家庭产品推荐，包括TV增值产品，以及各类泛智能终端产品；三是异网用户挖掘，对宽带Wi-Fi下的异网用户进行家庭圈识别，可以推荐运营商副卡、推荐携号转网业务以及推荐融合业务。本项目选取了用户通话，用户位置等特征、使用了多个模型算法进行分析挖掘，结合互联网行为数据，识别出家庭圈用户，助力企业市场运营。

项目可以分为四大步骤：第一步是数据预处理；第二步是机器学习建模；第三步是异网挖掘，也就是异网用户拉进本网家庭圈；第四步是市场赋能，识别出本网家庭产品的潜在家庭用户画像。

（一）数据预处理

数据预处理的方法是将B＼O＼M域的数据进行拉通、加工为各类宽表、视图，形成标签沉淀，主要建立用户资料寬表、交际圈宽表、基站位置宽表等。

（二）机器学习建模

根据数据预处理的宽表，取得的主要特征有：半夜时间段基站位置出现次数，年龄特征等。利用机器学习里的有监督学习，通过逻辑回归、决策树、随机森林、集成算法分别对数据进行建模，预测出用户的家庭圈，取准确率、覆盖率、F1值较高的预测结果为预测的家庭圈。

这里以两户家庭圈模型为例，选取小地市小数据集进行建模训练，用逻辑回归算法和随机森林算法介绍建模过程。

逻辑回归（Logistic Regression）又称为逻辑回归分析，是分类和预测算法中的一种。通过历史数据的表现对未来结果发生的概率进行预测。例如，我们可以将购买的概率设置为因变量，将用户的特征属性，例如性别、年龄、注册时间等设置为自变量。根据特征属性预测购买的概率。

不同训练集，不同测试集，结果不同。实际使用时，需要根据调查情况确定样本比例。应尽可能多收集数据，增大数据量可以使模型的预测结果更稳定，泛化性更强。

随机森林 （RandomForestClassifier）算法是利用多棵决策树对样本进行训练并预测。随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。

通过集中算法的比较，随机森林分类模型默认参数的预测结果比较好，经过调试参数后，预测效果还可以提高。随机森林模型稳定性很好，调试后不容易过拟合，但参数比较复杂，调试参数工作量很大，参数调试需要并发操作，对硬件要求很高。本项目选取随机森林算法进行部署实施。

（三）异网挖掘

异网挖掘指的是从O域数据的宽带DPI数据中获取Wi-Fi下的异网手机号码，再结合Wi-Fi下的运营商本网号码，将其纳入本网号码的家庭圈模型中。宽带用户主要通过无线路由器，将各无线终端接入至运营商公司“光猫”，用于上网，利用运营商公司网络数据，可识别每个家庭的“光猫” 和其接入的每一台终端设备，建立筛选机制，完善数据的可使用性，关联之前家庭圈的预测结果，合并数据集，完成异网号码识别，形成包含异网号码的家庭圈模型。

（四）市场赋能

经过大数据算法和DPI获取的数据结合，形成整体的家庭圈模型的目标用户，针对目前家庭互联网大力发展推出的智慧家庭产品，沃家组网、沃家电视、沃家神眼、沃家固话等，可以通过不同的家庭圈模型的用户的基础上，结合产品特点，深挖产品的潜在用户，为其推送产品。仍以两口之家为例，除了模型为其推荐权益类产品外，还可以为其推荐我们打造的各类泛智能终端产品，为其量身定制智慧家庭场景下的各类应用。

项目上线两年以来，为中国联通公众市场存量价值提升带来了良好的经济效益，基础业务发展稳步提升，全国排名靠前，形成了一套端到端的闭环的数据赋能体系流程，为新产品运营发展提供了平台和数据手段，通过数字化的能力提升了整个公众市场的智慧运营，为企业培养了大数据人工智能新技术的研发人才，本项目具有长期推广和运营的价值。

三、总结

本项目通过与市场协同作战，将模型与产品衔接，在实际生产场景中进行应用，取得了良好的效果，为公司带来了收入的拉动，为用户带来了感知的提升，为公司高质量发展做到了助力赋能。

作者单位：中国联合网络通信有限公司山西省分公司数字化部