一种多源融合挖掘宽带潜在用户的方法、装置、设备及介质与流程

摘要: 本技术涉及通信服务,特别涉及一种多源融合挖掘宽带潜在用户的方法、装置、设备及介质。背景技术:1、随着通信行业进入存量经营时代,宽带用户规模已趋于饱和,运营商的核...
一种多源融合挖掘宽带潜在用户的方法、装置、设备及介质与流程

本技术涉及通信服务,特别涉及一种多源融合挖掘宽带潜在用户的方法、装置、设备及介质。

背景技术:

1、随着通信行业进入存量经营时代,宽带用户规模已趋于饱和,运营商的核心经营目标也从新增用户拓展转向存量用户价值提升。精准挖掘宽带用户的潜在需求,如高带宽套餐升级、游戏加速、跨境网络加速、远程办公服务、云业务等,是提升存量经营成效的核心关键。

2、现有方法普遍依赖业务支撑系统(bss)中的用户静态数据(如套餐档位、消费金额、入网时长等)。这种仅依靠静态数据的分析方式虽然能够勾勒出用户的基本画像,却难以动态、精准地捕捉用户当前的实际上网行为,也无法挖掘用户深层次的潜在需求,导致挖掘结果的时效性、准确性和针对性都受到制约,难以保障营销决策的有效性。

3、因而现有技术还有待改进和提高。

技术实现思路

1、本技术要解决的技术问题在于,针对现有技术的不足,提供一种多源融合挖掘宽带潜在用户的方法、装置、设备及介质。

2、为了解决上述技术问题,本技术第一方面提供了一种多源融合挖掘宽带潜在用户的方法,其中,所述的多源融合挖掘宽带潜在用户的方法具体包括:

3、获取多源用户数据,所述多源用户数据至少包括广域网数据和内网数据;

4、以用户标识为核心主键,接入端口、mac地址和/或时间戳为辅助信息,将所述多源用户数据进行匹配以得到用户上网行为数据;

5、对所述用户上网行为数据进行全栈协议解析,以提取用户访问内容特征,其中,所述用户访问内容特征包括访问域名、应用名称、内容类型、会话交互特征以及上下行流量分布;

6、依据所述用户访问内容特征确定用户业务场景,并基于所述用户上网行为数据确定用户业务场景的业务场景分数,所述业务场景分数用于反映用户与用户业务场景的匹配程度;

7、基于所述业务场景分数确定目标业务场景,并基于目标业务场景以及当前用户宽带状态确定用户潜在等级;

8、基于所述用户潜在等级投放营销资源以推送宽带业务。

9、所述的多源融合挖掘宽带潜在用户的方法,其中,所述获取多源用户数据具体包括:

10、通过深度包检测采集宽带用户广域网侧的公网流量记录以得到广域网数据,其中,所述广域网数据包括用户标识、访问目标、应用协议类型、应用名称、上下行流量、会话访问信息以及访问时间戳中的一种或者多种;

11、通过运营商现网部署的光线路终端中植入的轻量级探针采集内网终端流量记录以得到内网数据,其中,所述内网数据包括内网终端信息、单终端访问行为、内网会话信息、应用层访问内容、单终端访问频次、单会话时长以及内网流量分布中的一种或者多种。

12、所述的多源融合挖掘宽带潜在用户的方法,其中,所述以用户标识为核心主键,接入端口、mac地址和/或时间戳为辅助信息,将所述多源用户数据进行匹配以得到用户上网行为数据具体包括:

13、从所述广域网数据和内网数据中读取同一用户标识下的所有流量记录,以得到用户标识对应的候选用户上网行为数据,所述候选用户上网行为数据包括若干条公网流量记录和若干条内网终端流量记录;

14、以所述接入端口和mac地址为依据对候选用户上网行为数据中的公网流量记录和内网终端流量记录进行交叉验证,以剔除所述用户上网行为数据中异常数据;

15、将交叉验证后的候选用户上网行为数据中的公网流量记录和内网终端流量记录按照时间戳对齐,并将对齐后的候选用户上网行为数据中的公网流量记录和内网终端流量记录按照会话时序对齐,以得到用户上网行为数据。

16、所述的多源融合挖掘宽带潜在用户的方法,其中,所述对所述用户上网行为数据进行全栈协议解析,以提取用户访问内容特征具体包括:

17、通过物理层解析提取物理链路特征并校验链路信号有效性,将校验后的链路比特流传输至数据链路层;

18、通过数据链路层解析以太网帧头,并将剥离帧头的净荷数据上交网络层;

19、通过网络层解析报文头确定源ip、目的ip以及上层协议号,并将剥离报文头的净荷数据上交传输层;

20、传输层依据上层协议号解析源端口和目的端口以构建包括源ip、目的ip、源端口、目的端口以及上层协议号的会话标识,并将剥离传输层头部的净荷数据上交会话层;

21、会话层对所述剥离传输层头部的净荷数据进行重组以得到重组数据,依据会话标识确定会话交互特征和上下行流量分布特征,并基于所述重组数据上交表示层;

22、表示层解析加密流量以加密元数据,并将所述加密元数据和所述重组数据上交应用层;

