[发明专利]移动终端上网用户投诉预测方法、装置、设备及存储介质

说明书

本发明实施例提供了一种移动终端上网用户投诉预测方法、装置、设备及存储介质。通过全面考虑投诉预测的数据指标，在移动终端上网用户投诉预测最终模型的输入特征变量中，采用：反映移动终端上网网络质量的网络数据指标、反映移动终端上网应用场景的移动终端上网应用类别、反映用户消费个性特点的行为数据指标，有效地提高了移动终端上网用户投诉预测精度。还通过采用新的数据变换、处理技术，在尽量保持原有训练数据集原始数据信息结构的前提下，实现训练数据集的平衡。从而训练、建立精确的移动终端上网用户投诉预测模型，实现更精准的移动终端上网用户投诉预测，提升投诉处理效率，提升移动终端用户使用感知。

技术领域

本发明涉及移动业务支撑技术领域，尤其涉及一种移动终端上网用户投诉预测的方法、装置、设备及存储介质。

背景技术

对于电信运营商及移动互联网来说，以用户为中心，关注用户需求和用户体验，降低用户投诉率，提升用户满意度是日常经营的重点工作内容。传统的用户投诉处理方法是在用户主动发起投诉后再予以响应处理，具有投诉响应时间长、投诉用户处理满意度低等弊端，已很难满足当前激烈的市场竞争需求和较高的业务时效性要求。同时，4G的商用使我们真正进入移动互联网时代，利用移动终端(如手机、平板电脑等)上网已经成为用户移动通信的主流形式，移动终端上网的服务质量直接影响用户上网感知，已成为当前用户最关注的问题，越来越多的用户因为移动终端上网感知问题而考虑转网。因此，准确、主动监测用户对移动终端上网的感知情况，及时、主动识别出移动终端上网用户投诉，在用户发起投诉之前及时解决用户移动终端上网的问题，化被动为主动，在用户投诉之前提前预测问题并解决，能够有效提升用户手机上网满意度，也是4G时代电信运营商市场竞争热点之一。

目前，已有技术实现关于移动互联网用户投诉的预测，也就是说，现有技术中已经实现对移动互联网客户感知评价。

例如，第一相关技术提供了一种移动互联网用户投诉的预测方法和装置，通过获取待预测的移动互联网用户在统计周期内的上网数据记录；根据上网数据记录，计算待预测的移动互联网用户对应的流量使用数据记录；根据统计周期内待预测的移动互联网用户对应的流量使用记录、历史投诉数据记录、套餐及业务订购数据记录，计算待预测的移动互联网用户对应的投诉相关特征；将投诉相关特征输入到验证后的投诉预测模型中，获取待预测的移动互联网用户的投诉风险值；输出待预测的移动互联网用户的投诉风险值和投诉相关特征，预测出每个投诉用户可能的投诉内容。从而降低了移动互联网用户的投诉数量，加快了投诉的处理速度。

又如，第二相关技术提供了一种基于信令数据的潜在投诉用户预测方法及系统，其通过以A接口信令数据为基础建立包括投诉用户特征向量和未投诉用户特征向量的全网用户特征向量，再根据投诉用户特征向量和未投诉用户特征向量计算未投诉用户与投诉用户的业务相似度，最后根据业务相似度确定未投诉用户中的潜在投诉用户，业务相似度越高，用户为潜在投诉用户的可能性越大。从而能够提前预测出潜在投诉用户，提前预警，提高用户的感知。

然而，在第一相关技术中，对移动互联网业务用户投诉的预测，仅仅针对用户关于流量使用量引发的费用投诉。第二相关技术中，预测模型中考虑了由于网络质量问题引发的用户投诉，但移动终端用户上网的投诉并不仅仅与网络费用和网络指标有关。

另外，现有的投诉预测方案多采用机器学习中的分类预测算法模型进行预测，投诉用户量和非投诉用户量则是分类预测算法模型机器学习的训练数据集。然而从机器学习的角度看，如果训练数据集存在严重的数据不平衡，则会导致预测效果不佳。在通信网络实际运营过程中，投诉用户量占少数，其不到非投诉用户量的1％，即投诉用户量和非投诉用户量存在严重的数据不平衡，但上述两个现有方案，在用户投诉预测中，并没有考虑投诉和非投诉用户量的严重不平衡问题。

综上所述，现有的移动终端上网用户投诉预测技术存在如下缺陷：

投诉预测采用的数据指标不够全面，预测结果无法高精度地反映实际投诉情况，即预测精度不高；