◆徐運標

人工智能在移動網(wǎng)絡NPS領域的應用分析

◆徐運標

（湖南工業(yè)職業(yè)技術學院 湖南 410208）

在當今這個移動網(wǎng)絡和人工智能飛速發(fā)展的時候，如何合理使用大數(shù)據(jù)的客戶挖掘、人工智能算法的創(chuàng)設，都來自移動網(wǎng)絡的NPS預測模型，通過這種方式來實現(xiàn)對各種各樣用戶的分類預測，在此基礎上經過聚類算法來定位出使用NPS的疑似用戶密集區(qū)域，然后再進行貶低地理化的進一步呈現(xiàn)出來，以此來找出影響NPS的原因，通過對潛在網(wǎng)絡風險的遏制來順利提升運營商的口碑問題。

NPS；大數(shù)據(jù)挖掘；人工智能

隨著我國移動互聯(lián)網(wǎng)的迅猛發(fā)展，電信運營商的產品同質化越來越嚴重，客戶體驗和感知對其應用的重要性也日益提高。國內各大通信運營商已經全面地引入了基于 NPS 的客戶評價結果體系，運營商的網(wǎng)絡建設是客戶在使用所有的通信服務時得以承載的基礎，也是運營商最根本的產品，圍繞NPS網(wǎng)絡感知挖掘數(shù)據(jù)影響用戶評分的潛在因素，提升網(wǎng)絡產品質量就是運營商的首要任務。

1 研究背景

在過去這么多年的商業(yè)研究過程中，出現(xiàn)了許許多多的機構喜歡用滿意度表格和忠誠度表格這兩種形式對客戶所需要的消費行為來進行合理的預測。但是隨著這種方法使用的時間越來越長，人們就會發(fā)現(xiàn)有些商品在一定量的人持正面評價的時候，總會出現(xiàn)一些負增長的情況出現(xiàn)，而這其中的原因不得不讓我們深思，其實在滿意度測評的這個過程中，并不能夠真的從“正面評價”的客戶中將被動客戶和主動客戶區(qū)分清楚，而有一些被動滿意的客戶可能就會因為寬容而去給予一定的肯定，但是他們卻不可能再次回購此商品，用最簡單的話來講，就是雖然關于滿意度的測評能夠告訴我們客戶的態(tài)度，但是并不一定能夠獲取他們準確的意向。而現(xiàn)在的NPS正是針對這一問題而提出的解決方案的展開，從一個合適而又正確的方向來做出提問。雖然在實際應用的過程中NPS的使用并不能夠產生直接的價值，但是通過其背后的各種各樣影響因素，來逐漸去深入挖掘真實問題的準確定位，然后再進行下一步的討論從而得出如何去提升，這樣就可以為企業(yè)生產出更大的價值。當前在我國國內的NPS評價體系中，最常見的便是使用抽取電話的方式進行回訪，要么便是進行合理的調查問卷的方式來進行。但是這兩種形式也存在著一定的局限性，主要包括：一方面由于定期所采集樣本的數(shù)量相對來說比較少，在調查形式方面有一定的受限；另一方面由于一些對于貶損用戶的影響因素并不能夠進一步準確定位，所以給后期的人員總體分析會帶來一定的困難，以此看來對調查的內容也有一定的限制。而現(xiàn)在人們正在積極研究用人工智能和大數(shù)據(jù)等技術手段來搭建一種全新的NPS預測模型，從而來解決上述在實際應用中所遇到的難題。

2 網(wǎng)絡NPS提升的難點

2.1 業(yè)務多樣化評估手段不足

隨著社會的進一步發(fā)展網(wǎng)絡也在與時俱進，使用網(wǎng)絡的用戶也在慢慢變多，用戶的需求也開始變化多端，對網(wǎng)絡的要求也是五花八門，因此通過簡單的優(yōu)化根本不能夠解決投資和客戶感知之間的矛盾。

