戴 琳，张 悦，韦 玉，景子倩，张 沫，宫 婧

(南京邮电大学 理学院，江苏 南京 210000)

基于WEKA平台的移动客户流量消费分析

戴 琳，张 悦，韦 玉，景子倩，张 沫，宫 婧

(南京邮电大学 理学院，江苏 南京 210000)

随着移动互联网的飞速发展，手机网民规模迅速扩张，作为移动互联网关键环节的中国移动正面临着这一机遇与挑战；如何根据用户的业务使用情况，对移动客户流量消费进行分析是增加业务收入、提高用户满意度的重要研究课题。文中主要研究了基于WEKA平台的移动客户流量消费分析。首先，进行客户群与客户发展趋势的细分，对用户业务数据进行特征选择、数据清洗以及数据类型转换的预处理。其次，以客户群作为添加属性，以客户发展趋势作为目标属性，基于WEKA平台的决策树算法对预处理后的业务数据进行分析，建立手机上网用户的决策树模型。最后，根据移动公司提供的2万条客户业务数据对模型进行验证。结果表明，当样本数在10 000至20 000时，模型有很好的分类预测效果，能够挖掘出潜在的高流量用户，从而达到精确营销的目的。

移动客户流量消费；WEKA；决策树；分类预测；精确营销

0 引 言

现如今，移动通信流量业务的发展变得高速化多样化，经营竞争环境愈演愈烈，对该行业的服务需求提出了更高、更新的要求。流量时代客户的流量消费行为具有更大的弹性和更大的粘性。而移动通信业流量业务的爆炸性增长也成为移动运营商必须面对的问题。利用数据挖掘[1-2]在这些海量数据背后及时发现有用的知识，提高流量信息利用率，满足客户需求，实现精细化营销[3]变得十分重要。如何尽量满足客户对流量的多样需求，如今对移动通信业具有革命性的意义。

一直以来，国内外学者致力于改进决策树算法[4-5]来对客户进行分类，从而预测潜在的高流量用户[6]。实践表明，算法的改进确实提高了模型的效果，但是，改进算法毕竟只是一方面，若能从其他方面双管齐下，必然会取得意想不到的效果。文中的创新点在于先对客户群进行细分，并添加客户群作为客户的属性，最后建立手机上网用户的决策树模型。

1 数据预处理

数据预处理[7-8]的效果会直接影响到模型的性能与分类预测的效果。一方面，通过对数据格式和内容的调整，可以使建立的模型更准确、简单且便于理解；另一方面，可以降低学习算法的时间和空间复杂度。文中先将客户群与客户发展趋势作为客户新衍生出的属性，然后基于新数据进行数据的微处理，包括特征选择[9]、数据清洗[10]以及数据类型的转换。

