基于大數據的電信行業終端健康度運營稽核體系研究

徐懿瑾

一、研究背景

4G時代， 三大運營商在終端市場競爭激烈，持續對終端市場保持很高的補貼投入。以2018年為例，三家運營商累計終端補貼投入達百億級規模。但是，在終端產業繁榮發展的大背景下，實際潛藏著一些虛假銷售或竄貨銷售的行為，擾亂了終端正常的銷售秩序，影響銷售終端的預期價值。比如部分渠道為了完成銷量任務，部分代理商為了套取傭金，通過“養機”、“養卡”等模式逃避監管，違規套利，極大的損害了終端市場健康發展以及運營商的利益。

一方面，違規套利危害巨大且呈現專業化規模化趨勢，表現為違規套利的手段多樣、套利專業設備層出不窮等；另一方面，現有的稽核方法還存在很多不足，表現為稽核方法不體系、稽核規則落后、數據源單一、稽核結果不及時等。

在稽核手段不足的背景下，專業化、規模化的終端違規套利已經一定程度上擾亂了終端銷售秩序，影響了銷售終端的預期價值提升，造成了運營商營銷資源的浪費和營銷成本的流失，亟需通過科學的違規識別手段，建立起有效的終端銷售質量稽查體系來解決問題。

二、研究方案

針對當前終端市場面臨的挑戰，將搭建一套完善的終端健康度運營稽核體系以正確及時的識別違規行為，促進終端運營健康發展，提升終端運營的價值。該方案將按三個步驟進行實施，包括：“稽核體系完善”、“識別模型構建”、“應用方案執行”。

（一）稽核體系完善

當前終端違規銷售手段多樣，而現有終端稽核方法較為單一，需全面評估當前終端運營方法的缺陷，重新梳理并涉及違規稽核方法，搭建一套覆蓋全面的、體系化的稽核指標，從而規范終端運營的稽核工作，提升終端健康度。

圖1是針對電信運營商設計的終端運營健康度稽核體系。該體系通過構建三大類（銷售異常類、使用異常類、價值異常類）、十項子類的終端健康度稽核指標，從銷售、使用、價值變化等方面全面反映終端在銷售后使用過程中的異常，建立起360度全景掃描輸出異常報告，及時預警，為終端健康發展及營銷提供強力支撐。其中，終端銷售異常監控是指從銷售能力、銷售集中度、銷售激活度等方面進行監控，可設計“銷售集中度”、“銷售份額”、“銷售業務量占比”等監控指標；終端使用異常監控是指從使用交往圈、通信行為、位置信息等方面進行監控，可設計“交往圈異常”、“流量異常”、“通話異常”等監控指標；終端價值異常監控是指從客戶價值、渠道價值等方面進行監控，可設計“4G轉化率”、“收益率”等監控指標。

（二）識別模型構建

在稽核體系的基礎上，針對終端運營稽核規則落后的問題，可通過大數據分析挖掘方法構建“終端運營異常識別模型”，通過智能化的識別模型可以及時發現違規行為，精準定位違規渠道，并輸出稽核報告和預警信息，為終端健康運營提供大數據支撐。

任何違規終端銷售過程，其行為信息都會記錄在運營商的大數據平臺中，而違規銷售行為和正常銷售行為之間，其行為特點是不一樣的，通過大數據建模方法，可以自動從海量數據中搜索隱藏的違規行為，常見的異常識別模型包含“養機識別”、“貓池識別”、“刷機識別”等。“養機識別”是針對渠道銷售的終端IMEI，通過網絡信令數據連續多天跟蹤串號的語音呼叫、短信及位置更新消息，并以挖掘算法自動識別出異常的終端行為，以此來判斷渠道銷售的終端是否存在養機套利行為；“貓池識別”是通過信令數據定時監控同一渠道銷售終端的開機時間集中度、開機時長、通話位置集中度等特征，判斷渠道可能采用了“貓池”設備進行養機養卡操作；“刷機識別”是利用大數據平臺能力在處理流量數據的優勢，采用上網日志分析，建立“三碼對應”的刷機識別模型。

