基于DPI大數據支撐5G流量經營的方案研究

［張雄 肖慧 鄭淑琴］

1 引言

我國目前處于5G 發展的第一梯隊，近年來站點建設速度不斷推進，終端、產業、生態不斷完善，展現了廣闊的市場潛力。與此同時，5G 消費級應用仍處于初期，創新型應用尚未成熟，業務仍以4G 應用體驗為主，終端滲透率約為15%～20%，5G 開關打開占比不足70%，5G 流量占比不足5%。提升5G 網絡利用率的難點在于5G 終端用戶開關打開狀態識別，5G 用戶畫像建立，5G 網絡盲區準確定位等。基于DPI 大數據的5G 流量經營方案可拉通運營商前后端部門，市場側通過基于大數據用戶畫像的“六因法”進行高價值用戶發展、5G 終端換機、5G 開關/套餐營銷，網絡側通過信令面駐留時長統計、用戶登網識別進行5G 駐留比、登網率提升，業務網絡協同，提升用戶感知，實現網絡價值最大化，驅動5G 商業成功。

2 DPI 大數據支撐5G 流量經營的方案

2.1 DPI 介紹

DPI（Deep Packet Inspection 深度報文檢測技術）是一種基于應用層的流量檢測和控制技術，當IP 數據包、TCP 或UDP 數據流通過基于DPI 技術的系統時，該系統通過深入讀取IP 包載荷的內容來對OSI 七層協議中的應用層信息進行重組，從而得到整個應用程序的內容，然后按照系統定義的管理策略對流量進行整形操作。DPI 識別算法主要包括如下兩步：第一步，探針將流識別為子協議或者協議，然后根據子協議-協議的從屬關系識別出協議；第二步，在已識別的協議基礎上，進一步識別出應用軟件。從協議識別為應用一般采用特征字識別、協議解析后特征字識別和關聯識別等幾種方法：

（1）特征字識別：協議上的應用種類比較少的時候一般采用特征字識別，通過協議特征字+應用特征字的方式，直接識別為應用。

（2）協議解析后特征字識別：對于一些非常通用的協議，例如HTTP，其上應用數量非常多，直接通過特征字識別的方式可能會有誤判，這時可以通過解析消息的內容，然后對特定的協議字段用特征字識別的方法來區分。例如對于HTTP 協議，先解析HTTP 消息取出URL、HOST 等字段，然后對這些字段查找相應的特征，例如查找HOST 字段上的facebook.com、youtube.com 等特征字，從而識別出具體的應用。

（3）關聯識別：對于加密的應用，例如采用HTTPS協議傳輸的Facebook，可以采用關聯識別方法。

2.2 基于市場側的5G 流量經營方案

圍繞用戶服務和業務營銷，通過利用系統建模能力，對客戶進行精準畫像，建立全客戶匹配策略來構建5G 營銷場景化運營體系，為營銷人員提供精準數據支撐。本文提出了基于大數據用戶畫像的“六因法”，進行5G 精準營銷，實現用戶遷轉，5G 流量快速發展。

“六因法”基于用戶差異化層次需求理論建模，通過多元化、差異化和個性化構建用戶非線性消費需求和驅動力，結合用戶差異化需求細分，制定用戶遷移及價值運營。“六因”是通過O+B 域大數據分析對用戶特征精準分層，將用戶特征分為內在需求力，個人消費力，終端驅動力，外在因素，外在影響以及遷移行為。“六因法”的技術實現是基于O+B 域數據源通過數據模型構建標簽，通過大數據建模分析對用戶進行打標簽，將擁有相同標簽的用戶細分為同一個群體，針對不同群體制定不同的營銷策略，從而實現用戶精準遷移。

2.2.1 數據標簽

首先通過利用DPI 數據制作“六因”的用戶基礎特征，其中包括內在需求力（視頻流量，視頻時延，視頻下載速率，游戲上下行RTT 時延，游戲時長等），個人消費力（ARPU值，DOU，套餐等），終端驅動力（終端價格，使用時長，換機周期等），外在因素（漫游天數等），外在影響（付費行為等），遷移行為（副卡以及APP 訪問等）O 域+B域標簽。如表1 所示。

