用戶投訴手機上網熱點精準定位方法研究

摘要：本文根據用戶上網的核心網絡信令，追蹤用戶投訴前1個小時和投訴后1個小時的軌跡，定位投訴地點，并通過批量分析發現投訴地點主要集中在居民社區。然后，根據投訴發生的地點，按照200米圈定投訴熱點，并關聯現有網絡無線覆蓋率和上網指標，以點到區域解決無線網絡問題，大幅縮短了投訴分析、投訴定位和投訴處理的時間。

關鍵詞：用戶投訴；居民社區；無線指標

隨著智能手機的廣泛普及，網民規模越來越大。無論他們使用什么工具上網，最終都離不開三大運營商的網絡服務。投訴是網絡運維不可缺少的一部分，用戶是網絡最好的撥測人員，用戶投訴是及時發現網絡問題的最好手段[1]。用戶對網絡質量的體驗感知要求也越來越高。為了提高網絡質量，降低用戶投訴，目前各大運營商的投訴處理人員都有一定的投訴處理經驗，并做了一定的嘗試。分析相關的投訴熱點精準定位方法，例如進入移動互聯網時代，大數據、云計算等新型技術的廣泛應用，建立了一種基于大數據技術的投訴分析與預測系統。基于底層信令的全量分析可有效定位故障原因，實施基于歷史投訴樣本庫的投訴預測，并提前進行干預[2]。這種方法需要對歷史數據進行存檔并建立系統，準確性暫時無法驗證。另外，還可以將4G網絡的全量信令與用戶投訴數據結合，關聯無線小區的性能指標和告警數據，采用決策樹數學建模方式，建立用戶投訴質差小區模型和4G投訴精準定位模型，從而實現用戶角度的無線質差小區挖掘，以及4G網絡投訴定位的功能[3]。

上述的兩個分析方法基于信令和無線指標。這種方法值得參考和借鑒，作為投訴分析和處理的定位，但不適合于本公司。本次分析是基于日常的分析和處理經驗，挖掘共性問題，借助現有的平臺數據，用最簡單的辦法精準定位投訴地點和定界投訴具體原因。

一、投訴分析存在問題

通過分析發現，目前在投訴分析中，客服人員統計信息有限。由于只能從有限的信息中挖掘網絡問題，投訴分析人員面臨一定的局限性。投訴處理人員需要花費大量精力來定位問題，無法以點帶面地解決網絡問題。具體情況如下：

后臺Emos工單量很大，但客服記錄用戶投訴地址不完善。以2022年為例，廣州每天的無線數據業務上網投訴量大約1000個/日。通過后臺分析發現，其中63%的投訴用戶沒有提供具體地址，這使得進一步分析變得困難。

客戶不愿意提供具體位置信息。通過抽查錄音發現，考慮到隱私問題，客戶在投訴時不愿意報告具體的位置信息。

客服人員登記地址耗時。由于客戶表達不清晰或語音表達受限等因素，客服人員每天需要處理大量通話，無法花費太多時間登記位置信息。

單個用戶信令定位需要更多人力資源。結合用戶上網信令，并按照用戶上網全流程，可以確定用戶投訴期間所占用的小區情況。通過綜合考慮無線網絡性能指標和現場測試結果，發現大約有50%的小區在投訴期間存在無線網絡問題。然而，從后臺人員處理投訴工單的流程來看，定位一個投訴需要經過5個步驟：投訴工單處理－用戶數據系統－信令系統－無線性能測試－現場測試。因此，定位用戶投訴異常小區需要耗費大量時間和人力資源。

二、模型探索

如何精確獲取用戶投訴地點，并從中找出共性，在解決已投訴和影響用戶感知的問題時以點帶面發展批量解決方案。以下是逐步分析的幾點：

（一）使用多久后出現用戶投訴

通過提取批量用戶投訴，抽聽錄音進行驗證，發現當用戶使用數據業務出現異常時，有50%的用戶在30分鐘內投訴，還有50%的用戶會在2個小時內出現投訴。

例如，有一個投訴用戶在20：49投訴，距離該投訴最近的小區編號為“53102355”。然而，在用戶投訴前8分鐘（20：41），“53102476”小區發生了業務請求失敗，“ Service Requeset”超時無響應的情況。經核查這兩個小區，分析發現業務流程出現異常的小區實際上是“53102476”。

