移动互联网发展及其核心业务运营预测研究

宋绍义+吕廷杰+陈霞

【摘要】对移动宽带及其核心业务的发展进行预测研究，对运营商把握市场、互联网创新型企业抢占市场先机有重要意义。通过构建基于支持向量机的预测模型，在利用传统宽带的发展数据验证该模型对于宽带发展预测的有效性基础上，对移动宽带及其核心业务的发展做出预测，并基于预测结果对移动宽带核心业务运营给出合理建议。

【关键词】移动互联网支持向量机运营预测

中图分类号：F49；C812文献标识码：A文章编号：1006-1010(2014)-09-0080-05

1 引言

无处不在的移动网络接入为移动互联网的发展提供了物理环境，3G的发展促进了移动互联网的发展。2012年我国进入了由3G向4G的过渡阶段，使得移动互联网得到了极大的发展。截至2012年12月，我国移动互联网网民数达到4.2亿，其中智能手机网民达到3.3亿，约占移动互联网网民的79%。截至2013年6月，我国移动互联网网民数已经达到4.64亿人。据中国互联网络信息中心（CNNIC）发布的数据，我国移动互联网网民中约有22%日均上网时长在4小时以上。此外，智能终端设备以PC机10倍的增长速度为移动互联网的发展提供有力支撑。智能终端的普及使得用户对于业务的需求向移动化、时间碎片化、智能化、娱乐化、互联网化、媒体化、交互化等方向转变。

尽管移动互联网已经经过几年快速的发展，但互联网企业在短时间内对于移动互联网市场仍然没有清晰的量化认识，移动互联网的产业发展尚在摸索中[1]。CNNIC第32次互联网统计报告中指出，传统互联网的应用主要集中于信息获取、商务交易、交流沟通和网络娱乐4大类业务。同时，CNNIC 2012年中国移动互联网发展报告指出：“手机微博”增长速度最快；“手机视频”涨幅第二；电子商务整体看涨，其中“手机购物”增长最快；“手机网络游戏”有所增长，成为网络游戏新的突破口。

此外，相关学者也就移动互联网业务发展展开讨论。文献[2]认为移动互联网业务源起有三个方面：传统互联网业务向移动终端的延伸；基于移动终端属性而形成的创新业务；移动业务的互联网化。文献[3]指出移动互联网背景下，业务发展趋势具体体现为高速率传输、低时延、业务融合、固网业务向移动业务迁移，以及“云化”这五大趋势。文献[4]在分析传统互联网业务发展规律的基础上，总结出移动互联网业务的发展趋势。

体验型的互联网公司诺基亚，作为产业界的代表也计划未来主要关注提供地图与导航服务、社交服务、限时信息和手机广告的移动互联网服务。基于上述分析，可以将宽带核心业务确定为移动视频、移动社交、移动网游、移动支付4类业务。这几类业务也将借助移动互联网发展的优势，成为运营商以及互联网企业新的利润突破点。

本项工作在分析CNNIC自1997年以来的32次互联网统计报告基础上，得出传统互联网及移动互联网的相关统计数据，并采用支持向量机的时间序列预测模型对移动互联网的发展做出预测，在此基础上讨论移动互联网核心业务的运营建议。

2 基于支持向量机的预测模型

经过长期的发展，时间序列的分析方法取得了很大的进展，其中最常用的方法有统计方法、灰色预测方法和神经网络方法。尽管这三种方法都在各自的领域有着相对的优势，同时也得到了广泛的认可和应用，但是对于复杂的时间序列预测，结果不是很理想[5]。文献[6]为解决神经网络算法预测海量金融时间序列数据出现训练速度慢、内存开销大等问题，提出了一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法。文献[7]证实了模糊自适应变权重组合预测模型在经济时间序列预测方面有较高应用价值。文献[8]针对金融时间序列的特点，提出了一种改进的加权支持向量机回归算法用于金融时间序列的建模。从本质上看，支持向量机（SVM）坚实理论基础的新颖的小样本学习方法，避开了从归纳到演绎的传统过程，实现了高效的从训练样本到预报样本的“转导推理”，大大简化了通常的分类和回归等问题[9]。

支持向量机的方法是以置信范围最小化作为优化目标，以训练误差作为优化问题的约束条件。标准的支持向量机函数的拟合方法是将输入样本点从输入空间映射到一个高维的特征空间，然后在这个高维特征空间中通过最小损失函数得到线性拟合函数。

