5G潛在用戶大數(shù)據(jù)分析在室分投資建設(shè)中的應(yīng)用

商挺

【摘要】??? 4G時(shí)代70%的業(yè)務(wù)發(fā)生在室內(nèi)，5G時(shí)代室內(nèi)網(wǎng)絡(luò)體驗(yàn)是樹立5G品牌的關(guān)鍵。如何做到5G室分站點(diǎn)選址最優(yōu)化，投資收益最大化為本文討論研究重點(diǎn)。本文利用安徽聯(lián)通SEQ大數(shù)據(jù)平臺(tái)提取的室分站點(diǎn)相關(guān)數(shù)據(jù)以及智慧運(yùn)營(yíng)平臺(tái)提取的相關(guān)用戶數(shù)據(jù)，通過多維用戶數(shù)據(jù)分析，識(shí)別高價(jià)值用戶和5G潛在用戶，并通過其常駐室分站點(diǎn)分布，確定室分5G價(jià)值區(qū)域。

【關(guān)鍵詞】??? 5G潛在用戶??? 高價(jià)值用戶??? 用戶數(shù)據(jù)分析??? 無線網(wǎng)絡(luò)投資收益??? 大數(shù)據(jù)分析

一、概述

根據(jù)大數(shù)據(jù)平臺(tái)以及智慧運(yùn)營(yíng)平臺(tái)提取用戶使用機(jī)型、月度賬單、年齡、流量分類等維度數(shù)據(jù)，通過多維用戶數(shù)據(jù)分析，識(shí)別5G潛在用戶，獲取新建價(jià)值站址，建立5G室分站點(diǎn)模型并對(duì)經(jīng)營(yíng)策略做了探討。

二、研究背景

參考互聯(lián)網(wǎng)行業(yè)對(duì)用戶進(jìn)行多維度（手機(jī)機(jī)型、用戶套餐、月出賬單金額等）分析，甄選出4G高價(jià)值用戶，并通過用戶流量數(shù)據(jù)及年齡分析，從4G高價(jià)值用戶中識(shí)別潛在5G用戶，建立4G高價(jià)值用戶的站點(diǎn)分布模型與5G潛在用戶站點(diǎn)分布模型，再取兩者交集，獲得5G室分新建價(jià)值站點(diǎn)，來指導(dǎo)5G室分建站投資。

三、研究方法介紹

用戶數(shù)據(jù)分析分為三個(gè)階段，收集、分析、判定。要進(jìn)行用戶建模，通過室分站點(diǎn)下用戶的號(hào)碼、歸屬地、機(jī)型、流量數(shù)據(jù)等以及從前端收集了用戶的套餐、賬單年齡數(shù)據(jù)。

選取了高價(jià)值機(jī)型作為其中一個(gè)重要的維度，我們認(rèn)為高價(jià)值終端一定程度代表了用戶本身的消費(fèi)能力，如IPHONE8及以上、MATE 20及以上、三星S9及以上等機(jī)型京東商城定價(jià)均在4000元，其次是用戶的站點(diǎn)流量數(shù)據(jù)，取平均DOU為10G/月（宏站+室分），通過提取的數(shù)據(jù)分析，室分流量約占全網(wǎng)流量18.9%，與室分宏站站點(diǎn)數(shù)比例保持一致（室分站點(diǎn)約占全網(wǎng)站點(diǎn)的20%），據(jù)此，我們將室分高流量用戶的門限值定為3（2*1.5）G/月（用戶平均DOU的1.5倍），即716M/周。

根據(jù)這兩個(gè)維度，結(jié)合從大數(shù)據(jù)平臺(tái)上取的全網(wǎng)室分用戶數(shù)據(jù)（含漫游用戶，考慮到用戶漫出情況，他省漫入用戶也是重要的分析數(shù)據(jù)），分析篩選出高價(jià)值用戶若干，并以一周內(nèi)發(fā)生流量716M以上站點(diǎn)為有效數(shù)據(jù)站點(diǎn)標(biāo)記出來。

