移动用户的动态信用评估模型的构建与应用

doi:10.3969/j.issn.1000-0801.2014.10.023

摘要/Abstract

摘要：

结合移动用户的特征数据分析，构建了科学、动态的用户信用评估模型，进而应用于面向不同信用等级用户的差异化信控停机服务，有效提升用户信用服务体验，加强用户黏性，挖掘用户潜在消费力，增加企业运营收入。

Abstract:

Combined with the data analysis of mobile users' characteristics, a scientific and dynamic estimation models for user credit were built. It can be applied to different solutions of suspended service for different mobile users based on the diverse credit category. It is effective to improve user experience, strengthen user loyalty, exploit potential spending power and ultimately increase the operating income.

Key words: credit control, differentiation service, credit evaluation, characteristic analysis

边凌燕. 移动用户的动态信用评估模型的构建与应用[J]. 电信科学, 2014, 30(10): 156-160.

Lingyan Bian. Construction and Application of Dynamic Credit Evaluation Model for Mobile User[J]. Telecommunications Science, 2014, 30(10): 156-160.

图/表 7

表1

表2

图1

图2

图3

表3

图4

参考文献 8

1	翟清兰．基于Logit模型和人工神经网络的商业银行信用风险评估．东北财经大学硕士学位论文， 2006
2	杨建刚．移动电话客户信用控制和管理．通信世界， 2005(31): 30～31
3	张玉洁，孟祥武．基于遗传算法的电信客户初始信用度分配算法．北京邮电大学学报， 2002, 25(31): 74～77
4	徐继生，五道恒．移动通信用户信用度的预测评估．电信科学， 2002, 18(8): 17～20
5	吴国富，安万福，刘景海．实用数据分析方法．北京：中国统计出版社， 1992
6	郭瑜敏，徐清宇．电信业客户信用控制过程的优化．电脑开发与应用， 2009(8): 70～71
7	朱晓明，刘治国．信用评分模型综述．统计与决策， 2007(1): 103～105
8	陈仁强．基于客户特征的信用控制模型．移动通信， 2014(5): 75～79

变量分类	变量名称
历史信用	近6个月双停次数
	近6个月平均双停时长/h
	最近一次双停时长/h
通信需求	近1个月活跃天数
	近3个月平均通话时长
	近3个月通话时长趋势
	近6个月漫游月份数
	近3个月平均短信次数
	同用户下的产品设备数（CDMA网、宽带和固话）
	近3个月漫游通话时长占比
	近3个月平均流量
	近3个月流量趋势
社会属性	近3个月交往圈用户数
	用户年龄
	是否校园用户
	主叫本地交往圈用户占比
	主叫交往圈用户占比
	网间交往圈用户占比
违约成本	在网时长
	近6个月平均每次缴费金额
	是否捆绑用户（1机补、0话补、-9未知）
支付能力	近3个月平均ARPU
	ARPU趋势
	终端价格

维度名称	权重
历史信用	0.385 0
社会属性	0.239 2
通信需求	0.112 6
违约成本	0.154 3
支付能力	0.108 8

信用等级	用户规模/户	信用等级描述
A	228 972	模型评分前50%的用户，且上月活跃天数≥18天，最近6个月停机时长不超过5天
B	71 233	模型评分前50%～60%的用户，且上月活跃天数≥8天，最近6个月停机时长不超过10天
C	58 541	模型评分前60%～70%的用户，且上月活跃天数≥1天，最近6个月停机时长不超过30天
D	1 5 159	模型评分等级后30%的用户以及月活跃天数及最近6个月停机时长不满足上述要求的用户

[1]	夏怀健,张文,贾素锦,林海英,贺新房. 基于大数据的电能替代潜力用户识别模型[J]. 电信科学, 2019, 35(2): 142-146.
[2]	刘海鹏. 一种基于差异化服务的MEC应用实例智能迁移机制[J]. 电信科学, 2018, 34(9): 118-129.
[3]	周坚,石永革,何美斌. 基于A-D模型的K-means算法在通话异常客户挖掘中的应用[J]. 电信科学, 2018, 34(4): 81-89.
[4]	牛志升,龚杰,周盛. 能效与资源优化的超蜂窝移动通信系统基础研究[J]. 电信科学, 2014, 30(12): 34-47.
[5]	刘东鑫,刘国荣,王帅,，沈军,金华敏. 面向企业网的APT攻击特征分析及防御技术探讨[J]. 电信科学, 2013, 29(12): 158-163.
[6]	赵俊钰,诸旻,左建,黄剑琪. 物联网网络服务支撑平台方案研究[J]. 电信科学, 2011, 27(5): 126-130.
[7]	蔡逆水,陈强,杨俊,蒋丹舟. 即时通信客服系统智能化的研究和应用[J]. 电信科学, 2010, 26(7): 127-131.
[8]	何晓明. EV-DO系统支持差异化服务的QoS应用研究[J]. 电信科学, 2009, 25(6): 90-92.
[9]	李连祥,刘晓亮,董斌. 3G融合在线计费系统的实现方案[J]. 电信科学, 2006, 22(5): 16-18.