［张雄 肖慧 郑淑琴］

1 引言

我国目前处于5G 发展的第一梯队，近年来站点建设速度不断推进，终端、产业、生态不断完善，展现了广阔的市场潜力。与此同时，5G 消费级应用仍处于初期，创新型应用尚未成熟，业务仍以4G 应用体验为主，终端渗透率约为15%～20%，5G 开关打开占比不足70%，5G 流量占比不足5%。提升5G 网络利用率的难点在于5G 终端用户开关打开状态识别，5G 用户画像建立，5G 网络盲区准确定位等。基于DPI 大数据的5G 流量经营方案可拉通运营商前后端部门，市场侧通过基于大数据用户画像的“六因法”进行高价值用户发展、5G 终端换机、5G 开关/套餐营销，网络侧通过信令面驻留时长统计、用户登网识别进行5G 驻留比、登网率提升，业务网络协同，提升用户感知，实现网络价值最大化，驱动5G 商业成功。

2 DPI 大数据支撑5G 流量经营的方案

2.1 DPI 介绍

DPI（Deep Packet Inspection 深度报文检测技术）是一种基于应用层的流量检测和控制技术，当IP 数据包、TCP 或UDP 数据流通过基于DPI 技术的系统时，该系统通过深入读取IP 包载荷的内容来对OSI 七层协议中的应用层信息进行重组，从而得到整个应用程序的内容，然后按照系统定义的管理策略对流量进行整形操作。DPI 识别算法主要包括如下两步：第一步，探针将流识别为子协议或者协议，然后根据子协议-协议的从属关系识别出协议；第二步，在已识别的协议基础上，进一步识别出应用软件。从协议识别为应用一般采用特征字识别、协议解析后特征字识别和关联识别等几种方法：

（1）特征字识别：协议上的应用种类比较少的时候一般采用特征字识别，通过协议特征字+应用特征字的方式，直接识别为应用。

（2）协议解析后特征字识别：对于一些非常通用的协议，例如HTTP，其上应用数量非常多，直接通过特征字识别的方式可能会有误判，这时可以通过解析消息的内容，然后对特定的协议字段用特征字识别的方法来区分。例如对于HTTP 协议，先解析HTTP 消息取出URL、HOST 等字段，然后对这些字段查找相应的特征，例如查找HOST 字段上的facebook.com、youtube.com 等特征字，从而识别出具体的应用。

（3）关联识别：对于加密的应用，例如采用HTTPS协议传输的Facebook，可以采用关联识别方法。

2.2 基于市场侧的5G 流量经营方案

围绕用户服务和业务营销，通过利用系统建模能力，对客户进行精准画像，建立全客户匹配策略来构建5G 营销场景化运营体系，为营销人员提供精准数据支撑。本文提出了基于大数据用户画像的“六因法”，进行5G 精准营销，实现用户迁转，5G 流量快速发展。

“六因法”基于用户差异化层次需求理论建模，通过多元化、差异化和个性化构建用户非线性消费需求和驱动力，结合用户差异化需求细分，制定用户迁移及价值运营。“六因”是通过O+B 域大数据分析对用户特征精准分层，将用户特征分为内在需求力，个人消费力，终端驱动力，外在因素，外在影响以及迁移行为。“六因法”的技术实现是基于O+B 域数据源通过数据模型构建标签，通过大数据建模分析对用户进行打标签，将拥有相同标签的用户细分为同一个群体，针对不同群体制定不同的营销策略，从而实现用户精准迁移。

2.2.1 数据标签

首先通过利用DPI 数据制作“六因”的用户基础特征，其中包括内在需求力（视频流量，视频时延，视频下载速率，游戏上下行RTT 时延，游戏时长等），个人消费力（ARPU值，DOU，套餐等），终端驱动力（终端价格，使用时长，换机周期等），外在因素（漫游天数等），外在影响（付费行为等），迁移行为（副卡以及APP 访问等）O 域+B域标签。如表1 所示。

表1 用户特征字段说明

2.2.2 用户分群

其次，通过DPI 数据进行标签建模，将原始数据制作成5G 开关是否打开，是否是5G 终端，终端型号，5G驻留程度，常驻小区，是否为投诉小区，是否5G 登网，是否打开SA 开关等用户标签（以5G 开关为例简要说明一下数据标签的制作过程，利用DPI 解析的单据中DCNR字段，代表Attach/TAU Request 流程上报的终端能力，其中DCNR=1 为开关打开）。将数据标签制作完毕后，对用户进行打标，制作用户标签表。如表2 所示。

表2 数据标签说明

通过对用户标签表中用户的5G 流量进行分析，结合5G 流量贡献程度对用户进行分群，通过对每个用户近两个月的4G 流量情况，5G 流量情况进行聚类分析，结合专家经验，将具有相同流量贡献的用户划分为同一群体。因此将用户群体分为5G 终端开关打开用户，5G 终端开关关闭用户，5G 终端5G 套餐用户，5G 终端4G 套餐用户等，用户细分如图1 所示。

图1 用户细分逻辑说明

2.2.3 用户差异化需求细分

对不同的用户群体进行用户细分，将用户从价值，偏好进行画像制作，将用户划分为重度游戏用户，重度社交用户，重度视频用户，高流量用户，低流量用户。重度业务计算原则是基于用户一周内各类数据业务总时长、流量大小、访问次数、各业务权重综合计算，取熵值最大者为重度者，同时根据哪类业务时长占比最大的为该类业务重度用户；静默用户是指有一周内有信令但无流量的用户；低流量用户是指一周内用户日均流量均值小于5 MB，如图2 所示。