1.1 客户群的细分

分析客户业务数据，对其进一步处理得到客户群的细分，将其分为四类，如图1所示。

图1 客户群细分

为将客户群划分为以上四类，文中定义了客户群阈值作为细分客户群的标准。

(1)客户群阈值的定义。

客户群阈值：移动互联网用户属于哪一类客户群的分界值。文中给出了两大标准：客户的月平均使用流量和客户的月平均消费额。

(2)客户群阈值的确定。

文中通过对客户的月平均使用流量和客户月平均消费额进行分析，给出了各种客户群的判断阈值，如表1所示。

表1 移动用户客户群阈值的判定

(3)客户群的应用。

文中将每个客户进行归类，把客户所属客户群作为其添加属性，为建立决策树模型打下基础。

1.2 客户发展趋势的细分

文中为挖掘潜在的高流量用户，定性地将客户发展趋势细分为三类，如图2所示。

图2 客户发展趋势细分

为反映客户发展趋势，文中利用客户连续三个月的流量消费情况衍生出流量变化率(BHL)这一属性，并且将客户发展趋势阈值作为图2细分的标准。

(1)流量变化率(BHL)的定义。

(2)客户发展趋势阈值的确定。

有关客户发展趋势阈值，由于跟客户群阈值类似，在此不做赘述。各类客户发展趋势阈值判定如表2所示。

表2 客户发展趋势阈值判定

(3)客户发展趋势的应用。

分析每个客户所属的发展趋势，以其作为目标属性，建立决策树模型，能够挖掘出潜在的高流量客户。

1.3 客户业务数据的预处理

(1)特征选择。

特征选择的效果会直接影响到分类模型的性能。通过特征选择，可以减少样本的维度，大大减少计算量，降低时间和空间复杂度，简化学习模型。针对该样本数据集，处理方法如下：

①对于类别值唯一或者类别值众多的特征予以删除，例如地域(该样本数据集针对某地市，所以地域唯一)、用户ID(类别值众多)等特征。

②利用spss对特征之间的相关性进行分析，删除一些与目标特征相关性小的特征，例如通话费、通话时间等与GPRS通信流量无关。

(2)数据清洗。

数据清洗的目的是补全数据、处理缺失数据、除去噪声及改进不协调的数据。由于客户业务数据样本较大，文中直接对含缺失值或者含异常数据的样本进行删除。针对该样本数据集，处理方法如下：

①由于该样本数据集样本众多，对于含缺失值的样本直接删除。

②对于含异常数据的样本直接删除，例如年龄里小于0的样本。

③对于已经离网或停机的样本删除。

(3)数据类型转换。

由于原始数据保存在excel中，为了能在WEKA中打开，必须将原始数据保存为arff格式文件。具体方法是：将excel的原始数据另存为csv文件格式，再在WEKA中打开，最后保存为arff格式。

其次，基于WEKA的J48算法[11]对数据类型的要求，文中将数值属性转换为分类属性，如表3所示。

表3 分类属性的定义

2 手机上网用户决策树模型的建立

文中对移动客户流量消费进行分析，重点建立对潜在高流量用户的预测模型。而根据各类算法的优缺点，选择解释比较方便的决策树进行建模。

决策树是对数据进行分类，以此达到预测的目的。WEKA中的J48算法就是决策树C4.5算法[12-13]，其核心算法是ID3算法[14]。ID3算法是以信息论为基础，以信息熵和信息增益度为衡量标准，从而实现对数据的归纳分类。而C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：

(1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；

(2)在树构造过程中进行剪枝；

(3)能够完成对连续属性的离散化处理；

(4)能够对不完整数据进行处理。

J48算法具有产生的分类规则易于理解、准确率较高的优点。因此，基于WEKA平台的J48算法对数据预处理后的业务数据进行分析。得到的决策树模型如图3所示。

依照建好的决策树模型，沿决策树从上到下遍历，在每个节点都会遇到一个测试，对每个节点上问题的不同的测试输出导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用若干个变量来判断所属的类别，从而预测客户在未来的发展趋势，判断其是否为潜在的高流量用户，以此实现精确营销的目的。

图3 决策树模型

3 模型的理解

由图3所建立的决策树模型，可以得到以下重要结论：

(1)客户所属客户群是决策树模型的根节点，因此客户群属性是信息增益值最大的特征属性，即决定客户发展趋势最重要的特征属性。

(2)高流量低消费客户群是潜在的高流量客户，低流量低消费客户群是潜在易流失客户。

(3)高流量高消费客户群中未办理VIP服务且年纪较轻的客户是潜在的高流量客户，未办理VIP服务而年纪较大的客户是平稳客户；办理一级VIP服务中年纪较轻的客户是平稳客户，而办理一级VIP服务中年纪较大的客户是潜在易流失客户；办理二级VIP服务中男性属于潜在易流失客户，而办理二级VIP服务中女性属于平稳客户。

(4)低流量高消费客户中使用神州行服务的客户属于潜在易流失客户，而使用全球通和动感地带服务的客户属于潜在高流量客户。

4 模型的验证

对于以上所建立的决策树模型，文中根据移动公司提供的2万条客户业务数据对模型进行验证。采取的方法是：随机抽取1 000、2 000、5 000、10 000、20 000条客户业务数据来预测潜在高流量客户，并将预测结果与实际结果进行比较，得到预测值与实际值的比值，从而验证模型的准确性。结果如图4所示。

图4 潜在高流量用户的预测检验

从图4中可以看出，当样本数<1 000时，由于偶然性大，预测值与实际值的比值小于0.5，说明预测效果并不好。当样本数在1 000至10 000时，预测值与实际值的比值越来越大，并逐渐接近于1，说明预测效果越来越好。当样本数在10 000到20 000之间时，预测值与实际值的比值趋于稳定并最接近于1，说明预测效果最好。但是当样本数大于20 000后，模型的效果有略微下降趋势。

综上，样本数在10 000至20 000之间时，模型的预测效果较好，从而验证了模型的准确性。

5 结束语

文中通过对移动客户业务数据的预处理包括客户群的细分，建立了手机上网用户的决策树模型，并通过大量的测试数据对模型进行验证与评估，最后发现样本数据在10 000到20 000之间时预测效果较好。这说明该方法对于分类与预测潜在的高流量用户有较大的改进，从而能更好地为移动运营商适时推荐套餐，实现精确营销提供决策支持。但由于该样本数据集包含 客户基本特征有限，例如客户学历、职业等特征的缺

少，文中所研究的内容还有待更进一步的深入。

[1] 严霄凤,张德馨.大数据研究[J].计算机技术与发展,2013,23(4):168-172.