给定样本集合S={(xi,yi)|xi∈Rm,yi∈R,i=1,2,3,…, k}。其中xi是第i个输入数据，yi是第i个输出数据。若S是ε-线性近似，那么存在一个超平面f(x)：

f(x)=+b，其中w∈Rm，b∈R （1）

使得：

|yi-f(xi)|≤ε，i=1,2,…, k（2）

用si表示点(xi, yi)到超平面f(x)的距离，有：

，i=1,2,3,…,k（3）

由于公式（1），所以有：

，i=1,2,3,…,k（4）

所以是样本集合S中的点到超平面f(x)距离的上界，由于最优近似超平面是通过最大化集合中的点到该平面的距离得到，也就是使最大，相当于求||w||最小。

此时线性回归问题转化成最优化问题：

Minimize （5）

S.t.|yi-＜w,xi＞-b＜|，i=1,2,3,…,k（6）

若考虑误差问题，则引入两个非负松驰变量γ、δ，优化公式（5）为：

Minimize （7）

S.t.＜w,xi＞+b-yi≤+γi，yi-＜w,xi＞-b≤+

δi，γ≥0，δ≥0（8）

其中θ是常量，对两者做出折衷。

根据公式（7）（8），定义Lagrange函数：

（9）

其中，α,β,η≥0，i=1,2,…,k

函数L的极值应满足条件：

得到：

，i=1,2,…,k（10）

，i=1,2,…,k（11）

θαηi=0 （12）

0（13）

将公式（10）—（13）代回到公式（9）中得到原优化问题的对偶形式：

（14）

S.t.（15）

求得。

若S是非线性近似，那么先用一个非线性映射Φ将输入数据映射到高维特征空间，然后在这个空间进行线性回归，用核函数K(x,y)代替高维空间中的内积运算<Φ(x),Φ(y)>。

综上，f(x)=（αi-βi）K(xi,x)+b。

3 移动宽带发展预测

本文研究整理了由国家互联网信息中心提供的20份关于中国互联网发展研究报告，并提取出相关数据信息，得到2004年12月到2013年6月传统互联网与移动互联网发展的用户规模数据与年增长率。

如图1所示，移动互联网的增长趋势与传统互联网的增长趋势接近，因此先取传统互联网的数据作为模型的训练数据集。由于样本规模有限，因此采用N=3的窗口值，数据如表1所示。

通过对训练集进行规一化处理，采用RBF核函数，并用网格参数寻优方法对设定参数进行优化。然后将训练得到的模型用移动互联网数据作为模型的测试数据如表2所示。

模型训练与测试结果如图2所示，说明该模型对移动互联网增长趋势有很好的预测能力。因此，采用该模型能对移动互联网发展做出合理预测。

图2模型训练集与测试集结果

图3为传统互联网与移动互联网的年增长率，从图中可以看出，2007年由于部分3G网络进入试用阶段使得移动互联网产生井喷式的发展。2008年3G牌照发放之后，移动互联网在短暂的快速增长过后，从2010年开始平稳增长。各类业务也从2010年开始进入合理增长模式，如图4所示。

图3传统互联网与移动互联网年增长率

因此，截取2010年至今的统计数据对移动互联网核心业务进行回归预测，拟合结果如图5所示。

综上可以预测出，至2013年底移动互联网的用户规模将达到4.93亿人。移动视频、移动网游、移动社区、移动支付的用户规模也将分别达到1.98亿人、1.94亿人、2.2亿人、1.1亿人。其中，移动支付的增长空间最大。

4 移动互联网核心业务运营预测

移动互联网业务的精髓不在技术，而在于丰富的内容。要不断追求使用户享受到好的内容服务，内容服务上要有深度、有新鲜感；要选用内容服务商最愿意和运营商配合的技术，来创造一个良好的商业环境；对于商业模式及服务的设计要尽量有利于作为第三方的内容提供商，而不是只对移动运营商或者手机制造商有利。进行数据业务创新不但要满足用户“用得着”、“用得起”、“买得到”、“信得过”、“用得顺”、“用得值”、“最时尚”、“离不开”这些需求，还要使得开发的产品向“融合通信”、“生活信息化”、“娱乐化”、“商务化”、“媒体化”、“社区化”的方向发展。

（1）对于移动网游业务：设计易于用户接受的付费模式，加强游戏中基于移动设备信息（如位置、时间等）的游戏设计，加强游戏本身与其它业务的交互性，减弱用户对于虚拟与现实的差异感。

