论文部分内容阅读
【摘要】 4G时代70%的业务发生在室内，5G时代室内网络体验是树立5G品牌的关键。如何做到5G室分站点选址最优化，投资收益最大化为本文讨论研究重点。本文利用安徽联通SEQ大数据平台提取的室分站点相关数据以及智慧运营平台提取的相关用户数据，通过多维用户数据分析，识别高价值用户和5G潜在用户，并通过其常驻室分站点分布，确定室分5G价值区域。
【关键词】 5G潜在用户 高价值用户 用户数据分析 无线网络投资收益 大数据分析
一、概述
根据大数据平台以及智慧运营平台提取用户使用机型、月度账单、年龄、流量分类等维度数据，通过多维用户数据分析，识别5G潜在用户，获取新建价值站址，建立5G室分站点模型并对经营策略做了探讨。
二、研究背景
参考互联网行业对用户进行多维度（手机机型、用户套餐、月出账单金额等）分析，甄选出4G高价值用户，并通过用户流量数据及年龄分析，从4G高价值用户中识别潜在5G用户，建立4G高价值用户的站点分布模型与5G潜在用户站点分布模型，再取两者交集，获得5G室分新建价值站点，来指导5G室分建站投资。
三、研究方法介绍
用户数据分析分为三个阶段，收集、分析、判定。要进行用户建模，通过室分站点下用户的号码、归属地、机型、流量数据等以及从前端收集了用户的套餐、账单年龄数据。
选取了高价值机型作为其中一个重要的维度，我们认为高价值终端一定程度代表了用户本身的消费能力，如IPHONE8及以上、MATE 20及以上、三星S9及以上等机型京东商城定价均在4000元，其次是用户的站点流量数据，取平均DOU为10G/月（宏站+室分），通过提取的数据分析，室分流量约占全网流量18.9%，与室分宏站站点数比例保持一致（室分站点约占全网站点的20%），据此，我们将室分高流量用户的门限值定为3（2*1.5）G/月（用户平均DOU的1.5倍），即716M/周。
根据这两个维度，结合从大数据平台上取的全网室分用户数据（含漫游用户，考虑到用户漫出情况，他省漫入用户也是重要的分析数据），分析筛选出高价值用户若干，并以一周内发生流量716M以上站点为有效数据站点标记出来。
从智慧运营平台获取了用户的套餐、月度消费、年龄等数据。
用户月均消费额为50元/月，将用户月均消费75（50*1.5）元以上，且年龄在50岁以下定义为高价值用户再结合高端机型、高流量（高视频流量、高游戏流量——分别对应5G个人VR业务，游戏业务）维度筛选出新的用户数据，定义为5G潜在用户。
同样以一周内发生流量716M以上站點为有效数据站点也标记。
最后叠加取交集，为最终预测5G室分价值站点分布，应用于指导初期5G室分站点建设。
本文为了便于分析我们仅仅取6个维度或称为特征值，分析模拟出用户倾向，实际应用可以取多维度或称为多特征），更加精准模拟出用户画像，预测用户行为，为建站选址建模提供强有力的支撑，进而精准投资。
四、研究结果应用举例
通过Hadoop数据库取周流量总和大于716M的用户，并定义为高流量用户，显示有13万高流量用户，约占全网用户的10%。
接下来取得高价值终端用户24.5万，约占全网用户的18.8%，最后结合两个维度，取得“双高”用户3.8万，占全网3%。
将一周同一站点发生流量超过716M的“双高”用户结合经纬度在地图上标记出来（一个用户可对应多个物理站点），从智慧运营平台取得室分站点下用户账单和年龄数据，在“双高”用户中额外增加两个维度进行二次筛选，筛选出1.6万“高机型、高流量（高视频游戏流量）、高消费、低年龄”的高端用户，我们定义为5G潜在用户。两者交集，得到63个高建设优先级5G室分站点。
五、应用前景拓展
5.1高价值站点选址
建立模型，自动化筛选出5G潜在价值站点信息，来指导扩容或新建优先级，提升室分站点投资收益比。
5.2室分站点下所有用户行为分析
贴近用户分析，选取更多维度（如结合用户网龄，用户业务类型，用户站点驻留时长等）分析室分基站下用户的行为模式，进行精准推送。
参 考 文 献
[1]陆嘉恒 《Hadoop实战》 机械工业出版社
