本發(fā)明屬于網(wǎng)絡(luò)通信，具體涉及一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法。

背景技術(shù)：

1、中國(guó)5g移動(dòng)通信網(wǎng)絡(luò)經(jīng)過(guò)多年大規(guī)模建設(shè)，整體網(wǎng)絡(luò)規(guī)模已經(jīng)很大，5g流量保持了較快增長(zhǎng)，但同時(shí)客戶感知度和客戶感知度面臨的挑戰(zhàn)越來(lái)越大，運(yùn)營(yíng)商今年也明確提出要合理把握保持競(jìng)爭(zhēng)優(yōu)勢(shì)、保障客戶感知與保證投資效益要平衡協(xié)調(diào)發(fā)展。

2、5g業(yè)務(wù)到來(lái)，傳統(tǒng)kpi性能優(yōu)化分析手段和業(yè)務(wù)支撐能力瓶頸已經(jīng)顯現(xiàn)，用戶無(wú)法從體驗(yàn)角度評(píng)估運(yùn)營(yíng)商服務(wù)水平、支持能力和使用感知。當(dāng)前運(yùn)營(yíng)商的網(wǎng)絡(luò)質(zhì)量監(jiān)控正在從網(wǎng)絡(luò)指標(biāo)為中心向用戶體驗(yàn)為中心的轉(zhuǎn)變；運(yùn)營(yíng)商的服務(wù)支撐正在從投訴被動(dòng)響應(yīng)向?qū)τ脩糁鲃?dòng)關(guān)懷的轉(zhuǎn)變。

3、在用戶感知層面，傳統(tǒng)指標(biāo)不能反映用戶體驗(yàn)，網(wǎng)絡(luò)監(jiān)控不能有效發(fā)現(xiàn)感知問(wèn)題，所以感知問(wèn)題無(wú)法精確定界定位。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，包括：

4、獲取影響移網(wǎng)上網(wǎng)用戶感知度的各項(xiàng)感知度指標(biāo)；

5、采集各項(xiàng)感知度指標(biāo)的歷史數(shù)據(jù)，將歷史數(shù)據(jù)輸入聚類(lèi)算法中，輸出出現(xiàn)感知度不滿意時(shí)的感知度指標(biāo)數(shù)值作為感知拐點(diǎn)和罰值；根據(jù)感知拐點(diǎn)和罰值確定感知度指標(biāo)數(shù)值所對(duì)應(yīng)的得分；

6、將歷史數(shù)據(jù)輸入自組織映射算法中，輸出各類(lèi)感知度指標(biāo)影響用戶感知度的指標(biāo)權(quán)重；利用感知度指標(biāo)數(shù)值所對(duì)應(yīng)的得分與指標(biāo)權(quán)重，計(jì)算用戶在上網(wǎng)業(yè)務(wù)中的總體感知得分；

7、確定用戶各項(xiàng)上網(wǎng)業(yè)務(wù)的業(yè)務(wù)占比；其中所述業(yè)務(wù)占比為單個(gè)業(yè)務(wù)時(shí)長(zhǎng)與總使用網(wǎng)絡(luò)時(shí)長(zhǎng)的比值；

8、將所有業(yè)務(wù)的業(yè)務(wù)占比與上網(wǎng)業(yè)務(wù)中的總體感知得分相乘后相加，得到用戶感知畫(huà)像模型；

9、利用用戶感知畫(huà)像模型對(duì)用戶感知進(jìn)行評(píng)分，找到低分用戶；并對(duì)低分用戶進(jìn)行上網(wǎng)感知體驗(yàn)優(yōu)化。

10、進(jìn)一步，所述對(duì)低分用戶所在的小區(qū)進(jìn)行網(wǎng)絡(luò)優(yōu)化；包括：

11、根據(jù)計(jì)算出來(lái)的用戶在上網(wǎng)業(yè)務(wù)中的總體感知得分，找到60分或者50分以下的用戶作為低分用戶；

12、獲取低分用戶使用網(wǎng)絡(luò)時(shí)所在的小區(qū)的流量,時(shí)長(zhǎng)數(shù)據(jù)；找出流量，時(shí)長(zhǎng)高于閾值的小區(qū)作為低分用戶的常駐小區(qū)；