（二）用戶投訴主要集中地點

①準確率僅達50%的前期投訴定位方法。通過回溯用戶投訴信令2個小時，發現目前信令定位方法得到的小區并不準確。該定位方法是根據用戶投訴時距離用戶撥打10086的時間最近的小區來確定的結果。經驗證，有50%的定位結果并非用戶投訴所在的問題小區。

②通過單個用戶的上網記錄回溯，關聯投訴時間和信令流程，當業務流程發生“超時無響應”時，記錄下無法使用的地址。

③分析網絡異常的小區屬性，這是前期無關注到的地方。將小區按照居住地（晚上10點至第二天6點登記時間最長的小區）、工作地（星期一到星期五早上9點到下午5點登記位置最長的時間）和一個月內登記時間最長的小區進行分類。

④為每個標記小區打上標簽。分析發現，投訴異常的小區主要集中在上班地和居住地的小區，占比超過60%。

數據顯示，在正常情況下，用戶只有在長期使用業務不順暢的情況下才會提出投訴。比如在用戶辦公或居住的位置，如果網絡質量出現問題，影響到用戶的工作和生活。在無法忍受的情況下，用戶才會選擇投訴。而當用戶在一些只是短暫停留或路過的地方，即使出現網絡問題，也可以容忍而不提出投訴。一個明顯的例子是地鐵站，每當上下班高峰時，地鐵站的網絡都會出現擁塞，4G業務幾乎不能使用。但是，對于地鐵網絡的投訴卻十分罕見。鑒于此，通過分析投訴用戶的常駐小區，可以快速定位投訴用戶所在的疑似網絡問題服務小區，提高投訴定位的精度和效率。這將有助于及時解決網絡問題，提高用戶滿意度，并幫助網絡服務提供部門迅速定位并改進網絡質量。

（三）匯聚投訴熱點區域

以上分析中，知道了用戶投訴主要集中在3個常駐小區（居住地、工作地和最活躍小區）。目前已經有相關的統計，可以批量獲取用戶的常駐小區信息。現在的問題是匯聚投訴用戶熱點區域，通過以點帶面解決已投訴和潛在影響的用戶，從而真正徹底解決無線問題。

1.單個小區驗證

先從單個用戶驗證，分析用戶投訴無線問題聚焦性。針對已投訴的用戶，經過驗證發現一天內同一個位置上存在3宗以上的投訴（剔除重復投訴），經驗證，發現90%存在無線問題。即對于超過3宗投訴的小區，則可以判定是投訴熱點區域或投訴用戶準確投訴的服務小區。

2.物理地址和小區存在差異

現場測試中發現，物理站點和小區不是一一對應的，一個物理站點可以對應多個小區。比如居住在同一棟樓的用戶，由于所屬的樓層和居住方向不同，對應的常駐小區可能不同。然而，這些用戶確實屬于同一物理地址。這樣會導致常駐小區匯聚投訴用戶的分散，需要解決如何將同一物理區域的投訴進行匯聚，以提高投訴熱點分析的準確性。

3.柵格化劃分區域

為解決同一地理區域投訴用戶常駐小區分散的問題，可以采用全網地理網格劃分的方法。可以將整個廣州按100—1000米進行地理網格劃分，對于歸屬于同一地理網格的小區都視為同一片區服務小區，對匯聚到這些小區的投訴都劃分為該地理網格的投訴，這樣就規避了同一地理區域投訴用戶常駐小區分散的問題，真正將投訴按地理區域匯聚起來，形成投訴熱點，從而提高投訴定位的覆蓋率。

（四）匹配網絡問題

可采取以下方法將投訴與網絡問題快速匹配：

收集投訴熱點小區的擁塞、干擾、覆蓋指標：針對投訴熱點中的小區，可以收集該小區的相關指標數據，包括用戶數、流量、信號強度、信號質量等。通過分析這些指標數據，可以判斷是否存在擁塞、干擾、弱覆蓋等無線問題。

收集故障退服信息：針對投訴熱點中涉及的站點，可收集有關該站點的故障退服信息，包括退服原因、退服時長、影響范圍等。通過分析故障退服信息，可以快速定位站點故障問題。

建立投訴與網絡問題的映射關系：通過對投訴數據和網絡問題數據進行分析，建立起投訴與網絡問題的映射關系。根據投訴熱點小區的相關指標數據和故障退服信息，將投訴與可能的網絡問題進行匹配，確定具體的問題類型。

