郵件系統的用戶業務行為熱度模型分析與結論

章超

（中國移動通信集團廣東有限公司，廣東 廣州 510640）

郵件系統的用戶業務行為熱度模型分析與結論

章超

（中國移動通信集團廣東有限公司，廣東 廣州 510640）

針對郵件系統進行用戶業務行為熱度模型分析，通過建立用戶偏好業務熱度模型來進行系統優化分析，為不同區域的用戶業務優化提供參考的依據。

數據挖掘；熱度模型；區分度

1 引言

為加強對郵件系統的用戶提供優質的個性化服務，進行了系統的熱度模型研究。熱度模型依據對用戶使用習慣及頻度的監測，借助數據挖掘和機器學習方法，對郵件系統中用戶業務行為進行熱度分析，指導系統基于用戶層面的建設及優化方向。通過建立用戶偏好業務熱度模型，為不同區域的用戶業務優化提供數據支撐和參考依據。

2 研究目的與內容

郵件系統的用戶業務行為熱度模型分析建議在基于不同區域的用戶上，通過分析不同地區的用戶對于某些功能點的使用行為習慣偏好，通過熱度模型得出使用行為偏好的區分度指標，從而可以針對該地區的用戶使用偏好來實現功能點優化，給予用戶更好的使用體驗。

3 熱度模型的分析方法

郵件系統選取了四種常用業務行為：收郵件，讀郵件，寫郵件與搜索郵件；選取了六個不同省份區域：廣東、江蘇、山東、河南、河北、吉林。通過系統的探針平臺獲取六個省份用戶的業務請求數據。

以一個工作周為統計的業務數據如下所示。

表1 各省用戶業務請求統計表

獲取的六個省份的四種常用行為的訪問數據之后，使用一種區分度數值法，將區分度特別高的功能點行為找出為未來系統針對這個功能點的優化提供依據。

首先我們通過以下的一個計算公式來算出各個省份的某個功能點的偏好值，其意義在于計算某一個功能點在所有被統計的功能點當中所占的熱度比重。

Hij代表在i省份地區j類行為的熱度比重，Bij為在i省份j類行為周請求次數，代表該地區所有被統計的行為的周請求次數之和。結果四舍五入取小數點后2位。

以廣東收郵件請求行為計算其熱度比重舉例如下：

H=3178/（3178+17024+8512+25103）=0.06

根據上述方式可分別計算出六個省份四種常用行為的熱度比重如下：

表2 各省用戶功能點熱度比重統計表

在得到每個省的各個功能點使用偏好的比重之后，我們需要通過區分度熱度模型來找出區分度特別大的功能點，來證明該功能點確實屬于用戶偏好行為，區分度熱度模型公式如下：

Dij就是我們最終需要求得的偏好區分度，代表i省份j行為的用戶偏好，數值可以是正也可以是負,是求除了當前計算的i省份以外其他省份的j行為熱度比重之和。結果取四舍五入小數點后兩位。

下面同樣以廣東省收郵件功能點舉例進行計算其區分度：

D=（1+0.06）x（0.06-（0.57+0.08+0.06+0.05+0.04））=-0.11

根據上述方式可分別計算出六個省份四種常用行為的行為偏好區分度如下：

表3 各省用戶功能點行為偏好區分度統計表

根據區分度分析原則（測量學家伊貝爾認為：區分度在0.4以上表明被測量對象區分度極好，0.3～0.39表明區分度較好，0.19以下表明的區分度不好）區分度在0.3以上代表該功能點屬于用戶行為偏好，該省份的用戶區別于其他省份的用戶更偏好使用這個功能點。

4 熱度模型的結論

通過熱度模型和系統探針平臺獲取得到的數據，區分度大于+0.3或接近+0.3的業務行為是廣東用戶的搜郵件行為和江蘇用戶的收郵件行為。

對于廣東省用戶，郵件全文搜索這個業務使用屬于偏好功能點，系統可進一步加強搜索框的便利性和提升體驗，例如通過ajax做無刷新搜索列表，可以在用戶輸入搜索關鍵字的同時就在后臺將計算結果直接顯示給用戶，無需讓用戶點擊搜索按鈕。

對于江蘇省用戶，收郵件這個業務使用屬于偏好功能點，系統可重點優化收件箱的功能體驗，例如直接默認進入收件箱，在其他功能頁面里給予盡量方便的方式返回到收件箱收信，新郵件的推送體驗也可以得到加強。

[1]王斌，黃宇芳，龔巧儀．基于消費者評價的智能手機熱度模型研究[J]．電信科學，2013，(S1)：219-223．

[2]李為民．互聯網典型業務流量特征研究[D]．北京郵電大學，2012．

[3]徐沫揚，徐沁揚．基于語音的身份識別系統的數字的區分度算法[J]．科技展望，2015，(32)．

[4]馬琰．基于SSL&SET協議的在線支付模型的研究[J]．電腦與電信，2011，(5)：64-65．

analysis and Conclusion on the Heat Model of Customer Service Behavior of Mail System

Zhang Chao
(China Mobile Communication Group Guangdong Co.,Ltd.,Guangzhou 510640,Guangdong)

according to the analysis of the heat model of customer service behavior in the mail system,the system optimization analysis is carried out by establishing the heat model of user's preference,which provides the basis for the optimization of users'service in different regions.

data mining;heat model;discrimination.

TP31

a

1008-6609(2016)03-0073-02

章超，男，安徽石臺人，學士，研究方向：信息化系統建設與運營。