2.2 用戶感知分析難度大

關于電話抽樣這種調查方式來獲知用戶的真實感受，但是相對來說這種方式采樣也小，時效性也較差，成本相對來說高，根本無法全面體現(xiàn)出用戶感受，也沒有辦法進一步去優(yōu)化建設網(wǎng)絡，從而無法驗證這些信息的準確性。

2.3 數(shù)據(jù)零散，難以利用

在與移動網(wǎng)絡NPS客戶體驗感受方面相關的各種數(shù)據(jù)分布在不同部門的不同專業(yè)當中，但是在運行中，分析和整合綜合的數(shù)據(jù)會耗費大量的時間精力。因此在數(shù)據(jù)整合的過程中由于種種的困難不得不放棄進一步的分析，而各大運營商迫切需要整合數(shù)據(jù)后的進一步釋放數(shù)據(jù)的生產力。

3 總體設計

3.1 開發(fā)整體思路

全面打開各大數(shù)據(jù)域，來準確定位關于NPS貶損問題，此種項目設計流程主要包括：

（1）以已有客戶為中心點來進行進一步的全面畫像數(shù)據(jù)收集，對于客戶的各種各項畫像數(shù)據(jù)來進行進一步的特征工程處理，然后依此來建立全新的模型。

（2）通過分析各種全面的影響因素，利用大數(shù)據(jù)的算法準確找到對于NPS來說影響最大的特征是什么。

（3）通過進一步對所有客戶進行預測，提出有針對性地對網(wǎng)絡有益的改進意見，主要是從提升NPS值這方面來著手。以預測NPS作為新的起點，來制定和采取合理的改善行動為主要的關鍵點，使NPS預測從一個簡單的分數(shù)值轉變成為一個全面的系統(tǒng)。對其周期性進行一個系統(tǒng)的評估，便可以形成一個在計算處理優(yōu)化方面的模型，然后再去進一步計算良性的循環(huán)系統(tǒng)里面的數(shù)據(jù)進行降維，最后一步就是進行歸一化處理，這樣便能量綱所產生的影響。

3.2 NPS模型建立

在現(xiàn)實的應用中模型的建立主要涉及三個方面：數(shù)據(jù)的各種預處理、特征全面提取、模型的訓練和選擇。其中：數(shù)據(jù)預處理是為了將用戶的各項數(shù)據(jù)轉換成模型在運行過程中能夠識別的數(shù)據(jù)，需要從各個方面去進行數(shù)據(jù)的預處理。特征提取的主要目的是為了排除與用戶滿意度不相關和相關性較低的特點。最后一項模型訓練與選擇主要是指NPS預測模型是一個有監(jiān)督的三分類問題。

3.3 數(shù)據(jù)源選擇

從數(shù)據(jù)源的選擇來看已經存在的特點主要包括各個客戶的緯度屬性、使用終端緯度、各種業(yè)務的緯度等各種緯度的不同數(shù)據(jù)，而在特征的選擇方面應該遵循的原則：其一是有關的業(yè)務專家根據(jù)自身已有的經驗選擇與NPS預測結果的相關性最高的特征來進行有關的一系列模型訓練。其二因為選擇特征是一個需要進行無數(shù)次的調整以及不斷驗算的一個過程，通過各項參數(shù)來提升模型的準確率，根據(jù)所產生的對比結果，除去相對來說對模型影響最小的特征。

3.4 模型選擇

其中根據(jù)項目的各項特性以及各種算法都是根據(jù)三個方面，在這個過程中，主要各種不同的仿真模擬對比來進行分析，以此的結論便能得出深度前饋神經網(wǎng)絡為最優(yōu)模型。

3.5 模型內部算法結構

因為在模型內部算法結構中其有維度很大的輸入特征，為了讓客戶能夠充分使模型重新學習NPS和輸入數(shù)據(jù)相關的有效信息，但是淺層的神經網(wǎng)絡幾乎無法做到這點，因此為了能夠克服這一系列的困難，特地構建出了全新分類的6層神經網(wǎng)絡。

