用户满意度提升解决方案
- 产品简介
基于运营商B域+O域大数据及调研信息，采用机器学习与深度学习融合算法构建用户预测模型，输出满意度预测分析结果，范围包括4G网络质量(上网/通话)、资费、家宽满意度及投诉预测分析；构建离网用户识别模型，实现高危用户全面、动态、准确评估；通过多维聚合与关联算法，分析挖掘影响用户满意度的原因并加以修复和提升。
- 系统架构
- 功能概述
- 满意度评估
- 离网预测
- 根因定位
- 技术特色及优势
- 大数据子系统：采用Hadoop集群管理，存储并管理各类业务数据和模型训练数据，实现集群监控和任务监控；
- 深度学习子系统：支持TensorFlow、Caffe、MXNet等主流深度学习框架；支持在上述框架下进行第三方模型训练，支持相同训练数据集在不同框架下训练并评估模型效果；
- 特征数据处理：大数据价值并非轻易能够挖掘和体现，结合丰富业务经验的数据预处理与特征构造，能够为模型带来增益；
- 算法选择与模型应用：根据用户满意度实际需求和大量实例验证，在诸多选择中优选适合的算法来构建模型，历经自测、模型验证、泛化能力3个评测过程，具备新周期、新样本识别能力。