潘鋼

為提升企業(yè)的4G服務(wù)質(zhì)量，并將凈推薦值（NPS）測評體系嵌入4G服務(wù)管理戰(zhàn)略中，本文圍繞4G-NPS預(yù)測模型構(gòu)建4G用戶凈推薦值管理支撐體系，形成了從NPS預(yù)測、到NPS變化原因診斷、到用戶服務(wù)體驗(yàn)優(yōu)化的雙閉環(huán)服務(wù)管理流程，并固化于品管系統(tǒng)中，最終有效提高了企業(yè)的4G服務(wù)管控水平。

一、業(yè)務(wù)背景

在日趨激烈的4G市場競爭環(huán)境下，各大運(yùn)營商提供的4G產(chǎn)品和功能亦逐漸趨于同質(zhì)化，使得消費(fèi)者對4G的感知已從簡單的產(chǎn)品好壞開始轉(zhuǎn)變成服務(wù)的好壞，而用戶服務(wù)的好壞將很大程度上決定了消費(fèi)者購買忠誠度的高低，這對4G服務(wù)管理工作提出了新的要求和挑戰(zhàn)。為此，公司引入凈推薦值（NPS）測評體系，嵌入到用戶導(dǎo)向的4G服務(wù)管理戰(zhàn)略中，通過NPS打分反映4G服務(wù)在用戶內(nèi)心的認(rèn)可程度和推薦意愿，從而引導(dǎo)服務(wù)管理方向。

傳統(tǒng)的NPS管理都是僅從調(diào)研數(shù)據(jù)著手進(jìn)行評估、分析與維系，這種管理方式覆蓋用戶面小、調(diào)研成本高、時間相對滯后，同時鑒于問卷長度等因素，也無法定位到更深層的業(yè)務(wù)問題。

鑒于傳統(tǒng)管理方式的局限性，本文引入大數(shù)據(jù)的分析挖掘方法，不只是從調(diào)研用戶的信息進(jìn)行分析，而是針對本地全網(wǎng)4G用戶進(jìn)行分析，并創(chuàng)新性設(shè)計(jì)實(shí)施了半監(jiān)督回歸的建模方案，克服了小樣本建模的不穩(wěn)定性，完成了“個人用戶4G凈推薦值打分預(yù)測模型”，最后以此為基礎(chǔ)建立了一整套以數(shù)據(jù)為驅(qū)動的4G用戶凈推薦值管理閉環(huán)體系，助力公司的4G用戶服務(wù)管理工作。

二、4G用戶凈推薦值管理支撐系統(tǒng)介紹

（一）整體框架介紹

圍繞4G-NPS預(yù)測模型構(gòu)建4G用戶凈推薦值管理支撐體系，形成了從NPS預(yù)測、到NPS變化原因診斷、到用戶服務(wù)體驗(yàn)優(yōu)化的雙閉環(huán)服務(wù)管理流程?；谠擉w系，在4G服務(wù)上實(shí)現(xiàn)了閉環(huán)管理，推動服務(wù)問題的有效解決，進(jìn)一步提升了企業(yè)的服務(wù)管理能力，加強(qiáng)用戶的4G服務(wù)體驗(yàn)。

整個雙閉環(huán)服務(wù)管理體系包括針對總體NPS閉環(huán)模塊和針對個人NPS閉環(huán)模塊，提供了整體4G-NPS的趨勢預(yù)測，重要指標(biāo)的監(jiān)控與原因分析，個人用戶4G-NPS預(yù)測打分的監(jiān)控與下載， 4G-NPS現(xiàn)階段重要用戶群的定位、監(jiān)控與下載等功能，具體系統(tǒng)架構(gòu)以及功能架構(gòu)如圖1：

（二）總體4G-NPS閉環(huán)模塊介紹

1. 4G-NPS趨勢預(yù)測應(yīng)用模塊

使用者可以通過趨勢預(yù)測模塊監(jiān)控4G-NPS用戶下月的整體NPS表現(xiàn)值，如果處于預(yù)警值，則會引發(fā)告警。使用者還可以通過影響因子下鉆模塊進(jìn)一步分析NPS變化甚至預(yù)警的原因，從而支撐管理人員實(shí)施針對性的改善措施。此外，該模塊還提供全網(wǎng)及調(diào)研用戶的4G-NPS總分、歷史趨勢展示等功能。

2.影響因子下鉆模塊

使用者通過影響因子下鉆模塊可以從告警指標(biāo)出發(fā)，通過影響因子下鉆功能，對告警原因進(jìn)行深入分析，定位指標(biāo)異常原因，反饋給策略部門跟進(jìn)。

3.策略部門跟進(jìn)

面向各策略部門，包括產(chǎn)品、價(jià)格、宣傳、服務(wù)、營銷、網(wǎng)絡(luò)等部門，當(dāng)平臺對監(jiān)控指標(biāo)（影響因子）觸發(fā)預(yù)警時，策略部門將收到告警信息，并做進(jìn)一步的分析驗(yàn)證，探究相關(guān)策略不合理之處，并采取優(yōu)化行動。

