一种信息预警的方法、装置、设备及存储介质与流程

1.本发明属于计算机技术领域，尤其涉及一种信息预警的方法、装置、设备及存储介质。


背景技术：

2.通常，移动网络的用户满意度，是移动网络使用者对网络功能的使用实际情况真实反映。全面了解并感知用户满意度的情况，有利于更有效投放网络资源以实现更加优质的服务。
3.目前，在全网级、省级、地市级等宏观层面，对于用户满意度的测评一般是采用简单汇总计算，缺少对用户满意度的预警分析，根据评测结果无法对用户维护工作起到有效的指导作用。


技术实现要素：

4.本发明实施例提供一种信息预警的方法、装置、设备及计算机存储介质，能够可以实现对整体用户满意度的评估预警，更为准确的感知用户体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
5.第一方面，本发明实施例提供一种信息预警的方法，方法包括：
6.获取预设时间周期的用户满意度数据；
7.利用预设满意度预警模型对所述用户满意度数据进行预测，得到所述用户满意度数据的预警结果，所述预设满意度预警模型是采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析确定的；
8.当所述预警结果满足预定预警条件时，生成对应的满意度预警信息。
9.可选地，在所述获取预设时间周期的用户满意度数据之前，还包括：采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析，确定所述预设满意度预警模型；
10.所述采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析，确定所述预设满意度预警模型，包括：
11.获取多个原始用户满意度数据；
12.从多个所述原始用户满意度数据中提取出多个用户满意度数据样本；
13.利用预设极差控制图算法，对多个所述用户满意度数据样本进行筛选，得到多个目标用户满意度数据；
14.利用预设单值控制图算法，对多个所述目标用户满意度数据进行计算，得到用户满意度预警阈值；
15.根据所述用户满意度预警阈值，得到所述预设满意度预警模型。
16.可选地，所述利用预设极差控制图算法，对多个所述用户满意度数据样本进行筛选，得到多个目标用户满意度数据，包括：
17.计算多个所述用户满意度数据的均值，得到第一均值；
18.计算多个所述用户满意度数据中相邻两个用户满意度数据的差值，得到多个第一差值，以确定多个所述第一差值的均值；
19.根据所述第一均值和所述第一差值的均值，计算得到极差控制图的第一控制阈值区间；
20.根据所述第一控制阈值区间，对多个所述用户满意度数据进行筛选，以将所述第一控制阈值区间范围内的用户满意度数据作为目标用户满意度数据。
21.可选地，所述利用预设单值控制图算法，对多个所述目标用户满意度数据进行计算，得到用户满意度预警阈值，包括：
22.计算多个所述目标用户满意度数据的第二均值；
23.计算多个所述用户满意度数据的差值，得到第二差值，以确定所述第二差值的均值；
24.根据所述第二均值和所述第二差值的均值，计算得到单值控制图的第二控制阈值区间；
25.根据所述第二控制阈值区间的控制下限值，得到用户满意度预警阈值。
26.可选地，所述根据所述第二均值和所述第二差值的均值，计算得到单值控制图的第二控制阈值区间，包括：
27.根据所述第二均值，确定所述单值控制图的控制中心值；
28.根据所述第二均值和所述第二差值的均值，分别计算得到所述单值控制图的控制上限值和控制下限值；
29.根据所述单值控制图的控制上限值和控制下限值，得到所述第二控制阈值区间。
30.可选地，所述根据第二均值和所述第二差值的均值，计算得到所述单值控制图的控制上限值，具体包括：通过以下公式计算得到：
[0031][0032]
其中，uclx表示控制上限值，表示第二均值，表示第二差值的均值，d为参数值。
[0033]
可选地，所述根据第二均值和所述第二差值的均值，计算得到所述单值控制图的控制下限值，具体包括：通过以下公式计算得到：
[0034][0035]
其中，lclx表示控制上限值，表示第二均值，表示第二差值的均值，d为参数值。
[0036]
可选地，所述根据用户满意度预警阈值，得到所述预设满意度预警模型，包括：
