5G潛在用戶大數據分析在室分投資建設中的應用

商挺

【摘要】??? 4G時代70%的業務發生在室內，5G時代室內網絡體驗是樹立5G品牌的關鍵。如何做到5G室分站點選址最優化，投資收益最大化為本文討論研究重點。本文利用安徽聯通SEQ大數據平臺提取的室分站點相關數據以及智慧運營平臺提取的相關用戶數據，通過多維用戶數據分析，識別高價值用戶和5G潛在用戶，并通過其常駐室分站點分布，確定室分5G價值區域。

【關鍵詞】??? 5G潛在用戶??? 高價值用戶??? 用戶數據分析??? 無線網絡投資收益??? 大數據分析

一、概述

根據大數據平臺以及智慧運營平臺提取用戶使用機型、月度賬單、年齡、流量分類等維度數據，通過多維用戶數據分析，識別5G潛在用戶，獲取新建價值站址，建立5G室分站點模型并對經營策略做了探討。

二、研究背景

參考互聯網行業對用戶進行多維度（手機機型、用戶套餐、月出賬單金額等）分析，甄選出4G高價值用戶，并通過用戶流量數據及年齡分析，從4G高價值用戶中識別潛在5G用戶，建立4G高價值用戶的站點分布模型與5G潛在用戶站點分布模型，再取兩者交集，獲得5G室分新建價值站點，來指導5G室分建站投資。

三、研究方法介紹

用戶數據分析分為三個階段，收集、分析、判定。要進行用戶建模，通過室分站點下用戶的號碼、歸屬地、機型、流量數據等以及從前端收集了用戶的套餐、賬單年齡數據。

選取了高價值機型作為其中一個重要的維度，我們認為高價值終端一定程度代表了用戶本身的消費能力，如IPHONE8及以上、MATE 20及以上、三星S9及以上等機型京東商城定價均在4000元，其次是用戶的站點流量數據，取平均DOU為10G/月（宏站+室分），通過提取的數據分析，室分流量約占全網流量18.9%，與室分宏站站點數比例保持一致（室分站點約占全網站點的20%），據此，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。

根據這兩個維度，結合從大數據平臺上取的全網室分用戶數據（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據），分析篩選出高價值用戶若干，并以一周內發生流量716M以上站點為有效數據站點標記出來。

從智慧運營平臺獲取了用戶的套餐、月度消費、年齡等數據。

用戶月均消費額為50元/月，將用戶月均消費75（50*1.5）元以上，且年齡在50歲以下定義為高價值用戶再結合高端機型、高流量（高視頻流量、高游戲流量——分別對應5G個人VR業務，游戲業務）維度篩選出新的用戶數據，定義為5G潛在用戶。

同樣以一周內發生流量716M以上站點為有效數據站點也標記。

最后疊加取交集，為最終預測5G室分價值站點分布，應用于指導初期5G室分站點建設。

本文為了便于分析我們僅僅取6個維度或稱為特征值，分析模擬出用戶傾向，實際應用可以取多維度或稱為多特征），更加精準模擬出用戶畫像，預測用戶行為，為建站選址建模提供強有力的支撐，進而精準投資。

四、研究結果應用舉例

通過Hadoop數據庫取周流量總和大于716M的用戶，并定義為高流量用戶，顯示有13萬高流量用戶，約占全網用戶的10%。

接下來取得高價值終端用戶24.5萬，約占全網用戶的18.8%，最后結合兩個維度，取得“雙高”用戶3.8萬，占全網3%。

將一周同一站點發生流量超過716M的“雙高”用戶結合經緯度在地圖上標記出來（一個用戶可對應多個物理站點），從智慧運營平臺取得室分站點下用戶賬單和年齡數據，在“雙高”用戶中額外增加兩個維度進行二次篩選，篩選出1.6萬“高機型、高流量（高視頻游戲流量）、高消費、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個高建設優先級5G室分站點。

五、應用前景拓展

5.1高價值站點選址

建立模型，自動化篩選出5G潛在價值站點信息，來指導擴容或新建優先級，提升室分站點投資收益比。

5.2室分站點下所有用戶行為分析

貼近用戶分析，選取更多維度（如結合用戶網齡，用戶業務類型，用戶站點駐留時長等）分析室分基站下用戶的行為模式，進行精準推送。

參? 考? 文? 獻

[1]陸嘉恒 《Hadoop實戰》 機械工業出版社

[2]余本國 《基于Python的大數據分析基礎及實踐》 中國水利水電出版社

商挺：北京郵電大學 碩士學位 通信工程 現工作于中國聯通安徽省分公司 網絡發展部