客户满意度画像分析研究报告

客户满意度画像分析应用背景提升网络满意度是总部要求各省重点开展的工作内容，同时也是省内考核各地市经营业绩指标，如何提升网络满意度形成有效抓手成为省内当前最紧迫的应用需求。从单个信令感知指标看，并非所有信令感知指标与网络满意度变化趋势相一致。1、能否建立一套与满意度关联的感知指标模型可以综合评估用户满意度？2、哪些上网感知指标影响力大？如何选取影响力大的关键指标作为提升满意度的工作抓手？3、除了用户的感知指标还有哪些影响网络满意度的因素，他们的影响力如何？影响用户网络满意度除了信令感知指标外，可能还包含其他因素。工作步骤及目标步骤1及目标：通过满意度调查及深度访问，确定感知点及相匹配的感知指标，构建满意度影响力模型。步骤2及目标：基于影响力模型、给参与满意度打分的用户进行画像分析，指出短板指标；结合已有的客户感知定界工具输出用户不满意的问题点。步骤3及目标：基于影响力模型、构建满意度倾向预测算法。在未开展用户满意度调查打分前，基于模型预测地市全量用户满意度倾向，并聚类短板指标、提醒分公司工作重点而不是被动等待成绩。满意度影响力模型明确感知点匹配感知指标构建影响力模型工作内容确定关键指标满意度画像分析方案画像分析短板工作内容构建满意度倾向预测算法工作内容定界输出问题点满意度跟踪管理办法预测地市满意度并聚类短板指标满意度影响力模型—明确感知点

这些因素主要来自于用户深度调查和座谈交流会中所获得信息的归纳与整理直接影响满意度表现的因素间接影响满意度表现的因素

网络覆盖上网感知哪些指标能表征用户不满意因素

服务质量终端表现用户偏好无网络覆盖网络信号弱手机上网时的稳定性上传和下载的速度网页打开的速度服务表现及评价终端信号接收能力/终端质量稳定性等流量/业务使用习惯确定关键指标构建影响力模型匹配感知指标明确感知点通过电话/互联网深度调查及座谈交流会等方式，获取影响用户4G手机上网满意度表现的5个感知点、8个不满意因素。感知点1感知点2感知点3感知点4感知点5因素1因素2因素3因素4因素5因素6因素7因素8哪些指标能表征用户不满意因素满意度影响力模型—匹配感知指标基于集中性能平台可获取的指标数据，匹配出与用户感知点、不满意因素相对应的39个感知指标。

是否MR弱覆盖小区常驻用户Attach成功率是否高负荷小区常驻用户DNS查询成功率是否投诉TAU成功率分业务建立成功率分业务下行平均速率4G手机上网投诉次数费用质疑投诉次数流量偏好业务偏好是否满意度低终端是否感知差终端

网络覆盖上网感知

服务质量终端表现用户偏好无网络覆盖网络信号弱手机上网时的稳定性上传和下载的速度网页打开的速度服务表现及评价终端信号接收能力/终端质量稳定性等流量/业务使用习惯感知点1感知点2感知点3感知点4感知点5因素1因素2因素3因素4因素5因素6因素7因素8指标1指标2指标3……指标1指标2指标3……指标4指标5指标1指标2指标3……指标2指标1指标2指标1……各指标对满意度表现的影响力各指标对满意度表现的影响力确定关键指标构建影响力模型匹配感知指标明确感知点TCP一、二次握手成功率满意度影响力模型—构建影响力模型结合实际满意度调查情况和各类指标数据，借助SPSS软件、通过Logit回归分析法挖掘各类指标对满意度的影响力。确定关键指标构建影响力模型匹配感知指标明确感知点通过单变量分析、多变量分析、数据分布分析、相关性分析工作，对数据进行有效性及标准化处理，使数据满足模型建立要求。数据探索与清洗因满意度相关的自变量具有非线性、不独立同分布等特点，适应采用LR方法进行参数估计、采用Logistic向后回归进行模型估计。随机选取测试样本数据进行模型验证，并通过统计学检验、业务检验及计量经济学检验，直至挖掘出最优模型。构建影响力模型模型验证与优化注：SPSS（StatisticalProductandServiceSolutions，统计产品与服务解决方案），

一款IBM公司推出的用于统计学分析运算、数据挖掘、预测分析和决策支持的软件产品。123满意度影响力模型—确定关键指标关键指标筛选过程：针对匹配出的39个感知指标，从单指标影响力差异、模型稳定性、模型准确性三方面进行人工甄别和指标选择，构建最优满意度影响力模型。确定关键指标构建影响力模型匹配感知指标明确感知点最优影响力模型选择标准单指标影响力差异小：指标筛除标准：单指标影响力（回归系数）特别大、导致其他指标影响力很小。模型稳定性好：指标筛除标准：单指标不能通过显著性检验（Sig.值过高），该变量会造成模型不稳定、不准确等弊端。模型准确性高：指标选择标准：在向后回归法运算出的各类影响力模型中，选择准确率最高（与实际满意度匹配度高）的模型对应的指标体系。。。。。。。感知点筛除的指标（24）覆盖质量是否4G-MR弱覆盖小区常驻用户TAU成功率（%）TCP二、三次握手时延（ms）上网感知TCP一、二次握手时延（ms）即时通信业务下行平均速率（kbps）网页浏览页面响应时延（ms）视频业务播放成功率（%）应用下载业务下载成功率（%）视频业务播放等待时延（ms）即时通信登陆时延（ms）服务质量是否网络类投诉用户是否重复投诉用户是否4G手机上网投诉用户是否语音通话投诉用户是否网络类升级倾向投诉用户是否费用质疑类投诉用户网络类投诉回访是否满意（平均打分）终端质量是否感知差终端是否满意度低终端用户偏好流量偏好2：是否中流量用户流量偏好3：是否低流量用户业务偏好2：是否网页浏览控用户业务偏好3：是否下载控用户业务偏好4：是否即时通信控用户感知点指标名称服务质量网络类投诉回访是否满意终端质量是否感知差终端是否满意度低终端感知点指标名称上网感知视频业务播放等待时延（ms）即时通信登陆时延（ms）未完成开发样本数据不足、影响模型稳定用户号码满意度打分（1-10分）TAU成功率%135125XXXXX478137703XXXXX1044138518XXXXX870151505XXXXX1036151506XXXXX1078152618XXXXX279157206XXXXX749182518XXXXX1059不能通过显著性检验、影响模型稳定满意度影响力模型—确定关键指标确定关键指标：选择的最优影响力模型，对应有15个关键指标，以此作为4G手机上网质量满意度提升工作的“指标抓手”。

