基于大数据的B2I2C用户分析及保障方法

曹 扬 刁振宇 刘丹丹

中国联合网络通信集团有限公司苏州分公司

0 概述

中国联通创新用户发展策略，与各大互联网平台合作推出腾讯大王卡、滴滴大王卡、蚂蚁宝卡等各类专门定制的通讯卡，通过互联网平台进行销售，直接寄达客户手中，简称B2I2C（to Business，to Internet，to Customer）卡。推出该类业务后，联通B2I2C用户迅猛发展，其发展速度及发展用户群体与传统销售方式截然不同，如何保障好这类用户的用户体验，提高用户在网保有率，成了后台网络支撑部门需要面临的重大问题。具体体现在如何甄别出B2I2C用户发展的聚集区域，在用户迅猛发展的前提下，如何针对这些区域进行信号覆盖的保障及容量的预警，为前台销售部门的销售提供一个网络现状参考及网络负荷的提前预警。本文基于大数据的分析方式以及B2I2C用户的现状，总结了一套B2I2C用户的分析及保障方法。

1 B2I2C用户群体及使用行为分析

本章根据B2I2C用户的年龄、消费、套餐、终端以及业务等信息的大数据，分析某市B2I2C用户群体及其使用行为，作为B2I2C用户保障的基础数据。

图1 某市B2I2C用户年龄分布情况

1.1 通过用户年龄甄别用户群体

通过大数据获取B2I2C用户的年龄情况，对其进行分析。

由分析结果可知，B2I2C用户集中在1995年至2000年出生的人群，出生在2000年的B2I2C用户最多，共计60460户。结合该市升学情况，初中毕业48%的学生进入高中就读，大约52%的学生进入高职类学校，这52%的学生为主要目标用户。

通过大数据获取B2I2C用户的性别情况，对其进行分析。

图2 某市B2I2C用户性别分布情况

由分析结果可知，男生使用B2I2C卡占较大比重。

综合以上两部分的分析可知，B2I2C用户中17至23周岁的男性高职类学生为主要用户群体。

1.2 通过用户消费及套餐情况分析使用行为

通过大数据对用户使用套餐情况进行分析，其中腾讯大王卡的用户占比远高于其它B2I2C卡类别，因此通过腾讯平台发展的B2I2C用户占比较大。

图3 B2I2C用户套餐占比

对用户消费情况进行分析：

图4 B2I2C用户月消费分布情况

另据统计，该市滴滴小王卡58元月租有9645户；蚂蚁大宝卡36元月租有4909户，这两部分用户占比较高。

结合以上两部分的分析，可得出结论，腾讯大王卡、滴滴小王卡及蚂蚁大宝卡是B2I2C卡销售的主力，根据套餐内容可知B2I2C卡主推的是流量业务。

提取B2I2C用户DOU（单用户单月流量）数据进行分析：

图5 B2I2C用户DOU分布情况

图6 B2I2C用户业务量占比分析

由以上分析结果可知，B2I2C用户DOU远高于普通用户，且B2I2C用户流量贡献也占全网总流量很大比重。

综合本节分析内容，可得出结论，B2I2C用户主要使用数据流量业务，且业务量很大。

1.3 通过用户终端定位用户网络需求

表1 某住宅小区常驻用户终端统计

图7 B2I2C终端占比

通过对B2I2C用户终端的分析可知，B2I2C用户使用终端占比最高的2个为oppo及vivo，这与B2I2C用户主要为学生的情况相符，另外绝大部分终端支持联通LTE网络。

通过本节分析可知，绝大部分B2I2C用户使用4G终端，其使用的流量为4G流量。

1.4 通过用户业务确认用户使用需求

基于用户业务使用情况大数据分析，定位B2I2C用户业务需求，以此确认用户网络需求。

图8 B2I2C用户业务流量占比

由分析可知，B2I2C用户使用业务流量的前两位为沃家视频及腾讯视频业务，江苏联通近期主打沃家视频推广，B2I2C用户占比最多的为腾讯王卡用户，均与分析结果相符合。除视频业务外，对B2I2C用户游戏业务使用频次进行分析知，王者荣耀为B2I2C用户主要使用的游戏业务。