（2）对于移动视频业务：与主流媒体合作，设计新的商业模式提高用户对于主流媒体的信息获取意向，同时大力发展移动社交网络为用户产生的多媒体信息进行发布，扩大多媒体信息在移动互联网用户中的扩散速度。抓住热点，发挥优势，快速形成移动多媒体影响力，使之成为新的收入增长点。

（3）对于移动社交业务：建议打造以用户聚类特征为基础的主题社区，提供以IM、UC、虚拟社区互动为主的沟通平台，满足客户与现实世界相应的虚拟需求。

（4）对于移动支付业务：不断提高移动交易的安全性，与各银行合作搭建移动电子支付平台，提供手机在线支付和手机现场支付功能。并融合股市信息，方便手机用户的股票购买和转账等操作。积极发展内容服务提供商，为用户提供更多易操作、快上手的应用。

对于运营商来说，应重新评估移动互联网市场，在保证移动互联网和传统互联网协同发展的前提下，进行资费改革，并基于用户体验大力推广移动互联网业务在移动互联网用户中的渗透率；直接与内容服务提供商合作，实现从通道提供到信息集成、运营、分发的跨越，提升信息运营能力，并拉动移动宽带核心业务周边互联网产业的发展。

参考文献：

[1] CNNIC. 2012年中国移动互联网发展状况统计报告[EB/OL]. (2013-05-15). http://www.199it.com/archives/114903.html.

[2] 董秀青,胡磊国. 移动互联网业务的发展因素和趋势分析[J]. 移动通信, 2012(17).

[3] 任华,王铮,罗俊,等. 移动互联网环境下的LTE业务需求及业务网络演进分析[J]. 电信科学, 2013(2): 24-30.

[4] 程子阳. 移动互联网业务的发展趋势[J]. 移动通信, 2012(5): 30-32.

[5] 曲文龙,樊广俭,杨炳儒. 基于支持向量机的复杂时间序列预测研究[J]. 计算机工程, 2005(23): 1-3.

[6] 辛治运,顾明. 基于最小二乘支持向量机的复杂金融时间序列预测[J]. 清华大学学报（自然科学版）, 2008(7): 1147-1149.

[7] 何晓庆,蔡娜. 基于模糊自适应变权重的经济时间序列组合预测模型研究[J]. 软科学, 2013(1): 141-144.

[8] 吴江,李太勇. 基于加权支持向量机的金融时间序列预测[J]. 商业研究, 2010(1).

[9] Cristianini N, Shawe-Taylor J. 支持向量机导论[M]. 李国正,王猛,曾华军,译. 北京: 电子工业出版社, 2004.★

作者简介

宋绍义：北京邮电大学经济管理学院博士，研究方向为博弈论、未来互联网、大数据等。

吕廷杰：教授，博士生导师，现任北京邮电大学校长助理、经济管理学院执行院长，研究方向为博弈论、电子商务、通信产业经济等。

陈霞：博士，现为北京邮电大学经济管理学院讲师，研究方向为电子商务、移动互联网等。

endprint

如图1所示，移动互联网的增长趋势与传统互联网的增长趋势接近，因此先取传统互联网的数据作为模型的训练数据集。由于样本规模有限，因此采用N=3的窗口值，数据如表1所示。

通过对训练集进行规一化处理，采用RBF核函数，并用网格参数寻优方法对设定参数进行优化。然后将训练得到的模型用移动互联网数据作为模型的测试数据如表2所示。

模型训练与测试结果如图2所示，说明该模型对移动互联网增长趋势有很好的预测能力。因此，采用该模型能对移动互联网发展做出合理预测。

图2模型训练集与测试集结果

图3为传统互联网与移动互联网的年增长率，从图中可以看出，2007年由于部分3G网络进入试用阶段使得移动互联网产生井喷式的发展。2008年3G牌照发放之后，移动互联网在短暂的快速增长过后，从2010年开始平稳增长。各类业务也从2010年开始进入合理增长模式，如图4所示。

图3传统互联网与移动互联网年增长率

因此，截取2010年至今的统计数据对移动互联网核心业务进行回归预测，拟合结果如图5所示。

综上可以预测出，至2013年底移动互联网的用户规模将达到4.93亿人。移动视频、移动网游、移动社区、移动支付的用户规模也将分别达到1.98亿人、1.94亿人、2.2亿人、1.1亿人。其中，移动支付的增长空间最大。