[0037]
采用预设预警级别条件，对所述用户满意度预警阈值进行调整，得到多个级别的用户满意度预警阈值；
[0038]
根据所述多个级别的用户满意度预警阈值，得到所述预设满意度预警模型。
[0039]
可选地，所述采用预设预警级别条件，对所述用户满意度预警阈值进行调整，得到多个级别的用户满意度预警阈值，包括：
[0040]
分别对所述用户满意度预警阈值按照多个预设阈值系数进行计算，得到对应的级
别的用户满意度预警阈值，以确定所述多个级别的用户满意度预警阈值。
[0041]
可选地，所述从多个原始用户满意度数据中提取出多个用户满意度数据样本，包括：
[0042]
从多个原始用户满意度数据中提取出预设时间周期对应的用户满意度数据样本。
[0043]
可选地，所述从原始用户满意度数据中提取出用户满意度数据样本，包括：
[0044]
从多个原始用户满意度数据中提取出目标类型对应的用户满意度数据样本。
[0045]
可选地，当所述预警结果满足预定预警条件时，生成对应的满意度预警信息，包括：
[0046]
当所述预警结果为所述用户满意度数据的数值低于所述预设满意度预警模型的用户满意度预警阈值时，生成对应的满意度预警信息，以对用户满意度状态进行预警。
[0047]
第二方面，本发明实施例提供了一种信息预警的装置，装置包括：
[0048]
获取模块，用于获取预设时间周期的用户满意度数据；
[0049]
预测模块，用于利用预设满意度预警模型对所述用户满意度数据进行预测，得到所述用户满意度数据的预警结果，所述预设满意度预警模型是采用控制图算法，对用户满意度数据样本预先进行用户满意度数据预警阈值分析确定的；
[0050]
生成模块，用于当所述预警结果满足预定预警条件时，生成对应的满意度预警信息。
[0051]
第三方面，本发明实施例提供了一种信息预警的设备，设备包括：
[0052]
处理器以及存储有计算机程序指令的存储器；
[0053]
所述处理器执行所述计算机程序指令时实现如权如第一方面以及第一方面可选的所述的信息预警的方法。
[0054]
第四方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如第一方面以及第一方面可选的所述的信息预警的方法。
[0055]
本发明实施例的信息预警的方法、装置、设备及计算机存储介质，能够利用通过控制图算法确定的用户满意度预警模型对一定时间段的用户满意度数据进行预测分析，并得到预警结果，当该预警结果满足预定预警条件时，生成对应的满意度预警信息。基于本发明的方案，利用通过控制图算法确定的满意度预警模型，根据满意度数据，可以实现对整体用户满意度的评估预警，利用满意度预警信息能够对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的感知用户体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
附图说明
[0056]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0057]
图1是本发明一个实施例提供的信息预警的方法的流程示意图；
[0058]
图2是本发明一个实施例提供的确定满意度预警模型的过程的示意图；
[0059]
图3是本发明一个实施例提供的信息预警的方法应用实例的示意图；
[0060]
图4是本发明一个实施例提供的覆盖质量满意度极差控制图的示意图；
[0061]
图5是本发明一个实施例提供的覆盖质量满意度单值控制图的示意图；
[0062]
图6是本发明另一个实施例提供的信息预警的装置的结构示意图；
[0063]
图7是本发明实施例提供的信息预警的设备的硬件结构示意图。
具体实施方式
[0064]
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
[0065]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0066]
