一种用户离网的预测方法及装置的制造方法
【技术领域】
[0001] 本发明设及电信技术领域，尤其设及一种用户离网的预测方法及装置。
【背景技术】
[0002] 用户是电信网络运营的基础，是业务需求和收入的根本来源。因而，各个电信运营 商都在改善服务W提高自身竞争力争取更多的客户资源。对于用户来说，用户可根据自身 的需求选择电信运营商，而用户的需求可能会不断变化，因而会出现原本属于电信运营商A 的用户，放弃电信运营商A的服务而成为电信运营商B的用户，该种现象为用户转网现象， 对运营商A而言，用户转出，即离网。一段时间内，离网的用户数与总的用户数的比值为用 户离网率，用户离网率直接影响运营商的收入，因此，如何预测用户离网率W便于在用户离 网前，采取必要的维挽措施，成为运营商关注的焦点。
[0003] 现有技术中存在一种用户离网的预测方法，主要包括；为每位注册用户分配一个 矩阵式站点元素表，记录每个所述注册用户的所有的操作；将单个用户所有操作进行汇总， 计算该用户平均活跃度；判断预定时间段内的用户平均活跃值是否呈下降趋势；若是，确 定为离网用户。
[0004] 现有技术中的该种用户离网的预测方法是W用户的所有在网操作为依据，而用户 的在网操作可能各种各样，因而现有技术提供的该种方法需要获取的数据量巨大，其实现 过程复杂。
【发明内容】
[0005] 本发明实施例提供一种用户离网的预测方法及装置，W解决现有技术中存在的由 于需要获取的数据较多因而实现过程复杂的问题。
[0006] 为达到上述目的，本发明的实施例采用如下技术方案：
[0007] 一种用户离网的预测方法，包括：
[000引根据预设算法，从至少两个属性指标中筛选得到至少一个离网相关指标；
[0009] 根据用户的每个所述离网相关指标的值W及预设数学模型，得到离网概率估值；
[0010] 如果所述离网概率估值大于第一预设阔值，则将所述用户预测为离网用户。
[0011] 一种用户离网的预测装置，包括：
[0012] 选择模块，用于根据预设算法，从至少两个属性指标中筛选得到至少一个离网相 关指标；
[0013] 处理模块，用于根据用户的每个所述离网相关指标的值W及预设数学模型，得到 离网概率估值；
[0014] 判断模块，用于判断所述离网概率估值是否大于第一预设阔值；
[0015] 所述处理模块，还用于当所述离网概率估值大于所述第一预设阔值时，将所述用 户预测为离网用户。
[0016] 本发明实施例提供的一种用户离网的预测方法及装置，通过获取与用户离网相关 的指标，并通过该些数据w及数学模型预测用户是否离网，与现有技术中需要获取用户所 有操作相关的数据相比，本发明能够获取仅与用户离网关联较大的关键数据进行用户离网 估测，因而估测过程中所需的数据量较小，实现过程简单。
【附图说明】
[0017] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W 根据该些附图获得其他的附图。
[001引图1为本发明实施例提供的一种用户离网的预测方法的流程示意图；
[0019] 图2为本发明实施例提供的另一种用户离网的预测方法的流程示意图；
[0020] 图3为本发明实施例提供的再一种用户离网的预测方法的流程示意图；
[0021] 图4为本发明实施例提供的S层神经网络模型的示意图；
[0022] 图5为本发明实施例提供的一种用户离网的预测装置的结构示意图；
[0023] 图6为本发明实施例提供的另一种用户离网的预测装置的结构示意图。
【具体实施方式】
[0024] 下面将结合本实施例中的附图，对本实施例中的技术方案进行清楚、完整地描述， 显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的 实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都 属于本发明保护的范围。
[00巧]本发明实施例提供了一种用户离网的预测方法，如图1所示，该方法包括：
[0026] 101 ;根据预设算法，从至少两个属性指标中筛选得到至少一个离网相关指标。