图2 用户画像逻辑说明

2.2.4 营销运营策略制定

将迁移用户分群，用户差异化需求细分进行匹配，最终制定相应的终端营销，开关营销，高价值用户发展策略进行5G 流量经营，在营销实践中，对营销起到关键作用的TOP3 标签有5G 用户驻留程度、4G 用户常驻区域、终端开关情况。

2.3 基于网络侧的5G 流量经营方案

基于网络侧的5G 流量经营方案主要通过提升5G 登网率、驻留比及补足4G 高负荷区域5G 覆盖盲区识别（价值建站）推动4G 流量向5G 流量迁转。

2.3.1 5G 登网率提升

5G 登网率表征5G 终端用户对5G 网络的使用率，反映了网络覆盖情况的同时，代表了部分用户对5G 网络的使用意愿。5G 登网率的定义如下，其中，5G 用户定义为统计周期内在5G 产生过流量的用户，5G 终端用户通过DPI 数据识别TAC 码与终端库识别。

本文提出的登网率提升方案如下：

（1）基于DPI 数据识别5G 终端用户5G 开关状态，排除开关关闭的用户（市场侧开展开关引导），筛选出5G 开关打开未登网用户；

（2）分析5G 开关打开未登网用户的TOP 4G 驻留小区形成运动轨迹；

（3）联合无线侧从覆盖、故障核查、策略配置等维度定位用户未登网的网络原因并进行优化。无线侧登网率TOP 质差小区定位思路如图3 所示。

图3 无线侧登网率TOP 质差小区定位思路

2.3.2 5G 驻留比提升

5G 驻留比表征5G 用户事实上享受到5G 网络服务的比例，有效反映了网络覆盖情况。提升5G 驻留比可以引导4/5G 用户迁移，一方面缓解了4G 高负荷情况，另一方面高制式带来更好的用户体验。5G 驻留比的定义如下，其中，5G 用户定义为统计周期内在5G 产生过流量的用户：

业务时长的计算需按时序关联5G 用户在5GC/EPC的关键流程（如Modify Bearer Request），区分45 小区并记录持续时间，同时剔除非网络原因影响（如：关闭终端SA 功能、EPS FB 呼叫触发回落），最后将用户在4/5G小区的业务时长分别求和。

本文提出的驻留比提升方案通过按行政区/基站对比分析驻留比，从低驻留和高倒流两个角度提取TOP 质差5G 小区/5-4 小区对，联合无线侧开展配置核查与覆盖分析，聚焦5G 驻留“假”、“哑”、“无”等问题场景，识别5G 网络的“使用盲点”，支撑网络规划和优化。

（1）假5G：5G 终端驻留在4G 锚点上，锚点覆盖与5G 覆盖不匹配。体现在驻留比TOP 4G 小区周边有5G覆盖，对应5G 小区驻留比低或为0，5G 终端主要驻留在锚点上，共站5G 站点或存在故障；

（2）哑5G：5G 终端驻留区域有5G 覆盖，但无法占用。体现在驻留比TOP 4G 小区周边有5G 覆盖，对应5G 小区驻留比为0，可能存在锚点配置异常、X2 漏配/故障/满配、传输链路故障、邻区漏配等问题；

（3）无5G：5G 终端集中区域，无5G 网络覆盖，体现在驻留比TOP 4G 小区周边无5G 小区覆盖，即5G 建设与业务发展不匹配，需要推动5G 站点建设。

无线侧驻留比TOP 质差小区定位思路如图4 所示。

图4 无线侧驻留比TOP 质差小区定位思路

2.3.3 5G 覆盖盲区识别

5G 覆盖盲区识别方案通过小区级5G 连接/用户比、小区流量等关键字段，进行站点筛选和优先级划分，找出5G 覆盖空洞，支撑5G 网络精准规划。5G 连接/用户比反应5G 站点连接活跃度，定义如下：

5G 连接/用户比小于1 时判定站点连接异常（即该小区下存在开关打开的用户，但所有/大部分未发起辅站变更流程），筛选满足5G终端开关打开用户数大于一定值，126 成功次数≥0，4G 流量＞0 的4G 锚点站进行无线侧覆盖和指标排查，具体思路与登网率排查一致。

3 方案运用及实施建议

该方案在某区域联合市场部及无线网优团队开展实践运用，一阶段全网驻留比提升2.8%，整改小区5G 驻留时长增加10%；协助市场部提前1.5 月完成全年5G 套餐发展目标，5G 活跃用户数增长率提升14.03%，5G 用户数单月增长8 倍（7 万->59 万）。

不同地市由于5G 建设进展和终端渗透率差异，5G用户模型会有很大变化，初期应以套餐营销为主要发力点；第二阶段终端关注终端推广与开关信息发送，特别要关注5G 分流比，第三阶段当用户达到一定规模后重点关注网络问题及用户体验。整体分流方案基于DPI 大数据分析，同时融合B 域套餐数据进行模型建立，建议引入无线网管数据联合分析，提高问题定位效率和准确性。

4 结束语

未来几年是我国5G 发展的关键时期，必须把握住这一历史机遇期。针对2C 市场5G 终端渗透率、开关打开率仍较低，缺乏爆款应用为5G 价值释放带来的巨大挑战；以及5G 基站耗电量过大，覆盖区域小，产业生态不成熟等因素给运营商网络运营提出了新的难题。本文提出了基于DPI 大数据的5G 网络流量分流方案，分别从网络侧提升5G 驻留比和登网率，实现业务网络协同，提升用户感知，实现网络价值最大化；从市场侧进行高价值用户发展、5G 终端换机、5G 开关/套餐营销，提升5G用户市场占有率。