5G潛在用戶預測及在網絡規劃中的應用研究

1 概述

2019年11月1日，5G在中國正式商用，大量5G智能終端投放市場，隨著用戶數的增長，運營商網絡建設壓力增大。預測5G 潛在用戶和篩選重點業務區域對5G網絡精準建設具有重要意義。

本文基于O 域數據、B 域數據及從互聯網爬取的終端價格等數據，對全網5G 終端用戶進行大數據分析，基于分析結果從用戶業務消費力、終端購買力和換機周期3 個維度確定了潛在5G 用戶的預測方法，并對現網用戶進行了預測，篩選出可能會在特定時間內更換5G 終端的潛在用戶列表，一方面輸出給市場部門，作為5G 用戶的目標客戶名單，另一方面根據潛在5G 用戶的業務數據等信息統計出基站和微網格等區域中潛在5G 用戶和業務的分布情況，為5G 用戶發展和5G網絡規劃建設提供數據支持。

2 數據源及分析步驟

本文主要基于B 域的用戶側賬單和詳單數據、O域的工參數據以及從互聯網獲取的終端庫等第三方數據進行大數據分析。圖1 所示為分析流程，主要步驟為：

a）基于用戶側賬單和詳單，匹配生成全量用戶的屬性表，表中包含用戶終端型號、終端的TAC 號等基本信息和用戶TOP20 業務量小區和用戶常住地微網格名稱。

b）用戶屬性表與終端庫匹配，生成5G 終端用戶列表。

c）基于步驟b）生成的用戶列表，從ARPU、終端價格和換機周期等多維度分析5G終端用戶的特征。

d）確定潛在5G用戶的預測方法。

e）按照步驟d）中確定的預測方法，對全網進行預測，生成5G潛在用戶列表。

f）基于數據詳單，分析潛在5G 用戶數據業務分布，得到潛在5G 用戶的基站級和微網格級的地理分布，支撐后續5G網絡的規劃建設。

3 5G終端用戶畫像及潛在5G用戶預測方法

3.1 業務模型

對5G 終端用戶的平均ARPU、平均DOU 及平均MOU 進行分析，并與全部4G 終端用戶的均值進行比較，發現5G 終端用戶高ARPU 區間（ARPU＞50 元）、高DOU 區間（DOU＞5 GB）和高MOU 區間（MOU＞300 min）的用戶占比明顯高于4G終端用戶，呈現出三高特性（見圖2）。

3.2 終端分布

對5G終端用戶持有的終端及用戶更換5G終端之前使用的終端特征進行分析。

3.2.1 終端價格

圖1 潛在5G用戶預測及應用研究流程

圖2 5G終端用戶業務模型

終端價格是考量用戶終端購買力的重要因素，本節對換機前后用戶使用的終端價格的分布進行分析。

目前處于5G終端發展的早期，已上市的終端以高端機為主，所以現階段網絡中的5G終端用戶使用的終端價格基本高于2 000 元，其中6 000 元以上的終端占比高達25%（見圖3）。

圖3 5G終端用戶終端價格分布

對比5G 終端用戶換機前的終端價格分布和全部4G 用戶的終端價格分布，可以發現現階段更換5G 終端的用戶在換機前的終端價格普遍高于4G用戶均值，2 000元以上的中高端手機的用戶占比更高（見圖4）。

圖4 5G終端用戶換機前終端價格分布

3.2.2 終端品牌

目前5G 終端用戶持有的終端品牌以國產品牌為主，相對比較集中，其中華為終端占比達到60%，其次是Vivo 和Xiaomi，占比分別為24%和13%，三星手機占比10%，Oppo 等品牌占比不足1%。手機品牌的分布與市場中5G 終端的上市時間和出貨量有較大關系（見圖5）。

3.2.3 換機周期分布

圖5 5G終端用戶終端品牌分布

到達換機周期是用戶更換手機的主要驅動因素之一。根據歷年來用戶使用的終端型號的變化情況，統計了用戶更換手機的頻率，圖6 所示為目前5G 終端用戶的換機周期分布。從更換手機的頻率角度，發現現階段的5G 終端用戶換機周期較4G 用戶要短一些，可以大致分為2 類：第1 類用戶是喜歡追求新潮的用戶，這類用戶手機更換周期在12 個月之內，當市場上有新款手機上市時，他們會為了新的功能或者更好的外觀和用戶體驗等原因在1年之內將手機更換為最新款手機；第2 類用戶是手機更換周期大于1 年的用戶，當手機使用到一定時長后，隨著性能下降和存儲空間不足等情況的出現，他們會選擇更換手機，而此時大概率會選擇市場上比較新的機型。

