無線網(wǎng)絡(luò)滿意度的數(shù)理統(tǒng)計建模分析*

王 凱,謝岳通

(寧波移動,浙江寧波315040)

無線網(wǎng)絡(luò)滿意度的數(shù)理統(tǒng)計建模分析*

王 凱,謝岳通

(寧波移動,浙江寧波315040)

以網(wǎng)絡(luò)滿意度為核心的網(wǎng)絡(luò)日常工作要求日益凸顯,網(wǎng)絡(luò)KPI(關(guān)鍵績效指標(biāo))的提升對用戶調(diào)研滿意度的關(guān)聯(lián)度影響是否明顯,應(yīng)該通過什么樣的維度與手段能夠找到網(wǎng)絡(luò)滿意度工作方向是電信運營商較為關(guān)心的重要課題。借助SPSS平臺,通過回歸分析,單因素方差分析等數(shù)理統(tǒng)計方法對網(wǎng)絡(luò)滿意度進行相關(guān)因素的關(guān)聯(lián)規(guī)律挖掘,找到圍繞用戶感知的網(wǎng)絡(luò)工作落腳點,得出網(wǎng)絡(luò)滿意度提升模型與方向的結(jié)論。

數(shù)理統(tǒng)計 回歸分析 相關(guān)性 偏相關(guān) 方差 網(wǎng)絡(luò)滿意度

0 引 言

用戶對無線網(wǎng)絡(luò)的滿意度,是運營商核心服務(wù)基礎(chǔ),網(wǎng)絡(luò)運維工作的出發(fā)點就在于用戶感知效果。為全面挖掘網(wǎng)絡(luò)熱點區(qū)域用戶對網(wǎng)絡(luò)質(zhì)量滿意度的真實感知,檢測網(wǎng)絡(luò)質(zhì)量短板,要通過全地區(qū)及語音網(wǎng)絡(luò)通話密集區(qū)域?qū)嵤┚W(wǎng)絡(luò)質(zhì)量客戶滿意度調(diào)研,根據(jù)調(diào)研數(shù)據(jù)進行統(tǒng)計分析,建立有用的參數(shù)模型,確定圍繞感知的網(wǎng)絡(luò)運維重點。

1 日常數(shù)據(jù)分析方法的不足

在數(shù)據(jù)整合初期,我們使用象限與趨勢圖的分析方法,發(fā)現(xiàn)網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)優(yōu)化指標(biāo)并不能一一對應(yīng)。象限圖中各點分布離散,僅能說明滿意度與優(yōu)化指標(biāo)關(guān)聯(lián)度不大。同時,象限坐標(biāo)零點是根據(jù)總體數(shù)據(jù)的感知人為評估來定,準(zhǔn)確性存在一定偏差。

根據(jù)坐標(biāo)圖分布,我們對落在各象限的區(qū)域進行逐步分析,分析方法主要為不滿意用戶的回訪調(diào)研,統(tǒng)計出問題進行歸類。對于滿意度高的區(qū)域,歸納原因進行定性總結(jié)?？傮w來講,缺乏精確方法的支撐,枚舉歸納成為主要方法。

這種分析方法缺乏全面性,僅能對于區(qū)域問題進行提升方向的評估和建議,而對于整體滿意度相關(guān)因素的影響度無法衡量。同樣,對于聚類的挖掘也不一定能夠得到有效的結(jié)論,在不同類型的數(shù)據(jù)中進行比較,均值與離散性也是不可忽視的重要指標(biāo),統(tǒng)計方法的應(yīng)用非常必要。

2 研究對象與統(tǒng)計分析方法

2.1 研究對象

研究對象包含兩類,A類對象為對本地36個話務(wù)數(shù)據(jù)熱點區(qū)域的用戶,集中完成熱點區(qū)域的用戶滿意度打分調(diào)研,同時收集這些區(qū)域的網(wǎng)絡(luò)語音性能指標(biāo)、數(shù)據(jù)性能指標(biāo)、現(xiàn)場測試語音指標(biāo)、現(xiàn)場測試數(shù)據(jù)指標(biāo)。表1為部分?jǐn)?shù)據(jù)指標(biāo)示例,總分為對用戶影響的性能與測試數(shù)據(jù)加權(quán)得出。圖1和圖2為地區(qū)話音與數(shù)據(jù)的熱點區(qū)域渲染分布。