图9 （1-2） B2I2C用户游戏业务分析

综合本节分析，B2I2C用户主要使用视频业务，该业务对网络速率具有较高要求，且王者荣耀游戏使用频率也较高，该业务对网络时延要求较高。因此，针对B2I2C用户的网络保障，需从网络速率及时延两方面重点考虑。

2 大数据锚定B2I2C用户分布情况

本章提出了通过大数据分析的方法，从订单地址、常驻小区、用户投诉以及流量四个维度，锚定B2I2C用户聚集区域。

2.1 通过用户订单地址定位用户聚集区

根据获取到的用户寄送地址，对地址数据进行大数据整理，定位B2I2C用户经纬度，寻找用户聚集区域。

图10是根据用户地址大数据得出的B2I2C用户订单热力图，图中颜色越深，说明该区域订单数越多。通过定期对新增订单进行大数据分析，可及时获取新增用户聚集区，以便及时进行针对性保障分析。

图10 B2I2C用户订单热力图

2.2 通过用户常驻小区分析用户分布情况

首先分析常驻小区B2I2C用户数与该区域用户数的关系，通过大数据对其进行分析得出，当B2I2C常驻用户数大于50时，该区域用户数量显著提高。

图11 常驻B2I2C用户数与区域用户数关系

图12 B2I2C用户常驻小区热力图

某市全市常驻4G用户超过50个的小区，共计1015个，占全网小区比例3.14%，贡献B2I2C用户数91675，占全部B2I2C用户27.18%。超过50个用户的单小区日均流量85.27GB，为全网日均流量的7.14倍。对超过50个常驻B2I2C用户的小区进行分析，得出常驻小区热力图，从而得到用户常驻聚集区，如图12所示。

根据热力图，可以进一步得出B2I2C用户TOP场景分布，如表2所示，可针对这些TOP场景进行指标分析。

表2 B2I2C用户TOP5场景分布

通过用户常驻小区定位用户使用高聚集区，可得出B2I2C用户高聚集场景主要为集宿区、厂区及校园。

2.3 通过用户投诉分析用户分布情况

用户投诉情况也是分析B2I2C用户情况的重要参考指标，本节通过对用户投诉数据进行收集与分析，定位B2I2C用户投诉高发区域。

图13 B2I2C用户投诉分布图

由投诉分布图可知，B2I2C用户投诉高发区域也主要集中在上面两节分析出的用户聚集区域。

2.4 通过用户流量定位用户分布情况

由第一章分析可知B2I2C用户主要使用流量业务，因此通过对用户流量分布进行分析，也可作为定位用户分布区域的重要依据。

图14 B2I2C用户流量分布图

3 B2I2C保障方法

本章提出了B2I2C用户保障的一般性方法，首先对用户使用网络需求及聚集区域进行分析，然后分别从覆盖及容量两方面提出保障方案。

3.1 B2I2C用户网络需求及分布分析

根据第一章和第二章的分析可知，B2I2C用户主要为工厂务工者及高职学生，其主要聚集区域为工厂、集宿区及部分学校，主要使用流量业务，对网络容量及时延要求较高，因此，针对B2I2C用户的保障，主要从覆盖及容量两方面着手。

3.2 B2I2C用户覆盖保障方法

根据第二章四个维度锚定出的B2I2C用户聚集区域，结合全网的MR弱覆盖数据分析，提出针对性的覆盖解决方案。

弱覆盖的保障方案主要有两个方面，一方面是通过建设宏站解决，另一方面是通过建设室内分布解决。

对于部分厂区及多层集宿区，无法建设室内分布，主要通过增加宏站或热点站的方式提升覆盖。

对于宿舍区或高层住宅，室内屏蔽严重，无法通过宏站完全改善覆盖，需要通过建设室内分布的方式提升覆盖。

根据定位出的聚集区，逐个进行现场测试勘察，采用宏站、室分以及微站协同覆盖。

3.3 B2I2C用户容量保障方法

3.3.1 小区扩容标准分析

分别分析上下行网络速率所需要的小区容量标准。

经实验分析，用户上行速率为2.4Mbps时，用户网络感知良好。以2.4Mbps上行速率为感知判决标准，分析聚集类小区数据获得各配置小区在满足上行感知情况下的最大承载能力，以此作为聚集类场景上行感知要求评估模型，可为此类场景上行承载提供规划配置依据。