上述識別模型統一按照標準的大數據挖掘建模方法進行構建，包含數據理解、數據準備、建模、評價等步驟，如圖2所示，具體如下：

1. 數據理解：針對業務目標，理解終端違規銷售的行為及數據，從數據中發現真知灼見，以此構建建模思路；

2. 數據準備：根據建模思路生成挖掘算法所需的數據集，并進行數據的清晰和轉換；

3. 數據建模：采用多種挖掘算法進行建模，并進行參數調優，最優選擇最佳算法；

4. 模型評價：對模型效果進行全面評價，判斷各項效果指標是否符合業務需求。

（三）應用方案執行

以經營分析系統和渠道管理平臺為基礎，將終端健康度運營方案應用于違規終端銷售的全流程管控中，形成從業務違規識別、預警、反饋處理到跟蹤評估的閉環處理流程。

圖3為終端運營健康度應用方案，應用方案主要包括：違規識別、分析預警、核實反饋和跟蹤評估四個步驟，以此支撐終端健康度日常運營工作，形成常態化、高效率的終端違規治理機制。

1. 違規識別：重點聚焦10項常見異常，包括集中銷售異常、集中激活異常、養機、拆包、貓池、竄貨、刷機、連接異常等，同時可根據應用后的反饋信息，對模型進行自動的優化更新。

2. 分析預警：實現4個粒度的預警，包括終端預警、營業廳預警、合作方預警、區域預警。

3. 核實反饋：對識別的違規行為和預警信息進行核實并處理，對于核實的結果可反饋給識別模型進行迭代優化。

4. 跟蹤評估：對異常識別和違規處理的效果進行跟蹤評估，通過效果情況支撐運營手段的優化。

三、實施應用情況

借助大數據技術手段，完善了終端違規銷售的稽核方法，建立了終端健康度運營稽核體系，從終端銷售、終端使用和終端價值三個方面實現了終端健康度的常態化監控，對終端健康運營提供了全方面的深入保障，重點體現在：

（一）大幅提升終端異常識別的準確率和覆蓋率。將0域數據引入到稽核模型中，尤其是運用到養機、養卡、惡意修改終端串號等智能識別模型，大大提升了終端異常識別的精準度和覆蓋量，模型上線當月識別養卡號碼約7.2萬個，養卡號碼占銷售號碼比例超過50%的代理渠道有16個，有力支撐了違規治理工作。

（二）有效打擊虛假銷售套利行為。通過本稽核體系可發現渠道隱藏的虛假銷售行為，比如部分受市場歡迎且補貼力度較大的終端容易產生虛假銷售，市場部門通過調整這類終端的補貼和酬金，可大幅減小代理商終端虛假銷售的空間。

（三）提升終端用戶價值。通過對“裸機”和“合約機”入網率、4G客戶轉化率和終端在網時長等方面的監控分析，可有效定位入網率低、4G客戶轉化率低、在網率低的終端，這對市場部門調整終端銷售策略，提升終端運營價值有指導意義。

（四）對套機高發的渠道、區域等進行及時預警，防范套機行為的大面積爆發。在接入0域信令數據的過程中，針對0域海量數據的處理問題，引入了大數據平臺的存儲和計算能力，在大幅提升了模型的識別效率的同時，也保障了終端稽核的及時性。

四、總結

本文借助大數據技術手段，采用大數據挖掘算法，從“稽核體系”、“識別模型”、“應用方案”三方面搭建“基于大數據的電信行業終端健康度運營稽核體系”， 解決了原有的稽核方法不全面、稽核規則落后、數據源單一以及稽核及時性差等問題，能夠正確及時的識別違規行為，促進終端運營健康發展，提升終端用戶的價值。

本文以上海移動的項目實踐情況為例，從識別效果、業務價值等方面展示了該稽核體系在實際應用當中取得的運營效果，對該稽核體系在未來的推廣過程中具有借鑒作用。

在本方案的應用推廣過程中，建議在兩個方面根據本地情況做適當調整：

（一）稽核指標體系的本地化：健康度稽核指標決定了體系的業務方向，需要結合實際需求進行針對性設計，確保體系的業務方向和需求目標相吻合；

（二）應用方案規劃的本地化：應用規劃方案因本地實際情況而異，需根據不同的應用場景需求，設計符合本地化實情的應用方案執行機制。