自動化分析和報警：利用機器學習和人工智能技術，建立網絡問題自動化分析平臺。將投訴數據和網絡問題數據輸入到平臺中，通過算法和模型進行快速匹配和分析，自動發現網絡問題，并及時報警通知運維人員進行處理。

通過以上方法，可以將投訴與網絡問題快速匹配起來，實現投訴問題分析緩解的效率，節省人力成本。

三、實施和數據驗證

1.匹配投訴號碼和常駐小區的對應關系。

2.數據處理：將投訴用戶的常駐小區整理，并匹配常駐小區的經緯度信息。

3.熱點統計。

①篩選投訴用戶數≥3的常駐小區為初始投訴熱點。

②將篩選出的初始投訴熱點按投訴用戶數降序排列，以第一個為中心，分別與其他常駐小區計算兩兩之間的距離。將距離≤200米的常駐小區匯聚為第一個最終投訴熱點。

③去除第一個最終投訴熱點中的所有常駐小區，將剩余的初始投訴熱點重新按投訴用戶數降序排列。再以第一個為中心，計算其與其他常駐小區之間的距離。將距離≤200米的常駐小區匯聚為第二個最終投訴熱點。

④循環執行上述步驟，直至所有初始投訴熱點全部聚焦成為最終投訴熱點。然后對最終投訴熱點進行分析派單。

四、無線批量驗證

關聯無線上網指標主要從覆蓋類指標和上網質量類指標分析，具體如下。

（一）覆蓋類指標

根據投訴現象為投訴點無信號或者信號不穩定，歸類為覆蓋類投訴。

①主要核查：本站點及周邊站點是否故障（零流量小區）、MR覆蓋率是否達標、現場測試排查問題。

②定位出問題后，首先制定初步處理方案，包括：處理故障小區（故障檢查）、進行現網參數優化（功率、偏置、懲罰等）、進行天線優化（調整方位角、下傾角）等。

③覆蓋類指標：是否退服的小區（需要處理故障）、MR覆蓋是否差（需現場排查功率、天線等異常，以及歷史盲點的規劃升級）、無法定位的問題（嘗試重啟基站并進行現場測試）。

（二）上網質量類指標

投訴線上的上網質量類指標定義為用戶有信號但無法上網或上網速度過慢。具體分析如下：

①主要核查：干擾底噪是否異常，結構是否合理，小區是否高負荷（核查最大用戶數及PRB利用率）、切換成功率是否異常。

②定位出問題后，初步處理方案包括：參數調整，如切換偏置等；掃頻排查并清除干擾源；軟擴，臨時調整資源配置等。與干擾、容量和硬件質量有關：干擾包括外部干擾和系統內干擾，需要找到干擾源并加以處理；硬件故障需要維護人員對故障小區進行排障處理；容量分析高話務區域做容量分擔或者小區擴容。

③上網質量類指標的定位方法包括：切換問題（定位切換）、干擾問題（定位干擾問題）、容量問題（定位容量問題）、硬件問題（定位硬件問題）、參數問題（定位參數問題）。

五、實施效果

建立基于常駐小區的投訴熱點模型，可以提升投訴熱點挖掘的數量和準確率。統計5月的挖掘投訴熱點情況，發現熱點量增加了，從每月平均10個增加到了25個。同時，熱點定位準確率也得到了提升，從65%上升到92%。

六、結束語

用戶的投訴發生地點集中在常駐小區，這種定位準確性高且減少了花費大量精力統計和單個用戶信令分析的時間；根據投訴常駐點，按照投訴量高低為基準，圈定投訴熱點的中心點為200米，在此基礎上匹配現網的網絡覆蓋率和上網指標，可以精準定位投訴問題。

參? 考? 文? 獻

[1]王孝英，王玉琛，臧臣瑞等. 移動網絡質量用戶投訴處理方法探討[C]//《內蒙古通信》編輯部.《內蒙古通信》2012年第1-4期.[出版者不詳]，2012：134-138.

[2]董智純，楊林，詹念武等.一種基于大數據技術的投訴分析與預測系統[J].信息通信，2015（09）：285-286.

[3]王瑋.基于信令分析的4G用戶感知評估及問題定位方法[J].電信工程技術與標準化，2017，30（04）：51-53.

陳游（1986.04-），女，漢族，廣東湛江，研究生，中級職稱，研究方向：重要客戶投訴分析與處理、數據業務網絡質量分析、大數據挖掘等。