表1 熱點區(qū)域網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)匯總指標(biāo)Table 1 Integrated indicators of customer satisfaction of the key network and network KPI

圖1 語音業(yè)務(wù)熱點渲染區(qū)域Fig.1 Key areas of voice traffic hot spots

圖2 數(shù)據(jù)業(yè)務(wù)熱點渲染區(qū)域Fig.2 Key areas of data traffic hot spots

B類對象為隨機抽取浙江省內(nèi)移動用戶,全年分四季度分別抽取300名用戶進行滿意度打分調(diào)研。同時,按照地市匯總區(qū)域領(lǐng)先度,各細(xì)項打分,作為相關(guān)性分析數(shù)據(jù)來源。表2和表3分別為B類對象用戶打分指標(biāo)示例。參照文獻(xiàn)[1]用戶感知評估方法,歸類網(wǎng)絡(luò)相關(guān)的四類細(xì)項,再通過統(tǒng)計方法完成與用戶滿意度相關(guān)聯(lián)的統(tǒng)計評估。

表2 全省全年四期各地市調(diào)研成績Table 2 4time/year investigation results of various cities in the province

表3 全省全年客戶類調(diào)研打分Table 3 Customer investigation results of the whole province in 2012

2.2 本文所用統(tǒng)計分析方法

本文主要以數(shù)理統(tǒng)計分析方法為基礎(chǔ),通過相關(guān)性分析確定想要了解的指標(biāo)間的關(guān)系,找到對網(wǎng)絡(luò)滿意度起決定性作用的細(xì)項。通過方差分析對比不同區(qū)域或者品牌類型對網(wǎng)絡(luò)滿意度的影響,并找到對目標(biāo)因素影響最大的指標(biāo)類型。通過多元回歸分析,建立網(wǎng)絡(luò)滿意度數(shù)據(jù)模型。

相關(guān)分析是研究變量之間密切程度的一種常用的統(tǒng)計方法,線性相關(guān)研究兩個變量之間線性相關(guān)的程度。相關(guān)系數(shù)是描述這種線性關(guān)系程度和方向的統(tǒng)計量,常用r來表示,r的取值范圍從-1至1之間。如果相關(guān)系數(shù)大于0,說明二者正相關(guān),即隨著變大而變大,變小而變小,變化方向一致,若數(shù)字越接近1,說明高度相關(guān)。如果相關(guān)系數(shù)小于0,說明二者負(fù)相關(guān),即隨著變大而變小,變小而變大,變化方向相反,若數(shù)字接近-1,說明低度相關(guān)。

方差分析是通過分析研究不同變量的變異對總變異的貢獻(xiàn)大小,確定控制變量對研究結(jié)果影響力的大小。通過方差分析不同水平的控制變量是否對結(jié)果產(chǎn)生了顯著影響。如果控制變量的不同水平對結(jié)果產(chǎn)生了顯著影響,那么它和隨機變量共同作用,必然使結(jié)果有顯著的變化;如果控制變量的不同水平對結(jié)果沒有顯著的影響,那么結(jié)果的變化主要由隨機變量起作用,和控制變量關(guān)系不大。

多元回歸主要是找出多個變量與目標(biāo)變量的關(guān)系模型,一般一種現(xiàn)象常常是與多個因素相聯(lián)系的,由多個自變量的最優(yōu)組合共同來預(yù)測或估計因變量,之前我們通過相關(guān)分析找出一些因素與滿意度的相關(guān)性,對于那些都具備相關(guān)性的因素就可以考慮采用多元回歸的方法建立模型。

2.2.1 網(wǎng)絡(luò)指標(biāo)相關(guān)性分析

關(guān)于網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)性能、測試指標(biāo)的相關(guān)性分析,是以A類對象進行調(diào)研與網(wǎng)絡(luò)性能指標(biāo)收集,得到分析數(shù)據(jù)。通過數(shù)理統(tǒng)計方法中的相關(guān)性分析,來確定用戶對網(wǎng)絡(luò)的滿意度打分與日常運維所關(guān)注的網(wǎng)絡(luò)性能和測試指標(biāo)是否相關(guān),相關(guān)性如何。