13、對(duì)常駐小區(qū)的網(wǎng)絡(luò)感知度進(jìn)行評(píng)分，對(duì)評(píng)分低的常駐小區(qū)進(jìn)行網(wǎng)絡(luò)優(yōu)化。

14、進(jìn)一步，所述找出流量，時(shí)長(zhǎng)最高的小區(qū)作為低分用戶的常駐小區(qū)，包括：

15、將小區(qū)的流量,時(shí)長(zhǎng)數(shù)據(jù)輸入k++聚類(lèi)算法中，利用k++聚類(lèi)算法輸出流量時(shí)長(zhǎng)高于閾值的小區(qū)作為低分用戶的常駐小區(qū)。

16、進(jìn)一步，所述對(duì)常駐小區(qū)的網(wǎng)絡(luò)感知度進(jìn)行評(píng)分，計(jì)算式為：

17、

18、其中，n為常駐小區(qū)中用戶的感知度得分平均值。

19、進(jìn)一步，還包括：

20、獲取低分用戶的網(wǎng)絡(luò)b域數(shù)據(jù)與o域數(shù)據(jù)；

21、根據(jù)網(wǎng)絡(luò)b域數(shù)據(jù)與o域數(shù)據(jù)將用戶所在區(qū)域與地圖中的位置進(jìn)行關(guān)聯(lián)，構(gòu)建用戶軌跡評(píng)估模型，用于從地圖中觀測(cè)低分用戶的常駐校區(qū)。

22、進(jìn)一步，所述用戶感知畫(huà)像模型為：

23、

24、進(jìn)一步，還包括：

25、根據(jù)業(yè)務(wù)占比與上網(wǎng)業(yè)務(wù)中的總體感知得分，利用tensorflow框架構(gòu)建用戶感知畫(huà)像模型。

26、進(jìn)一步，所述采集各項(xiàng)感知度指標(biāo)的歷史數(shù)據(jù)，將歷史數(shù)據(jù)輸入聚類(lèi)算法中，聚類(lèi)算法為kmeans算法。

27、進(jìn)一步，所述感知拐點(diǎn)為感知度開(kāi)始上升或下降的感知度數(shù)值，所述罰值為感知度為0分到100分時(shí)的感知度數(shù)值。

28、進(jìn)一步，所述感知度指標(biāo)包括：

29、頁(yè)面響應(yīng)成功率、頁(yè)面響應(yīng)時(shí)長(zhǎng)、頁(yè)面顯示成功率、即時(shí)通訊成功率、即時(shí)通訊服務(wù)器側(cè)rtt、即時(shí)通訊終端側(cè)rtt、即時(shí)通訊tcp建鏈時(shí)延、視頻業(yè)務(wù)停頓頻次每分鐘、視頻停頓時(shí)延占比、視頻初始播放成功率、視頻初始緩存時(shí)延、game業(yè)務(wù)響應(yīng)成功率、game業(yè)務(wù)響應(yīng)平均時(shí)延、游戲卡頓局率。

