邮件系统的用户业务行为热度模型分析与结论

章超

（中国移动通信集团广东有限公司，广东 广州 510640）

邮件系统的用户业务行为热度模型分析与结论

章超

（中国移动通信集团广东有限公司，广东 广州 510640）

针对邮件系统进行用户业务行为热度模型分析，通过建立用户偏好业务热度模型来进行系统优化分析，为不同区域的用户业务优化提供参考的依据。

数据挖掘；热度模型；区分度

1 引言

为加强对邮件系统的用户提供优质的个性化服务，进行了系统的热度模型研究。热度模型依据对用户使用习惯及频度的监测，借助数据挖掘和机器学习方法，对邮件系统中用户业务行为进行热度分析，指导系统基于用户层面的建设及优化方向。通过建立用户偏好业务热度模型，为不同区域的用户业务优化提供数据支撑和参考依据。

2 研究目的与内容

邮件系统的用户业务行为热度模型分析建议在基于不同区域的用户上，通过分析不同地区的用户对于某些功能点的使用行为习惯偏好，通过热度模型得出使用行为偏好的区分度指标，从而可以针对该地区的用户使用偏好来实现功能点优化，给予用户更好的使用体验。

3 热度模型的分析方法

邮件系统选取了四种常用业务行为：收邮件，读邮件，写邮件与搜索邮件；选取了六个不同省份区域：广东、江苏、山东、河南、河北、吉林。通过系统的探针平台获取六个省份用户的业务请求数据。

以一个工作周为统计的业务数据如下所示。

表1 各省用户业务请求统计表

获取的六个省份的四种常用行为的访问数据之后，使用一种区分度数值法，将区分度特别高的功能点行为找出为未来系统针对这个功能点的优化提供依据。

首先我们通过以下的一个计算公式来算出各个省份的某个功能点的偏好值，其意义在于计算某一个功能点在所有被统计的功能点当中所占的热度比重。

Hij代表在i省份地区j类行为的热度比重，Bij为在i省份j类行为周请求次数，代表该地区所有被统计的行为的周请求次数之和。结果四舍五入取小数点后2位。

以广东收邮件请求行为计算其热度比重举例如下：

H=3178/（3178+17024+8512+25103）=0.06

根据上述方式可分别计算出六个省份四种常用行为的热度比重如下：

表2 各省用户功能点热度比重统计表

在得到每个省的各个功能点使用偏好的比重之后，我们需要通过区分度热度模型来找出区分度特别大的功能点，来证明该功能点确实属于用户偏好行为，区分度热度模型公式如下：

Dij就是我们最终需要求得的偏好区分度，代表i省份j行为的用户偏好，数值可以是正也可以是负,是求除了当前计算的i省份以外其他省份的j行为热度比重之和。结果取四舍五入小数点后两位。

下面同样以广东省收邮件功能点举例进行计算其区分度：

D=（1+0.06）x（0.06-（0.57+0.08+0.06+0.05+0.04））=-0.11

根据上述方式可分别计算出六个省份四种常用行为的行为偏好区分度如下：

表3 各省用户功能点行为偏好区分度统计表

根据区分度分析原则（测量学家伊贝尔认为：区分度在0.4以上表明被测量对象区分度极好，0.3～0.39表明区分度较好，0.19以下表明的区分度不好）区分度在0.3以上代表该功能点属于用户行为偏好，该省份的用户区别于其他省份的用户更偏好使用这个功能点。

4 热度模型的结论

通过热度模型和系统探针平台获取得到的数据，区分度大于+0.3或接近+0.3的业务行为是广东用户的搜邮件行为和江苏用户的收邮件行为。

对于广东省用户，邮件全文搜索这个业务使用属于偏好功能点，系统可进一步加强搜索框的便利性和提升体验，例如通过ajax做无刷新搜索列表，可以在用户输入搜索关键字的同时就在后台将计算结果直接显示给用户，无需让用户点击搜索按钮。

对于江苏省用户，收邮件这个业务使用属于偏好功能点，系统可重点优化收件箱的功能体验，例如直接默认进入收件箱，在其他功能页面里给予尽量方便的方式返回到收件箱收信，新邮件的推送体验也可以得到加强。

[1]王斌，黄宇芳，龚巧仪．基于消费者评价的智能手机热度模型研究[J]．电信科学，2013，(S1)：219-223．

[2]李为民．互联网典型业务流量特征研究[D]．北京邮电大学，2012．

[3]徐沫扬，徐沁扬．基于语音的身份识别系统的数字的区分度算法[J]．科技展望，2015，(32)．

[4]马琰．基于SSL&SET协议的在线支付模型的研究[J]．电脑与电信，2011，(5)：64-65．

analysis and Conclusion on the Heat Model of Customer Service Behavior of Mail System

Zhang Chao
(China Mobile Communication Group Guangdong Co.,Ltd.,Guangzhou 510640,Guangdong)

according to the analysis of the heat model of customer service behavior in the mail system,the system optimization analysis is carried out by establishing the heat model of user's preference,which provides the basis for the optimization of users'service in different regions.

data mining;heat model;discrimination.

TP31

a

1008-6609(2016)03-0073-02

章超，男，安徽石台人，学士，研究方向：信息化系统建设与运营。