網(wǎng)絡(luò)滿意度表現(xiàn)值與其他指標(biāo)均為定距變量,適用于Pearson的相關(guān)分析[2]。

2.2.2 單因素方差分析

關(guān)于區(qū)域類型與品牌類型的滿意度單因素方差分析,是以A類對象網(wǎng)絡(luò)滿意度打分為分析數(shù)據(jù),從區(qū)域和品牌兩個控制因素進行方差分析,可使用單變量兩因素方差分析來進行研究。在熱點區(qū)域挖掘工作中,選取了不同區(qū)域類型熱點,針對不同品牌同樣數(shù)目用戶的調(diào)查分析,根據(jù)類別進行方差分析,來找出區(qū)域與品牌不同的用戶滿意度影響差異[3]。

2.2.3 各細(xì)項及領(lǐng)先度偏相關(guān)分析

關(guān)于網(wǎng)絡(luò)滿意度與地區(qū)領(lǐng)先度、細(xì)項調(diào)研的相關(guān)性分析,是以B類對象總體調(diào)研打分為分析數(shù)據(jù),對比調(diào)研不同細(xì)項以及與競爭對手差距的領(lǐng)先度。各細(xì)項指標(biāo)按照一年4期11個地市成績可以歸類為44個數(shù)據(jù)樣本,進行總體細(xì)項與地區(qū)競爭對手領(lǐng)先度的相關(guān)性統(tǒng)計分析,找出這些因素與網(wǎng)絡(luò)滿意度是否正相關(guān)。

2.2.4 網(wǎng)絡(luò)滿意度回歸參數(shù)估計

多元回歸分析建模,是以B類對象總體調(diào)研打分為分析數(shù)據(jù),將與網(wǎng)絡(luò)滿意度正相關(guān)的不同用戶感知細(xì)項進行多元回歸分析,通過曲線估計和參數(shù)估計,確定最終滿意度參數(shù)模型[4]。

3 分析建模過程及結(jié)論

3.1 網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)性能、測試指標(biāo)的相關(guān)性分析

由于存在隨機抽樣和樣本數(shù)量較少等原因,通常樣本相關(guān)系數(shù)不能直接用來說明樣本來源的總體是否具有顯著的線性相關(guān)性,而需要通過假設(shè)檢驗的方式對樣本來自的總體是否存在顯著的線性相關(guān)關(guān)系進行統(tǒng)計推斷?；静襟E就是通過假設(shè),選擇檢驗相關(guān)系數(shù),計算誤差概率,最終通過相關(guān)系數(shù)臨界決策非線性關(guān)系假設(shè)是否成立。由于是定距變量的關(guān)系,選擇Pearson的相關(guān)分析,相關(guān)統(tǒng)計指標(biāo)見式(1)、式(2)。

Pearson簡單相關(guān)系數(shù)為:

Pearson簡單相關(guān)系數(shù)的檢驗統(tǒng)計量為:

查相關(guān)系數(shù)臨界表,置信度為a=0.01時,N= 36(專項36個熱點區(qū)域),則t=0.418(相關(guān)系數(shù)臨界可得)。如統(tǒng)計結(jié)果相關(guān)系數(shù)ρ大于t,則呈現(xiàn)顯著相關(guān),越接近1越接近線性相關(guān),反之則接受原假設(shè),無顯著相關(guān)[2]。

3.1.1 熱點區(qū)域網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)指標(biāo)的相關(guān)分析

將性能指標(biāo)與測試指標(biāo)匯總得出區(qū)域網(wǎng)絡(luò)匯總指標(biāo),網(wǎng)絡(luò)匯總指標(biāo)是按照語音70%與數(shù)據(jù)30%加權(quán)形成。

繪制滿意度表現(xiàn)與網(wǎng)絡(luò)匯總指標(biāo)的散點圖如圖3所示,散點圖可以直觀看出兩者大致的相關(guān)程度,兩數(shù)據(jù)分布較分散,相關(guān)性不強。

圖3 網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)指標(biāo)散點Fig.3 Relationship scatter-dot of customer satisfaction and network KPI

通過Pearson分析輸出結(jié)果可知,網(wǎng)絡(luò)滿意度與質(zhì)量綜合指標(biāo)的顯著性p=0.735＞α=0.01,接受原假設(shè),兩指標(biāo)零相關(guān)。上述兩個變量的Pearson相關(guān)性ρ=-0.052＜t=0.418,也同樣證實,不呈現(xiàn)線性相關(guān)關(guān)系。將總體網(wǎng)絡(luò)指標(biāo)進行分解分析,對重要指標(biāo)進行針對性剖析。

3.1.2 熱點區(qū)域網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)其他指標(biāo)的Pearson分析