4 人工智能在移動網(wǎng)絡NPS領域的應用

隨著過去十五年中國移動互聯(lián)網(wǎng)絡的實現(xiàn)爆發(fā)式快速增長，很少有人有可能真正想象一個沒有它的日常生活。在目前人工智能的技術驅動下，移動視頻網(wǎng)絡已經將通過用戶手機生成的視頻內容直接作為了傳遞信息和休閑娛樂的一個可行的信息來源。Facebook這樣的各種社交信息網(wǎng)絡現(xiàn)在幾乎已經無處不在，而且它們也已經成了人們社會交際互動和個人娛樂的一種個性化重要渠道——有時候它們會嚴重損害你的人際交往。移動無線網(wǎng)絡可以讓住在智能手機上的用戶與移動同伴之間保持距離分享新的娛樂和互動信息源?，F(xiàn)在我們只需要用手指上一點點輕輕劃劃幾下，就已經可以輕易閱覽和下載獲取各式各樣的電子書籍了；一個只有口袋袋子大小的存儲設備就已經可以同時存儲不計其數(shù)本電子書，而且在閱讀時的體驗基本上都是可以用手持的就和紙質電子書差不多?，F(xiàn)在我們已經有了一個共享和自動閱覽博客、視頻、相片和專題討論的信任度高的信息平臺，此外我們還有許許多多的由用戶自動生成的可信內容。為了在移動互聯(lián)網(wǎng)的更大規(guī)模上高效運行，這些應用平臺必須充分依賴現(xiàn)在正被積極投入開發(fā)的相關技術，其中可能包括諸如自然語言處理、信息來源檢索、圖像信息處理、眾包以及機器智能學習。除了比賽總體運動表現(xiàn)難以統(tǒng)計，賽場上的運動信號也完全可以直接使用先進的圖像傳感器和數(shù)碼相機技術進行實時監(jiān)控。用于自己譜曲和自動識別配樂音軌的聽歌軟件已經開始面世。人工智能也已經越來越被普遍用來協(xié)助進行有關藝術品的各個方面歷史資料搜集，因此也算是在文學、藝術、體育等領域得到了廣泛的研究應用，最近還被廣泛用于放在了藝術繪畫中的分析上。人類對于由人工智能所激發(fā)驅動的休閑娛樂的熱情當然是很令人驚訝的，但也有人因此擔心這可能會直接導致這類人與機器人之間的正常人際交互時間減少。少數(shù)美國人據(jù)此預言了據(jù)說未來人們可能會因為在電腦屏幕上工作花費了太多的時間而不再與其他人們進行互動。孩子們常常更多地愿意在家里快樂地坐著玩他們的電子設備，而不是更愿意自己出去和他們的家人朋友一起玩耍。人工深度智能會不斷使人的娛樂更加交互式，更加豐富個性化和增加更有人的參與感。應該以此引導一些科學研究人員來重新理解如何充分利用這些人的性質用來為保護個人和其在社會上的利益提供服務。

5 結束語

本項目充分運用人工智能與大數(shù)據(jù)算法，成功搭建了網(wǎng)絡NPS預測模型，實現(xiàn)了地市級、用戶級的NPS預測評分，提前預知風險；采用NPS貶損型用戶聚類模型，完成NPS貶損問題區(qū)域的精準評估和可視化呈現(xiàn)，為運營商NPS口碑提升和市場業(yè)務發(fā)展提供了有力支撐，更是業(yè)內首創(chuàng)。

[1]晏志強，田經化，張松霖.人工智能在移動網(wǎng)絡NPS領域的應用[J].電信技術，2019（10）.

[2]趙旺飛.NPS用戶群網(wǎng)絡感知保障運營體系研究[J].電信快報，2017（02）.

[3]潘鋼.4G用戶凈推薦值管理支撐體系——提升4G服務體驗，助力4G-NPS增長[J].中國信息化，2019（03）.

[4]曹柱石.淺析影響運營商NPS的主要因素[J].中國新通信，2019（14）.