摘要:本文根据用户上网的核心网络信令,追踪用户投诉前1个小时和投诉后1个小时的轨迹,定位投诉地点,并通过批量分析发现投诉地点主要集中在居民社区。然后,根据投诉发生的地点,按照200米圈定投诉热点,并关联现有网络无线覆盖率和上网指标,以点到区域解决无线网络问题,大幅缩短了投诉分析、投诉定位和投诉处理的时间。
关键词:用户投诉;居民社区;无线指标
随着智能手机的广泛普及,网民规模越来越大。无论他们使用什么工具上网,最终都离不开三大运营商的网络服务。投诉是网络运维不可缺少的一部分,用户是网络最好的拨测人员,用户投诉是及时发现网络问题的最好手段[1]。用户对网络质量的体验感知要求也越来越高。为了提高网络质量,降低用户投诉,目前各大运营商的投诉处理人员都有一定的投诉处理经验,并做了一定的尝试。分析相关的投诉热点精准定位方法,例如进入移动互联网时代,大数据、云计算等新型技术的广泛应用,建立了一种基于大数据技术的投诉分析与预测系统。基于底层信令的全量分析可有效定位故障原因,实施基于历史投诉样本库的投诉预测,并提前进行干预[2]。这种方法需要对历史数据进行存档并建立系统,准确性暂时无法验证。另外,还可以将4G网络的全量信令与用户投诉数据结合,关联无线小区的性能指标和告警数据,采用决策树数学建模方式,建立用户投诉质差小区模型和4G投诉精准定位模型,从而实现用户角度的无线质差小区挖掘,以及4G网络投诉定位的功能[3]。
上述的两个分析方法基于信令和无线指标。这种方法值得参考和借鉴,作为投诉分析和处理的定位,但不适合于本公司。本次分析是基于日常的分析和处理经验,挖掘共性问题,借助现有的平台数据,用最简单的办法精准定位投诉地点和定界投诉具体原因。
一、投诉分析存在问题
通过分析发现,目前在投诉分析中,客服人员统计信息有限。由于只能从有限的信息中挖掘网络问题,投诉分析人员面临一定的局限性。投诉处理人员需要花费大量精力来定位问题,无法以点带面地解决网络问题。具体情况如下:
后台Emos工单量很大,但客服记录用户投诉地址不完善。以2022年为例,广州每天的无线数据业务上网投诉量大约1000个/日。通过后台分析发现,其中63%的投诉用户没有提供具体地址,这使得进一步分析变得困难。
客户不愿意提供具体位置信息。通过抽查录音发现,考虑到隐私问题,客户在投诉时不愿意报告具体的位置信息。
客服人员登记地址耗时。由于客户表达不清晰或语音表达受限等因素,客服人员每天需要处理大量通话,无法花费太多时间登记位置信息。
单个用户信令定位需要更多人力资源。结合用户上网信令,并按照用户上网全流程,可以确定用户投诉期间所占用的小区情况。通过综合考虑无线网络性能指标和现场测试结果,发现大约有50%的小区在投诉期间存在无线网络问题。然而,从后台人员处理投诉工单的流程来看,定位一个投诉需要经过5个步骤:投诉工单处理-用户数据系统-信令系统-无线性能测试-现场测试。因此,定位用户投诉异常小区需要耗费大量时间和人力资源。
二、模型探索
如何精确获取用户投诉地点,并从中找出共性,在解决已投诉和影响用户感知的问题时以点带面发展批量解决方案。以下是逐步分析的几点:
(一)使用多久后出现用户投诉
通过提取批量用户投诉,抽听录音进行验证,发现当用户使用数据业务出现异常时,有50%的用户在30分钟内投诉,还有50%的用户会在2个小时内出现投诉。
例如,有一个投诉用户在20:49投诉,距离该投诉最近的小区编号为“53102355”。然而,在用户投诉前8分钟(20:41),“53102476”小区发生了业务请求失败,“ Service Requeset”超时无响应的情况。经核查这两个小区,分析发现业务流程出现异常的小区实际上是“53102476”。
(二)用户投诉主要集中地点