總體網(wǎng)絡(luò)指標(biāo)與網(wǎng)絡(luò)滿意度無明顯相關(guān)性,將性能的語音與數(shù)據(jù)分別對比,以找出與網(wǎng)絡(luò)滿意度的相關(guān)關(guān)系。

首先,依然通過Pearson分析的方法進行網(wǎng)絡(luò)滿意度對后臺語音指標(biāo)對比,顯著性p=0.647,兩個變量的Pearson相關(guān)性ρ=-0.071。其次,再通過同樣的方法進行網(wǎng)絡(luò)滿意度對后臺數(shù)據(jù)指標(biāo)對比,顯著性p=0.77,兩個變量的Pearson相關(guān)性ρ=-0.045。

如上數(shù)據(jù)得知,四對指標(biāo)相關(guān)的顯著性p＞α= 0.01,接受原假設(shè),兩指標(biāo)零相關(guān)。Pearson四對指標(biāo)的相關(guān)性ρ＜t=0.418,也同樣證實,不呈現(xiàn)線性相關(guān)關(guān)系。

綜上,在置信度為0.01時,優(yōu)化類的網(wǎng)絡(luò)指標(biāo)與區(qū)域的滿意度打分不存在嚴(yán)格的對應(yīng)關(guān)系,說明區(qū)域網(wǎng)絡(luò)指標(biāo)跟蹤與按照熱點現(xiàn)場挖掘?qū)τ谔嵘齾^(qū)域用戶網(wǎng)絡(luò)滿意度貢獻(xiàn)較小,從不滿意用戶回訪跟蹤能發(fā)現(xiàn),區(qū)域不滿意用戶對網(wǎng)絡(luò)的認(rèn)知是非區(qū)域化的,影響滿意度的因素更趨向于用戶化。

在不滿意用戶深訪的過程中發(fā)現(xiàn)其反應(yīng)的問題范圍覆蓋較廣,甚至跨省,說明用戶在手機終端的使用過程中任何短板感知都能決定他們對整體網(wǎng)絡(luò)的打分趨勢。故影響用戶滿意度重要因素應(yīng)該從用戶本身下手,區(qū)域的網(wǎng)絡(luò)優(yōu)化是基礎(chǔ)性工作,其網(wǎng)絡(luò)的指標(biāo)無法與用戶滿意度直接相關(guān)對應(yīng)。

結(jié)合上述語音和數(shù)據(jù)后臺指標(biāo),語音和數(shù)據(jù)測試指標(biāo)四項分析,發(fā)現(xiàn)局部的重點優(yōu)化對于整體網(wǎng)絡(luò)滿意度無顯著相關(guān),按點優(yōu)化僅針對投訴用戶。用戶對網(wǎng)絡(luò)的滿意度感知需建立面優(yōu)化與用戶感知關(guān)聯(lián)的概念,通過方差分析等來找出真正的差異化短板。繼續(xù)對A類對象收集數(shù)據(jù)找出類型因素對總體滿意度的影響差異,適用于單因素方差分析方法。

3.2 區(qū)域類型與品牌類型的滿意度單因素方差分析

對于網(wǎng)絡(luò)滿意度打分,從區(qū)域和品牌兩個控制因素進行方差分析,可使用單變量兩因素方差分析來進行研究。在熱點區(qū)域挖掘工作中,選取了不同區(qū)域類型熱點,針對不同品牌同樣數(shù)目用戶的調(diào)查分析,根據(jù)類別進行方差分析,來找出區(qū)域與品牌不同的用戶滿意度影響差異。

樣本數(shù)據(jù)取A類對象自專項36個熱點區(qū)域的網(wǎng)絡(luò)滿意度表現(xiàn)值,進行方差分析首先要將類型進行可操作化定義。設(shè)定區(qū)域類型定義如表4所示,轉(zhuǎn)換成待分析數(shù)據(jù)如表5所示。

表4 區(qū)域與品牌類型定義Table 4 Definition of areas and brand types

表5 按照定義表轉(zhuǎn)換后的待分析數(shù)據(jù)表Table 5 Data table converted from table4

對轉(zhuǎn)置后的數(shù)據(jù)進行方差齊性判定,對于不同因素的各組樣本,如果屬于方差齊性,就可以進行一般的單變量方差差異分析,從而確定不同區(qū)域和品牌對網(wǎng)絡(luò)滿意度影響大小。通過網(wǎng)絡(luò)滿意度作為因變量,區(qū)域和品牌作為自變量的齊性檢驗分析得出顯著性p=0.993,說明組中變量方差齊性。

