基于复合维度的移网NPS提升策略研究

周菊华



基于复合维度的移网NPS提升策略研究

周菊华

中国联通苏州市分公司，江苏 苏州 215002

首先对NPS的重要性进行了阐述，然后对某地市四个季度的NPS数据，从多个维度进行了分析：NPS贬损用户群体及行为、用户网络需求、用户使用场景、用户投诉、B2I2C用户NPS情况等。针对分析结果，聚焦了移网NPS贬损用户群体及网络需求，针对性地提出了相应的提升策略。

NPS；多维度；B2I2C；大数据

1 背景

NPS（Net Promoter Score），即净推荐值，又称净促进者得分，是目前最流行的顾客忠诚度评测指标，专注于研究顾客口碑如何影响企业成长。通过密切跟踪NPS值，某企业可以更好地评估自身服务水平及客户满意度，针对性地提出改进措施，促进公司的成长[1]。

净推荐值（NPS）=（推荐者数/总样本数）×100%－（贬损者数/总样本数）×100%

运营商通过引入NPS评价方法，并紧密围绕“通信服务体验（用户对于通信服务的感知体验）”与“服务功能体验（用户对于开户、缴费等服务的感知体验）”两个关键要素，不断提高客户体验感知能力，通过提升NPS，培养与建立起客户的忠诚度，进而全面提高客户的价值运营能力与服务能力。

移网NPS就是通信服务体验的重要一项，最能体现用户网络感知及需求，在企业综合NPS中占有较大的比重，因此需要针对移网NPS调研结果进行详细分析，提出针对性的提升策略。本文以江苏联通某地市2017—2018年四个季度移网NPS调查结果为例分析，提出了基于复合维度的NPS提升方法。

2 用户群体及行为维度分析NPS

2.1 评估NPS采样用户群体

对四个季度的NPS采样用户入网年限分析：4～5年的用户最多，入网1年的用户NPS最好，10年以上老用户NPS长期较低，但NPS得分在逐步提升。

对NPS调查用户价值进行分析：三星以下用户316人，其中贬损者119人，中立者95人，推荐者102人，贬损比例37.66%；三星及以上用户326人，其中贬损者133人，中立者101人，推荐者92人，贬损比例40.80%。普通用户贬损率低于高价值用户。

对用户年龄及性别进行分析：NPS得分统计中男性491位占比76.47%，女性151位占比23.53%。491位男性用户中贬损者180位，推荐者156位，贬损者占比36.66%。117位女性用户中贬损者72位，推荐者38位，贬损者占比47.68%。调查者年龄主要集中在18～34岁，属于主力消费人群；按照性别区分，其中男性25～34岁贬损比例最高，女性25～34岁贬损比例较高。男性45岁以上NPS最好，女性45～55岁NPS最好，综合中老年用户对联通持推荐态度。

2.2 评估NPS采样用户终端

对NPS贬损用户终端进行取样分析：NPS采样用户中，4G终端用户占比91.57%，2G终端占比6.02%，3G终端占比2.41%，用户主要使用4G终端。持4G终端未使用4G网的贬损用户10人，其中使用2G业务7人（6个副卡及1个定制机），3G业务3人。

2.3 小结

通过对NPS采样用户的群体及终端分析发现，入网年限较多的高价值用户对移网NPS影响较大，需要重点关注该群体。年轻男性对网络体验较为敏感，需重点关怀其网络体验。另外，部分4G终端用户由于各种原因未能使用4G网络，造成移网NPS贬损，需要重点攻关。

3 用户网络需求维度分析NPS

3.1 NPS贬损用户使用应用及访问业务分析

NPS贬损用户与全网用户相同，使用最多的应用大类是浏览下载业务、视频以及即时通信业务，且业务量占比也保持一致。NPS贬损用户使用视频业务的占比18.28%，比全网用户的17.8%稍高，贬损用户偏向使用视频应用，对视频感知敏感。NPS贬损用户访问最多的TOP 20应用中，GIF快手、腾讯视频、广点通的排名较靠前，贬损用户更偏好视频及图片类需求。

3.2 NPS贬损用户贬损项分析

用户贬损原因主要为室内语音信号，占比为19.62%；室内上网信号，占比为17.37%；语音信号稳定性，占比为15.92%。

3.3 小结

通过对NPS贬损网络需求进行分析，视频及图片类业务为NPS用户贬损用户使用频率较高的业务，这也与贬损用户占比较大的年龄段相符合。这部分对网络时延等需求也较高，属于感知敏感业务。另外，室内语音及网络覆盖，也是造成移网NPS贬损的一个重要因素。

