带宽潜客的识别方法、装置、设备及存储介质与流程

本申请涉及数据识别，尤其涉及一种带宽潜客的识别方法、装置、设备及存储介质。

背景技术：

1、随着国家网络基础设施建设越来越完善，人们对网络速率的要求也越来越高，宽带提速的需求日渐高涨，因此，充分识别宽带提速意愿用户越来越重要，以满足家庭宽带的高质量发展的要求。

2、目前为了识别需要带宽提速的用户都是依据客户主动申请或者通过外呼、扫楼、摆摊和发传单等传统“大水漫灌式”营销方式进行识别。但是传统的营销方式是由用户根据自己的需求选择是否要将带宽提速，并不能从众多用户中识别需要提速带宽的用户，导致营销转化率较低。

技术实现思路

1、本申请的主要目的在于提供一种带宽潜客的识别方法、装置、设备及存储介质，旨在解决现有技术中不能从众多用户中识别需要提速带宽的用户，导致营销转化率较低的技术问题。

2、为实现上述目的，本申请提供一种带宽潜客的识别方法，所述带宽潜客的识别方法包括：

3、收集用户的用网数据；

4、将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户；

5、其中，所述融合识别用户模型是基于预设的机器学习算法，与标记有续费带宽与资费变更带宽的样本用户，训练预设的待训练模型得到的。

6、可选地，所述将所述用网数据输入至预设的融合识别用户模型中的步骤之前，所述方法还包括：

7、获取所述用户的历史带宽提速数据；

8、基于所述历史带宽数据，从所述用户中分别标记出续费带宽的续费样本用户与资费变更带宽数据的资费样本用户；

9、基于预设的机器学习算法与所述续费样本用户，训练预设的续费待训练模型，得到续费提速子模型；

10、基于所述机器学习算法与所述资费样本用户，训练预设的资费待训练模型，得到资费变更子模型；

11、将所述续费提速子模型与所述资费变更子模型叠加，得到融合识别用户模型。

12、可选地，所述基于所述历史带宽数据，从所述用户中分别标记出续费带宽的续费样本用户与资费变更带宽数据的资费样本用户的步骤，包括：

13、从所述历史带宽数据中，解析出所述用户对带宽的速率需求与消费敏感度；

14、基于所述速率需求与所述消费敏感度，从所述用户中识别出有带宽提速需求的用户清单；

15、从所述历史带宽数据中，提取与所述用户清单对应的带宽提速数据；

16、将所述带宽提速数据筛分为续费提速数据与资费提速数据；

17、将于所述续费提速数据对应的用户标记为续费样本用户，并将所述资费提速数据对应的用户标记为资费样本用户。

18、可选地，所述从所述历史带宽数据中，解析出所述用户对带宽的速率需求与消费敏感度的步骤，包括：

19、从所述历史带宽数据中，筛选出所述用户的资费情况、合约状态、套餐信息、行为数据与宽带瓶颈；

20、基于所述资费情况、所述行为数据与所述带宽瓶颈，确定所述用户是否对带宽有速率需求；

21、基于所述资费情况、所述套餐信息与所述合约状态，确定所述用户的消费敏感程度。

22、可选地，所述将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户的步骤，包括：

23、将所述用网数据输入至预设的融合识别用户模型中，基于所述融合用户模型，从所述用网数据中识别出带宽资费数据与带宽续费数据；

24、基于所述融合识别用户模型，预测出与所述带宽续费数据对应的续费用户的预测提速概率，并预测出与所述带宽资费数据对应的资费用户的带宽提速概率；

25、基于所述预测提速概率与所述带宽提速概率，将所述续费用户与所述资费用户融合排序；

26、将所述用户中排名满足预设阈值的用户识别为需要带宽提速的潜在客户。

27、可选地，所述将所述用户中排名满足预设阈值的用户识别为需要带宽提速的潜在客户的步骤之前，还包括：

28、获取所述用户的历史带宽提速数据；

29、计算所述历史带宽提速数据中，每个所述预测提速概率与所述带宽提速概率对应的历史转化率；

30、基于所述历史转化率，确定预设阈值。

31、可选地，所述基于所述融合识别用户模型，预测出与所述带宽续费数据对应的续费用户的预测提速概率，并预测出与所述带宽资费数据对应的资费用户的带宽提速概率的步骤，包括：