表6是主體間效應(yīng)的檢驗結(jié)果,從總體校正模型、區(qū)域類型與品牌類型檢驗的顯著性水平可以看出,檢驗概率值Sig.＜0.05,拒絕變量與因素?zé)o關(guān)的假設(shè),說明不同的類型因素對總體滿意度打分存在顯著影響。

表6 方差分析主體間效應(yīng)的檢驗結(jié)果Table 6 Test results of ANOVA main effect

表7分別對區(qū)域類型水平差異的檢驗,可見車站碼頭與城郊結(jié)合部的分值偏高,而居民區(qū)、校園區(qū)與商務(wù)寫字樓是需要集中加大網(wǎng)絡(luò)覆蓋與手機上網(wǎng)提升力度的區(qū)域,是區(qū)域中我們需要集中優(yōu)化的重點。

表7 對區(qū)域類型水平差異的檢驗表Table 7 Test results of differences in the level of area types

從表8的品牌類型水平差異檢驗結(jié)果來看,全球通與動感地帶不如神州行總體滿意度高。

表8 對品牌類型水平差異的檢驗Table 8 Test results of differences in the level of brand types

3.3 網(wǎng)絡(luò)滿意度與地區(qū)領(lǐng)先度、細(xì)項調(diào)研的相關(guān)性分析

對B類對象,按照區(qū)域進行打分排列如表2所示。對表2指標(biāo)進行相關(guān)與偏相關(guān)分析,找出領(lǐng)先度控制變量對各滿意度細(xì)項不同的影響。

3.3.1 網(wǎng)絡(luò)滿意度與領(lǐng)先度的Pearson分析

經(jīng)驗判斷網(wǎng)絡(luò)對于競爭對手領(lǐng)先度與網(wǎng)絡(luò)滿意度為線性相關(guān),而其他商業(yè)過程亦是如此。該結(jié)果需要使用Pearson相關(guān)分析檢驗來進一步印證。分析過程同上述滿意度與3.1.1相同。

分析得出,網(wǎng)絡(luò)滿意度與領(lǐng)先度相關(guān)的顯著性p=0.000 3＜α=0.01,拒絕零相關(guān)的原假設(shè),兩指標(biāo)顯著相關(guān)。兩個變量的相關(guān)性ρ=0.672＞t(n-2)=t(42)=0.393,也同樣證實,呈現(xiàn)顯著線性相關(guān)關(guān)系。領(lǐng)先度對滿意度的直接關(guān)系,從經(jīng)驗中我們已經(jīng)得到這樣的認(rèn)知,用戶使用3G網(wǎng)絡(luò)的網(wǎng)速與覆蓋能力相對較強,總體感知會比較偏高。對用戶不同類型(覆蓋、網(wǎng)速、質(zhì)量)滿意度同樣的分析,都能得出領(lǐng)先度與打分顯著關(guān)系的結(jié)論。

3.3.2 加入領(lǐng)先度控制變量的網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)細(xì)項滿意度的偏相關(guān)分析

簡單相關(guān)系數(shù)研究兩變量間線性相關(guān)性,若還存在其他因素影響,其往往夸大變量間的相關(guān)性,不是兩變量間線性相關(guān)強弱的真實體現(xiàn)。圍繞各商業(yè)過程的領(lǐng)先度偏相關(guān)分析,找出領(lǐng)先度最敏感的商業(yè)過程,對此商業(yè)過程領(lǐng)先度的關(guān)注,可以增強商業(yè)過程提升的針對性。

偏相關(guān)分析也稱凈相關(guān)分析,它在控制其他變量線性影響的條件下分析兩變量間的線性關(guān)系,所采用的工具是偏相關(guān)系數(shù)。控制變量個數(shù)為1時,偏相關(guān)系數(shù)稱一階偏相關(guān);當(dāng)控制兩個變量時,偏相關(guān)系數(shù)稱為二階偏相關(guān);當(dāng)控制變量的個數(shù)為0時,偏相關(guān)系數(shù)稱為零階偏相關(guān),也就是簡單相關(guān)系數(shù)。將領(lǐng)先度設(shè)置為控制變量,那么我們將要進行研究的即是一階偏相關(guān)。

