移动通信用户数据挖掘分析

导语：移动通信用户数据挖掘分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：科学技术的发展促进了移动通信行业发展迅速，运营商的网络建设规模逐渐完善，移动通信用户数量逐渐增多。在网络运行维护中，运营商积累了大量的数据信息，里面记录着用户的行为信息，加大对数据库中有用信息的挖掘，是当前移动通信行业需要迫切解决的问题，对促进移动通信行业的发展具有重要作用。

关键词：数据挖掘；移动通信；用户行为；应用

一、移动通信用户行为分析方法

在移动通信的角度对用户行为进行分析时，需要对数据源进行确定分析，不能凭空去捏造数据，需要建立在数据源的基础上，拥有强大的数据支撑，能够确保分析结果具有较强的说服力。我们在运用移动通信设备进行通话时，常会出现一方能听到声音，另一方不能听到声音的现象，该种情况会对用户的感知造成较大的影响，产生通话故障。从信令流程上对用户行为进行分析时，由于通话已经建立，但是没有在网络和用户之间建立信令交互，导致无法正确判断产生单通的原因，并且数据的采集、存储工作也存在较大的难度，在有正常信令数据的情况下，没有用户面数据，需要结合用户的行为进行定位。大多数移动通信用户对于出现的单通情况，会选择挂掉电话重新拨号，该项行为属于异常的用户行为，由于一次通话的时间较长，两次通话的时间较短，对用户的该种行为进行分析时，该种方法不具有适用性，导致不同的用户行为之间存在着一定的差异性[1]。

二、移动通信用户行为的数值模型及其应用

（一）用聚类分析方法做好数据的预处理工作。用户行为数值模型在建立前，需要做好样本数据的收集和整理工作，将原始数据作为模型建立的样本，运用聚类分析方法做好数据的预处理工作，确保原始数据操作的平均化，为数值模型的构建提供基础。同时，还需要充分考虑样本点的权重问题，运用聚类分析方法进行数据源压缩，数据分析结果显示不同的聚类点中包含的聚类样本数量存在一定的差异。在不考虑聚类频数的情况下，用户群体的聚类中心会导致整个曲线出现较大的偏差，需要按照权重进行样本点压缩。（二）用户行为建模需要建立在拟合分析的基础上。通过对数值结果进行进一步的研究和分析，是数据挖掘中的一项重要工作内容，通过分析的过程，能够找到数据存在的规律，得到相关的规律经验公式，明确系统参数与输入输出参数之间的关系，明确样本点变量值，通过分析的过程得出数据样本联系函数线，将这一过程称为拟合。所得出的拟合曲线参数值具有准确性特点，能够清晰的反映出语音流量的数量关系[2]。（三）用户行为数值模型。用户曲线的流量截距是区分用户群的重要指标，如果一个用户的基准流量较小，说明具有较大的发展空间。当前市场上大多数运营商套餐主要是采用套餐内产品加上超出部分进行收费的定价方式，价位不同，里面含有的套餐种类不同。客户选择何种套餐，与自身的使用需求有较大关系，在传统的移动设备中，用户消费量最高的是语音通话，而随着多媒体行业的逐渐完善和发展，用户的主要消费内容为流量，展现出了用户消费行为的前卫性，用户流量比重随之增加。（四）用户群分布趋势。在对用户群的分布趋势进行研究，需要建立在所有用户群重心点相同权值的基础上。通过研究分析可知，用户的流量消费还没有养成好的习惯，移动互联网的普及率较低，中等的基准流量用户群使用人数最多，高流量基准和低流量基准用户群使用数量较少。需要将语音和数据两种业务有机的统一起来，将其作为总业务量，明确语音和数据业务所占的比值，明确两者之间的换算关系。需要运用等价值曲线，对用户的等级进行量化式分级，结合用户的业务总量来判断用户的价值级别，对整体用户的价值贡献进行分析，如果用户的价值贡献增长越快，则代表用户的成长性将越好。

随着科学技术的发展，通信行业用户的数量呈现出飞速增长的趋势，提升了数据信息的传输速率，丰富了用户的行为。互联网时代，用户的需求也在不断革新，更加重视语音通信质量，对数据业务的诉求不断提升，希望能够在任何地点，都能够保持顺畅的通话，用户的使用需求日益多元化。因此，需要加大对数据资源的挖掘力度，优化数据资源流程，运用聚类分析方法进行数据预处理，将用户行为建模建立在拟合分析的基础上，对用户群的分布趋势进行合理有效分析，明确用户出现的各项行为。

作者:马磊 单位:湖北邮电规划设计有限公司

参考文献

[1]胡燕清,周进艳,徐孝娜.数据挖掘在移动用户行为分析系统中的应用[J].现代电信科技,2013,Z1:86-89.

[2]顾震强.移动网络的用户行为及用户价值区域特征的分析研究[J].移动通信,2016,05:15-19.