4 移动互联网核心业务运营预测

移动互联网业务的精髓不在技术，而在于丰富的内容。要不断追求使用户享受到好的内容服务，内容服务上要有深度、有新鲜感；要选用内容服务商最愿意和运营商配合的技术，来创造一个良好的商业环境；对于商业模式及服务的设计要尽量有利于作为第三方的内容提供商，而不是只对移动运营商或者手机制造商有利。进行数据业务创新不但要满足用户“用得着”、“用得起”、“买得到”、“信得过”、“用得顺”、“用得值”、“最时尚”、“离不开”这些需求，还要使得开发的产品向“融合通信”、“生活信息化”、“娱乐化”、“商务化”、“媒体化”、“社区化”的方向发展。

（1）对于移动网游业务：设计易于用户接受的付费模式，加强游戏中基于移动设备信息（如位置、时间等）的游戏设计，加强游戏本身与其它业务的交互性，减弱用户对于虚拟与现实的差异感。

（2）对于移动视频业务：与主流媒体合作，设计新的商业模式提高用户对于主流媒体的信息获取意向，同时大力发展移动社交网络为用户产生的多媒体信息进行发布，扩大多媒体信息在移动互联网用户中的扩散速度。抓住热点，发挥优势，快速形成移动多媒体影响力，使之成为新的收入增长点。

（3）对于移动社交业务：建议打造以用户聚类特征为基础的主题社区，提供以IM、UC、虚拟社区互动为主的沟通平台，满足客户与现实世界相应的虚拟需求。

（4）对于移动支付业务：不断提高移动交易的安全性，与各银行合作搭建移动电子支付平台，提供手机在线支付和手机现场支付功能。并融合股市信息，方便手机用户的股票购买和转账等操作。积极发展内容服务提供商，为用户提供更多易操作、快上手的应用。

对于运营商来说，应重新评估移动互联网市场，在保证移动互联网和传统互联网协同发展的前提下，进行资费改革，并基于用户体验大力推广移动互联网业务在移动互联网用户中的渗透率；直接与内容服务提供商合作，实现从通道提供到信息集成、运营、分发的跨越，提升信息运营能力，并拉动移动宽带核心业务周边互联网产业的发展。

参考文献：

[1] CNNIC. 2012年中国移动互联网发展状况统计报告[EB/OL]. (2013-05-15). http://www.199it.com/archives/114903.html.

[2] 董秀青,胡磊国. 移动互联网业务的发展因素和趋势分析[J]. 移动通信, 2012(17).

[3] 任华,王铮,罗俊,等. 移动互联网环境下的LTE业务需求及业务网络演进分析[J]. 电信科学, 2013(2): 24-30.

[4] 程子阳. 移动互联网业务的发展趋势[J]. 移动通信, 2012(5): 30-32.

[5] 曲文龙,樊广俭,杨炳儒. 基于支持向量机的复杂时间序列预测研究[J]. 计算机工程, 2005(23): 1-3.

[6] 辛治运,顾明. 基于最小二乘支持向量机的复杂金融时间序列预测[J]. 清华大学学报（自然科学版）, 2008(7): 1147-1149.

[7] 何晓庆,蔡娜. 基于模糊自适应变权重的经济时间序列组合预测模型研究[J]. 软科学, 2013(1): 141-144.

[8] 吴江,李太勇. 基于加权支持向量机的金融时间序列预测[J]. 商业研究, 2010(1).

[9] Cristianini N, Shawe-Taylor J. 支持向量机导论[M]. 李国正,王猛,曾华军,译. 北京: 电子工业出版社, 2004.★

作者简介

宋绍义：北京邮电大学经济管理学院博士，研究方向为博弈论、未来互联网、大数据等。

吕廷杰：教授，博士生导师，现任北京邮电大学校长助理、经济管理学院执行院长，研究方向为博弈论、电子商务、通信产业经济等。

陈霞：博士，现为北京邮电大学经济管理学院讲师，研究方向为电子商务、移动互联网等。

endprint

如图1所示，移动互联网的增长趋势与传统互联网的增长趋势接近，因此先取传统互联网的数据作为模型的训练数据集。由于样本规模有限，因此采用N=3的窗口值，数据如表1所示。

通过对训练集进行规一化处理，采用RBF核函数，并用网格参数寻优方法对设定参数进行优化。然后将训练得到的模型用移动互联网数据作为模型的测试数据如表2所示。

模型训练与测试结果如图2所示，说明该模型对移动互联网增长趋势有很好的预测能力。因此，采用该模型能对移动互联网发展做出合理预测。

图2模型训练集与测试集结果

图3为传统互联网与移动互联网的年增长率，从图中可以看出，2007年由于部分3G网络进入试用阶段使得移动互联网产生井喷式的发展。2008年3G牌照发放之后，移动互联网在短暂的快速增长过后，从2010年开始平稳增长。各类业务也从2010年开始进入合理增长模式，如图4所示。