通常，运营商获取用户满意度主要通过电话调研、短信调研、线下渠道调研、线上应用程序调研和用户主动上报投诉建议等。这些方式的综合普查率较低，不同的调查群体获得的满意度调查结果存在差异，导致满意度调查结果浮动较大，满意度调查结果受样本点数量影响较大。而且，现有对用户满意度的评测分析主要是面向用户级满意度测评。针对每个具体用户，通过待分析用户的业务指标关联建模，利用机器学习的算法，评测用户满意度。但是，缺乏对整体用户的满意度情况的感知，无法掌握是否可能存在发生用户流失等问题趋向。
[0067]
并且，目前对于全网级、省级、地市级等用户的整体满意度统计算法，均采用较为简单的汇总聚合，缺少对用户满意度的预警分析，根据评测结果无法对用户维护工作起到有效的指导作用。此外，简单汇总计算得到的满意度结果可能存在偏差，而偏差较大的满意度不能有效地评价某地市或某省整体用户感知情况。
[0068]
为了解决现有技术问题，本发明实施例提供了一种信息预警的方法、装置、设备及计算机存储介质，能够利用通过控制图算法确定的满意度预警模型，对用户满意度数据进行预警，由此可以利用满意度预警信息对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的感知用户体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
[0069]
下面结合附图，描述根据本发明实施例提供的信息预警的方法、装置、设备和存储介质。应注意，这些实施例并不是用来限制本发明公开的范围。
[0070]
首先，对本发明实施例所提供的信息预警的方法进行介绍。
[0071]
图1是本发明一个实施例提供的信息预警的方法的流程示意图。如图1所示，在本
发明实施例中，该信息预警的方法，可以包括：
[0072]
s101：获取预设时间周期的用户满意度数据。
[0073]
这里，预设时间周期可以是待评估时间段对应的用户满意度数据，如某一个月的用户满意度分数。该用户满意度数据可以是任意一个业务类型对应的用户满意度分数；该用户满意度数据还可以是任意一个省份/地区对应的用户满意度分数。该用户满意度数据可以是对事先采集不同用户的满意度评分进行处理后得到的一个用户满意度分数。
[0074]
可以理解的是，该用户满意度数据可以根据实际需要预警评估的情况，进行获取，在此不再赘述。
[0075]
s102：利用预设满意度预警模型对所述用户满意度数据进行预测，得到所述用户满意度数据的预警结果。
[0076]
这里，预设满意度预警模型是采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析确定的。
[0077]
具体地，控制图算法是用样本数据来分析判断生产过程是否处于稳定状态的有效工具。它的用途为过程分析和过程控制。这里，针对现有用户满意度测评方式存在不足，将控制图算法的过程控制引入用户满意度评价中，建立满意度预警模型，通过控制图，确定预警阈值，并观测评分系统的波动。控制图算法的统计过程控制能及时发现隐藏的过程风险，为企业及时采取改进措施、提升顾客满意度提供了依据。
[0078]
具体地，在本发明实施例中，为了使本领域的普通技术人员更好地理解本发明，下面首先对控制图法原理进行简单介绍，具体如下：
[0079]
这里，控制图即管理图，又称休哈特控制图，是进行工序控制的主要手段，也是惟一实行“动态控制”的方法。控制图是基于正态分布的原理发明的，产品质量服从正态分布特点——分布中心与质量标准中心m重合，散差分布在质量控制界限之内，表明质量生产过程处于稳定状态。正态分布是一条曲线，讨论起来不方便，故用其两个参数：平均值μ与标准差σ来表示。若平均值μ增大，则正态曲线往右移动。但不论平均值μ如何变化都不会改变正态分布的形状，即标准差σ。而多数自然现象和人类行为的过程是呈正态分布的，或者可以看成正态分布。将正态分布曲线逆时针旋转90
°
，即可得到控制图模型。
[0080]
具体地，在正态分布中，对一组只含有随机误差呈现标准正态分布的检测数据，数据的取值有99.73％的可能性落在“均值加减三倍标准差”的范围之间这种统计学上被称为“3σ原则”。对于控制图中的中心线、上控制线和下控制线，通常控制界限设定在
±
3σ标准差的位置。中心线是所控制的统计量的平均值，上下控制界限与中心线相距数倍标准差。按时间顺序将抽取的样本点数据进行控制图描点，若控制图中的样本点落在上控制线和下控制线之外，则表明样本点数据不随机，过程异常。