①准确率仅达50%的前期投诉定位方法。通过回溯用户投诉信令2个小时,发现目前信令定位方法得到的小区并不准确。该定位方法是根据用户投诉时距离用户拨打10086的时间最近的小区来确定的结果。经验证,有50%的定位结果并非用户投诉所在的问题小区。
②通过单个用户的上网记录回溯,关联投诉时间和信令流程,当业务流程发生“超时无响应”时,记录下无法使用的地址。
③分析网络异常的小区属性,这是前期无关注到的地方。将小区按照居住地(晚上10点至第二天6点登记时间最长的小区)、工作地(星期一到星期五早上9点到下午5点登记位置最长的时间)和一个月内登记时间最长的小区进行分类。
④为每个标记小区打上标签。分析发现,投诉异常的小区主要集中在上班地和居住地的小区,占比超过60%。
数据显示,在正常情况下,用户只有在长期使用业务不顺畅的情况下才会提出投诉。比如在用户办公或居住的位置,如果网络质量出现问题,影响到用户的工作和生活。在无法忍受的情况下,用户才会选择投诉。而当用户在一些只是短暂停留或路过的地方,即使出现网络问题,也可以容忍而不提出投诉。一个明显的例子是地铁站,每当上下班高峰时,地铁站的网络都会出现拥塞,4G业务几乎不能使用。但是,对于地铁网络的投诉却十分罕见。鉴于此,通过分析投诉用户的常驻小区,可以快速定位投诉用户所在的疑似网络问题服务小区,提高投诉定位的精度和效率。这将有助于及时解决网络问题,提高用户满意度,并帮助网络服务提供部门迅速定位并改进网络质量。
(三)汇聚投诉热点区域
以上分析中,知道了用户投诉主要集中在3个常驻小区(居住地、工作地和最活跃小区)。目前已经有相关的统计,可以批量获取用户的常驻小區信息。现在的问题是汇聚投诉用户热点区域,通过以点带面解决已投诉和潜在影响的用户,从而真正彻底解决无线问题。
1.单个小区验证
先从单个用户验证,分析用户投诉无线问题聚焦性。针对已投诉的用户,经过验证发现一天内同一个位置上存在3宗以上的投诉(剔除重复投诉),经验证,发现90%存在无线问题。即对于超过3宗投诉的小区,则可以判定是投诉热点区域或投诉用户准确投诉的服务小区。
2.物理地址和小区存在差异
现场测试中发现,物理站点和小区不是一一对应的,一个物理站点可以对应多个小区。比如居住在同一栋楼的用户,由于所属的楼层和居住方向不同,对应的常驻小区可能不同。然而,这些用户确实属于同一物理地址。这样会导致常驻小区汇聚投诉用户的分散,需要解决如何将同一物理区域的投诉进行汇聚,以提高投诉热点分析的准确性。
3.栅格化划分区域
为解决同一地理区域投诉用户常驻小区分散的问题,可以采用全网地理网格划分的方法。可以将整个广州按100—1000米进行地理网格划分,对于归属于同一地理网格的小区都视为同一片区服务小区,对汇聚到这些小区的投诉都划分为该地理网格的投诉,这样就规避了同一地理区域投诉用户常驻小区分散的问题,真正将投诉按地理区域汇聚起来,形成投诉热点,从而提高投诉定位的覆盖率。
(四)匹配网络问题
可采取以下方法将投诉与网络问题快速匹配:
收集投诉热点小区的拥塞、干扰、覆盖指标:针对投诉热点中的小区,可以收集该小区的相关指标数据,包括用户数、流量、信号强度、信号质量等。通过分析这些指标数据,可以判断是否存在拥塞、干扰、弱覆盖等无线问题。
收集故障退服信息:针对投诉热点中涉及的站点,可收集有关该站点的故障退服信息,包括退服原因、退服时长、影响范围等。通过分析故障退服信息,可以快速定位站点故障问题。
建立投诉与网络问题的映射关系:通过对投诉数据和网络问题数据进行分析,建立起投诉与网络问题的映射关系。根据投诉热点小区的相关指标数据和故障退服信息,将投诉与可能的网络问题进行匹配,确定具体的问题类型。