[2]余本国 《基于Python的大数据分析基础及实践》 中国水利水电出版社
商挺：北京邮电大学 硕士学位 通信工程 现工作于中国联通安徽省分公司 网络发展部
【关键词】 5G潜在用户 高价值用户 用户数据分析 无线网络投资收益 大数据分析
一、概述
根据大数据平台以及智慧运营平台提取用户使用机型、月度账单、年龄、流量分类等维度数据，通过多维用户数据分析，识别5G潜在用户，获取新建价值站址，建立5G室分站点模型并对经营策略做了探讨。
二、研究背景
参考互联网行业对用户进行多维度（手机机型、用户套餐、月出账单金额等）分析，甄选出4G高价值用户，并通过用户流量数据及年龄分析，从4G高价值用户中识别潜在5G用户，建立4G高价值用户的站点分布模型与5G潜在用户站点分布模型，再取两者交集，获得5G室分新建价值站点，来指导5G室分建站投资。
三、研究方法介绍
用户数据分析分为三个阶段，收集、分析、判定。要进行用户建模，通过室分站点下用户的号码、归属地、机型、流量数据等以及从前端收集了用户的套餐、账单年龄数据。
选取了高价值机型作为其中一个重要的维度，我们认为高价值终端一定程度代表了用户本身的消费能力，如IPHONE8及以上、MATE 20及以上、三星S9及以上等机型京东商城定价均在4000元，其次是用户的站点流量数据，取平均DOU为10G/月（宏站+室分），通过提取的数据分析，室分流量约占全网流量18.9%，与室分宏站站点数比例保持一致（室分站点约占全网站点的20%），据此，我们将室分高流量用户的门限值定为3（2*1.5）G/月（用户平均DOU的1.5倍），即716M/周。
根据这两个维度，结合从大数据平台上取的全网室分用户数据（含漫游用户，考虑到用户漫出情况，他省漫入用户也是重要的分析数据），分析筛选出高价值用户若干，并以一周内发生流量716M以上站点为有效数据站点标记出来。
从智慧运营平台获取了用户的套餐、月度消费、年龄等数据。
用户月均消费额为50元/月，将用户月均消费75（50*1.5）元以上，且年龄在50岁以下定义为高价值用户再结合高端机型、高流量（高视频流量、高游戏流量——分别对应5G个人VR业务，游戏业务）维度筛选出新的用户数据，定义为5G潜在用户。
同样以一周内发生流量716M以上站點为有效数据站点也标记。
最后叠加取交集，为最终预测5G室分价值站点分布，应用于指导初期5G室分站点建设。
本文为了便于分析我们仅仅取6个维度或称为特征值，分析模拟出用户倾向，实际应用可以取多维度或称为多特征），更加精准模拟出用户画像，预测用户行为，为建站选址建模提供强有力的支撑，进而精准投资。
四、研究结果应用举例
通过Hadoop数据库取周流量总和大于716M的用户，并定义为高流量用户，显示有13万高流量用户，约占全网用户的10%。
接下来取得高价值终端用户24.5万，约占全网用户的18.8%，最后结合两个维度，取得“双高”用户3.8万，占全网3%。
将一周同一站点发生流量超过716M的“双高”用户结合经纬度在地图上标记出来（一个用户可对应多个物理站点），从智慧运营平台取得室分站点下用户账单和年龄数据，在“双高”用户中额外增加两个维度进行二次筛选，筛选出1.6万“高机型、高流量（高视频游戏流量）、高消费、低年龄”的高端用户，我们定义为5G潜在用户。两者交集，得到63个高建设优先级5G室分站点。
五、应用前景拓展
5.1高价值站点选址
建立模型，自动化筛选出5G潜在价值站点信息，来指导扩容或新建优先级，提升室分站点投资收益比。
5.2室分站点下所有用户行为分析
贴近用户分析，选取更多维度（如结合用户网龄，用户业务类型，用户站点驻留时长等）分析室分基站下用户的行为模式，进行精准推送。
参 考 文 献
[1]陆嘉恒 《Hadoop实战》 机械工业出版社
[2]余本国 《基于Python的大数据分析基础及实践》 中国水利水电出版社
商挺：北京邮电大学 硕士学位 通信工程 现工作于中国联通安徽省分公司 网络发展部