[0081]
本发明实施例中，通过预设控制图算法，抽取用户满意度数据样本建立控制图，基于3σ准则设置满意度预警阈值，建立基于历史满意度数据的满意度预警模型，实现对现有满意度的预警。
[0082]
s103：当所述预警结果满足预定预警条件时，生成对应的满意度预警信息。
[0083]
具体地，当该预警结果为用户满意度数据的数值低于预设满意度预警模型的用户满意度预警阈值时，生成对应的满意度预警信息，以对用户满意度状态进行预警。
[0084]
当该预警结果为用户满意度数据的数值不低于预设满意度预警模型的用户满意
度预警阈值时，可以不生成满意度预警信息，即表示该用户满意度数据属于正常范围内，无需进行预警。
[0085]
综上，在本发明实施例中，该信息预警的方法，能够利用通过控制图算法确定的用户满意度预警模型对一定时间段的用户满意度数据进行预测分析，得到预警结果，并依据预警结果进行相应地满意度预警。由此，可以实现对用户满意度的整体评估预警，利用满意度预警信息能够对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的把握用户感知体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
[0086]
在本发明实施例中，如图2所示，图2是本发明一个实施例提供的确定满意度预警模型的过程的示意图。上述实施例的信息预警的方法，在获取预设时间周期的用户满意度数据的步骤之前，可以包括：采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析，确定预设满意度预警模型，可以具体实施为如下步骤：
[0087]
s201：获取多个原始用户满意度数据。
[0088]
这里，原始用户满意度数据的可以是历史时间段内的用户满意度数据。这些原始用户满意度数据可以是通过电话调研、短信调研、线下渠道调研、线上应用程序调研和用户主动上报投诉建议等方式确定的用户满意度评分数据。这些原始用户满意度数据可以包括对不同业务类型的用户满意度评分数据。
[0089]
s202：从多个所述原始用户满意度数据中提取出多个用户满意度数据样本。
[0090]
这里，具体地提取方式可以包括：从多个原始用户满意度数据中提取出预设时间周期对应的用户满意度数据样本；
[0091]
示例性的，可以从原始用户满意度数据提取出2017年至2019年内每月截止t
i
时间，如每个月度的用户满意度数据样本，可以提取每个月采集的1000个用户的满意度评分数据，形成用户满意度数据序列以确定对应的满意度预警模型。该满意度预警模型可以用于对t
i
时间点，如一个月的满意度进行预警。具体可以参见如下表1：
[0092]
序列n日期满意度采样量x12017年1月1000x22017年2月1000
………
x
k
2019年x月1000
[0093]
表1
[0094]
这里，提取方式还可以包括：从多个原始用户满意度数据中提取出目标类型对应的用户满意度数据样本。
[0095]
示例性的，根据业务类型的不同对满意度分类，用户满意度数据也可以是不同类型的用户满意度数据。因此，可以提取某一类型用户满意度数据样本或者总的用户满意度数据样本，例如可以提取在t
i
时间点采集的1000个某一类型用户的满意度评分数据，形成用户满意度数据序列，以确定对应的满意度预警模型。该满意度预警模型用于对某一类用户满意度数据或者总的用户满意度数据在t
i
时间点的用户满意度进行预警。
[0096]
此外，提取的用户满意度数据样本的数量，可以满足大数定律，用户满意度数据可
以呈现正态分布，例如，用户满意度样本数据样本的数量选择700至1200个。
[0097]
可以理解的是，上述提取方式可以结合实施。技术人员可以根据实际需要，从多个原始用户满意度数据中提取对应的用户满意度数据样本，在此不再赘述。
[0098]
s203：利用预设极差控制图算法，对多个所述用户满意度数据样本进行筛选，得到多个目标用户满意度数据。
[0099]
这里，首先，对于用户满意度数据样本，可以计算多个用户满意度数据的均值，得到第一均值。
[0100]
具体地，对于用户满意度数据序列计算第一均值公式如下：
[0101][0102]
