移動通信4G網絡客戶投訴智能分析系統方案研究

［潘平］

1 實施背景與建設目標

1.1 需求背景

（1）客戶感知指標不完善無法進行有效的客戶感知分析

伴隨著LTE 網絡技術的不斷發展，傳統的語音業務迅速向移動互聯網業務遷移，運營商所面臨的網絡特征、業務特征、終端特征都發生了明顯的變化，傳統的網管指標無法準確反映用戶感知，網絡指標好不代表用戶感知就好。

因此通過軟硬采數據和網管數據結合搭建起一套端到端的用戶感知管理系統，對提升網絡服務質量和品牌形象具有良好的實際效益。

（2）投訴定位耗時耗力存在大量重復性查詢工作

傳統的投訴處理方式是接收用戶投訴工單之后，優化人員電話聯系客戶，與客戶溝通投訴位置，然后對投訴位置的周邊站點進行指標分析和告警查詢，如無明顯問題，則需前往現場進行測試及分析，提出優化調整方案。全程投訴處理時效性極低，重復性查詢工作較大，在投訴高峰期，傳統受理方式無法及時解決用戶的投訴需求，影響客戶感知和滿意度。

綜合性的智能投訴分析系統可通過軟硬采數據和網管、告警數據對用戶投訴進行智能化分析定位，避免了重復 性的查詢和定位工作，提升了投訴工作的處理效率。

（3）投訴分析對優化人員技能依賴性較大投訴處理質量無法保證

投訴處理人員對測試問題分析需要綜合多維度數據進行問題分析和方案確認，在問題定位和制定優化方案時往往需要依據現場優化人員的經驗，如缺乏責任心、工作經驗不足時則易造成問題定位不準確，處理不及時影響用戶感知。

智能化的綜合分析系統通過人工智能對網絡數據進行關聯分析，擺脫了對優化人員素質的硬性要求，能夠有效的保證問題定位的準確度，保證問題處理質量。

（4）無投訴預警機制無法對感知差的用戶進行預判斷和提前處理

傳統的網絡投訴機制主要依靠用戶主動投訴，事后處理，網絡問題處理具有滯后性，無法發現網絡內的潛在投訴用戶，沒有主動的投訴預警機制，影響了用戶的業務感知。

1.2 建設目標

智能化的綜合分析系統可通過對投訴用戶進行業務分析，依據大數據建立用戶投訴模型，從而及時發現網絡內存在的潛在投訴用戶，并主動對問題進行處理，防患于未然，在解決問題的同時，提升了網絡收益和品牌價值。

2 系統方案總體架構設計

在運營商建設發展政策的指引下，組建立了以用戶精準定位、問題精確分析、投訴提前預警三大要素為基礎的智能化分析系統，開展LTE 網絡投訴端到端分析和用戶感知體系評估兩個方面內容，智能進行LTE 網絡投訴處理和感知提升工作，實現投訴用戶定位智能化、問題分析集中化、用戶感知具體化的三個目標。4G 網絡客戶投訴智能分析系統整體架構設計如圖1 所示。在提升投訴問題處理效率的同時，實現投訴預警為網絡預處理能力指明方向，增強網絡用戶感知和品牌影響力。

圖1 LTE 客戶額投訴智能分析系統整體架構設計

3 智能分析系統方案實現方法

3.1 組建大數據分析和軟件開發專業團隊

建立具備網絡問題分析、大數據深度挖掘和軟件系統開發為一體的綜合性技術團隊，通過多專業融合溝通，降低了溝通成本，組建具備自主研發能力的網絡問題分析優化團隊。LTE 網絡智能分析系統方案實現主要涉及網絡優化分析專業團隊、大數據深度分析團隊以及軟件系統開發團隊，如圖2 所示。