30、本發(fā)明提供的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法具有以下有益效果：

31、本發(fā)明首先獲取影響手機(jī)上網(wǎng)用戶感知度的各項(xiàng)感知度指標(biāo)，之后通過(guò)分析各個(gè)指標(biāo)數(shù)值以及各個(gè)指標(biāo)對(duì)感知度的影響程度，確定用戶在單個(gè)上網(wǎng)業(yè)務(wù)中的感知得分。其次，根據(jù)不同上網(wǎng)業(yè)務(wù)的市場(chǎng)占比，得出用戶的總感知得分模型，即用戶感知畫(huà)像模型；該模型考慮了用戶在使用網(wǎng)絡(luò)時(shí)各個(gè)業(yè)務(wù)的場(chǎng)景，能夠充分評(píng)估用戶的上網(wǎng)感知情況并輸出感知得分，以用戶體驗(yàn)的角度評(píng)估運(yùn)營(yíng)商的服務(wù)水平，支持能力，使用感知；以便使得網(wǎng)絡(luò)服務(wù)提供廠家能夠準(zhǔn)確找到對(duì)服務(wù)不滿意的用戶后，去對(duì)用戶的上網(wǎng)感知體驗(yàn)進(jìn)行針對(duì)性優(yōu)化，解決了現(xiàn)有技術(shù)中，不能獲得用戶對(duì)運(yùn)營(yíng)商移網(wǎng)產(chǎn)品的用戶感知問(wèn)題分析和用戶感知體驗(yàn)提升體驗(yàn)情況。

技術(shù)特征：

1.一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述對(duì)低分用戶所在的小區(qū)進(jìn)行網(wǎng)絡(luò)優(yōu)化；包括：

3.根據(jù)權(quán)利要求2所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述找出流量，時(shí)長(zhǎng)最高的小區(qū)作為低分用戶的常駐小區(qū)，包括：

4.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述對(duì)常駐小區(qū)的網(wǎng)絡(luò)感知度進(jìn)行評(píng)分，計(jì)算式為：

5.根據(jù)權(quán)利要求2所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，還包括：

6.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述用戶感知畫(huà)像模型為：

7.根據(jù)權(quán)利要求4所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，還包括：

8.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述采集各項(xiàng)感知度指標(biāo)的歷史數(shù)據(jù)，將歷史數(shù)據(jù)輸入聚類(lèi)算法中，聚類(lèi)算法為kmeans算法。

9.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述感知拐點(diǎn)為感知度開(kāi)始上升或下降的感知度數(shù)值，所述罰值為感知度為0分到100分時(shí)的感知度數(shù)值。

10.根據(jù)權(quán)利要求1所述的一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，其特征在于，所述感知度指標(biāo)包括：

技術(shù)總結(jié)
本發(fā)明提供了一種基于用戶感知的上網(wǎng)感知體驗(yàn)優(yōu)化方法，屬于網(wǎng)絡(luò)通信技術(shù)領(lǐng)域，包括：獲取影響移網(wǎng)上網(wǎng)用戶感知度的各項(xiàng)感知度指標(biāo)；獲取出現(xiàn)感知度不滿意時(shí)的感知度指標(biāo)數(shù)值作為感知拐點(diǎn)和罰值；根據(jù)感知拐點(diǎn)和罰值確定感知度指標(biāo)數(shù)值所對(duì)應(yīng)的得分；獲取各類(lèi)感知度指標(biāo)影響用戶感知度的指標(biāo)權(quán)重；利用感知度指標(biāo)數(shù)值所對(duì)應(yīng)的得分與指標(biāo)權(quán)重，計(jì)算用戶在上網(wǎng)業(yè)務(wù)中的總體感知得分；確定用戶各項(xiàng)上網(wǎng)業(yè)務(wù)的業(yè)務(wù)占比；其中業(yè)務(wù)占比為單個(gè)業(yè)務(wù)時(shí)長(zhǎng)與總使用網(wǎng)絡(luò)時(shí)長(zhǎng)的比值；將所有業(yè)務(wù)的業(yè)務(wù)占比與上網(wǎng)業(yè)務(wù)中的總體感知得分相乘后相加，得到用戶感知畫(huà)像模型該方法能夠找到移網(wǎng)數(shù)據(jù)業(yè)務(wù)不滿意用戶并提升移網(wǎng)用戶的感知度和滿意度。

技術(shù)研發(fā)人員：劉兵
受保護(hù)的技術(shù)使用者：西安凱林斯特網(wǎng)絡(luò)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10