终端大数据分析的数学模型与方法

李香平

摘要：采用手机客户端采集的海量用户行为大数据，通过建立数学分析模型，可以实现业务优化，终端智能推荐，APP卸载分析以及终端用户细分等多维度的分析结果，为生产运营管理单位提供决策参考依据。
1.概述

移动互联网时代，客户消费形态发生巨大变化，移动互联网流量炸式增长。需要整合移动互联网行为数据，提供移动互联网下的客户行为分析；需要整合终端信息数据，提供移动互联网业务环境下，客户与终端关联分析、终端与套餐关联分析；为推进基地自有业务规模突破，需要整合基地业务数据，提供基地业务活跃度、使用量、业务优化分析，实现跨基地业务的交叉分析、用户市场细分等数据挖掘和数据化运营支撑。
同时，移动互联网时代，企业数据爆炸式增长，挖掘企业数据价值，提升市场支撑能力，面临海量数据处理需求，在数据量从TB级向PB级增长的情况下，需要充分考虑海量数据对数据分析平台的要求，采用Hadoop架构逐步向大数据平台平滑演进，实现系统处理能力的线性增长。

2.目标
采用手机客户端采集的海量用户行为大数据，可以获取用户的终端参数、联网方式、流量使用情况、应用使用时长，次数，时间段等数据；同时结合终端自注册平台、联机工单用户状态、H码等信息，对用户在手机上使用应用进行量化分析；并以多个维度和专题的方式呈现，为考核评估，各基地开发及运营优化等提供服务。
建设大数据平台，汇总基地业务数据、DPI数据、话单数据和信令数据，建立基础标签库。 聚焦基地和移动互联网业务，开展基地业务分析和移动互联网行为分析，支撑热点基地业务营销和流量经营、辅助终端营销。
在互联网、移动互联网飞速发展带动下，电信行业进入了高速发展时期。为适应电信市场的激烈竞争，移动终端业务量化系统综合目前业务发展与市场营销热点需求，汇总终端业务量化数据、产品套餐数据、客户资料数据，建立标签数据库。 聚焦基地和移动互联网业务，开展基地业务分析和移动互联网行为分析，支撑基地业务营销和流量经营、辅助终端营销。为此，精炼出五个专项分析，为精细化营销提供深度支撑，主要包括：基地业务优化分析、APP流量画像、终端用户细分、APP卸载流失分析、智能套餐推荐。
3.数学分析模型
3.1基地业务优化分析
基地业务用户规模持续扩大，但是增长量逐渐回落，活跃用户率持续走低，通过对用户操作APP的行为记录进行分析，建立漏斗分析模型，来验证操作流程的设计是否合理；关注用户应用内转化，观察各关键事件之间次数或人数的转化数据，判断基地业务自身产品流程转化效率，为产品功能、关键环节设计或交互体验等方面的改进提供数据参考，为提升体验提供客观有效的决策依据。
基地应用报错日志分析主要记录应用运行过程中出现的各种问题，实时上报问题出现的相关信息及终端信息，掌握基地应用的在线运行状况，获取出错原因，帮助基地开发优化APP，快速通知开发人员进行响应，并可以对错误进行状态管理，方便开发人员有序有据地进行问题处理；降低错误出现次数，提升APP稳定性，改善用户体验。
基地业务流程转化分析，如：

基地应用报错日志分析，如：

3.2        APP流量画像
挖掘流量的内涵，建立并丰富移动互联网APP流量分析主题，为流量经营工作提供科学的决策依据。
当前APP应用如何通过系统，透过海量的数据认识APP应用的特征，给APP应用的流量行为进行画像？本分析模型通过描述APP（网络、地域、终端等）流量属性和分析APP（使用流量的的大小、应用类别、渠道分布、网络类型等）流量行为等综合信息，掌握APP使用行为，准确定位用户移动互联网需求，展开精细化流量经营，提升流量价值。
进行移动互联网应用的自动分类即热点应用统计分析，整合优质资源，建立应用之间传播机制，针对不同用户推广，提升APP用户活跃度，拉升流量规模增长。
APP流量属性数据视图：展现APP流量关联属性，如下图：

APP流量用户分群：按APP流量大小划分等级，对APP流量不同档次的用户发展数或流量增长率等指标的对比分析和不同时期的变化进行分析。如下图：

APP流量与流量包关联分析，如图：

3.3终端用户细分
围绕用户终端建立用户细分模型，分析各类用户的终端特性，并与用户的业务和应用使用行为特征，用户的基本属性（套餐、年龄、性别、在网时长等）相关联，寻找具体终端受用户喜爱的特征，以及何种特征的用户喜欢何类终端，为终端销售与业务/应用的推广提供数据支撑。
终端用户市场分析，如：

新入网用户分析：新发展的用户无论在智能终端占比、流量活跃率还是户均流量方面，都要明显高于存量的老用户。而且入网时间越近的用户，其流量整体水平就越高，如下图所示。

从数据上看，今年发展新用户的活跃率是存量用户的XX倍，户均流量是X倍，而且还有不断增长的趋势。可以说新用户的高质量发展是拉动用户整体流量活跃率、智能机占比以及户均流量提升的关键因素。
重入网用户分析：构建重入网用户识别的分析模块，通过IMEI或IMSI信息从每月的新增用户中识别出重入网用户，包括IMEI相同IMSI不同的用户群、IMSI相同IMEI不同的用户群。


离网用户分析：建立每月新增离网用户标签库。


异网用户分析：建立每月新增异网用户标签库。

3.4        APP卸载流失分析
目前很多基地应用的用户卸载率很高，客户流失很严峻，有的高达20%；如何定位卸载？他们早期的使用业务行为是什么？他们卸载后有无使用同类的应用？通过此分析模型可以协助业务定位卸载原因，同时卸载后对同类应用行为分析帮助业务找到更好的运营和优化方式，提升应用高质量体验。
卸载原因构成分析：

APP卸载用户分群：

3.5智能推荐
随着智能终端的普及，电信运营商针对客户需求推出了种类繁多、形式多样的套餐供客户选购，但是这些套餐大多是人工制定的，无法满足所有客户的需求。由于运营商已经积累了海量用户数据，这些数据蕴含了用户手机使用习惯、喜好等有价值的信息，运用数据挖掘领域已经广为使用的推荐算法，实现终端与套餐的智能推荐，从而给客户提供差异化、个性化服务。
个性化手机推荐：

享受优惠套餐推荐：先判断用户属于哪个用户群，再根据这个用户群的套餐类型，向用户推荐套餐。

      以上仅供参考，错漏之处欢迎指正！