自动化分析和报警:利用机器学习和人工智能技术,建立网络问题自动化分析平台。将投诉数据和网络问题数据输入到平台中,通过算法和模型进行快速匹配和分析,自动发现网络问题,并及时报警通知运维人员进行处理。
通过以上方法,可以将投诉与网络问题快速匹配起来,实现投诉问题分析缓解的效率,节省人力成本。
三、实施和数据验证
1.匹配投诉号码和常驻小区的对应关系。
2.数据处理:将投诉用户的常驻小区整理,并匹配常驻小区的经纬度信息。
3.热点统计。
①筛选投诉用户数≥3的常驻小区为初始投诉热点。
②将筛选出的初始投诉热点按投诉用户数降序排列,以第一个为中心,分别与其他常驻小区计算两两之间的距离。将距离≤200米的常驻小区汇聚为第一个最终投诉热点。
③去除第一个最终投诉热点中的所有常驻小区,将剩余的初始投诉热点重新按投诉用户数降序排列。再以第一个为中心,计算其与其他常驻小区之间的距离。将距离≤200米的常驻小区汇聚为第二个最终投诉热点。
④循环执行上述步骤,直至所有初始投诉热点全部聚焦成为最终投诉热点。然后对最终投诉热点进行分析派单。
四、无线批量验证
关联无线上网指标主要从覆盖类指标和上网质量类指标分析,具体如下。
(一)覆盖类指标
根据投诉现象为投诉点无信号或者信号不稳定,归类为覆盖类投诉。
①主要核查:本站点及周边站点是否故障(零流量小区)、MR覆盖率是否达标、现场测试排查问题。
②定位出问题后,首先制定初步处理方案,包括:处理故障小区(故障检查)、进行现网参数优化(功率、偏置、惩罚等)、进行天线优化(调整方位角、下倾角)等。
③覆盖类指标:是否退服的小区(需要处理故障)、MR覆盖是否差(需现场排查功率、天线等异常,以及历史盲点的规划升级)、无法定位的问题(尝试重启基站并进行现场测试)。
(二)上网质量类指标
投诉线上的上网质量类指标定义为用户有信号但无法上网或上网速度过慢。具体分析如下:
①主要核查:干扰底噪是否异常,结构是否合理,小区是否高负荷(核查最大用户数及PRB利用率)、切换成功率是否异常。
②定位出问题后,初步处理方案包括:参数调整,如切换偏置等;扫频排查并清除干扰源;软扩,临时调整资源配置等。与干扰、容量和硬件质量有关:干扰包括外部干扰和系统内干扰,需要找到干扰源并加以处理;硬件故障需要维护人员对故障小区进行排障处理;容量分析高话务区域做容量分担或者小区扩容。
③上网质量类指标的定位方法包括:切换问题(定位切换)、干扰问题(定位干扰问题)、容量问题(定位容量问题)、硬件问题(定位硬件问题)、参数问题(定位参数问题)。
五、实施效果
建立基于常驻小区的投诉热点模型,可以提升投诉热点挖掘的数量和准确率。统计5月的挖掘投诉热点情况,发现热点量增加了,从每月平均10个增加到了25个。同时,热點定位准确率也得到了提升,从65%上升到92%。
六、结束语
用户的投诉发生地点集中在常驻小区,这种定位准确性高且减少了花费大量精力统计和单个用户信令分析的时间;根据投诉常驻点,按照投诉量高低为基准,圈定投诉热点的中心点为200米,在此基础上匹配现网的网络覆盖率和上网指标,可以精准定位投诉问题。
参 考 文 献
[1]王孝英,王玉琛,臧臣瑞等. 移动网络质量用户投诉处理方法探讨[C]//《内蒙古通信》编辑部.《内蒙古通信》2012年第1-4期.[出版者不详],2012:134-138.
[2]董智纯,杨林,詹念武等.一种基于大数据技术的投诉分析与预测系统[J].信息通信,2015(09):285-286.
[3]王玮.基于信令分析的4G用户感知评估及问题定位方法[J].电信工程技术与标准化,2017,30(04):51-53.
陈游(1986.04-),女,汉族,广东湛江,研究生,中级职称,研究方向:重要客户投诉分析与处理、数据业务网络质量分析、大数据挖掘等。