其中，x
i
表示用户满意度数据，k表示用户满意度数据的数量，表示第一均值。
[0103]
其次，计算多个用户满意度数据中相邻两个用户满意度数据的差值，得到多个第一差值，以确定多个第一差值的均值。
[0104]
具体地，对于用户满意度数据序列计算第一差值公式如下：
[0105]
rs
i
＝|x
i-x
i-1
|,i≥2
ꢀꢀ
(2)
[0106]
其中，x
i
表示用户满意度数据，i表示用户满意度数据的数量，rs
i
表示任意相邻两个满意度数据的差值。
[0107]
具体地，计算满意度差值r
si
均值，计算公式如下：
[0108][0109]
其中，rs
i
表示任意相邻两个满意度数据的差值，k和i表示用户满意度数据的数量，表示多个第一差值的均值。
[0110]
根据上述计算得到的第一均值和第一差值的均值，计算得到极差控制图的第一控制阈值区间，并绘制极差控制图。根据该第一控制阈值区间，对多个用户满意度数据进行筛选，以将第一控制阈值区间范围内的用户满意度数据作为目标用户满意度数据。
[0111]
具体地，通过计算极差控制图的控制中心值cl，控制上限值ucl，控制下限值lcl，可以得到第一控制阈值区间。即第一控制阈值区间范围为控制上限值为ucl和控制下限值lcl之间的范围。
[0112]
具体地，利用绘制的极差控制图，对于落在第一控制阈值区间范围外面极差点，剔除该极差点对应的用户满意度数据，即异常点，以建立稳定状态的极差控制图。这里，稳定状态可以是指点子几乎全部落在控制界限之内的状态。将剔除异常点后，便可以得到目标用户满意度数据。基于剔除异常点后得到的目标用户满意度数据可以进行后续步骤s204的计算。
[0113]
s204：利用预设单值控制图算法，对多个所述目标用户满意度数据进行计算，得到用户满意度预警阈值。
[0114]
具体地，首先，计算多个目标用户满意度数据的第二均值，即多个目标用户满意度数据的均值。
[0115]
其次，计算多个用户满意度数据的差值，得到第二差值，以确定第二差值的均值；
[0116]
再次，根据所述第二均值和所述第二差值的均值，计算得到单值控制图的第二控制阈值区间；
[0117]
具体地，这里可以将第二均值确定为单值控制图的控制中心值。然后，根据第二均值和第二差值的均值，分别计算得到单值控制图的控制上限值和控制下限值。
[0118]
具体地，计算单值控制图的控制中心值为cl
x
，控制上限值为ucl
x
，控制下限值lcl
x
的具体公式如下：
[0119][0120]
其中，表示第二均值，表示第二差值的均值。ucl
x
表示单值控制图的控制上限值，cl
x
表示单值控制图的控制中心值，lcl
x
表示单值控制图的控制下限值，d为参数值。具体地，参数值d可以通过查表得到，这里，d的取值可以为2.66。
[0121]
根据计算得到的单值控制图的控制上限值和控制下限值，确定第二控制阈值区间。
[0122]
具体地，根据第二控制阈值区间的控制下限值，得到用户满意度预警阈值。即，将第二控制阈值区间的控制下限值作为用户满意度预警阈值。如果待预测的用户满意度数据低于第二控制阈值区间的控制下限值，生成预警信息。根据预警信息可以进行相应地用户维护处理工作。
[0123]
s205：根据所述用户满意度预警阈值，得到所述预设满意度预警模型。
[0124]
具体地，通过s204确定的控制下限值作为用户满意度预警阈值，可以形成预设满意度预警模型。
[0125]
可选地，还可以采用预设预警级别条件，对用户满意度预警阈值进行进一步地调整，得到多个级别的用户满意度预警阈值。
[0126]
具体地，可以分别对用户满意度预警阈值按照多个预设阈值系数进行计算，得到对应的级别的用户满意度预警阈值，以确定所述多个级别的用户满意度预警阈值。根据多个级别的用户满意度预警阈值，得到多级满意度预警模型。
[0127]
示例性的，可以采用2σ、3σ、4σ控制下限作为三级预警模型阈值，该三级预警阈值模型计算公式如下：
[0128]
三级预警阈值：
[0129]
二级预警阈值：th
二级
＝lcl
x
ꢀꢀ
(6)
[0130]
一级预警阈值：
[0131]
其中，表示第二均值，表示第二差值的均值，lcl
x
表示控制下限值，d为参数值。具体地，参数值d可以通过查表得到，这里，d的取值可以为2.66。