假設(shè)有3個變量y、x1和x2,在分析x1和y之間的凈相關(guān)時,需控制x2的線性作用,則x1和y之間的一階偏相關(guān)定義為:

式中,ry1、ry2和r12分別表示y與x1,y與x2、x1與x2的相關(guān)系數(shù)。

對樣本來自的兩總體是否存在顯著的凈相關(guān)進行推斷,檢驗統(tǒng)計量為:

對于本次偏相關(guān)試驗統(tǒng)計的樣本來說,應(yīng)該取t(44-1-2)=t(41)=0.393。

我們對室內(nèi)通話質(zhì)量,通話暢通和手機上網(wǎng)(因為通話暢通與清晰度,手機上網(wǎng)穩(wěn)定性與速度分值非常接近,故將其合并)。三類數(shù)據(jù)進行加入領(lǐng)先度控制量的前后相關(guān)性對比,得出領(lǐng)先度對某個商業(yè)過程存在正影響的結(jié)論。

分析得出,顯著性ρ=0.000 8＜α=0.01,拒絕零相關(guān)的原假設(shè),室內(nèi)質(zhì)量與網(wǎng)絡(luò)滿意度總體表現(xiàn)的相關(guān)性較強,前后均呈現(xiàn)顯著線性相關(guān)。相關(guān)性ρ1=0.744＞ρ2=0.653,加入領(lǐng)先度控制因素后,發(fā)現(xiàn)ρ2=0.653,顯著性下降。室內(nèi)質(zhì)量對網(wǎng)絡(luò)總體滿意度影響較大,領(lǐng)先度在室內(nèi)質(zhì)量提升中,沒有更積極的因素。即對于室內(nèi)通話質(zhì)量,無須與競爭對手進行對比,提升自身網(wǎng)絡(luò)覆蓋,保證用戶正常使用是最重要的感知提升手段。

通話暢通結(jié)論與上述室內(nèi)通話質(zhì)量一致。顯著性ρ=0.000 6＜α=0.01,拒絕零相關(guān)的原假設(shè),室內(nèi)質(zhì)量與網(wǎng)絡(luò)滿意度總體表現(xiàn)的相關(guān)性較強,前后均呈現(xiàn)顯著線性相關(guān)。相關(guān)性ρ1=0.738＞ρ2=0.635,加入領(lǐng)先度控制因素后,發(fā)現(xiàn)ρ2=0.635,顯著性下降。領(lǐng)先度對通話暢通更積極的影響有限。

對于手機上網(wǎng)對于網(wǎng)絡(luò)滿意度的影響,我們分析得出與上述兩個不同的結(jié)論。網(wǎng)絡(luò)滿意度與手機上網(wǎng)的偏相關(guān)顯著性p=0.000 8＜α=0.01,拒絕零相關(guān)的原假設(shè),手機上網(wǎng)與網(wǎng)絡(luò)滿意度總體表現(xiàn)的相關(guān)性較強,前后均呈現(xiàn)顯著線性相關(guān)。相關(guān)性ρ1=0.730＜ρ2=0.752,加入領(lǐng)先度控制因素后,發(fā)現(xiàn)ρ2=0.752,顯著性提升。證明領(lǐng)先度在手機上網(wǎng)提升中,有更積極的因素。

對于手機上網(wǎng),需要關(guān)注用戶狀況,用戶對數(shù)據(jù)業(yè)務(wù)感知對比不同網(wǎng)絡(luò)的意愿略強。在三家運營商網(wǎng)絡(luò)均差的區(qū)域,提升移動網(wǎng)絡(luò)覆蓋的同時,加大數(shù)據(jù)信道的配置,對滿意度貢獻(xiàn)會更大。

3.4 網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)細(xì)項滿意度的回歸建模

由于得出了對網(wǎng)絡(luò)滿意度的一些顯著相關(guān)的因素,即各區(qū)域的網(wǎng)絡(luò)領(lǐng)先度與其網(wǎng)絡(luò)細(xì)項滿意度均與最終的區(qū)域網(wǎng)絡(luò)滿意度打分顯著相關(guān),但需進一步分析各個因素對總體打分的貢獻(xiàn)值是多少。我們將通過回歸分析方法來建立細(xì)化到用戶打分的相關(guān)性模型。