圖2 4G 網絡智能分析系統實現團隊架構

3.2 建設三層架構的數據平臺

開展數據共享平臺，提升了共享能力和端到端的關聯能力，實現“架構可視，數據可控”，通過三層架構實現智能化的問題定位和方案輸出。

（1）對獲取的LTE投訴用戶信令XDR數據進行分析，通過“投訴用戶常駐小區篩選、定位”等方法，識別不同場景的投訴用戶；

（2）通過“感知質量指標體系”，評估用戶業務質量，展示投訴用戶/常駐小區網絡質量問題；

（3）通過信令+網管指標的方法對小區問題進行定位，然后輸出專業的優化方案。

建設三層架構的數據平臺架構，如圖3 所示。

圖3 建設三層架構的數據平臺架構

廣東移動公司在全國率先開展數據共享平臺試點，實現從煙囪型專業網管向采集層、共享層、應用層三層架構演進，提升了共享能力和端到端的關聯能力，實現“架構可視，數據可控”的總體目標。三層架構模式已被中國移動集團公司采納并全國推廣。搜集信息掌握到集中性能管理平臺總數據存儲量約2 000 TB，每天接入數據量約60 TB，滿足數據源頭分析需求。

3.3 搭建用戶感知指標體系，有效量化服務質量

在精確篩選投訴用戶常駐小區的基礎上，基于軟硬采信令創建體現用戶感知的指標集合，各項指標加權計算用戶感知得分，用戶感知得分映射得到小區級用戶感知得分，實現準確評估小區用戶感知的目標，如圖4 所示。

圖4 基于用戶感知指標體系感知得分設計

3.4 智能分析與網絡測試關聯驗證，提升系統分析準確度

如圖5 所示，與地市優化項目相聯動，通過專業整合和現場測試分析，對投訴定位和問題分析的精準度進行較正，不斷優化和提升智能分析系統的準確率。

圖5 智能分析與網絡測試相互驗證示意

（1）智能分析結果：選取地市連續一周投訴工單輸入分析，找出問題小區，并精準定位根因。以投訴工單數據觸發，采用常駐小區篩選算法，定位出用戶投訴小區；然后分別從業務訪問成功率、速率、時延等感知指標進行分析，得出用戶投訴根因。

（2）關聯現場測試結果：回訪投訴用戶，進行現場測試，重現投訴情形，得出感知問題根因。

（3）分析準確性驗證：通過對智能分析結果、現場測試結果進行對比分析，輸出智能分析結果的準確率，為系統提供有力數據支撐。

4 智能分析系統方案創新點

移動通信4G 網絡客戶投訴智能分析系統構建從數據升維分析、投訴小區精確定位、問題小區精準分析和投訴建模預警四個方面實現了突破和創新，采取用戶微觀和小區宏觀指標綜合透視關聯，從投訴分析優化延伸到投訴用戶預防多管道思維模式搭建系統。

4.1 數據升維綜合分析

投訴問題分析傳統做法，主要利用測試采集數據分析，現在分析系統除了這兩種數據之外，升級增加了網管無線性能、信令采集的軟采Uu 口和硬采S1 口用戶面及控制面數據，從單維度轉變為多維度綜合分析，數據最小粒度從小區級分化到用戶級細微呈現分析。如圖6 所示。

圖6 數據升維綜合分析示意

4.2 投訴小區精確定位

精確定位投訴常駐小區，通過自行構建用戶駐留小區數據依據（一種利用省平臺數據，一種利用軟采Uu 口數據），投訴用戶回溯時段選取，常駐小區定義規則和篩選算法，問題小區匯聚算法等一系列完整的創新方法準確定位問題小區。投訴小區精確定位分析流程，如圖7 所示。

圖7 投訴小區精確定位分析流程

（1）投訴常駐小區定義：移動用戶存量投訴用戶及新增投訴用戶在工作時段與非工作時段分別長期駐留的小區，稱為該用戶的工作時段常駐小區與非工作時段常駐小區。

（2）常駐小區篩選算法：按工作時段與非工作時段分別提取用戶占用的小區清單；連續3 天，每天上午工作時段至少占用小區2 個時間點，下午工作時段至少占用小區2 個時間點，工作時段總共占用小區時間點≥4，則判斷為工作時段的常駐小區；連續3 天，每天非工作時段至少占用3 個時間點，判斷為非工作時段的常駐小區。

4.3 問題小區精準分析

現網網絡投訴問題的主要通過現場數據測試采集及網管KPI 指標分析，同時，4G 網管指標能夠反映網絡整體接通和掉線問題，但缺乏用戶維度的感知指標評價，無法真實反映用戶實際感受。現有分析方法和手段對于發現無線網絡問題的根源體現尚有不足，無法全面有效挖掘網絡真實情況。