（三）個人用戶4G-NPS閉環(huán)模塊介紹

1.個人用戶4G-NPS預(yù)測模塊

在總體監(jiān)控流程完成后，使用者還可以對個人用戶的情況進(jìn)行監(jiān)控。監(jiān)控4G用戶凈推薦值打分的現(xiàn)狀及變化趨勢，定位打分分布變化的原因，提供用戶清單下載。

2.細(xì)分用戶群應(yīng)用

在監(jiān)控用戶整體的4G-NPS打分分布情況后，可進(jìn)一步根據(jù)營銷需要定制細(xì)分用戶群體，供使用者監(jiān)控人群的NPS變化，并提供號碼清單下載。

3.營銷/服務(wù)部門跟進(jìn)

應(yīng)用平臺面向各營銷和服務(wù)部門，當(dāng)用戶打分分布觸發(fā)預(yù)警時，服務(wù)部門將收到告警信息，并可對相應(yīng)用戶對進(jìn)一步分析驗(yàn)證。業(yè)務(wù)人員也可自行對相應(yīng)打分的用戶進(jìn)行提取，并針對業(yè)務(wù)場景選擇相應(yīng)的細(xì)分用戶群進(jìn)行維系或營銷。

4.個人用戶閉環(huán)模塊對總體閉環(huán)模塊的影響

通過個人用戶4G-NPS的維系和營銷，提高用戶對4G的感知水平，從而提升個人用戶的打分。通過個人用戶的打分影響總體4G-NPS的打分，達(dá)到個人用戶閉環(huán)模塊對總體閉環(huán)模塊的正向影響，助力4G-NPS的提升。

（四）核心技術(shù)方案（4G凈推薦值預(yù)測模型）

1.預(yù)測方案介紹

本文選擇參與過NPS調(diào)研的企業(yè)用戶數(shù)據(jù)作為初始的訓(xùn)練樣本集。采用數(shù)據(jù)挖掘方法，分析對這些用戶NPS評價(jià)水平產(chǎn)生影響的重要業(yè)務(wù)變量，并進(jìn)一步提煉其中存在的數(shù)量關(guān)系，作為衡量全網(wǎng)用戶NPS評價(jià)水平的判斷依據(jù)。模型充分利用了企業(yè)大數(shù)據(jù)，引入了包括用戶的基本信息、網(wǎng)絡(luò)行為、日志信息、基站交互信息、產(chǎn)品訂購信息、業(yè)務(wù)消費(fèi)信息、觸點(diǎn)信息等多種歷史數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過探索、篩選后，參與模型計(jì)算。

在該模型構(gòu)建的過程中，主要存在兩項(xiàng)技術(shù)挑戰(zhàn)：一是模型訓(xùn)練集樣本數(shù)量較少，并且其中包含的信息量嚴(yán)重不足。二是業(yè)內(nèi)尚缺少解決用戶主觀評價(jià)預(yù)測的合適方案。為解決上述問題，本文經(jīng)研究決定引入半監(jiān)督的學(xué)習(xí)算法進(jìn)行分析建模。該算法引入主成分分析及信息增益的方法，結(jié)合神經(jīng)網(wǎng)絡(luò)算法進(jìn)行回歸訓(xùn)練，最終建立預(yù)測模型，成功解決了前述問題，取得良好效果。

2.技術(shù)方案具體內(nèi)容

模型使用大數(shù)據(jù)開源工具R進(jìn)行開發(fā)，因其豐富的算法資源，可有效降低模型的開發(fā)周期。模型輸出可通過SQL代碼直接固化與數(shù)據(jù)庫，使其部署更加方便快捷。

半監(jiān)督學(xué)習(xí)是介于有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之間的學(xué)習(xí)方式，其模型訓(xùn)練樣本既包括已標(biāo)記樣本（調(diào)研用戶樣本）也包括未標(biāo)記樣本（未調(diào)研樣本）。既可以利用大量容易獲得的未標(biāo)記樣本，從而彌補(bǔ)訓(xùn)練集樣本不足問題，又可以利用已標(biāo)記樣本獲得更高效的學(xué)習(xí)模型。

技術(shù)方案的流程包括了：指標(biāo)設(shè)計(jì)、數(shù)據(jù)探索、主成分分析、信息增益法篩選指標(biāo)及神經(jīng)網(wǎng)絡(luò)回歸預(yù)測模型，最后會進(jìn)行模型評估。其中，核心算法為主成分分析算法、信息增益法及BP神經(jīng)網(wǎng)絡(luò)算法，具體如圖2：