网络覆盖上网感知用户偏好TCP一、二次握手成功率（%）DNS查询时延（ms）DNS查询成功率（%）Attach成功率（%）TCP二、三次握手成功率（%）浏览业务下行平均速率（kbps）即时通信业务上行平均速率（kbps）是否高流量用户是否视频播放控用户0.590.380.130.190.120.150.200.090.590.23确定关键指标构建影响力模型匹配感知指标明确感知点0.52是否4G高负荷小区常驻用户服务质量是否4G网络覆盖投诉用户0.99网页浏览页面响应成功率（%）即时通信业务访问成功率（%）0.130.140.22应用下载业务下行平均速率（kbps）视频业务下行平均速率（kbps）在总部下发的21个关键业务感知指标基础上更聚焦（11个）补充其他指标（4个）满意度影响力模型满意度画像分析影响力模型应用1：根据影响力模型可从网络覆盖、上网感知、服务质量、用户偏好等维度对用户进行画像分析、指出短板指标，并结合已有的客户感知定界工具准确定位用户不满意的问题点。影响力模型匹配性验证：随机获取南京14622个样本满意度调查数据，反向验证影响力模型输出的短板指标与满意度的匹配性，总体匹配性较好、达到60.52%。基于模型可重点针对感知修复型和乐观友好型用户进行画像分析、问题定界。覆盖质差不满意业务质差不满意服务质差不满意用户感知指标评估用户满意度表现挑剔关怀型（象限4）样本占比20.47%乐观友好型（象限2）样本占比19.02%高高低适配线绝对满意型（象限1，

占比31.03%）和感知修复型（象限3，

占比29.48%）其满意度与感知完全匹配进一步完善影响力模型，降低挑剔关怀型样本占比满意度画像分析—案例1感知修复型用户画像分析应用案例—覆盖质差影响力画像（短板指标）覆盖感知差满意度低STEP1：画像分析定位短板指标STEP3：输出诊断结论--明发滨江新城小区弱覆盖（无线侧问题）端到端定界（具体问题）STEP2：针对短板指标，通过定界工具找到问题点质差问题库！满意度画像分析—案例2感知修复型用户画像分析应用案例—业务质差影响力画像（短板指标）STEP1：画像分析定位短板指标STEP3：输出诊断结论--掌中新浪业务质量差（业务侧问题）端到端定界（具体问题）STEP2：针对短板指标，通过定界工具找到问题点上网感知差满意度高质差问题库！满意度画像分析—案例3感知修复型用户画像分析应用案例—服务质差影响力画像（短板指标）服务感知差满意度低STEP1：画像分析定位短板指标STEP3：输出诊断结论—投诉问题已解决、但用户对施工方案不满意（服务问题）溯源定界（具体问题）STEP2：针对短板指标，通过溯源定界找到问题点。满意度跟踪管理—用户满意度倾向预测针对135XXXX0086用户，根据影响力模型确定的指标集获取指标值。获取感知指标值影响力模型评分满意度倾向评定单用户用户满意度倾向预测过程输入影响力模型相应的指标值进行模型评分：模型评分=-0.152+0.442*Aattach成功率-0.332*TCP23次握手成功率-0.101*TCP12次握手成功率-0.087*DNS查询时延-0.144*DNS查询成功率-0.115*浏览业务下行平均速率-0.154*视频业务下行平均速率+0.067*即时通信上行平均速率-0.162*应用下载业务下行平均速率+0.097网页浏览页面响应成功率-0.103*即时通信业务访问成功率+……通过已有的训练样本，根据模型评分与满意度匹配运算，判断用户是否满意。影响力模型应用2：基于满意度影响力模型，可建立满意度倾向预测算法，实现地市全量用户满意度倾向预测，通过画像分析、聚类短板指标。预测效果：针对5月已调查的南京860个4G手机上网用户进行满意度倾向预测，总体预测准确率达到67%。满意度跟踪管理—地市工作指导满意度预测：在未开展用户满意度调查打分前，基于满意度影响力模型预测地市全量用户满意度倾向。如全省13地市6月份满意度倾向预测示例：短板指标聚类：基于满意度影响力模型对全量质差用户进行画像分析、聚类短板指标，提醒分公司满意度工作重点。如全省13地市2月份工作重点示例：数据基础利用集中性能平台已汇聚的信令监测、经营分析、网管统计、客服支撑等方面的各类数据源，用于构建满意度影响力模型，在此基础上开展满意度画像分析、满意度跟踪管理。经营分析网管统计客服支撑用户业务类型用户终端信息用户流量偏好故障告警信息投诉解决情况投诉回访满意度信令监测业务质量指标客户感知指标用户业务偏好终端质量指标数据来源用户位置信息投诉频次及升级倾向小区质量指标小区性能指标投诉时间及类型满意度调查信息满意度影响力模型门