[0027] 其中，该预设算法可W为Z-Score分析法，还可W为信息论领域的其他算法。
[002引该属性指标主要为与用户活跃度、用户粘性、用户异常相关的指标。
[0029] 其中，用户活跃度，主要为用户当前的业务量和年龄、终端体现出来的业务潜力， 相关指标包括：用户年龄、终端、消费、套餐、业务量等；用户粘性，主要为用户离网的阻力 因素，相关指标包括：用户网龄、联系人运营商分布、签约年限等；用户异常，主要为离网前 期的异常动作，包括突击消费、极低量消费，更换极低套餐，相关指标包括：消费变化、套餐 变化、业务量变化，投诉次数等。
[0030] 虽然属性指标本身已经为从所有在网操作中筛选出来的部分数据，但是为了在能 有效判断用户是否离网的基础上，进一步缩小数据量W及采用与用户离网相关性更大的指 标，本步骤中需要从已获取的属性指标中筛选出一部分指标作为离网相关指标。
[0031] 102;根据用户的每个所述离网相关指标的值W及预设数学模型，得到离网概率估 值。
[0032] 其中，该预设数学模型可W为线性回归模型、神经网络模型、蚁群算法模型等。
[0033] 例如；在步骤101中筛选得到离网相关指标包括用户网龄和投诉次数两个指标， 在对某个用户进行离网预测时，则分别获取该该用户的网龄和投诉次数，并根据预设数学 模型，得到该用户的离网概率估值。
[0034] 在本步骤的具体实现过程中，也可同时获取当前在网用户中的多个用户的每个离 网相关指标的值，根据该些值W及预设数学模型，计算得到每个用户对应的离网概率估值。
[0035] 103;如果所述离网概率估值大于第一预设阔值，则将所述用户预测为离网用户。
[0036] 若将离网事件标志为1，否则标志为0,则第一预设阔值可W为0. 5,该第一预设阔 值可W根据实际情况进行调整W相应地提高或降低预测用户离网准确性。
[0037] 当离网概率估值大于第一预设阔值时，认为用户即将离网；否则，则可认为用户为 在网用户。
[003引本发明实施例提供的一种用户离网的预测方法，通过获取与用户离网相关的指 标，并通过该些数据W及数学模型预测用户是否离网，与现有技术中需要获取用户所有操 作相关的数据相比，本发明能够获取仅与用户离网关联较大的关键数据进行用户离网估 巧。，因而估测过程中所需的数据量较小，实现过程简单。
[0039] 此外，现有技术中在判断用户是否离网时，获得数据中有很多数据为与用户离网 无关的数据，因而有较多的冗余数据，基于该些数据得到的预测结果的准确性较低；而本发 明实施例中获取的用于判断用户是否离网的数据均为与用户离网密切相关的数据，剔除了 无关数据影响，因而得到的预测结果的准确性较高。
[0040] 作为图1所示方法的细化，在步骤101"根据预设算法，从至少两个属性指标中筛 选得到至少一个离网相关指标"的一种具体实现过程中，筛选时，需要判断每个属性指标是 否为离网相关指标，如图2所示，该判断过程包括：
[0041] 201 ;获取第一属性指标的多个不同取值，所述第一属性指标为所述至少两个属性 指标中的任一属性指标。
[0042] 本步骤中，通过获取大量用户的第一属性指标对应的取值，得到第一属性指标对 应的多个不同取值。
[0043] 202 ;根据第一属性指标的多个不同取值，计算得到所述第一属性指标的均值和标 准差。
[0044] 203;根据所述平均值和标准差W及所有已离网用户的第一属性指标的值，通过 Z-Score分析法计算每个已离网用户的第一属性指标的值对应的标准化值，得到已离网用 户的第一属性指标的标准化曲线。
[0045] 其中，Z-Score分析法为概率论中常见的分析算法。将第一属性指标的多个取值 通过Z-Score分析法运算后会得到每一个取值对应的标准化值，所有的标准化值构成标准 化曲线。
[0046] 一般而言，中型城市用户数量在十万W上，应用大数定理，可认为正常情况下全网 用户的任意属性指标的值服从正态分布，相应的任意属性指标的标准化曲线服从（〇，1)的 标准正态分布；但如果某个属性指标为