一种基于大数据挖掘的用户终端换机推荐模型

在5G+AICDE的移动互联网时代,终端对用户的重要性不言而喻。终端的性能、品牌、价格、尺寸、网络、生产日期等因素,对用户的业务体验和客户感知,具有重要影响。如何有效识别有换机欲望的群体、如何快速定位用户的换机时刻、如何准确预测用户即将更换的终端类型,是运营商高度关注与重点攻关的问题。针对该问题,文章提出了一种基于大数据挖掘的用户终端换机推荐模型,该模型基于多源头数据分析,采用大数据挖掘技术和神经网络。     

基于大数据挖掘的客户换机倾向评估模型研究

面对大量客户数据和每天海量互联网行为数据,大数据挖掘技术的引入和应用将成为终端营销精细化管理的新手段。基于终端营销存在的问题和不足,本文提出了基于大数据挖掘的客户换机倾向评估模型,具体包括基于聚类算法的隐形换机用户提取方法,基于神经网络的指标分析法,基于决策树的潜在换机模型。     

基于机器学习的终端换机预测模型

终端业务不仅可以提升用户收入,还会对用户维系产生影响,对运营商有重要战略意义。通过机器学习等大数据预测技术,可以精准甄别潜在终端换机用户和用户偏好的终端,为运营商终端精准营销提供依据。模型投产以来终端营销转化率由原先的3%提升至4.5%,效果显著。     

基于大数据挖掘的终端换机模型

目前,移动终端已成为运营商维系用户、拓展市场的战略重心,提升移动终端销量、扩大终端规模是各运营商的工作重点。基于数据挖掘技术,从用户属性、终端使用信息、终端搜索访问信息等维度出发,挖掘海量用户行为数据价值,建立终端换机模型,具体包括基于决策树算法的用户换机倾向识别模型和基于聚类算法的终端推荐模型,助力移动终端精准营销。     

大数据挖掘助力电信运营商终端营销

移动互联网时代掌控手机终端成为电信运营商维系客户与扩大市场的战略重心,各运营商在终端营销上均面临通信市场日趋饱和、被互联网异质业务管道化、客户转化质量与效益较低等问题,迫切需要挖掘海量客户及行为数据的价值,提升精细化管理水平,大数据挖掘的引入成为重要抓手。本文在描述电信运营商终端营销典型需求的基础上,阐述了大数据挖掘的主要分析应用手段,对建立客户上网行为分类标签、识别客户潜在换机需求和终端偏好、适配终端及流量套餐与业务应用、客户互联网应用偏好挖掘与实时营销等典型场景给出了建模思路与应用参考。     

基于用户感知的多维度网速分析研究

在移动互联网快速发展的时代,由于网络复杂性,用户使用互联网业务的网速受时间、地点、网络、业务、终端等多种因素影响,运营商承诺的网速与用户感知有较大出入。文章采用大数据技术、多维度的网速指标对海量用户数据进行整合分析,发掘潜在数据价值,为移动运营商市场营销、网络建设、网络维护等提供高效支撑。     

基于?IMEI的终端品牌忠诚度研究与应用

在移动互联网时代,各类应用琳琅满目,用户的可选择性相当丰富.然而,应用的增多,并未提升用户的客户感知,相反给客服带来巨大工作量.基于IMEI的终端品牌满意度研究,主要是从各类接口处提取用户的通话、上网数据,从中获取用户终端的IMEI,通过研究IMEI的变化,来预测用户换机时刻、用户行为和喜好、处理用户投诉等,进而进行用户画像,建立了终端研究的算法(库)、模型和方法(论),形成以终端忠诚度为核心的各类输出报告,为市场和客服提供有力支撑.     

基于快递大数据的态势感知技术研究和应用

快递服务在给社会带来便利的同时,也潜在着安全隐患。如何主动地从海量快递数据中发现和挖掘有价值的信息,是快递企业和相关安全管理部门亟需解决的问题。基于数据—信息—知识—智慧(DIKW)的建设理念,设计了一套快递大数据态势感知架构。该架构有效融合了数据、算力、算法和知识,为智能态势感知提供支撑,并通过模式识别和态势预测两个案例,验证了架构的有效性。     

基于信令监测的终端性能与用户感知分析系统

在移动互联网时代,终端对用户感知的影响非常关键.一方面,终端品牌众多,质量良莠不齐,带来了终端问题的多样性.另一方面,终端与应用软件、不同厂家产品的兼容性,也带来问题的不可调和.本文主要是从终端维度上挖掘出影响用户感知的短板问题,定位出可能的终端性能或者是兼容性上的问题,为终端市场营销和资源投放进行总体的方向指引,从终端维度上提升用户的使用感知和网络体验.     