[2] 范 明，孟小峰.数据挖掘概念与技术[M].北京：机械工业出版社，2001.

[3] 陈志竞,梁伯瀚.数据挖掘助力精细化流量经营[J].电信科学,2012,28(7):1-5.

[4] 徐 鹏,林 森.基于C4.5决策树的流量分类方法[J].软件学报,2009,20(10):2692-2704.

[5] Han Hui,Mao Feng,Wang Wenyuan.Review of recent development in decision tree algorithm in data mining[J].Application Research of Computers,2004,21(12):5-8.

[6] 黄潇聪.手机上网零流量用户"破零"模型的研究与应用[J].电信科学,2013(S2):26-29.

[7] 董 艳.数据预处理方法在移动通信行业中的应用[J].计算机技术与发展，2010,20(11):225-228.

[8] Fayyad U M.Data mining and knowledge discovery:making sense out of data[J].IEEE Expert-Intelligent Systems & Their Applications,1996,11(5):20-25.

[9] 张 靖.面向高维小样本数据的分类特征选择算法研究[D].合肥:合肥工业大学,2014.

[10] 郭志懋,周傲英.数据质量和数据清洗研究综述[J].软件学报,2002,13(11):2076-2082.

[11] 赵 蕊.基于WEKA平台的决策树算法设计与实现[D].长沙:中南大学,2007.

[12] Moore A W,Zuev D.Internet traffic classification using Bayesian analysis techniques[C]//Proc of SIGMETRICS.Banff:ACM,2005:50-60.

[13] Moore A W,Papagiannaki K.Toward the accurate identification of network applications[C]//Proc of LNCS.Heidelberg:Springer-Verlag,2005:41-54.

[14] 李 霞.ID3分类算法在银行客户流失中的应用研究[J].计算机技术与发展,2009,19(3):158-160.

Analysis of Mobile Customer Traffic Consumption Based on WEKA Platform

DAI Lin,ZHANG Yue,WEI Yu,JING Zi-qian,ZHANG Mo,GONG Jing

(School of Science,Nanjing University of Posts and Telecommunications,Nanjing 210000,China)

With the rapid development of mobile Internet,mobile Internet users scale expands rapidly,the China mobile,as the key link of the mobile Internet,is facing the opportunities and challenges.How to analyze the mobile client traffic consumption according to the user’s business is important research subject to increase revenue and improve customer satisfaction.The analysis of the mobile customer traffic consumption based on WEKA platform is studied.Firstly,subdivide the development trend of customer base and customer,selecting the user business data feature,cleaning the data and converting the data types.Secondly,adding customers as property,development trend of the customer as the target attribute,analyze business data after pretreatment based on the decision tree algorithm on WEKA platform,mobile Internet users of the decision tree model is established.Lastly,verify this model according to the mobile 20 000 customer business data provided by the company.The results show that the model has good classification prediction effect when the number of samples is from 10 000 to 15 000,able to dig out the potential high flow users so as to achieve the purpose of precise marketing.

mobile customer traffic consumption;WEKA;decision tree;classification prediction;precise marketing

2015-04-14

2015-07-16

时间：2016-01-04

国家自然科学基金资助项目(61373135)；江苏省高校自然科学研究重大项目(12KJA52003)；南京邮电大学大学生科技创新训练计划(STITP)(XYB2014154)

戴 琳(1994-)，男，研究方向为数据挖掘与大数据分析；张 沫，讲师，研究方向为分布式计算和数据挖掘；宫 婧，副教授,研究生导师，研究方向为数据挖掘、模式识别、智能算法等。

http://www.cnki.net/kcms/detail/61.1450.TP.20160104.1510.042.html

TP39

A

1673-629X(2016)01-0115-04

10.3969/j.issn.1673-629X.2016.01.024