基于大数据的电信行业终端健康度运营稽核体系研究

徐懿瑾

一、研究背景

4G时代， 三大运营商在终端市场竞争激烈，持续对终端市场保持很高的补贴投入。以2018年为例，三家运营商累计终端补贴投入达百亿级规模。但是，在终端产业繁荣发展的大背景下，实际潜藏着一些虚假销售或窜货销售的行为，扰乱了终端正常的销售秩序，影响销售终端的预期价值。比如部分渠道为了完成销量任务，部分代理商为了套取佣金，通过“养机”、“养卡”等模式逃避监管，违规套利，极大的损害了终端市场健康发展以及运营商的利益。

一方面，违规套利危害巨大且呈现专业化规模化趋势，表现为违规套利的手段多样、套利专业设备层出不穷等；另一方面，现有的稽核方法还存在很多不足，表现为稽核方法不体系、稽核规则落后、数据源单一、稽核结果不及时等。

在稽核手段不足的背景下，专业化、规模化的终端违规套利已经一定程度上扰乱了终端销售秩序，影响了销售终端的预期价值提升，造成了运营商营销资源的浪费和营销成本的流失，亟需通过科学的违规识别手段，建立起有效的终端销售质量稽查体系来解决问题。

二、研究方案

针对当前终端市场面临的挑战，将搭建一套完善的终端健康度运营稽核体系以正确及时的识别违规行为，促进终端运营健康发展，提升终端运营的价值。该方案将按三个步骤进行实施，包括：“稽核体系完善”、“识别模型构建”、“应用方案执行”。

（一）稽核体系完善

当前终端违规销售手段多样，而现有终端稽核方法较为单一，需全面评估当前终端运营方法的缺陷，重新梳理并涉及违规稽核方法，搭建一套覆盖全面的、体系化的稽核指标，从而规范终端运营的稽核工作，提升终端健康度。

图1是针对电信运营商设计的终端运营健康度稽核体系。该体系通过构建三大类（销售异常类、使用异常類、价值异常类）、十项子类的终端健康度稽核指标，从销售、使用、价值变化等方面全面反映终端在销售后使用过程中的异常，建立起360度全景扫描输出异常报告，及时预警，为终端健康发展及营销提供强力支撑。其中，终端销售异常监控是指从销售能力、销售集中度、销售激活度等方面进行监控，可设计“销售集中度”、“销售份额”、“销售业务量占比”等监控指标；终端使用异常监控是指从使用交往圈、通信行为、位置信息等方面进行监控，可设计“交往圈异常”、“流量异常”、“通话异常”等监控指标；终端价值异常监控是指从客户价值、渠道价值等方面进行监控，可设计“4G转化率”、“收益率”等监控指标。

（二）识别模型构建

在稽核体系的基础上，针对终端运营稽核规则落后的问题，可通过大数据分析挖掘方法构建“终端运营异常识别模型”，通过智能化的识别模型可以及时发现违规行为，精准定位违规渠道，并输出稽核报告和预警信息，为终端健康运营提供大数据支撑。

任何违规终端销售过程，其行为信息都会记录在运营商的大数据平台中，而违规销售行为和正常销售行为之间，其行为特点是不一样的，通过大数据建模方法，可以自动从海量数据中搜索隐藏的违规行为，常见的异常识别模型包含“养机识别”、“猫池识别”、“刷机识别”等。“养机识别”是针对渠道销售的终端IMEI，通过网络信令数据连续多天跟踪串号的语音呼叫、短信及位置更新消息，并以挖掘算法自动识别出异常的终端行为，以此来判断渠道销售的终端是否存在养机套利行为；“猫池识别”是通过信令数据定时监控同一渠道销售终端的开机时间集中度、开机时长、通话位置集中度等特征，判断渠道可能采用了“猫池”设备进行养机养卡操作；“刷机识别”是利用大数据平台能力在处理流量数据的优势，采用上网日志分析，建立“三码对应”的刷机识别模型。