從智慧運(yùn)營(yíng)平臺(tái)獲取了用戶的套餐、月度消費(fèi)、年齡等數(shù)據(jù)。

用戶月均消費(fèi)額為50元/月，將用戶月均消費(fèi)75（50*1.5）元以上，且年齡在50歲以下定義為高價(jià)值用戶再結(jié)合高端機(jī)型、高流量（高視頻流量、高游戲流量——分別對(duì)應(yīng)5G個(gè)人VR業(yè)務(wù)，游戲業(yè)務(wù)）維度篩選出新的用戶數(shù)據(jù)，定義為5G潛在用戶。

同樣以一周內(nèi)發(fā)生流量716M以上站點(diǎn)為有效數(shù)據(jù)站點(diǎn)也標(biāo)記。

最后疊加取交集，為最終預(yù)測(cè)5G室分價(jià)值站點(diǎn)分布，應(yīng)用于指導(dǎo)初期5G室分站點(diǎn)建設(shè)。

本文為了便于分析我們僅僅取6個(gè)維度或稱為特征值，分析模擬出用戶傾向，實(shí)際應(yīng)用可以取多維度或稱為多特征），更加精準(zhǔn)模擬出用戶畫像，預(yù)測(cè)用戶行為，為建站選址建模提供強(qiáng)有力的支撐，進(jìn)而精準(zhǔn)投資。

四、研究結(jié)果應(yīng)用舉例

通過Hadoop數(shù)據(jù)庫(kù)取周流量總和大于716M的用戶，并定義為高流量用戶，顯示有13萬高流量用戶，約占全網(wǎng)用戶的10%。

接下來取得高價(jià)值終端用戶24.5萬，約占全網(wǎng)用戶的18.8%，最后結(jié)合兩個(gè)維度，取得“雙高”用戶3.8萬，占全網(wǎng)3%。

將一周同一站點(diǎn)發(fā)生流量超過716M的“雙高”用戶結(jié)合經(jīng)緯度在地圖上標(biāo)記出來（一個(gè)用戶可對(duì)應(yīng)多個(gè)物理站點(diǎn)），從智慧運(yùn)營(yíng)平臺(tái)取得室分站點(diǎn)下用戶賬單和年齡數(shù)據(jù)，在“雙高”用戶中額外增加兩個(gè)維度進(jìn)行二次篩選，篩選出1.6萬“高機(jī)型、高流量（高視頻游戲流量）、高消費(fèi)、低年齡”的高端用戶，我們定義為5G潛在用戶。兩者交集，得到63個(gè)高建設(shè)優(yōu)先級(jí)5G室分站點(diǎn)。

五、應(yīng)用前景拓展

5.1高價(jià)值站點(diǎn)選址

建立模型，自動(dòng)化篩選出5G潛在價(jià)值站點(diǎn)信息，來指導(dǎo)擴(kuò)容或新建優(yōu)先級(jí)，提升室分站點(diǎn)投資收益比。

5.2室分站點(diǎn)下所有用戶行為分析

貼近用戶分析，選取更多維度（如結(jié)合用戶網(wǎng)齡，用戶業(yè)務(wù)類型，用戶站點(diǎn)駐留時(shí)長(zhǎng)等）分析室分基站下用戶的行為模式，進(jìn)行精準(zhǔn)推送。

參? 考? 文? 獻(xiàn)

[1]陸嘉恒 《Hadoop實(shí)戰(zhàn)》 機(jī)械工業(yè)出版社

[2]余本國(guó) 《基于Python的大數(shù)據(jù)分析基礎(chǔ)及實(shí)踐》 中國(guó)水利水電出版社

商挺：北京郵電大學(xué) 碩士學(xué)位 通信工程 現(xiàn)工作于中國(guó)聯(lián)通安徽省分公司 網(wǎng)絡(luò)發(fā)展部