图3传统互联网与移动互联网年增长率

因此，截取2010年至今的统计数据对移动互联网核心业务进行回归预测，拟合结果如图5所示。

综上可以预测出，至2013年底移动互联网的用户规模将达到4.93亿人。移动视频、移动网游、移动社区、移动支付的用户规模也将分别达到1.98亿人、1.94亿人、2.2亿人、1.1亿人。其中，移动支付的增长空间最大。

4 移动互联网核心业务运营预测

移动互联网业务的精髓不在技术，而在于丰富的内容。要不断追求使用户享受到好的内容服务，内容服务上要有深度、有新鲜感；要选用内容服务商最愿意和运营商配合的技术，来创造一个良好的商业环境；对于商业模式及服务的设计要尽量有利于作为第三方的内容提供商，而不是只对移动运营商或者手机制造商有利。进行数据业务创新不但要满足用户“用得着”、“用得起”、“买得到”、“信得过”、“用得顺”、“用得值”、“最时尚”、“离不开”这些需求，还要使得开发的产品向“融合通信”、“生活信息化”、“娱乐化”、“商务化”、“媒体化”、“社区化”的方向发展。

（1）对于移动网游业务：设计易于用户接受的付费模式，加强游戏中基于移动设备信息（如位置、时间等）的游戏设计，加强游戏本身与其它业务的交互性，减弱用户对于虚拟与现实的差异感。

（2）对于移动视频业务：与主流媒体合作，设计新的商业模式提高用户对于主流媒体的信息获取意向，同时大力发展移动社交网络为用户产生的多媒体信息进行发布，扩大多媒体信息在移动互联网用户中的扩散速度。抓住热点，发挥优势，快速形成移动多媒体影响力，使之成为新的收入增长点。

（3）对于移动社交业务：建议打造以用户聚类特征为基础的主题社区，提供以IM、UC、虚拟社区互动为主的沟通平台，满足客户与现实世界相应的虚拟需求。

（4）对于移动支付业务：不断提高移动交易的安全性，与各银行合作搭建移动电子支付平台，提供手机在线支付和手机现场支付功能。并融合股市信息，方便手机用户的股票购买和转账等操作。积极发展内容服务提供商，为用户提供更多易操作、快上手的应用。

对于运营商来说，应重新评估移动互联网市场，在保证移动互联网和传统互联网协同发展的前提下，进行资费改革，并基于用户体验大力推广移动互联网业务在移动互联网用户中的渗透率；直接与内容服务提供商合作，实现从通道提供到信息集成、运营、分发的跨越，提升信息运营能力，并拉动移动宽带核心业务周边互联网产业的发展。

参考文献：

[1] CNNIC. 2012年中国移动互联网发展状况统计报告[EB/OL]. (2013-05-15). http://www.199it.com/archives/114903.html.

[2] 董秀青,胡磊国. 移动互联网业务的发展因素和趋势分析[J]. 移动通信, 2012(17).

[3] 任华,王铮,罗俊,等. 移动互联网环境下的LTE业务需求及业务网络演进分析[J]. 电信科学, 2013(2): 24-30.

[4] 程子阳. 移动互联网业务的发展趋势[J]. 移动通信, 2012(5): 30-32.

[5] 曲文龙,樊广俭,杨炳儒. 基于支持向量机的复杂时间序列预测研究[J]. 计算机工程, 2005(23): 1-3.

[6] 辛治运,顾明. 基于最小二乘支持向量机的复杂金融时间序列预测[J]. 清华大学学报（自然科学版）, 2008(7): 1147-1149.

[7] 何晓庆,蔡娜. 基于模糊自适应变权重的经济时间序列组合预测模型研究[J]. 软科学, 2013(1): 141-144.

[8] 吴江,李太勇. 基于加权支持向量机的金融时间序列预测[J]. 商业研究, 2010(1).

[9] Cristianini N, Shawe-Taylor J. 支持向量机导论[M]. 李国正,王猛,曾华军,译. 北京: 电子工业出版社, 2004.★

作者简介

宋绍义：北京邮电大学经济管理学院博士，研究方向为博弈论、未来互联网、大数据等。

吕廷杰：教授，博士生导师，现任北京邮电大学校长助理、经济管理学院执行院长，研究方向为博弈论、电子商务、通信产业经济等。

陈霞：博士，现为北京邮电大学经济管理学院讲师，研究方向为电子商务、移动互联网等。

endprint