基于智能手机终端信息的大数据应用研究

对基于智能手机终端信息的大数据应用进行了研究。首先梳理了智能手机终端的信息类型,分析了智能手机终端信息带来的大数据应用现状,然后对有关大数据开放与共享带来的问题进行了研究,并提出了有关发展建议。     

基于终端的感知技术浅析

简单介绍了智能管道的产生背景,对智能管道的多维感知技术进行了详细分析,从终端入手研究了基于终端可实现的智能管道感知技术,并提出了相应的解决方案,指出基于终端的感知技术解决方案将助推智能管道的实现,最后分析了基于终端的智能管道感知技术解决方案在实现上面临的困难和挑战,为智能管道技术的进一步研究及其实际部署进行了有益探索.     

基于公安大数据的智慧感知系统研究与应用

基于公安大数据,本文提出了智慧感知系统。通过构建符合GA/T1400标准的数据仓库(Data WareHouse,DW),在此基础上融合Hadoop、Elasticsearch等多种大数据技术,为应用提供快速、及时、有效的分析服务,并结合公安民警的实战,训练出多种实战分析模型、通过对实时数据、历史数据关联及碰撞分析,快速排查人、车等目标异常动态、锁定嫌疑目标,增强公安主动预防和打击犯罪的能力,服务于公安各类业务应用。     

基于大数据的网络安全态势感知研究

当前,网络安全问题愈加突出,安全技术之间的协同与管理存在着较为明显的欠缺,最终导致数据的整合不足。网络安全态势感知技术不仅为当前存在的问题提供了较为综合的解决方案,也让网络安全防御较为单一的状况得到有效解决。基于此,文章对当前存在的网络安全数据进行调查与整合,对网络安全状况进行综合的分析,同时对网络安全的发展趋势给予较为精准的预判。     

基于大数据的安全态势感知系统研究

近年来,大数据、云计算等技术加速发展。同时,在信息安全威胁不断扩大和攻击手段日益复杂的影响下,工控网络安全形势呈严峻趋势。相比常规网络安全措施,网络安全态势感知能在一定程度上使工控网络安全现状有所改变。该感知系统可及时发现网络安全预测及监视等多个环节中存在的漏洞,能够正确评估现有的网络现状,并对网络可能带来的负面影响加以评估,将未来特定时段内的网络状况加以预测。网络,是大数据时代的必然产物,受网络技术的虚拟性影响,不可避免存在安全问题。基于此,文中在研究中首先分析了网络安全态势感知及技术。其次,总结了网络安全态势感知系统研究的框架。最后,研究了基于大数据的安全态势感知系统研究模块及实现。     

终端案例库多维度呈现与应用研究

在移动互联网时代,用户投诉的高效处理,对改善客户体验、提升客户感知、树立企业形象等,具有重要意义。早期的用户投诉处理,尽管环节众多,包括建单、处理、回访等,然而,投诉基本上是互不干扰的单个事件。引入大数据技术后,投诉数据库,特别是终端案例库的建设,从时间、空间、用户等多个维度将投诉进行关联,极大地提升了投诉处理效率,为重大故障处理、用户安抚等争取了宝贵时间,也有的放矢地提升了客户感知。     

基于大数据挖掘的小区用户流向分析与应用

借助大数据技术,实现特殊场景特殊应用的分析与预测,有针对性地进行干预,是互联网时代业务推广的重要措施。对于电信运营商,通过MC口获取用户信令数据,然后在基于用户行为的大数据分析基础上,开展各类应用,如景区流量监测应用与人员分流、商圈应用与预防、交通规划等,对企业的市场扩展、历史沉默数据价值挖掘、企业形象树立、客户感知提升等,都具有重要贡献和意义。     

基于大数据的网络态势感知体系架构

在分析网络态势感知的目标和所面临的严峻形势基础上,对网络态势感知的研究框架进行了简要的介绍,在此基础上对经典的网络态势感知模型JDL模型和BASS模型进行进一步描述。结合目前大规模网络态势信息的大数据特性,提出基于大数据的网络态势感知体系架构设想,探讨大数据流式处理技术、并行计算技术、关联规则分析技术、基于证据理论与模糊逻辑相结合的态势评估技术以及基于神经网络的态势预测技术等在体系架构中的分层应用。并以此架构为基础,提出未来需要进一步深入研究的关键技术和研究方向。     

一种基于大数据技术的投诉分析与预测系统

投诉是顾客不满的表示,不论正确与否,是一种不满意的表达。同时,用户投诉也是运营商发现问题和提升网络质量的重要途径。早期对用户投诉的处理,是一种点对点、定向分析、缺乏关联的滞后处理,存在治标不治本的顽疾。进入移动互联网时代,大数据、云计算等新型技术的广泛应用,建立了一种基于大数据技术的投诉分析与预测系统,基于底层信令的全量分析,可有效定位故障原因,实施基于历史投诉样本库的投诉预测,并提前进行干预。     

基于大数据的电磁频谱感知数据管理与挖掘

文章在系统梳理我军电磁频谱感知数据管理现状基础之上,提出基于大数据的电磁频谱感知数据管理和挖掘的概念,描述了数据管理系统组成架构,横向上实现各电磁频谱感知要素综合管理、纵向上实现各节点数据全面存储,并在综合管理存储的基础之上,深度融合各源感知数据,从海量电磁频谱感知全过程数据中挖掘出潜在的有价值的信息和知识,更好地为作战服务。