人工智能在移动网络NPS中应用

人工智能在移动网络NPS中应用

摘要:在当今这个移动网络和人工智能飞速发展的时候,如何合理使用大数据的客户挖掘、人工智能算法的创设,都来自移动网络的NPS预测模型,通过这种方式来实现对各种各样用户的分类预测,在此基础上经过聚类算法来定位出使用NPS的疑似用户密集区域,然后再进行贬低地理化的进一步呈现出来,以此来找出影响NPS的原因,通过对潜在网络风险的遏制来顺利提升运营商的口碑问题。

关键词:NPS;大数据挖掘;人工智能

随着我国移动互联网的迅猛发展,电信运营商的产品同质化越来越严重,客户体验和感知对其应用的重要性也日益提高。国内各大通信运营商已经全面地引入了基于NPS的客户评价结果体系,运营商的网络建设是客户在使用所有的通信服务时得以承载的基础,也是运营商最根本的产品,围绕NPS网络感知挖掘数据影响用户评分的潜在因素,提升网络产品质量就是运营商的首要任务。

1研究背景

在过去这么多年的商业研究过程中,出现了许许多多的机构喜欢用满意度表格和忠诚度表格这两种形式对客户所需要的消费行为来进行合理的预测。但是随着这种方法使用的时间越来越长,人们就会发现有些商品在一定量的人持正面评价的时候,总会出现一些负增长的情况出现,而这其中的原因不得不让我们深思,其实在满意度测评的这个过程中,并不能够真的从“正面评价”的客户中将被动客户和主动客户区分清楚,而有一些被动满意的客户可能就会因为宽容而去给予一定的肯定,但是他们却不可能再次回购此商品,用最简单的话来讲,就是虽然关于满意度的测评能够告诉我们客户的态度,但是并不一定能够获取他们准确的意向。而现在的NPS正是针对这一问题而提出的解决方案的展开,从一个合适而又正确的方向来做出提问。虽然在实际应用的过程中NPS的使用并不能够产生直接的价值,但是通过其背后的各种各样影响因素,来逐渐去深入挖掘真实问题的准确定位,然后再进行下一步的讨论从而得出如何去提升,这样就可以为企业生产出更大的价值。当前在我国国内的NPS评价体系中,最常见的便是使用抽取电话的方式进行回访,要么便是进行合理的调查问卷的方式来进行。但是这两种形式也存在着一定的局限性,主要包括:一方面由于定期所采集样本的数量相对来说比较少,在调查形式方面有一定的受限;另一方面由于一些对于贬损用户的影响因素并不能够进一步准确定位,所以给后期的人员总体分析会带来一定的困难,以此看来对调查的内容也有一定的限制。而现在人们正在积极研究用人工智能和大数据等技术手段来搭建一种全新的NPS预测模型,从而来解决上述在实际应用中所遇到的难题。

2网络NPS提升的难点

2.1业务多样化评估手段不足

随着社会的进一步发展网络也在与时俱进,使用网络的用户也在慢慢变多,用户的需求也开始变化多端,对网络的要求也是五花八门,因此通过简单的优化根本不能够解决投资和客户感知之间的矛盾。

2.2用户感知分析难度大

关于电话抽样这种调查方式来获知用户的真实感受,但是相对来说这种方式采样也小,时效性也较差,成本相对来说高,根本无法全面体现出用户感受,也没有办法进一步去优化建设网络,从而无法验证这些信息的准确性。

2.3数据零散,难以利用

在与移动网络NPS客户体验感受方面相关的各种数据分布在不同部门的不同专业当中,但是在运行中,分析和整合综合的数据会耗费大量的时间精力。因此在数据整合的过程中由于种种的困难不得不放弃进一步的分析,而各大运营商迫切需要整合数据后的进一步释放数据的生产力。

3总体设计

3.1开发整体思路

全面打开各大数据域,来准确定位关于NPS贬损问题,此种项目设计流程主要包括:(1)以已有客户为中心点来进行进一步的全面画像数据收集,对于客户的各种各项画像数据来进行进一步的特征工程处理,然后依此来建立全新的模型。(2)通过分析各种全面的影响因素,利用大数据的算法准确找到对于NPS来说影响最大的特征是什么。(3)通过进一步对所有客户进行预测,提出有针对性地对网络有益的改进意见,主要是从提升NPS值这方面来着手。以预测NPS作为新的起点,来制定和采取合理的改善行动为主要的关键点,使NPS预测从一个简单的分数值转变成为一个全面的系统。对其周期性进行一个系统的评估,便可以形成一个在计算处理优化方面的模型,然后再去进一步计算良性的循环系统里面的数据进行降维,最后一步就是进行归一化处理,这样便能量纲所产生的影响。