體現突破傳統網管指標統計瓶頸，利用網管無線性能、軟采數據、硬采控制面、硬采用戶面四個維度的指標統計，結合宏觀小區級與微觀用戶級，多維觸發小區體檢流程，通過標準流程的全面分析，形成核心問題定位、SP問題定位、無線問題定位，綜合呈現、透視無線網絡問題。

通過整合網管，軟硬采等多維度數據，建立完善的小區模型，通過小區信息關聯，專業知識庫/經驗庫，實現對問題小區的精確分析及定位，準確輸出異常問題小區清單，攜帶分析報表進行工單派發及問題處理，形成問題閉環，形成對各專業的工單派發及呈現的系統，全面支撐各專業優化工作的開展。客戶投訴問題小區精準分析流程圖，如圖8 所示。

圖8 投訴問題小區分析流程

4.4 潛在投訴建模預警

目前，主要是以收集投訴用戶信息來進行發現和定位網絡質量問題，并無系統且快速有效實現通過現網已有的各種數據狀態表征預測潛在的用戶投訴，如圖9 所示。

圖9 投訴建模預警模型示意

移動通信LET 網絡投訴智能分析系統，結合前期大量的分析和研究投訴用戶的各種分析數據，主要通過網管無線性能、軟采數據、硬采控制面、硬采用戶面四個維度的指標進行綜合評價，已構建了適合LTE 網絡用戶投訴預測模型。

通過數學模型的不斷訓練、評估及實踐反饋修正，提高用戶投訴模型的吻合度，深挖影響客戶感知問題的小區性、區域性及全網性問題，有效預防潛在客戶投訴，實現減少投訴工單量。

5 應用評估

依托移動通信4G 網絡客戶投訴智能分析系統的逐步試驗應用，網絡端到端質量不斷優化，用戶感知持續提升，應用成效較為顯著。移動通信4G 網絡客戶投訴智能分析系統界面，如圖10 所示。以下是2021 年試運行近兩個月的數據分析評估。

圖10 移動通信4G 網絡客戶投訴智能分析系統界面

應用成效一：采用創新的投訴用戶定位算法、問題小區分析體系，用戶投訴分析的工作量大幅降低，問題分析耗時減少到原來的1/10，綜合效率提高10 倍！問題小區精準分析體系利于快速準確定位投訴用戶感知問題原因，使一次性準確定位問題原因的比例高達90%以上。

應用成效二：通過一段時間的應用，投訴用戶常駐小區篩選算法、問題小區聚類算法反映4G 用戶感知問題的準確性已達到100%。對廣州投訴用戶進行集中分析中發現，533 個常駐小區中有131 個定位出用戶感知明顯異常，針對這些小區進行現場勘查測試，確認均存在實際的用戶感知問題。在131 個有問題的小區中，依靠原有監控手段（投訴、告警、話務統計、CQT 測試等）僅能發現其中的33 個，其余98 個問題為基于LTE 網絡投訴智能分析系統發現的問題，這個數量是原來的3 倍。

應用成效三：移動通信4G 網絡客戶投訴智能分析系統較好的指導了地市用戶感知優化工作，廣州4G 小區用戶感知評估得分上升了15%以上，用戶感知得到有效改善。結合多維指標、參數、用戶行為分析結果建立投訴模型，可以直接用于投訴預警工作。分析中發現了大量的感知較差用戶群體，結合用戶預警關懷手段，有效控制了用戶投訴的增長。通過投訴預警模型分析手段，共預警潛在投訴用戶1 089 個，涉及常駐小區133 個。

6 結語

移動通信4G 網絡投訴智能分析系統具有投訴小區定位、小區問題分析、投訴用戶建模及用戶投訴預防的智能化分析功能模塊，挖掘潛在投訴用戶，降低網絡投訴量，提高用戶使用感知度。通過人工智能系統提升投訴處理的工作效率和網絡的服務質量，快速準確有效發現和解決網絡問題，提高了地市4G 網絡的運行質量和穩定性，增強客戶對網絡的信任感，對系統應用可全網推廣，產生更廣泛的社會效益，贏得客戶口碑，提升品牌競爭力。