聚集类场景覆盖的五种载波配置类型，以及满足上行感知时各载波可最大承载用户数如下表所示，从中可以看到室分1T1R场景下满足用户感知时所能承载的用户数只有相同配置下宏小区的一半左右。

表3 聚集类场景覆盖五种载波配置类型

聚集类场景下总用户数与载波配置关系公式可推导为：

联通 4G用户数=A×550+ B×250+C×120+D×110+E×85

通过聚集类场景实际提供载波配置类型，并根据此公式可计算出满足上行感知速率要求（2.4Mbps）下所需各类载波数。

根据用户观看习惯、网络业务请求统计情况及网络能力分析，大量点播业务的视频源文件以480P～1080P质量为主，当点播缓冲时延不超过4秒，每次播放卡顿次数为0时，用户体验良好。

表4 不同业务体验下边缘速率要求

B2I2C用户主流业务是视频业务，鉴于4G数据业务在资源受限时，首先会降低用户速率而非网络资源受限这一特点。从区域网络质量、用户、流量、单用户吞吐率、无线资源利用率和空口编码效率等维度，量化在不同情况下，网络对视频业务点播等重要业务感知的影响，重点考虑“沃家视频、腾讯视频、优酷、爱奇艺”等视频APP或网站资源。通过海量数据的分析计算，结合上下行用户感知速率要求，得出扩容分析标准。

表5 B2I2C用户扩容标准

3.3.2 小区扩容预测

根据上一节得出的扩容标准，可以进行聚集区域小区扩容预测。分别从用户数、平均用户速率、PRB利用率以及流量四个维度拟合用户增长趋势，确定四个扩容条件均将满足的扩容日期。

以某小区用户数为例，分析其1-6周用户数数据，根据其增长趋势预测用户数将在第7周及第8周之间达到扩容标准。

图15 某小区用户数预测

以相同的预测方法，可得出同一小区其他三个扩容标准满足要求的时间点，选取四个标准同时达到的时间点，即为预测的该小区的最终扩容时间节点。

本文选取了100个B2I2C聚集区的小区，统计分析其2017年度15至25周的用户数、平均用户速率、PRB利用率以及流量数据，分别预测这些小区达到扩容需求的周次，在第26周至30周进行观察，误差率在一周内的准确率达70%。

图16 容量扩容预测误差情况

3.3.3 扩容效果验证

通过对现网数据的统计汇总发现，当小区用户数达到一定程度时，会出现流量抑制现象：

图17 小区用户数与流量抑制关系

当小区RRC连接用户数＞100时，将触发流量抑制；当用户数＞ 200时，流量抑制愈加明显；当用户数＞ 250时，流量抑制程度呈指数级增长。由分析可知，小区流量抑制现象可以用来评估扩容效果。选取某一B2I2C用户高聚集小区，根据本节扩容预测方法，提前进行扩容，评估扩容效果。该区域多小区流量远高于全网均值，PRB利用率在81%左右，用户数达1240个，B2I2C用户657个。进行扩容后，扇区负荷减轻、抑制流量得到释放、用户感知提升。

图18 某小区扩容后流量增长情况

4 总结

本文针对B2I2C用户高速发展的现状，结合网络实际情况，对B2I2C用户大数据分析及保障方法进行了阐述。首先，利用大数据分析确认了B2I2C用户的用户群体及用户行为，从而确认用户的网络需求。然后，从订单地址、用户分布、用户投诉等维度对B2I2C用户分布区域、分布场景、用户感知等进行了分析，提出了B2I2C用户聚集区域的确认方法。最后，本文从覆盖及容量两个方面提出了针对B2I2C用户的网络保障方案。