表1 用戶特征字段說明

2.2.2 用戶分群

其次，通過DPI 數據進行標簽建模，將原始數據制作成5G 開關是否打開，是否是5G 終端，終端型號，5G駐留程度，常駐小區，是否為投訴小區，是否5G 登網，是否打開SA 開關等用戶標簽（以5G 開關為例簡要說明一下數據標簽的制作過程，利用DPI 解析的單據中DCNR字段，代表Attach/TAU Request 流程上報的終端能力，其中DCNR=1 為開關打開）。將數據標簽制作完畢后，對用戶進行打標，制作用戶標簽表。如表2 所示。

表2 數據標簽說明

通過對用戶標簽表中用戶的5G 流量進行分析，結合5G 流量貢獻程度對用戶進行分群，通過對每個用戶近兩個月的4G 流量情況，5G 流量情況進行聚類分析，結合專家經驗，將具有相同流量貢獻的用戶劃分為同一群體。因此將用戶群體分為5G 終端開關打開用戶，5G 終端開關關閉用戶，5G 終端5G 套餐用戶，5G 終端4G 套餐用戶等，用戶細分如圖1 所示。

圖1 用戶細分邏輯說明

2.2.3 用戶差異化需求細分

對不同的用戶群體進行用戶細分，將用戶從價值，偏好進行畫像制作，將用戶劃分為重度游戲用戶，重度社交用戶，重度視頻用戶，高流量用戶，低流量用戶。重度業務計算原則是基于用戶一周內各類數據業務總時長、流量大小、訪問次數、各業務權重綜合計算，取熵值最大者為重度者，同時根據哪類業務時長占比最大的為該類業務重度用戶；靜默用戶是指有一周內有信令但無流量的用戶；低流量用戶是指一周內用戶日均流量均值小于5 MB，如圖2 所示。

圖2 用戶畫像邏輯說明

2.2.4 營銷運營策略制定

將遷移用戶分群，用戶差異化需求細分進行匹配，最終制定相應的終端營銷，開關營銷，高價值用戶發展策略進行5G 流量經營，在營銷實踐中，對營銷起到關鍵作用的TOP3 標簽有5G 用戶駐留程度、4G 用戶常駐區域、終端開關情況。

2.3 基于網絡側的5G 流量經營方案

基于網絡側的5G 流量經營方案主要通過提升5G 登網率、駐留比及補足4G 高負荷區域5G 覆蓋盲區識別（價值建站）推動4G 流量向5G 流量遷轉。

2.3.1 5G 登網率提升

5G 登網率表征5G 終端用戶對5G 網絡的使用率，反映了網絡覆蓋情況的同時，代表了部分用戶對5G 網絡的使用意愿。5G 登網率的定義如下，其中，5G 用戶定義為統計周期內在5G 產生過流量的用戶，5G 終端用戶通過DPI 數據識別TAC 碼與終端庫識別。

本文提出的登網率提升方案如下：

（1）基于DPI 數據識別5G 終端用戶5G 開關狀態，排除開關關閉的用戶（市場側開展開關引導），篩選出5G 開關打開未登網用戶；

（2）分析5G 開關打開未登網用戶的TOP 4G 駐留小區形成運動軌跡；

（3）聯合無線側從覆蓋、故障核查、策略配置等維度定位用戶未登網的網絡原因并進行優化。無線側登網率TOP 質差小區定位思路如圖3 所示。

圖3 無線側登網率TOP 質差小區定位思路

2.3.2 5G 駐留比提升

5G 駐留比表征5G 用戶事實上享受到5G 網絡服務的比例，有效反映了網絡覆蓋情況。提升5G 駐留比可以引導4/5G 用戶遷移，一方面緩解了4G 高負荷情況，另一方面高制式帶來更好的用戶體驗。5G 駐留比的定義如下，其中，5G 用戶定義為統計周期內在5G 產生過流量的用戶：