上述识别模型统一按照标准的大数据挖掘建模方法进行构建，包含数据理解、数据准备、建模、评价等步骤，如图2所示，具体如下：

1. 数据理解：针对业务目标，理解终端违规销售的行为及数据，从数据中发现真知灼见，以此构建建模思路；

2. 数据准备：根据建模思路生成挖掘算法所需的数据集，并进行数据的清晰和转换；

3. 数据建模：采用多种挖掘算法进行建模，并进行参数调优，最优选择最佳算法；

4. 模型评价：对模型效果进行全面评价，判断各项效果指标是否符合业务需求。

（三）应用方案执行

以经营分析系统和渠道管理平台为基础，将终端健康度运营方案应用于违规终端销售的全流程管控中，形成从业务违规识别、预警、反馈处理到跟踪评估的闭环处理流程。

图3为终端运营健康度应用方案，应用方案主要包括：违规识别、分析预警、核实反馈和跟踪评估四个步骤，以此支撑终端健康度日常运营工作，形成常态化、高效率的终端违规治理机制。

1. 违规识别：重点聚焦10项常见异常，包括集中销售异常、集中激活异常、养机、拆包、猫池、窜货、刷机、连接异常等，同时可根据应用后的反馈信息，对模型进行自动的优化更新。

2. 分析预警：实现4个粒度的预警，包括终端预警、营业厅预警、合作方预警、区域预警。

3. 核实反馈：对识别的违规行为和预警信息进行核实并处理，对于核实的结果可反馈给识别模型进行迭代优化。

4. 跟踪评估：对异常识别和违规处理的效果进行跟踪评估，通过效果情况支撑运营手段的优化。

三、实施应用情况

借助大数据技术手段，完善了终端违规销售的稽核方法，建立了终端健康度运营稽核体系，从终端销售、终端使用和终端价值三个方面实现了终端健康度的常态化监控，对终端健康运营提供了全方面的深入保障，重点体现在：

（一）大幅提升终端异常识别的准确率和覆盖率。将0域数据引入到稽核模型中，尤其是运用到养机、养卡、恶意修改终端串号等智能识别模型，大大提升了终端异常识别的精准度和覆盖量，模型上线当月识别养卡号码约7.2万个，养卡号码占销售号码比例超过50%的代理渠道有16个，有力支撑了违规治理工作。

（二）有效打击虚假销售套利行为。通过本稽核体系可发现渠道隐藏的虚假销售行为，比如部分受市场欢迎且补贴力度较大的终端容易产生虚假销售，市场部门通过调整这类终端的补贴和酬金，可大幅减小代理商终端虚假销售的空间。

（三）提升终端用户价值。通过对“裸机”和“合约机”入网率、4G客户转化率和终端在网时长等方面的监控分析，可有效定位入网率低、4G客户转化率低、在网率低的终端，这对市场部门调整终端销售策略，提升终端运营价值有指导意义。

（四）对套机高发的渠道、區域等进行及时预警，防范套机行为的大面积爆发。在接入0域信令数据的过程中，针对0域海量数据的处理问题，引入了大数据平台的存储和计算能力，在大幅提升了模型的识别效率的同时，也保障了终端稽核的及时性。

四、总结

本文借助大数据技术手段，采用大数据挖掘算法，从“稽核体系”、“识别模型”、“应用方案”三方面搭建“基于大数据的电信行业终端健康度运营稽核体系”， 解决了原有的稽核方法不全面、稽核规则落后、数据源单一以及稽核及时性差等问题，能够正确及时的识别违规行为，促进终端运营健康发展，提升终端用户的价值。

本文以上海移动的项目实践情况为例，从识别效果、业务价值等方面展示了该稽核体系在实际应用当中取得的运营效果，对该稽核体系在未来的推广过程中具有借鉴作用。

在本方案的应用推广过程中，建议在两个方面根据本地情况做适当调整：

（一）稽核指标体系的本地化：健康度稽核指标决定了体系的业务方向，需要结合实际需求进行针对性设计，确保体系的业务方向和需求目标相吻合；

（二）应用方案规划的本地化：应用规划方案因本地实际情况而异，需根据不同的应用场景需求，设计符合本地化实情的应用方案执行机制。