樣本取自B類對象,數(shù)據(jù)如2.1中表3所示。通過對總體網(wǎng)絡(luò)滿意度(Y)、網(wǎng)絡(luò)覆蓋(X1)、網(wǎng)絡(luò)質(zhì)量(X2)、信息接收(X3)與手機上網(wǎng)(X4)5項進行回歸分析,找到對總體網(wǎng)絡(luò)滿意度(Y)與其他子項的相關(guān)性模型,找出對總體打分影響最大的因素。

多元非線性回歸分析,首先對4個因變量進行與網(wǎng)絡(luò)滿意度(Y)的曲線估計,找出回歸可能函數(shù)屬性。經(jīng)過兩兩回歸估計,得知4對的模型最接近線性相關(guān)。其中表9是網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)覆蓋的線性估計參數(shù),調(diào)整后的R方相對于其它各曲線估計最大,自變量為網(wǎng)絡(luò)覆蓋。

表9 網(wǎng)絡(luò)滿意度與網(wǎng)絡(luò)覆蓋的線性估計參數(shù)Table 9 Linear estimation parameters of customer satisfaction and network coverage

表10 網(wǎng)絡(luò)滿意度與相關(guān)因素之間的線性回歸分析結(jié)果Table 10 Linear regression results of customer satisfaction and related factors

從分析結(jié)果可以看出,由于顯著性水平小于0. 05,拒絕不相關(guān)的假設(shè)檢驗,各自變量的與因變量的線性相關(guān)。同時,根據(jù)得出的系數(shù)可得出最終線性回歸表達(dá)式為式(6):

信息接受發(fā)送質(zhì)量對網(wǎng)絡(luò)整體滿意度的影響非常小,可忽略。對網(wǎng)絡(luò)滿意度打分影響最大的首先是網(wǎng)絡(luò)覆蓋,對整體影響大致3成左右,其次是手機上網(wǎng),對整體影響占到1/4。

4 網(wǎng)絡(luò)滿意度統(tǒng)計分析及建模的意義

本文通過數(shù)理統(tǒng)計方法,建立網(wǎng)絡(luò)滿意度提升模型,并找出對指標(biāo)提升重點方向。

首先,根據(jù)式(6)的建模結(jié)果,我們階段性的工作重心應(yīng)該全面向網(wǎng)絡(luò)覆蓋和手機上網(wǎng)專項轉(zhuǎn)移,落實工程建設(shè)與網(wǎng)絡(luò)優(yōu)化的聯(lián)動策略,并結(jié)合4G網(wǎng)絡(luò)的開展,實現(xiàn)手機上網(wǎng)網(wǎng)速需求更高的區(qū)域網(wǎng)絡(luò)的優(yōu)先建設(shè)與分流工作。

第二,從區(qū)域因素分析,我們也找到了差異化區(qū)域問題,熱點區(qū)域的集中優(yōu)化成為了專項的落腳點。經(jīng)過對本地?zé)狳c專項調(diào)研數(shù)據(jù)分析,校園、居民區(qū)與商務(wù)寫字樓是網(wǎng)絡(luò)優(yōu)化資源重點提升的區(qū)域,并且針對已有的短板集中提升后,完成調(diào)研評估后進行方差分析,可以為自上而下的年度KPI考核提供參考依據(jù)。

第三,神州行用戶的滿意度相對較高,同時也是調(diào)研用戶中權(quán)重和市場占比最大的用戶分類。從各項結(jié)論中都證明神州行品牌用戶維護的重要性,而品牌提升不僅僅是網(wǎng)絡(luò),更需要從資費、套餐、營銷設(shè)計中更多的融合方案的出臺,尤其是在4G網(wǎng)絡(luò)初期,對大眾融合套餐的合理設(shè)計,流量經(jīng)營的有效引導(dǎo)對網(wǎng)絡(luò)滿意度也有更大的提升作用。第四,在明確領(lǐng)先度對網(wǎng)絡(luò)滿意度最重要的影響后,利用偏相關(guān)分析方法進行各商業(yè)過程剖析,發(fā)現(xiàn)只有手機上網(wǎng)細(xì)項中,領(lǐng)先度有著明顯的輔助提升作用。即說明,如果手機上網(wǎng)的領(lǐng)先度相對下降,那么網(wǎng)絡(luò)滿意度總體指標(biāo)將會惡化。在關(guān)注區(qū)域領(lǐng)先度中,室內(nèi)通話質(zhì)量與日常語音方面仍然需按照日常手段提升,對于3/4G移動互聯(lián)網(wǎng)業(yè)務(wù),更要對比區(qū)域內(nèi)的競爭對手?jǐn)?shù)據(jù)網(wǎng)絡(luò)情況,確保自身網(wǎng)絡(luò)覆蓋和數(shù)據(jù)業(yè)務(wù)速率更優(yōu)于其他運營商。

