?Labs 導(dǎo)讀

?隨著移動互聯(lián)網(wǎng)業(yè)務(wù)蓬勃發(fā)展，新的業(yè)務(wù)模式為運營商的移動網(wǎng)絡(luò)優(yōu)化、客戶滿意度提升工作帶來了巨大挑戰(zhàn)，傳統(tǒng)的成功率、建立時延等KPI能從基本上反映用戶能否順利實現(xiàn)網(wǎng)絡(luò)的接入，但無法判斷用戶的使用業(yè)務(wù)過程是否順暢、體驗是否良好，業(yè)務(wù)的復(fù)雜性要求運營商從端到端業(yè)務(wù)感知的提升方式去優(yōu)化網(wǎng)絡(luò)、提供服務(wù)。

1現(xiàn)有技術(shù)方案

目前數(shù)據(jù)端到端業(yè)務(wù)感知保障基于統(tǒng)一的KQI感知劣化指標(biāo)門限，針對識別的感知劣化點經(jīng)過定界后，以無線小區(qū)為單位聚類，進(jìn)而處理無線。具體方案如下：

• 感知指標(biāo)及門限制定：結(jié)合全省各類端到端業(yè)務(wù)流量，確定重點業(yè)務(wù)，根據(jù)日常用戶使用行為，確定重點感知指標(biāo)KQI，經(jīng)過大量業(yè)務(wù)撥測，確定KQI感知劣化門限；
• 定界方法：針對識別的感知劣化點，通過TCP相關(guān)時延指標(biāo)進(jìn)行無線側(cè)定界。
• 無線問題定位方法：針對定界到無線原因的感知劣化點，以無線小區(qū)為單位進(jìn)行匯聚，進(jìn)而處理無線質(zhì)差問題。

2現(xiàn)有技術(shù)缺點

現(xiàn)有的固定端到端業(yè)務(wù)感知劣化KQI門限無法真實反映用戶端到端業(yè)務(wù)特征、變化規(guī)律，與無線質(zhì)差問題關(guān)聯(lián)率較低，未能真正反饋客戶差異化業(yè)務(wù)需求及感知變化。

本申請?zhí)岚柑岢鲆环N客戶業(yè)務(wù)感知特征的識別算法，綜合核心網(wǎng)XDR數(shù)據(jù)、B域客戶價值信息、無線側(cè)性能/告警數(shù)據(jù)，通過動態(tài)感知監(jiān)控門限識別客戶差異化業(yè)務(wù)需求及感知差點，針對業(yè)務(wù)特征，結(jié)合客戶價值、貶損信息，為每個小區(qū)評分，從而提供精準(zhǔn)的優(yōu)質(zhì)網(wǎng)絡(luò)服務(wù)，提升用戶使用體驗，增進(jìn)移動品牌形象。

3創(chuàng)新技術(shù)方案

本技術(shù)方案設(shè)計了無線小區(qū)端到端業(yè)務(wù)特征算法、小區(qū)下用戶特征方案、數(shù)據(jù)端到端業(yè)務(wù)感知劣化動態(tài)門限算法，從而實現(xiàn)問題根因的精準(zhǔn)定位，確保資源優(yōu)先投入及問題快速解決，從而保障客戶感知高效提升。

3.1 技術(shù)方案整體架構(gòu)

3.2 無線小區(qū)端到端業(yè)務(wù)特征算法

結(jié)合我省業(yè)務(wù)特征，選定視頻、網(wǎng)頁瀏覽、即時通信、游戲四大類及項下TOP移動互聯(lián)網(wǎng)業(yè)務(wù)為研究對象，從橫、縱、劣化三個維度綜合為無線小區(qū)評分：

橫：確定小區(qū)主要業(yè)務(wù)特征，小區(qū)四類業(yè)務(wù)流量分別在小區(qū)總流量中占比；

縱：定位小區(qū)在全網(wǎng)的權(quán)重，小區(qū)四類業(yè)務(wù)流量分別與全網(wǎng)視頻、頁面、即時通信、游戲平均業(yè)務(wù)量的比值；