32、基于所述融合识别用户模型中的续费提速子模型，预测出与所述带宽续费数据对应的续费用户的预测提速概率；

33、基于所述融合识别用户模型中的资费变更子模型，预测出与所述带宽资费数据对应的资费用户的带宽提速概率。

34、本申请还提供一种带宽潜客的识别装置，带宽潜客的识别装置包括：

35、收集模块，用于收集用户的用网数据；

36、识别模块，用于将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户；

37、其中，所述融合识别用户模型是基于预设的机器学习算法，与标记有续费带宽与资费变更带宽的样本用户，训练预设的待训练模型得到的。

38、本申请还提供一种带宽潜客的识别设备，带宽潜客的识别设备为实体节点设备，带宽潜客的识别设备包括：存储器、处理器以及存储在存储器上并可在处理器上运行的带宽潜客的识别方法的程序，带宽潜客的识别方法的程序被处理器执行时可实现如上述的带宽潜客的识别方法的步骤。

39、本申请还提供一种存储介质，存储介质上存储有实现上述带宽潜客的识别方法的程序，带宽潜客的识别方法的程序被处理器执行时实现如上述的带宽潜客的识别方法的步骤。

40、本申请提供一种带宽潜客的识别方法、装置、设备及存储介质，与现有技术中不能从众多用户中识别需要提速带宽的用户，导致营销转化率较低相比，在本申请中，收集用户的用网数据；将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户；其中，所述融合识别用户模型是基于预设的机器学习算法，与标记有续费带宽与资费变更带宽的样本用户，训练预设的待训练模型得到的。在本申请中，收集到用户的用网数据，利用基于预设的机器学习算法，与标记有续费带宽与资费变更带宽的样本用户，训练预设的待训练模型得到的融合识别用户模型，从用户中识别出需要带宽提速的潜在客户，即在本申请中，利用融合识别用户模型，根据用户的用网数据，从用户中精准识别需要带宽提速潜在客户，以精准服务潜在客户，提高了营销转化率。

技术特征：

1.一种带宽潜客的识别方法，其特征在于，所述带宽潜客的识别方法，包括：

2.如权利要求1所述的带宽潜客的识别方法，其特征在于，所述将所述用网数据输入至预设的融合识别用户模型中的步骤之前，所述方法还包括：

3.如权利要求2所述的带宽潜客的识别方法，其特征在于，所述基于所述历史带宽数据，从所述用户中分别标记出续费带宽的续费样本用户与资费变更带宽数据的资费样本用户的步骤，包括：

4.如权利要求3所述的带宽潜客的识别方法，其特征在于，所述从所述历史带宽数据中，解析出所述用户对带宽的速率需求与消费敏感度的步骤，包括：

5.如权利要求1所述的带宽潜客的识别方法，其特征在于，所述将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户的步骤，包括：

6.如权利要求5所述的带宽潜客的识别方法，其特征在于，所述将所述用户中排名满足预设阈值的用户识别为需要带宽提速的潜在客户的步骤之前，还包括：

7.如权利要求5所述的带宽潜客的识别方法，其特征在于，所述基于所述融合识别用户模型，预测出与所述带宽续费数据对应的续费用户的预测提速概率，并预测出与所述带宽资费数据对应的资费用户的带宽提速概率的步骤，包括：

8.一种带宽潜客的识别装置，其特征在于，所述带宽潜客的识别装置包括：

9.一种带宽潜客的识别设备，其特征在于，所述带宽潜客的识别设备包括：存储器、处理器以及存储在存储器上的用于实现带宽潜客的识别方法的程序，

10.一种存储介质，其特征在于，存储介质上存储有实现带宽潜客的识别方法的程序，实现带宽潜客的识别方法的程序被处理器执行以实现如权利要求1至7中任一项所述带宽潜客的识别方法的步骤。

技术总结
本申请公开了一种带宽潜客的识别方法、装置、设备及存储介质，涉及数据识别技术领域，该方法包括：收集用户的用网数据；将所述用网数据输入至预设的融合识别用户模型中，基于所述融合识别用户模型，从所述用户中识别出需要带宽提速的潜在客户；其中，所述融合识别用户模型是基于预设的机器学习算法，与标记有续费带宽与资费变更带宽的样本用户，训练预设的待训练模型得到的。在本申请中，利用融合识别用户模型，根据用户的用网数据，从用户中精准识别需要带宽提速潜在客户，以精准服务潜在客户，提高了营销转化率。

技术研发人员：徐萌,毛安寅,景昕,褚新宇,王冀彬,戴睿斌,程竞超,陶涛,徐海勇
受保护的技术使用者：中移动信息技术有限公司
技术研发日：
技术公布日：2024/1/5