4 用户使用场景维度分析NPS

4.1 宫格场景MR和NPS关联分析

提取NPS贬损用户的常驻信息，将其与现网MR数据结合分析，并将常驻区域场景化分析。所有贬损用户中常驻比例在30%以上的占比为14.60%，由MR弱覆盖引起用户贬损占比低[2]。

4.2 贬损用户常驻区域分析

NPS贬损用户主要分布区域为密集住宅区、工业园区以及A类乡镇。此类场景的主要特点为人员密集、人流量高，建筑阻挡导致深度覆盖不足，容易导致用户投诉室内信号差、上网速度慢。

4.3 小结

通过对NPS贬损用户的常驻信息进行地理化呈现，结合现网MR数据和场景化分析，可以得出室内深度覆盖不足是导致移网NPS贬损的重要因素。

5 用户投诉维度分析NPS

5.1 用户投诉与无线利用率相关性分析

2018年5月数据业务投诉量为4 298，定比2017年5月增长606，增幅16.41%。4G数据流量同比增长452%，日均860 TB，平均下行速率12.01 Mbps，同比下降6.68 Mbps。无线资源利用率达到74.91%，同比增长47.74 PP。全网无线利用率上升，用户平均下行速率下降，数据业务投诉增长。

5.2 用户投诉与无线资源利用率相关性分析

对NPS贬损用户常驻区域及投诉热点区域进行地理化撒点分析：绝大部分移网NPS用户常驻区域也是日常投诉热点区域。

5.3 小结

将NPS贬损用户与日常投诉关联分析，发现NPS贬损与日常投诉关联较高；而日常投诉又与无线资源利用率有较强相关性。由此可见，网络无线资源利用率与移网NPS也有较强关联。

6 B2I2C维度分析NPS

6.1 B2I2C用户NPS分析

依托互联网腾讯大王卡，联通B2I2C用户迅猛增多。这部分用户也是影响移网NPS的重要因素，有必要单独进行分析[3]。

2017年第二季度B2I采样用户8位，得分为﹣37.05，贬损者5位，占比62.5%；2018年第一季度B2I采样用户49位，得分﹣4.08，贬损者21位，占比42.86%，自2017年第三季度开始，B2I用户得分呈下降趋势；2018年Q1季度降幅较大。

B2I用户常驻小区中，覆盖好的10个，PRB利用率大于60的小区6个，占比达到60%，网络负荷会影响B2I用户NPS。

6.2 小结

通过分析四个季度B2I2C用户NPS数据，B2I2C用户对移网NPS影响因素逐步加大。结合这部分B2I2C NPS贬损用户的常驻信息及网络情况，发现B2I2C集中区域基站高负荷会影响用户感知，可能造成NPS贬损。

7 移网NPS提升策略

通过从NPS贬损用户群体及行为、用户网络需求、用户使用场景、用户投诉、B2I2C用户NPS情况等多个维度进行分析，可以得出NPS贬损用户的可能群体及使用场景，从而针对性地提出以下移网NPS提升措施[4]。

（1）重点客户主动关怀：关注NPS贬损可能性较高的年轻的新入网用户、高价值用户，重视B2I2C业务，主动进行关怀回访，提升用户感知。

（2）重大活动网络保障宣传：主动提供各类大型活动网络保障，除传统媒介外，充分利用微信、微博等自媒体平台对保障成果进行宣传。

（3）重点场景网络质量提升：针对影响NPS感知的重点区域进行攻坚、优化与建设，增加小区、厂区等场景深度覆盖，重点关注语音网的品质提升。

（4）重点业务专项攻关：针对B2I2C用户对NPS影响逐步提高的情况，重点推进B2I2C热点区域保障，推进区域的优化、扩容及建设。

[1]周伟波. 基于客户NPS的KCI体系研究与运用[J].移动通信，2016（6）：53-56.

[2]李昶，华志超，刘猛，等. 基于MR大数据的LTE网络结构评估方法[J]. 电信工程技术与标准化，2015（11）：17-21.

[3]刘博. 通信行业大数据分析及应用研究[J]. 通讯世界，2017（6）：139.

[4]杨定楚，蔡庆宇，祝琳. 中国联通LTE无线网容量解决方案探讨[J]. 邮电设计技术，2017（12）：21-25.

Research on NPS Promotion Strategy of Mobile Network Based on Composite Dimension

Zhou Juhua

China Unicom Suzhou Branch, Jiangsu Suzhou 215002

Firstly, the importance of NPS is expounded. Then, the NPS data of four quarters in a certain city is analyzed from multiple dimensions, which are NPS derogated user groups and behaviors, user network requirements, user usage scenarios, user complaints, B2I2C user NPS situation, etc. According to the analysis results, the NPS detrimental user groups and network requirements of the mobile network are focused, and the corresponding improvement strategies are proposed.

NPS; multi-dimensional; B2I2C; big data

TN929.5

A