陳瑩

（中國電信股份有限公司海南分公司，海南 ?？?570100）

0 引言

根據(jù)數(shù)據(jù)顯示，每月平均有多達(dá)半數(shù)的移動預(yù)付費(fèi)用戶曾因賬戶余額不足但沒有及時(shí)充值而導(dǎo)致停機(jī)的情況。對運(yùn)營商則意味著收入的損失。目前中國電信已經(jīng)為部分用戶提供星級服務(wù)。但中低端用戶沒有該信用服務(wù)。對這些用戶進(jìn)行信用評分并授信，對提升用戶滿意度和客戶粘性很有意義。本文旨在探索一種針對非星級用戶的基于SVM的信用評分方法，建模過程如圖1所示[1-2]：（1）確定業(yè)務(wù)需求；（2）定義標(biāo)簽；（3）選取合適的樣本，匹配出全部的特征信息；（4）特征工程+模型訓(xùn)練+模型評價(jià)+模型調(diào)優(yōu)；（5）輸出模型報(bào)告；（6）上線與監(jiān)控。

圖1 信用評分建模流程圖

1 電信非星級客戶信用評分體系的構(gòu)建

1.1 定義模型的目標(biāo)

電信非星級客戶信用評分模型的設(shè)計(jì)目標(biāo)是篩選出有信用需求的低風(fēng)險(xiǎn)客戶。信用評分結(jié)果是：高分?jǐn)?shù)的被評分人意味著比低分?jǐn)?shù)的被評分人具有更強(qiáng)的信用需求和更低的風(fēng)險(xiǎn)。

1.2 信用評分模型的特征

信用評分模型的主要目的是衡量用戶的信用風(fēng)險(xiǎn)[4-6]。我們從以下幾個(gè)角度給非星級用戶構(gòu)建指標(biāo)體系：

基本信息：個(gè)人基本信息是每個(gè)場景下都一定會有的數(shù)據(jù)，比較典型的信息有年齡、性別、城市、入網(wǎng)時(shí)間、是否實(shí)名制等。

消費(fèi)信息：典型的消費(fèi)信息是用戶每個(gè)月的ARPU、充值和套餐信息，從而計(jì)算出他的購買需求和購買力。

歷史表現(xiàn)：用戶在使用過程中會有一些歷史表現(xiàn)。如歷史停機(jī)和還款表現(xiàn)，這是可以直接體現(xiàn)用戶的還款意愿。

穩(wěn)定性：除了通過固定維度來看用戶的表現(xiàn)外，還可以將用戶上述的維度變化趨勢做成特征。

1.3 特征數(shù)據(jù)預(yù)處理

用戶特征中的連續(xù)型變量的數(shù)量級差異較大，這對模型的影響很大，我們將這些連續(xù)型變量做歸一化處理，典型的是單位區(qū)間[0,1]：

用戶特征中離散型變量，采用WOE（Weight of Evidence）編碼方式。定義格式為：

其中，pyi是這個(gè)分組中響應(yīng)客戶占樣本中所有響應(yīng)客戶的比例，pin是這個(gè)分組中為響應(yīng)客戶占樣本中所有未響應(yīng)客戶的比例。

2 SVM相關(guān)理論

支持向量機(jī)（Support vector machine, SVM）是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小原則的機(jī)器學(xué)習(xí)分類方法[3]。SVM通過找到兩個(gè)類型之間的最大距離方式來劃分類型，即最大邊緣超平面，任意超平面可以用下面的方程來描述：

3 電信非星級客戶信用評分模型的構(gòu)建

3.1 模型參數(shù)

本文所涉及的實(shí)驗(yàn)數(shù)據(jù)取自三亞、東方和儋州三個(gè)地市的85萬條非星級用戶的95個(gè)特征數(shù)據(jù)，實(shí)驗(yàn)?zāi)Ｐ徒⒃贚inux系統(tǒng)下，編程平臺采用R語言。所有特征數(shù)據(jù)均進(jìn)行歸一化處理。核函數(shù)和相應(yīng)Cost、Gamma參數(shù)的選擇是SVM模型訓(xùn)練的關(guān)鍵環(huán)節(jié)，本文選擇了應(yīng)用最廣的4種核函數(shù)：線性核(Linear kernel，LK)、多項(xiàng)式核(Polynomial kernel，PK)、徑向基函數(shù)核(Radial basis function kernel，RBF)和Sigmoid核函數(shù)(Sigmoid kernel，SK)。

為了更好的訓(xùn)練模型，避免模型的過度擬合而影響模型的泛化能力，模型采用k折交叉驗(yàn)證（k-fold cross validation）。詳細(xì)的SVM模型參數(shù)取值情況如表1所示：

表1 SVM 模型參數(shù)表

3.2 模型評估

本文模型評估采用三個(gè)評價(jià)指標(biāo)：查準(zhǔn)率（Precision）、查全率（Recall）和F1分?jǐn)?shù)（F1 score）。具體公式如下：

4 結(jié)語

圖2 不同K 值RBF 核模型性能指標(biāo)圖

表2 RBF 核時(shí)不同K 值的模型評估指標(biāo)表

本文以SVM算法為基礎(chǔ)，結(jié)合海南電信非星級用戶的多維度特征，并對Cost、Gamma、核函數(shù)類型和K值進(jìn)行了對比實(shí)驗(yàn)，綜合精度、查全率和F1值三項(xiàng)評價(jià)指標(biāo)。本文提出的信用風(fēng)險(xiǎn)評測方法在運(yùn)行6個(gè)月的情況下，信用需求預(yù)測準(zhǔn)確度高，整體壞賬率表現(xiàn)穩(wěn)定，用戶退訂率低，用戶感知率較高。