基于家庭关联关系识别模型的电信融合套餐营销

doi:10.3969/j.issn.1000-0801.2009.09.008

摘要/Abstract

摘要：

本文回顾了中国电信承接原联通C网以来的全业务融合套餐现状，分析了识别原有CDMA手机号码与固定电话号码的关联关系对于电信融合套餐营销的意义，详细描述了利用决策树算法来构建家庭关联关系识别模型的过程和方法，并简要介绍了如何应用模型结果进行融合套餐的针对性营销。

关键词: 融合套餐, 关联关系识别模型, 决策树

Abstract:

The status of fu11-service integrated package is reviewed since China Telecom took over China Unicom's CDMA network.The worth of identifying the relation of fixed telephone and CDMA mobile phone number is analyzed for telecom integrated package marketing.The process and method of constructing family relation identifying model is described in detail which use decision tree as the algorithm.How to use model result to market the integrated package is also introduced briefly.

Key words: integrated package, relation identifying mode1, decision tree

蔡鑫. 基于家庭关联关系识别模型的电信融合套餐营销[J]. 电信科学, 2009, 25(9): 34-37.

Xin Cai. Telecom Integrated Package Marketing Base on Family Relation Identifying Model[J]. Telecommunications Science, 2009, 25(9): 34-37.

图/表 4

表1

图1

表2

表3

变量名称	备注
年月
CDMA手机号码
固定电话号码
是否登记同一身份证号	办理CDMA号码和固话号码时是否登记相同的身份证号（0—否，1—是）
是否互为机主联络方式	办理CDMA号码时是否留下固定电话号码作为联络方式或反之（0—皆否，1—有一个是）
是否通过10000号关联	是否用CDMA手机拨打10000号咨询固定电话的问题或反之（0—否，1—有一个是）
当月短时通话次数	当月两号码通话时长在60 s 内的通话次数
当月长时通话次数	当月两号码通话时长在180 s外的通话次数
当月总通话次数	当月两号码通话次数
当月短时通话次数排名	同一CDMA号码通话不同固话号码60 s内的通话次数排名
当月长时通话次数排名	同一CDMA号码通话不同固话号码的180 s外的通话次数排名
当月总通话次数排名	同一CDMA号码有通话不同固话号码的当月总通话次数排名
当月交际圈重合度	当月CDMA和固话主叫数据中呼叫过相同号码的个数
当月CDMA重合度占比	共同交际圈CDMA主叫号码个数/CDMA总主叫号码个数
当月固话重合度占比	共同交际圈固话主叫号码个数/固话总主叫号码个数
当月交际圈重合度排名	当月CDMA和固话主叫数据中呼叫过的相同号码中，通话次数排名最高位
预计存在家庭关联联系概率	预测目标变量

	预测存在家庭关联关系	预测不存在家庭关系	总计
实际存在家庭关联关系	18 515	5 127	23 642
实际不存在家庭关系	42 785	493 683	536 468
总计	61 300	498 810	560 110

规则序号	规则逻辑	覆盖正样本数（总正样本23 642）
1	短时通话次数排名小于等于4，且固话重合度占比大于10%	14 412
2	短时通话次数排名小于4，且固话重合度占比小于10%,CDMA重合度占比大于5%，主叫通话次数排名小于等于4	1 483
3	短时通话次数排名大于4，且固话重合度占比大于10%，通话圈内重合度排名小于等于4	2 349
4	短时通话次数排名大于4，且固话重合度占比大于10%，通话圈内重合度排名大于4，主叫通话次数排名小于等于4	837

[1]	王雪荣, 唐政治, 李银川, 齐美玉, 朱建波, 张亮. 基于优化决策树的时延敏感流智能感知调度[J]. 电信科学, 2023, 39(4): 120-132.
[2]	胡坚, 孙磊, 尹以雁, 杨晓康, 白金贵, 张叶江. 基于数据挖掘和地理可视化的4G/5G语音质量优化研究[J]. 电信科学, 2022, 38(10): 131-139.
[3]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[4]	崔羽飞,魏进武,潘思宇,张溶芳,王笑,贾子翔. 一种基于决策树终端换机间隔的研究[J]. 电信科学, 2019, 35(7): 165-172.
[5]	陈小峰,赵雅迪,张利鹏,朱峰. 电力潜在敏感客户预测的大数据方法应用[J]. 电信科学, 2019, 35(11): 117-124.
[6]	金鑫,闫龙川,刘军,张书林. 基于决策树的企业信息系统故障自动诊断分析方法[J]. 电信科学, 2017, 33(3): 163-167.
[7]	何振红. 基于广义高斯分布FDCT_Wrap和FSVM的虹膜识别[J]. 电信科学, 2016, 32(7): 126-131.
[8]	邢宇恒. 基于知识库的系统安全评估方法[J]. 电信科学, 2016, 32(4): 192-196.
[9]	王雪琼,熊珺洁,姚晓辉. 基于大数据挖掘的终端换机模型[J]. 电信科学, 2016, 32(12): 43-52.
[10]	董昊,曲桦,赵季红,陈梁骏,戴慧珺. 基于DT-KSVM的业务感知算法[J]. 电信科学, 2015, 31(11): 67-71.
[11]	陈志竞,梁伯瀚. 数据挖掘助力精细化流量经营[J]. 电信科学, 2012, 28(7): 1-5.
[12]	贾丹华,王润润,王鹏. 电信套餐资费预演中客户量的预测方法研究[J]. 电信科学, 2011, 27(8): 25-32.