3.2NPS模型建立

在现实的应用中模型的建立主要涉及三个方面:数据的各种预处理、特征全面提取、模型的训练和选择。其中:数据预处理是为了将用户的各项数据转换成模型在运行过程中能够识别的数据,需要从各个方面去进行数据的预处理。特征提取的主要目的是为了排除与用户满意度不相关和相关性较低的特点。最后一项模型训练与选择主要是指NPS预测模型是一个有监督的三分类问题。

3.3数据源选择

从数据源的选择来看已经存在的特点主要包括各个客户的纬度属性、使用终端纬度、各种业务的纬度等各种纬度的不同数据,而在特征的选择方面应该遵循的原则:其一是有关的业务专家根据自身已有的经验选择与NPS预测结果的相关性最高的特征来进行有关的一系列模型训练。其二因为选择特征是一个需要进行无数次的调整以及不断验算的一个过程,通过各项参数来提升模型的准确率,根据所产生的对比结果,除去相对来说对模型影响最小的特征。

3.4模型选择

其中根据项目的各项特性以及各种算法都是根据三个方面,在这个过程中,主要各种不同的仿真模拟对比来进行分析,以此的结论便能得出深度前馈神经网络为最优模型。

3.5模型内部算法结构

因为在模型内部算法结构中其有维度很大的输入特征,为了让客户能够充分使模型重新学习NPS和输入数据相关的有效信息,但是浅层的神经网络几乎无法做到这点,因此为了能够克服这一系列的困难,特地构建出了全新分类的6层神经网络。

4人工智能在移动网络NPS领域的应用

随着过去十五年中国移动互联网络的实现爆发式快速增长,很少有人有可能真正想象一个没有它的日常生活。在目前人工智能的技术驱动下,移动视频网络已经将通过用户手机生成的视频内容直接作为了传递信息和休闲娱乐的一个可行的信息来源。Facebook这样的各种社交信息网络现在几乎已经无处不在,而且它们也已经成了人们社会交际互动和个人娱乐的一种个性化重要渠道——有时候它们会严重损害你的人际交往。移动无线网络可以让住在智能手机上的用户与移动同伴之间保持距离分享新的娱乐和互动信息源。现在我们只需要用手指上一点点轻轻划划几下,就已经可以轻易阅览和下载获取各式各样的电子书籍了;一个只有口袋袋子大小的存储设备就已经可以同时存储不计其数本电子书,而且在阅读时的体验基本上都是可以用手持的就和纸质电子书差不多。现在我们已经有了一个共享和自动阅览博客、视频、相片和专题讨论的信任度高的信息平台,此外我们还有许许多多的由用户自动生成的可信内容。为了在移动互联网的更大规模上高效运行,这些应用平台必须充分依赖现在正被积极投入开发的相关技术,其中可能包括诸如自然语言处理、信息来源检索、图像信息处理、众包以及机器智能学习。除了比赛总体运动表现难以统计,赛场上的运动信号也完全可以直接使用先进的图像传感器和数码相机技术进行实时监控。用于自己谱曲和自动识别配乐音轨的听歌软件已经开始面世。人工智能也已经越来越被普遍用来协助进行有关艺术品的各个方面历史资料搜集,因此也算是在文学、艺术、体育等领域得到了广泛的研究应用,最近还被广泛用于放在了艺术绘画中的分析上。人类对于由人工智能所激发驱动的休闲娱乐的热情当然是很令人惊讶的,但也有人因此担心这可能会直接导致这类人与机器人之间的正常人际交互时间减少。少数美国人据此预言了据说未来人们可能会因为在电脑屏幕上工作花费了太多的时间而不再与其他人们进行互动。孩子们常常更多地愿意在家里快乐地坐着玩他们的电子设备,而不是更愿意自己出去和他们的家人朋友一起玩耍。人工深度智能会不断使人的娱乐更加交互式,更加丰富个性化和增加更有人的参与感。应该以此引导一些科学研究人员来重新理解如何充分利用这些人的性质用来为保护个人和其在社会上的利益提供服务。

5结束语

本项目充分运用人工智能与大数据算法,成功搭建了网络NPS预测模型,实现了地市级、用户级的NPS预测评分,提前预知风险;采用NPS贬损型用户聚类模型,完成NPS贬损问题区域的精准评估和可视化呈现,为运营商NPS口碑提升和市场业务发展提供了有力支撑,更是业内首创。

参考文献:

[1]晏志强,田经化,张松霖.人工智能在移动网络NPS领域的应用[J].电信技术,2019(10).

[2]赵旺飞.NPS用户群网络感知保障运营体系研究[J].电信快报,2017(02).

[3]潘钢.4G用户净推荐值管理支撑体系——提升4G服务体验,助力4G-NPS增长[J].中国信息化,2019(03).

[4]曹柱石.浅析影响运营商NPS的主要因素[J].中国新通信,2019(14).

作者:徐运标 单位:湖南工业职业技术学院