劣化：根據(jù)如下已確定的KQI與門限，分別判斷小區(qū)的是否存在感知劣化，如是則為1；

小區(qū)特征識別：四類業(yè)務(wù)特征，分別為視頻、頁面、即時通信（IM）、游戲，i=1.2.3.4；

判斷標(biāo)準(zhǔn)：小區(qū)i業(yè)務(wù)標(biāo)簽：當(dāng)i業(yè)務(wù)特征*業(yè)務(wù)權(quán)重*業(yè)務(wù)是否劣化值符合如下標(biāo)桔色列，即為小區(qū)添加 i業(yè)務(wù)標(biāo)簽；

3.3 無線小區(qū)下用戶特征

利用B域高價值客戶信息、端到端業(yè)務(wù)數(shù)據(jù)預(yù)測的潛在不滿意客戶信息，為無線小區(qū)建立用戶特征標(biāo)簽；

高價值用戶：利用B域數(shù)據(jù)中用戶ARPU值，確定小區(qū)下ARPU≥50的用戶數(shù)；

貶損用戶預(yù)測：利用大數(shù)據(jù)深度關(guān)聯(lián)技術(shù)，識別脫網(wǎng)、打不通、接通慢、掉話、通話吞字?jǐn)嗬m(xù)、網(wǎng)頁打開慢、視頻播放卡頓、手游實戰(zhàn)不流暢的不滿意或質(zhì)差或投訴用戶及其常駐活躍區(qū)域(POI），面向業(yè)務(wù)、不同場景、不同網(wǎng)元的跨域多維匯聚解析，利用TCP/RTP定界技術(shù)實現(xiàn)質(zhì)差用戶和問題定界。

貶損指標(biāo)質(zhì)差問題精準(zhǔn)定位：基于貶損或質(zhì)差用戶群的xDR+MR/CHR關(guān)聯(lián)分析及定位，匹配華為精準(zhǔn)定位算法，實現(xiàn)質(zhì)差問題全面準(zhǔn)確識別，高效指導(dǎo)優(yōu)化。

最終形成如下三類標(biāo)簽：

3.4 感知劣化動態(tài)門限算法

針對視頻、網(wǎng)頁瀏覽、即時通信、游戲四大類及項下TOP移動互聯(lián)網(wǎng)業(yè)務(wù)為研究對象，以移動通信技術(shù)、信令原理為理論基礎(chǔ)，結(jié)合客戶體驗感知，通過模擬用戶使用進(jìn)行業(yè)務(wù)質(zhì)量測試APP，對影響端到端感知的質(zhì)量的因素進(jìn)行分析研究，確定如下１２項最貼近客戶感知的KQI，從而評估日常生產(chǎn)工作成效、客戶感知提升情況，詳情的如下：

已確定12項感知指標(biāo)：

? 判斷影響客戶感知的KQI門限

靜態(tài)門限

針對已選定的12項指標(biāo)，利用已有DPI數(shù)據(jù)采集平臺，收集基于全網(wǎng)用戶XDR話單的業(yè)務(wù)KQI，利用正態(tài)分布函數(shù)，分別計算各指標(biāo)的平均值u、標(biāo)準(zhǔn)差σ,結(jié)合其概率分布規(guī)律，選擇劣于平均值的15%，即分布在（-∞，u-σ）或(u+σ，+∞)的值，為劣化值，如下為詳細(xì)算法；

正態(tài)分布概率分布：

KQI劣化門限

動態(tài)門限

方案描述：基于全網(wǎng)小區(qū)每小時每指標(biāo)歷史30天XDR和PM數(shù)據(jù)，通過機器大數(shù)據(jù)學(xué)習(xí)，輸出每個小區(qū)的動態(tài)門限和KQI/KPI關(guān)聯(lián)知識庫。提供全網(wǎng)小區(qū)小時級準(zhǔn)實時監(jiān)控和天粒度趨勢分析兩種體驗管理功能。實時數(shù)據(jù)通過KQI與KPI關(guān)聯(lián)知識庫對告警進(jìn)行關(guān)聯(lián)分析，關(guān)聯(lián)結(jié)果將協(xié)助網(wǎng)優(yōu)工程師定位問題并閉環(huán)。

核心能力：

（1）大數(shù)據(jù)學(xué)習(xí)，全網(wǎng)小區(qū)歷史30天數(shù)據(jù)（N個指標(biāo)*20萬*30天*24小時=N*1.44億量級）。