[0132]
通过建立上述包括三个级别预警阈值的三级预警阈值模型，可以进一步地细化对用户满意度的优劣程度的评测预警。可以对用户维护起到更加细致的指导作用。
[0133]
此外，因为每月的用户满意度数据是递增的，为达到实时预警效果，对当月用户满
意度数据评测预警，确定该用户满意度数据未低于满意度下限后，可以将当月采集的用户满意度评分数据作为新增的样本数据，按时间点占比进行统计，通过控制图算法更新满意度预警模型，得到最新的满意度预警模型。
[0134]
综上，在本发明实施例中，该信息预警的方法是基于控制图算法确定的用户满意度预警模型进行信息预警的方法，将控制图算法与对用户满意度评价预警结合，确定的用户满意度预警模型，可以实现对用户满意度的整体评估预警，利用满意度预警信息可以对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的了解用户感知体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
[0135]
此外，利用控制图算法可以对异常的满意度数据进行判断并剔除，这使得对用户满意度数据进行评价预警的标准预警阈值更加的稳定准确，由此可以准确把握用户感知变化情况。
[0136]
为了可以更好的理解本发明的方法，现结合应用实例，详细说明该信息预警的方法。
[0137]
可选地，在本发明的一些实施例中，在实际应用场景中，可以通过如下所示的方式，对用户满意度等信息进行预警，实现更为准确把握全网级用户满意度的变化情况，以在宏观上对用户维护工作起到有效的指导作用。
[0138]
具体地，在本发明实施例中，以对覆盖质量满意度的预警方案为例，对本发明的信息预警的方法进行详细说明。如图3所示，图3是本发明一个实施例提供的信息预警的方法应用实例的示意图，对于覆盖质量满意度信息预警的方法，具体可以实施为如下步骤：
[0139]
s301：覆盖质量满意度数据样本提取。
[0140]
具体地，满意度样本数据采用山西某市的覆盖质量满意度，其中，覆盖质量满意度可以包含本地通话质量、本地网络覆盖、感知收集-本地通话质量2g/4g、感知收集-本地网络覆盖2/4g等等的满意度情况。可以提取2014年1月至2019年4月的满意度数据，具体如表2所示，共采集91期的满意度数据。符合大数定律，满意度可以呈现正态分布。
[0141][0142][0143]
表2
[0144]
s302：计算覆盖质量满意度数据样本的相关数据，确定极差控制图。
[0145]
这里，计算覆盖质量满意度数据样本对应的极差控制图的控制中心值cl、控制上限值ucl、控制下限值lcl，得到覆盖质量满意度对应的极差控制图。该极差控制图可以是不稳定的覆盖质量满意度的控制图，如图4所示。图4是本发明一个实施例提供的覆盖质量满意度极差控制图的示意图。
[0146]
s303：异常覆盖质量满意度数据剔除。
[0147]
这里，通过s302得到不稳定的覆盖质量满意度极差控制图，将异常覆盖质量满意度数据进行剔除，得到目标覆盖质量满意度数据，即不包括异常数据的覆盖质量满意度数据
[0148]
s304：计算目标覆盖质量满意度数据的相关数据，确定单值控制图。
[0149]
这里，计算目标覆盖质量满意度数据对应的覆盖质量满意度单值控制图的中心值cl
x
，控制上限值ucl
x
和控制下限值lcl
x
。
[0150]
具体地，依据公式(4)可以计算得到：
[0151]
cl
x
＝74.5，ucl
x
＝84.1，lcl
x
＝64.9
[0152]
根据控制中心值cl
x
、控制上限值为uclx、控制下限值lclx，得到覆盖质量满意度单值控制图，得到稳定的覆盖质量满意度控制图，如图5所示，图5是本发明另一个实施例提供的覆盖质量满意度单值控制图的示意图。
[0153]
s305：覆盖质量满意度预警模型构建。
[0154]
具体地，覆盖质量满意度控制图处于统计受控态，可以将控制图作为日常满意度的预警模型管控满意度预警。
[0155]
可选地，可以采用2σ、3σ、4σ控制限作为三级预警模型阈值，以确定三级预警模型。三级预警模型阈值可以根据公式(5)、(6)和(7)分别计算得到：一级预警阈值为61.7；二级预警阈值为64.9；三级预警阈值为68.1。
