用戶滿意度提升解決方案

1. 產(chǎn)品簡(jiǎn)介

基于運(yùn)營(yíng)商B域+O域大數(shù)據(jù)及調(diào)研信息，采用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)融合算法構(gòu)建用戶預(yù)測(cè)模型，輸出滿意度預(yù)測(cè)分析結(jié)果，范圍包括4G網(wǎng)絡(luò)質(zhì)量(上網(wǎng)/通話)、資費(fèi)、家寬滿意度及投訴預(yù)測(cè)分析；構(gòu)建離網(wǎng)用戶識(shí)別模型，實(shí)現(xiàn)高危用戶全面、動(dòng)態(tài)、準(zhǔn)確評(píng)估；通過(guò)多維聚合與關(guān)聯(lián)算法，分析挖掘影響用戶滿意度的原因并加以修復(fù)和提升。

2. 系統(tǒng)架構(gòu)
3. 功能概述
   • 滿意度評(píng)估
   • 離網(wǎng)預(yù)測(cè)
   • 根因定位
4. 技術(shù)特色及優(yōu)勢(shì)
   • 大數(shù)據(jù)子系統(tǒng)：采用Hadoop集群管理，存儲(chǔ)并管理各類(lèi)業(yè)務(wù)數(shù)據(jù)和模型訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)集群監(jiān)控和任務(wù)監(jiān)控；
   • 深度學(xué)習(xí)子系統(tǒng)：支持TensorFlow、Caffe、MXNet等主流深度學(xué)習(xí)框架；支持在上述框架下進(jìn)行第三方模型訓(xùn)練，支持相同訓(xùn)練數(shù)據(jù)集在不同框架下訓(xùn)練并評(píng)估模型效果；
   • 特征數(shù)據(jù)處理：大數(shù)據(jù)價(jià)值并非輕易能夠挖掘和體現(xiàn)，結(jié)合豐富業(yè)務(wù)經(jīng)驗(yàn)的數(shù)據(jù)預(yù)處理與特征構(gòu)造，能夠?yàn)槟Ｐ蛶?lái)增益；
   • 算法選擇與模型應(yīng)用：根據(jù)用戶滿意度實(shí)際需求和大量實(shí)例驗(yàn)證，在諸多選擇中優(yōu)選適合的算法來(lái)構(gòu)建模型，歷經(jīng)自測(cè)、模型驗(yàn)證、泛化能力3個(gè)評(píng)測(cè)過(guò)程，具備新周期、新樣本識(shí)別能力。