基于大數據技術對5G不滿意用戶端到端感知進行分析

摘要：隨著5G網絡商用，網絡環境變成2G/4G/NSA/SA多網絡制式共存，FDD/F/E/D/A多頻段共享的復雜環境，網絡環境變得越來越復雜，網絡質量提升難度大。從用戶維度看，用戶業務種類與日俱增，且對5G心理預期高，期盼良好用戶體驗，對網絡要求日益提高;為滿足用戶高需求，亟須完善手段評估5G用戶感知，評估網絡對感知的影響，評估5G用戶不滿意的根因。

關鍵字：不滿意用戶;數據業務;窗口;時延

一、引言

隨著信息技術的發展，大數據爆炸式增長，但隱藏在大數據深處的深刻內涵，需要淵博的專業知識和大數據挖掘技術才能揭開神秘面紗。移動用戶的各種體驗，積累了大量數據，但用戶滿意度挖掘仍是難點，傳統手段只能靠回訪、調研等手段進行定性分析;使用大數據手段從海量的數據中選擇、識別出有效的或具有潛在效用的信息，并定量分析，形成感知打分，從而區分用戶滿意與不滿意變得勢在必行。

二、5G用戶不滿意大數據挖掘

用戶不滿意相關大數據挖掘一般具備三個要點：從終端到服務器的端到端信道信息;從終端應用APP到服務器應用數據的服務質量信息;從體驗的心里期待到用戶滿意度的衡量的NPS信息。

根據大數據分析要點，5G用戶不滿意需要分析網絡質量與業務質量關系、業務質量與用戶體驗關系、用戶體驗與不滿意的關系;網絡質量可以影響業務質量，業務質量相關KQI可以反映用戶體驗;所以，只要將反饋用戶網絡質量和業務質量的XDR信息和用戶滿意度結合在一起，就可以通過網絡質量、業務質量來預測用戶滿意度。

三、5G用戶感知的網絡信息

不同業務類型有不同的體驗因子，5G用戶關注的體驗根據業務類型不同包含不同的內容，如圖1。

網頁業務主要關注網頁是否成功打開，網頁響應時延大小，網頁顯示時延大小等內容。這主要和頁面大小、業務上下行速率、信令往返時延（終端響應時延、終端處理時間、無線時延、設備傳輸時延、服務器響應時延、服務器處理時間）等內容相關。

視頻體驗主要包括點擊視頻連接后是否響應成功、視頻響應時延、視頻緩沖時延、視頻是否卡頓、花屏等，主要和視頻類型、視頻碼率、時延、速率、卡頓頻次、卡頓時長等KQI相關。

其他類型業務與網頁業務和視頻業務類似，即時通信主要關注消息時延、文件傳輸及語音、視頻的流暢性，這些主要和業務成功率、速率、RTT時延等相關;文件傳輸主要關注文件是否成功傳輸、傳輸的速率等，主要和業務成功率、速率相關;郵件業務主要關注郵件是否收發成功，收發是否快等，這些主要和業務成功率、速率相關;游戲主要關注點擊后游戲服務器是否成功響應，響應是否迅速等，這主要和業務成功率、RTT時延等相關。

XDR（x Detail Record）記錄了業務類型、用戶流數據質量、事務處理記錄等用戶面和控制面的數據，包括終端與網絡交互的公共信息、接口信息、RAT類型、業務類型、用戶號碼、業務建立信息、事務類型、業務速率、產生的事件（如位置更新、切換）、時延、卡頓、業務釋放信息及失敗原因等內容。網頁和流媒體業務的KQI與XDR字段對應如圖2，其他業務KQI與XDR對應方法與此相同。

業務速率、時延、卡頓等體驗均可以使用XDR字段體現，同時這些字段的組合又能表征影響業務體驗的關鍵環節或網元，例如，不同業務有不同的速率要求， 4k視頻要求40Mbps可以滿足用戶感知，當速率不能滿足業務需求我們可以通過傳輸帶寬window size、各個端口的通道時延RTT，及各端口應用狀態等指標來分析是哪個網元或接口出現問題。XDR字段關聯分析問題示意圖如圖3所示。所以，通過傳輸帶寬（窗口大?。?、上下行RTT、上下行丟包/亂序、APP_STATUS、UU口事件及其他端口記錄等指標，利用結構分析法、比較分析法、層次分析法、多維分析法等分析方法、可以準確定界哪個網元或哪個重點環節造成用戶感知差，從而為用戶感知提升提供重要參考依據。