[0156]
s306：利用覆盖质量满意度预警模型进行预警。
[0157]
具体地，依据构建的满意度预警模型，对当前t时间点的满意度和领先度与预警阈值th进行比较，超过预警阈值，即进行相应等级满意度预警。
[0158]
此外，因为每月的满意度数据是递增的，为达到实时预警效果，将每月的满意度数据按时间点占比进行统计，从而得到实时的覆盖质量满意度控制图，更新满意度预警模型。
[0159]
综上，在本发明实施例中，利用上述实施例中的信息预警的方法对覆盖质量满意度进行评价预警，可以获得对覆盖质量满意度的整体评估预警信息，利用该满意度预警信息能够对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的了解用户感知体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
[0160]
此外，用户满意度评价是一项长期持续性工作，在后续的测评过程中，可以首先判断用户打分数据是否超出预警阈值即满意度下限，若没有则直接将打分数据带到先前构建预警模型过程的控制图中打点，更新满意度预警模型，进而防止用户满意度水平向用户流失点下滑。
[0161]
基于上述实施例提供的信息预警的方法，相应地，本技术还提供了信息预警的装置的具体实现方式。请参见以下实施例。
[0162]
在本发明一实施例中，如图6所示，图6是本发明另一个实施例提供的信息预警的
装置的结构示意图，该信息预警的装置，具体包括：
[0163]
获取模块601，用于获取预设时间周期的用户满意度数据；
[0164]
预测模块602，用于利用预设满意度预警模型对所述用户满意度数据进行预测，得到所述用户满意度数据的预警结果，所述预设满意度预警模型是采用控制图算法，对用户满意度数据样本预先进行用户满意度数据预警阈值分析确定的；
[0165]
生成模块603，用于当所述预警结果满足预定预警条件时，生成对应的满意度预警信息。
[0166]
可选地，该信息预警的装置，具体还包括：
[0167]
确定模块，用于采用控制图算法，对用户满意度数据样本预先进行用户满意度预警阈值分析，确定所述预设满意度预警模型。
[0168]
可选地，该确定模块，包括：
[0169]
获取单元，用于获取多个原始用户满意度数据；
[0170]
提取单元，用于从多个所述原始用户满意度数据中提取出多个用户满意度数据样本；
[0171]
筛选单元，用于利用预设极差控制图算法，对多个所述用户满意度数据样本进行筛选，得到多个目标用户满意度数据；
[0172]
计算单元，用于利用预设单值控制图算法，对多个所述目标用户满意度数据进行计算，得到用户满意度预警阈值；
[0173]
预警单元，用于根据所述用户满意度预警阈值，得到所述预设满意度预警模型。
[0174]
可选地，该筛选单元，还可以用于计算多个所述用户满意度数据的均值，得到第一均值；计算多个所述用户满意度数据中相邻两个用户满意度数据的差值，得到多个第一差值，以确定多个所述第一差值的均值；根据所述第一均值和所述第一差值的均值，计算得到极差控制图的第一控制阈值区间；根据所述第一控制阈值区间，对多个所述用户满意度数据进行筛选，以将所述第一控制阈值区间范围内的用户满意度数据作为目标用户满意度数据。
[0175]
可选地，该计算单元，还可以用于计算多个所述目标用户满意度数据的第二均值；计算多个所述用户满意度数据的差值，得到第二差值，以确定所述第二差值的均值；根据所述第二均值和所述第二差值的均值，计算得到单值控制图的第二控制阈值区间；根据所述第二控制阈值区间的控制下限值，得到用户满意度预警阈值。
[0176]
可选地，该计算单元，还可以用于根据所述第二均值，确定所述单值控制图的控制中心值；根据所述第二均值和所述第二差值的均值，分别计算得到所述单值控制图的控制上限值和控制下限值；根据所述单值控制图的控制上限值和控制下限值，得到所述第二控制阈值区间。
[0177]
可选地，预警单元，还可以用于采用预设预警级别条件，对所述用户满意度预警阈值进行调整，得到多个级别的用户满意度预警阈值；根据所述多个级别的用户满意度预警阈值，得到所述预设满意度预警模型。
[0178]