5 結(jié) 語

上述內(nèi)容進一步印證熱點區(qū)域化指標(biāo)與滿意度的不顯著相關(guān)結(jié)論。按照單變量方差分析,找到不同區(qū)域各自短板,明確大眾品牌相對滿意度會更高的結(jié)論?；貧w分析建立以覆蓋和移動互聯(lián)網(wǎng)為主的網(wǎng)絡(luò)滿意度模型,給出滿意度各項工作的全面開展方向。

使用數(shù)理統(tǒng)計對于集合滿意度相關(guān)不同類型和各商業(yè)過程的數(shù)據(jù)有著較強的回歸能力。通過模型建立和類別差異的有效分析,對市場營銷、網(wǎng)絡(luò)建設(shè)和維護優(yōu)化等工作會形成基于用戶滿意度為核心的工作思路。

[1] 余勇昌,徐霖霖,陳廣湖,等.移動終端質(zhì)量評估模型構(gòu)建與應(yīng)用探討[J].通信技術(shù),2012,45(11):67-73.

YU Chang-yong,XU Lin-lin,CHEN Guang-hu,etc. Construction and Application of Mobile Terminal Quality Evaluation Model[J].Communications Technology, 2012,11:67-73.

[2] 陳炳為,許碧云.等級資料的多項相關(guān)、直線相關(guān)及秩相關(guān)系數(shù)的比較[J].現(xiàn)代預(yù)防醫(yī)學(xué),2009(17):7-9.

CHEN Bing-wei,XU Bi-yun.Comparison of Coefficients among Poly Choric Correlation,Pearson Correlation and Rank Correlation of Rank Data[J].Modern Preventive Medicine,2009,17:7-9.

[3] 葉紅衛(wèi),朱藍(lán)輝.應(yīng)用SPSS進行雙因子方差分析[J].河北北方學(xué)院學(xué)報:自然科學(xué)版,2008,04(02):63-65.

YE Hong-wei,ZHU Lan-hui.Using SPSS to Make Double Factor Variance Analysis[J].Journal of Hebei North University(Natural Science Edition),2008,04(02):63-65.

[4] 張宇山.多元線性回歸分析的實例研究[J].科技信息,2009(09):54-56.

ZHANG Yu-shan.A Case Study of Multiple Linear Regression Analysis[J].Science and Technology Information,2009,09:54-56.

WANG Kai(1983-),male,M.Sci.,engineer,majoring in correlation analysis of customer satisfaction and wireless network optimization.

謝岳通(1978—),男,碩士,工程師,主要研究方向為2/ 3/4G無線多網(wǎng)協(xié)同提升分析。

XIE Yue-tong(1978-),male,M.Sci.,engineer,majoring in multi-network collaboration analysis of 2/3/4G wireless network.

Analysis on Mathematical Statistic Modeling of Wireless Network Satisfaction

WANG Kai,XIE Yue-tong
(Ningbo Branch,China Mobile Communications Corporation,Ningbo Zhejiang,315040,China)

Customer satisfaction of mobile network,as the core of job requirements in network operation and maintenance,now becomes increasingly prominent.Whether the improvement of network KPI has apparent impacts on customer satisfaction,and what dimensions and measures should be implemented to seek the working direction of network satisfaction,these two are critical subjects for telecom carriers.In order to find the core of network satisfaction focused on customers,this paper discusses the correlation regularity of relevant factors concerning network satisfaction via some mathematical statistics methods such as regression analysis and ANOVA with SPSS platform,so as to draw conclusion on model and direction of network satisfaction optimization.

mathematical statistic;regression analysis;correlation;partial correlation;ANOVA;network satisfaction

TP309

A

1002-0802(2014)10-1191-07

10.3969/j.issn.1002-0802.2014.10.017

王 凱(1983—),男,碩士,工程師,主要研究方向為客戶服務(wù)滿意度與網(wǎng)絡(luò)優(yōu)化指標(biāo)相關(guān)性分析;

2014-05-15;

2014-07-14 Received date：2014-05-15;Revised date：2014-07-14