（2）小區(qū)動態(tài)門限，PAM聚類算法將指標(biāo)分布特征相似的時刻劃分為一組，有2-6類，每個小區(qū)有自己的動態(tài)門限，比傳統(tǒng)的早/晚忙時指標(biāo)的不同更精細(xì)更準(zhǔn)確。

（3）KQI&KPI關(guān)聯(lián)知識庫，檢測每小時異常的KQI和同時刻的異常KPI，通過機器智能FP-Growth頻繁項集挖掘算法形成KQI&KPI關(guān)聯(lián)知識庫，用于KQI實時監(jiān)測時關(guān)聯(lián)異常的KPI，指導(dǎo)體驗指標(biāo)分析優(yōu)化。

KQI和KPI指標(biāo)聯(lián)合異常檢測，當(dāng)KQI指標(biāo)滿足異常檢測規(guī)則，并且KPI指標(biāo)同時滿足異常檢測規(guī)則，為一次異常事件。以下為頁面、視頻、網(wǎng)頁、IM和游戲的動態(tài)門限制定原則。

動態(tài)門限學(xué)習(xí)規(guī)則：

KQI異常規(guī)則同時滿足：（指標(biāo)越大越差>max()；指標(biāo)越小越差<min()）

• 指標(biāo)越大越差：“KQI指標(biāo)”>max(分時段門限_分位數(shù)，全時段門限，分時段門限_均值+ 2*分時段標(biāo)準(zhǔn)偏差) 
• 指標(biāo)越小越差：“KQI指標(biāo)”<min（分時段門限_分位數(shù)，全時段門限，分時段門限_均值 - 2*分時段標(biāo)準(zhǔn)偏差)
• “KQI指標(biāo)差話單占比”>全時段門限KQI指標(biāo)差話單占比 或“KQI指標(biāo)差用戶占比”>全時段門限KQI指標(biāo)差用戶占比
• “KQI指標(biāo)差用戶數(shù)”>全時段門限KQI指標(biāo)差用戶數(shù)
• “KQI指標(biāo)差話單數(shù)”>全時段門限KQI指標(biāo)差話單數(shù)

4技術(shù)亮點總結(jié)

小區(qū)端到端業(yè)務(wù)特征算法

結(jié)合四大類端到端業(yè)務(wù)量，通過橫縱向?qū)Ρ扔嬎悖u估小區(qū)下不同業(yè)務(wù)權(quán)重及在全網(wǎng)占比，從而輸出小區(qū)業(yè)務(wù)特征得分；

小區(qū)下用戶特征

結(jié)合高價值（ARPU≥50）用戶數(shù)及貶損預(yù)測用戶數(shù)情況，確定小區(qū)用戶特征標(biāo)簽。

感知劣化動態(tài)門限算法

通過機器大數(shù)據(jù)學(xué)習(xí)，輸出差異化感知劣化預(yù)警門限，更貼近實際客戶感知。

5方案生產(chǎn)應(yīng)用

針對日常業(yè)務(wù)感知監(jiān)控識別的劣化/質(zhì)差小區(qū)，設(shè)計如下評分算法，為全網(wǎng)小區(qū)進(jìn)行打分畫像，針對監(jiān)控到的感知劣化質(zhì)差小區(qū)，進(jìn)行優(yōu)先級判斷，最終生成以客戶感知為指導(dǎo)的帶優(yōu)先級的工單，確保問題小區(qū)高效閉環(huán)，實現(xiàn)客戶感知提升。

• 基于數(shù)據(jù)端到端業(yè)務(wù)的網(wǎng)元畫像算法改變原有固定門限，通過歷史數(shù)據(jù)學(xué)習(xí)，實現(xiàn)當(dāng)前時段感知劣化門限的精準(zhǔn)判斷及劣化點識別，提升問題處理能效；
• 本研究首創(chuàng)綜合網(wǎng)元重點業(yè)務(wù)特征、高價值用戶數(shù)、潛在貶損用戶數(shù)三類特征標(biāo)簽，形成網(wǎng)元感知畫像，有效支撐日常生產(chǎn)有的放矢；
• 制定優(yōu)先級規(guī)則，確保嚴(yán)重影響客戶感知的重要問題優(yōu)先快速閉環(huán)，從而保障客戶感知。