四、大數據分析方法

根據大數據分析方法，將5G不滿意用戶提取目標分解到三個層次：數據層、挖掘層、服務層，從采集到海量數據中通過分類、聚類、預測與可視化等方法統計與不滿意的內在規律，并精準分類每類問題，預測不滿意趨勢，關聯不滿意用戶涉及服務小區（不滿意小區），可視化并挖掘不滿意的根因，提升不滿意小區業務質量，改善用戶體驗。

數據層匯聚的接入網、核心網等網元及接口的控制面信令、用戶面XDR數據，通過時間戳、用戶在網元接口的唯一標識，將用戶的信息關聯起來，使得系統可以對用戶行為進行細致的分析，并和調研的打分進行適配，為挖掘層形成訓練樣本，利用機器學習算法，對用戶體驗數據進行訓練，形成可靠的業務模型。

挖掘層主要分析事物潛在規律，利用人工智能手段，使用數據驅動，通過AI/ML框架支持，高效提煉感知與滿意度關系，并且能夠迭代更新與持續提升;挖掘層的關鍵是業務特征的分析和算法選擇，可以使用原始特征和構造特征，選擇適合的算法進行訓練，生成分析模型，并通過模型對現網用戶數據進行預測，評估出用戶滿意度。

服務層將分析的不滿意結果通過可視化、地理化等手段呈現給用戶。

五、5G不滿意用戶大數據分析應用

5G不滿意用戶分析主要應用在兩方面：不滿意分布和用戶體驗提升;不滿意分布主要應用于公司把控網絡問題、體驗問題、資費問題的比例，是決策布局的主要依據;體驗提升主要應用于網絡健壯性和服務質量提升，包括網絡覆蓋和感知提升、應用服務器能力提升、終端兼容性提升等。

應用一：不滿意分布

不滿意分布數據來源為業務感知數據和用戶資費相關數據，可以挖掘的信息包括用戶對套餐是否滿意，用戶對網絡是否滿意，用戶對應用APP是否滿意等方面，分析步驟如下：

步驟一：整合數據

數據分布在B域和O域，選取我們有用信息進行分析和提取，整合到本地數據庫，這是數據分析的基礎。

步驟二：數據挖掘

套餐及業務使用情況、超套及補繳資費情況、套餐分布和用戶在網情況、信號覆蓋和告警情況、網絡質量和業務質量情況、基站容量和傳輸情況、應用服務器和網絡直聯情況等信息和相關特征的挖掘是模型訓練的關鍵。

步驟三：信息轉換為價值

挖掘出的這些關鍵信息可以為資費決策提供依據、可以為基站、傳輸、服務器直聯投資提供依據、可以為網絡維護投入提供依據、可以為APP應用或服務器能力提升提供依據、可以為終端兼容性提供依據。

應用二：體驗提升

體驗提升可以從終端兼容性、應用APP效率、信號覆蓋、網絡質量、業務質量、傳輸負荷、服務器能力等方面進行提升，主要挖掘的信息覆蓋是否滿格、小區是否存在異常事件、APP應用和對應服務是否異常、語音業務異常事件根因、數據業務事件根因、不滿意和投訴用戶分布場景等，分析框架如下：

六、結束語

大數據在運營體系中已經起到了關鍵性作用，基于數據的融合能夠打破數據壁壘，實現更多的數據碰撞，網絡運維從以網絡為中心向以業務質量和用戶感知為中心轉型;更關注QoE/KQI，更關注客戶真實體驗和用戶滿意度;面向規劃、面向網絡、面向客戶、面向市場的不滿意分析，推動用戶感知提升、網絡健壯性提升、服務質量提升快速、穩步前進。

作者單位：呂程程? ? 中國移動通信集團公司北京有限公司