（1）指標(biāo)設(shè)計(jì)：通過4G用戶感知分析，共設(shè)計(jì)并開發(fā)數(shù)據(jù)指標(biāo)近150個。

（2）數(shù)據(jù)處理：通過主成分分析、信息增益等手段，對建模數(shù)據(jù)進(jìn)行預(yù)處理。通過主成分分析進(jìn)行對變量進(jìn)行降維，減弱指標(biāo)間的共線性，并更好的提取指標(biāo)特征，再通過信息增益進(jìn)行主成分的篩選，確定對建模有意義的成分用于輸入模型。

（4）模型迭代優(yōu)化：將結(jié)果置信度最高的未標(biāo)記樣本和預(yù)測結(jié)果加入訓(xùn)練集，再次訓(xùn)練模型直到符合效果要求。為了能夠通過SVR方法選出合適的候選樣本，需要對樣本標(biāo)記置信度進(jìn)行評估，找到置信度最高的樣本，但是回歸問題的類別標(biāo)簽是連續(xù)型數(shù)字值，因此很難找到這樣的估計(jì)概率。故此處借鑒COREG算法中的評估機(jī)制：置信度最高的樣本是指把樣本加入標(biāo)記樣本集中使標(biāo)記樣本的預(yù)測值與實(shí)際實(shí)值標(biāo)簽值最一致的樣本。

（5）模型評估：效果評估主要目的是評估模型的預(yù)測效果，把模型的預(yù)測結(jié)果與實(shí)際的調(diào)研結(jié)果進(jìn)行對比。具體是通過計(jì)算命中率、覆蓋率及提升度來進(jìn)行的。其中，命中率為命中批評者的樣本數(shù)除以總的樣本量，覆蓋率指累積命中數(shù)除以總的命中數(shù)，提升度（Lift值）為覆蓋率除以樣本占比。

3.模型效果

從圖3中可以看出，預(yù)測得分最低的10%的用戶中，模型命中的批評者用戶的概率為69.44%，比平均批評者概率高了近42%，比單一信息增益法高了三十個百分點(diǎn)，模型對4G-NPS的預(yù)測能力比傳統(tǒng)方法有大幅提升。

三、平臺應(yīng)用效果

通過部署以該模型為核心的管理規(guī)范及相關(guān)支持系統(tǒng)，公司在用戶忠誠度管理的效果上實(shí)現(xiàn)了較為明顯的提升，具體表現(xiàn)在：

（一）用戶忠誠度提升

根據(jù)集團(tuán)測評數(shù)據(jù)，公司當(dāng)年用戶NPS得分15.15分，較上一年的9.36分提高了5.79分，排名也實(shí)現(xiàn)了提升。

（二）有效的落實(shí)并改善了部分業(yè)務(wù)短板問題

以模型實(shí)際運(yùn)行情況為例：模型反映出總體NPS呈現(xiàn)下降趨勢，通過影響因子下鉆模塊發(fā)現(xiàn)，關(guān)鍵影響因子“4G流量占比”指標(biāo)告警，進(jìn)一步借助“用戶群下鉆模塊”抽取受影響的用戶群體，分析發(fā)現(xiàn)，主要是部分區(qū)縣公司的用戶4G流量分流比出現(xiàn)異常波動，平臺將該信息及時反饋給相應(yīng)區(qū)縣公司，區(qū)縣公司通過專項(xiàng)分析發(fā)現(xiàn)，主要是部分4G基站異常，當(dāng)4G用戶在問題基站出現(xiàn)時，就會自動切換至2G、3G模式，從而影響4G流量分流比。區(qū)縣公司網(wǎng)絡(luò)部得到確切問題基站信息后，及時進(jìn)行了網(wǎng)絡(luò)優(yōu)化，恢復(fù)了4G網(wǎng)絡(luò)。次月跟蹤時平臺監(jiān)測該項(xiàng)指標(biāo)恢復(fù)正常。

四、總結(jié)與展望

該體系圍繞4G-NPS模型實(shí)現(xiàn)了以數(shù)據(jù)驅(qū)動服務(wù)管理的閉環(huán)流程，支撐業(yè)務(wù)人員實(shí)現(xiàn)4G服務(wù)的全流程靈活管控。其中4G-NPS模型直接針對服務(wù)管理中重要的結(jié)果型指標(biāo)，較好的實(shí)現(xiàn)了對用戶NPS得分的預(yù)測，模型中采用的半監(jiān)督回歸的建模方案，使預(yù)測準(zhǔn)確度大幅提高，比單一算法的命中率提升了近三十個百分點(diǎn)。該模型的推廣意義不僅在于提升了企業(yè)調(diào)研的效率，更加重要的是該模型建立起了業(yè)務(wù)管理指標(biāo)與用戶NPS評價(jià)水平之間的量化關(guān)系，揭示出企業(yè)為了提升用戶評價(jià)水平，真正應(yīng)該著手改進(jìn)的業(yè)務(wù)問題，這就為企業(yè)真正提升用戶NPS評價(jià)找到了方向。