圖6 5G終端用戶換機周期分布

3.3 年齡分布

對5G終端用戶的年齡和全部4G用戶的年齡進行分段統計，發現5G 終端用戶在20～40歲年齡段內的占比明顯高于4G終端用戶，更加年輕化（見圖7）。

3.4 入網時長分布

入網時長方面，5G 終端用戶入網2 年以上用戶占比高于4G終端用戶（見圖8）。

圖7 5G終端用戶年齡分布

圖8 5G終端用戶入網時長分布

3.5 潛在5G用戶預測方法

基于以上5G終端用戶特征，并充分考慮影響用戶更換5G 終端的決定因素，將同時滿足以下3 個條件作為判定潛在5G用戶的標準。

a）用戶ARPU≥50元：用戶ARPU 在一定程度上說明了用戶的消費能力，由于換機前ARPU 在50 元以上的占比明顯高于全網均值，所以將ARPU 的門限設定為50元。

b）用戶終端價格≥2 000 元：終端購買力是影響用戶選擇新機型價位的一個重要因素，考慮到換機前用戶使用的終端價格在2 000 元以上占比較高且目前市場上已出現2 000 元左右的5G 手機，因此在預測潛在5G用戶時終端價格門限暫定為2 000元。

c）用戶到達換機周期：用戶換機周期說明了用戶更換手機的行為偏好，到達換機周期是用戶更換手機的重要原因之一。本研究中基于在網用戶歷年來終端更換情況進行統計，得到每個用戶的換機周期，對于新入網的用戶，根據終端型號及普遍換機周期確定用戶的換機周期?；谟脩衄F有終端的購買時間及用戶換機周期預測用戶的換機時間，若用戶換機時間在規劃期內（如2021年），則認為該用戶可能為此規劃期內的潛在5G用戶。

4 潛在5G用戶預測結果及應用

基于第3.5節得到的潛在5G用戶判定標準對全部的用戶進行預測，得到潛在5G 用戶群體列表。一方面，潛在5G 用戶列表可以作為市場等部門發展5G 用戶的目標客戶名單，使市場側用戶發展和維系更具有目標性，提高成功率；另一方面通過對B域數據分析得到用戶在各個小區中的業務次數和流量常住小區，按照各小區的出現人次和用戶的流量常住小區將用戶分配到現網站址及已劃分好的微網格中，支撐5G網絡的規劃建設，本節重點介紹潛在5G用戶名單在網絡建設中的應用。

4.1 潛在5G用戶站點級分布

按照現有站址中各站點潛在5G 用戶人次的數量由高到低排序，統計潛在5G用戶人次占比與基站比例之間的關系，由分布曲線可知潛在5G用戶在站點上集中度較高（見圖9）。

圖9 潛在5G用戶在基站中的分布情況

對站點的聚焦情況進行進一步統計，計算潛在5G用戶人次占比和基站規模占比的導數關系，結果如表1 所示。拐點出現在26%的基站占比，集中了79%的潛在5G 用戶人次，將這26%的基站定義為聚焦站點，在網絡建設時可優先建設。在基站建設時，也可以根據預算和預計建設的基站規模等實際情況，參考潛在5G用戶在基站間的分布確定建設優先級。

根據聚焦站點的經緯度可得到站點的地理分布，并在地圖上顯示出來。

4.2 潛在5G用戶場景分布

表1 潛在5G用戶聚焦情況

根據潛在5G 用戶的業務軌跡將這些用戶匹配到各個微網格中，然后根據各微網格的場景進行匯總，得到各場景下潛在5G用戶的分布情況如圖10所示。

圖10 潛在5G用戶場景分布

在5G 網絡規劃中，可以分別制定市區、縣城、鄉鎮、行政村及校園等場景的潛在用戶覆蓋目標，基于各場景內潛在5G用戶的區域分布，根據覆蓋目標選定建設區域。

5 結束語

本文基于O 域數據、B 域數據及終端庫等第三方數據，首先從全量用戶中篩選出5G 終端用戶，并從業務模型、終端、用戶換機周期、年齡、入網時長等方面對這些用戶畫像進行了深入研究?；?G 終端用戶特征確定了根據終端價格、用戶換機周期及用戶ARPU 3 個因素預測潛在5G 用戶的方法，并對現網用戶進行了預測，篩選出可能會在規劃周期內更換5G終端的潛在用戶列表，并根據潛在5G用戶的人次及業務等數據分析出基站和微網格級別的潛在5G 用戶和業務的分布情況。潛在5G 用戶列表可支撐市場部門發展用戶，用戶地理分布可為5G網絡規劃建設提供數據支持。各本地網或其他運營商也可根據本文所述分析方法和內容對各自的潛在5G用戶進行預測，用于支撐網絡及市場決策。

本文目前基于現階段的5G終端用戶進行分析，后續隨著5G 終端用戶數量的增長，可逐漸擴大樣本數量，增加用戶特征分析維度，引入人工智能算法進行建模，同時不斷驗證算法的準確性，提升預測的準確度。