業務時長的計算需按時序關聯5G 用戶在5GC/EPC的關鍵流程（如Modify Bearer Request），區分45 小區并記錄持續時間，同時剔除非網絡原因影響（如：關閉終端SA 功能、EPS FB 呼叫觸發回落），最后將用戶在4/5G小區的業務時長分別求和。

本文提出的駐留比提升方案通過按行政區/基站對比分析駐留比，從低駐留和高倒流兩個角度提取TOP 質差5G 小區/5-4 小區對，聯合無線側開展配置核查與覆蓋分析，聚焦5G 駐留“假”、“啞”、“無”等問題場景，識別5G 網絡的“使用盲點”，支撐網絡規劃和優化。

（1）假5G：5G 終端駐留在4G 錨點上，錨點覆蓋與5G 覆蓋不匹配。體現在駐留比TOP 4G 小區周邊有5G覆蓋，對應5G 小區駐留比低或為0，5G 終端主要駐留在錨點上，共站5G 站點或存在故障；

（2）啞5G：5G 終端駐留區域有5G 覆蓋，但無法占用。體現在駐留比TOP 4G 小區周邊有5G 覆蓋，對應5G 小區駐留比為0，可能存在錨點配置異常、X2 漏配/故障/滿配、傳輸鏈路故障、鄰區漏配等問題；

（3）無5G：5G 終端集中區域，無5G 網絡覆蓋，體現在駐留比TOP 4G 小區周邊無5G 小區覆蓋，即5G 建設與業務發展不匹配，需要推動5G 站點建設。

無線側駐留比TOP 質差小區定位思路如圖4 所示。

圖4 無線側駐留比TOP 質差小區定位思路

2.3.3 5G 覆蓋盲區識別

5G 覆蓋盲區識別方案通過小區級5G 連接/用戶比、小區流量等關鍵字段，進行站點篩選和優先級劃分，找出5G 覆蓋空洞，支撐5G 網絡精準規劃。5G 連接/用戶比反應5G 站點連接活躍度，定義如下：

5G 連接/用戶比小于1 時判定站點連接異常（即該小區下存在開關打開的用戶，但所有/大部分未發起輔站變更流程），篩選滿足5G終端開關打開用戶數大于一定值，126 成功次數≥0，4G 流量＞0 的4G 錨點站進行無線側覆蓋和指標排查，具體思路與登網率排查一致。

3 方案運用及實施建議

該方案在某區域聯合市場部及無線網優團隊開展實踐運用，一階段全網駐留比提升2.8%，整改小區5G 駐留時長增加10%；協助市場部提前1.5 月完成全年5G 套餐發展目標，5G 活躍用戶數增長率提升14.03%，5G 用戶數單月增長8 倍（7 萬->59 萬）。

不同地市由于5G 建設進展和終端滲透率差異，5G用戶模型會有很大變化，初期應以套餐營銷為主要發力點；第二階段終端關注終端推廣與開關信息發送，特別要關注5G 分流比，第三階段當用戶達到一定規模后重點關注網絡問題及用戶體驗。整體分流方案基于DPI 大數據分析，同時融合B 域套餐數據進行模型建立，建議引入無線網管數據聯合分析，提高問題定位效率和準確性。

4 結束語

未來幾年是我國5G 發展的關鍵時期，必須把握住這一歷史機遇期。針對2C 市場5G 終端滲透率、開關打開率仍較低，缺乏爆款應用為5G 價值釋放帶來的巨大挑戰；以及5G 基站耗電量過大，覆蓋區域小，產業生態不成熟等因素給運營商網絡運營提出了新的難題。本文提出了基于DPI 大數據的5G 網絡流量分流方案，分別從網絡側提升5G 駐留比和登網率，實現業務網絡協同，提升用戶感知，實現網絡價值最大化；從市場側進行高價值用戶發展、5G 終端換機、5G 開關/套餐營銷，提升5G用戶市場占有率。