23、应用层解析所述加密元数据和所述重组数据,以确定访问域名、应用名称以及内容特征。

24、所述的多源融合挖掘宽带潜在用户的方法,其中,所述依据所述用户访问内容特征确定用户业务场景具体包括:

25、获取预设业务场景库,所述预设业务场景库包括若干业务场景,每个业务场景均配置有场景特征,所述场景特征包括关键词库、域名库、应用特征库以及协议特征库中的一种或者多种;

26、获取所述用户访问内容特征与场景特征间的特征相似度;

27、依据所述特征相似度选取用户业务场景。

28、所述的多源融合挖掘宽带潜在用户的方法,其中,所述基于所述用户上网行为数据确定用户业务场景的业务场景分数具体包括:

29、基于所述用户上网行为数据提取所述用户业务场景的场景访问数据、使用宽带的设备信息以及用户内容偏好,其中,场景访问数据包括预设周期内的访问频次、访问活跃度、访问时长占比、流量占比以及带宽匹配度中的一种或者多种;

30、基于所述用户业务场景为所述场景访问数据中的各数据项配置权重系数,并依据所述使用宽带的设备信息和用户内容偏好确定各数据项的权重调节因子;

31、基于所述各数据项的权重调节因子对各数据项配置权重系数进行调节,以得到对各数据项的目标权重系数;

32、基于各数据项及其对应的目标权重系数确定所述用户业务场景的业务场景分数。

33、所述的多源融合挖掘宽带潜在用户的方法,其中,所述基于所述用户上网行为数据确定用户业务场景的业务场景分数之前,所述方法还包括:

34、提取用户宽带状态信息,用户宽带状态信息包括套餐档位、签约带宽、入网时长、网格归属、消费记录以及业务办理历史中的一种或者多种;

35、基于所述用户宽带状态信息确定用户基础属性标签;

36、若所述用户基础属性标签属于第一预设类别集,直接将预设业务场景分数作为用户业务场景的业务场景分数;

37、若所述用户基础属性标签属于第二预设类别集,执行基于所述用户上网行为数据确定用户业务场景的业务场景分数的步骤。

38、本技术第二方面提供了一种多源融合挖掘宽带潜在用户的装置,其中,所述的多源融合挖掘宽带潜在用户的装置具体包括:

39、获取模块,用于获取多源用户数据,所述多源用户数据至少包括广域网数据和内网数据;

40、匹配模块,用于以用户标识为核心主键,接入端口、mac地址和/或时间戳为辅助信息,将所述多源用户数据进行匹配以得到用户上网行为数据;

41、解析模块,用于对所述用户上网行为数据进行全栈协议解析,以提取用户访问内容特征,其中,所述用户访问内容特征包括访问域名、应用名称、内容类型、会话交互特征以及上下行流量分布;

42、场景确定模块,用于依据所述用户访问内容特征确定用户业务场景,基于所述用户上网行为数据确定用户业务场景的业务场景分数,以及基于所述业务场景分数确定目标业务场景,所述业务场景分数用于反映用户与用户业务场景的匹配程度;

43、投放模块,用于基于目标业务场景以及当前用户宽带状态确定用户潜在等级,并基于所述用户潜在等级投放营销资源以推送宽带业务。

44、本技术第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的多源融合挖掘宽带潜在用户的方法中的步骤。

45、本技术第四方面提供了一种终端设备,其包括:处理器和存储器;

46、所述存储器上存储有可被所述处理器执行的计算机可读程序;

47、所述处理器执行所述计算机可读程序时实现如上任一所述的多源融合挖掘宽带潜在用户的方法中的步骤。

48、有益效果:

49、1、本技术以广域网数据和内网数据为数据基础,通过用户标识关联匹配多源数据完成用户行为对齐,结合全栈协议解析提取能够反映用户实际需求的上网行为核心特征,再基于特征匹配划分业务场景并计算场景匹配分数,最终结合用户当前宽带状态确定潜在需求等级;相较于传统仅依赖静态数据的挖掘方式,本方法能够动态捕捉用户当前实际使用需求,有效提升宽带潜在用户挖掘的时效性、准确性与针对性,为宽带业务精准营销提供决策支撑。

50、2、本技术通过在运营商现网部署的光线路终端植入轻量级探针采集内网数据,无需额外新增网络硬件改造,部署成本低且对现网运行影响小,可高效获取用户侧内网终端的真实上网行为数据,结合广域网侧的公网流量数据实现多源数据互补,进一步提升挖掘结果的准确性。

51、3、本技术通过全栈协议分层解析逐层提取各层特征,最终得到包括访问域名、应用名称、内容类型、会话交互特征以及上下行流量分布在内的多维度用户访问内容特征,能够全面覆盖用户上网行为的各方面信息,为后续业务场景匹配与潜在需求判定提供扎实准确的特征基础,避免因特征提取不全导致的需求误判。

52、4、本技术通过交叉验证剔除异常数据并按时序对齐多源数据,能够有效提升多源数据的匹配精度,降低数据噪声对挖掘结果的干扰,进一步保障潜在用户挖掘结果的可靠性。

53、5、本技术先根据用户基础属性标签对用户进行初步分类,仅对需要进一步分析的用户执行基于上网行为的场景匹配分数计算,能够有效降低运算量,提升潜在用户挖掘的整体处理效率。