可选地，该预警单元，还可以用于分别对所述用户满意度预警阈值按照多个预设阈值系数进行计算，得到对应的级别的用户满意度预警阈值，以确定所述多个级别的用户满意度预警阈值。
[0179]
可选地，该提取单元，还可以用于从多个原始用户满意度数据中提取出预设时间周期对应的用户满意度数据样本。
[0180]
可选地，该预警单元，还可以用于从多个原始用户满意度数据中提取出目标类型对应的用户满意度数据样本。
[0181]
可选地，该生成模块603，还可以用于当所述预警结果为所述用户满意度数据的数值低于所述预设满意度预警模型的用户满意度预警阈值时，生成对应的满意度预警信息，以对用户满意度状态进行预警。
[0182]
综上，在本发明实施例中，该信息预警的装置可以用于实施上述实施中的信息预警的方法，基于控制图算法确定的用户满意度预警模型进行信息预警的方法，将控制图算法与对用户满意度评价预警结合，确定的用户满意度预警模型，可以实现对用户满意度的整体评估预警，确定相关用户的满意度预警信息。利用满意度预警信息可以对用户维护工作起到有效的指导作用，可以在宏观层面，使运维人员更为准确的了解用户感知体验和满意度的变化，可以及时防止用户满意度水平下降，减少可能发生的用户流失问题。
[0183]
基于上述实施例提供的信息预警的方法，相应地，本技术还提供了信息预警的设备的具体硬件结构说明。请参见以下实施例。
[0184]
图7是本发明实施例提供的信息预警的设备的硬件结构示意图。
[0185]
信息预警的设备可以包括处理器701以及存储有计算机程序指令的存储器702。
[0186]
具体地，上述处理器701可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
[0187]
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器702可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器702可在综合网关容灾设备的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。在特定实施例中，存储器702包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存或者两个或更多个以上这些的组合。
[0188]
处理器701通过读取并执行存储器702中存储的计算机程序指令，以实现上述实施例中的任意一种信息预警的方法。
[0189]
在一个示例中，息预警的设备还可包括通信接口703和总线710。其中，如图7所示，处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
[0190]
通信接口703，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
[0191]
总线710包括硬件、软件或两者，将信息预警的设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合
适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线710可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
[0192]
该信息预警的设备可以执行本发明实施例中的信息预警的方法，从而实现结合图1、图2和图3描述的信息预警的方法。
[0193]
另外，结合上述实施例中的信息预警的方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种信息预警的方法。
[0194]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0195]
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0196]
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0197]
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。