一种移动互联网用户行为分析系统的顶层设计

随着3G、4G的建设,移动互联网成为今年来发展最迅猛的行业,运营商面临的竞争日益加剧,流量经营成为运营商今年研究的方向。移动互联网用户量和信息量的同步增长意味着我们进入大数据时代,传统的分析方法难以满足新时代的要求。本文将提供一种移动互联网用户行为分析系统的顶层设计,以适应大数据时代的精准用户行为分析与定位,为流量经营提供一种重要的依据。     

大数据视角下分析移动互联网行为

通信技术的快速发展让人类进入到了大数据时代,信息交互成为了一种新的互联网交流形式。移动终端产生的数据庞大,在大数据时代的发展背景下,如何利用好手中的大数据解决处于移动互联网下的用户行为问题是本研究的关键。采用标签化的方法对客户的需求进行细分为客户的行为构建完整的标签库,从而提升客户细分能力。     

基于大数据分析的移动互联网用户感知评估系统

随着移动通信网络的逐渐演进和智能终端的迅猛发展,移动互联网业务层出不穷,竞争非常激烈,而让用户获得良好的业务感知成为在竞争中胜出的关键.移动互联网用户感知评估系统针对移动互联网各项主流业务搭建了一套用户感知评估体系,为每项主要业务设计了一套KQI(key quality indicator)以及具体的识别、提取、计算方法.利用用户感知评估系统对海量数据分组的大数据分析还原复现了用户的业务行为,并从各个维度计算获得了各项KQI的得分,实现了全面、及时、准确地评估移动互联网业务用户感知,从而为网络运营商和移动互联网公司提供高附加值的数据支撑.     

Android与iOS用户移动互联网使用行为浅析

在移动互联网时代的深刻影响下,不同手机操作系统带来的用户体验产生明显差别.就目前市场状况来看,手机操作系统主要分流为Android和iOS两大派别,而Android用户与iOS用户在移动互联网使用行为方面究竟差异如何？两者对移动互联网的态度偏好又将带来怎样的发展趋势？文章将从手机应用角度出发,对两大系统用户展开对比分析,为运营商探索移动互联网研究提供参考.     

基于决策树的移动互联网用户付费意愿分析与预测

针对开放移动互联网下难以识别和跟踪潜在用户,无法提供更具个性化服务的状况,文章在传统决策树分类器的基础上,提取用户基础数据特征,引入感知模型分析处理用户行为数据,提出一种基于决策树的移动互联网用户付费分类预测方法。该方法强化用户感知对付费行为的影响,利用决策树建模进行分类并最终作出付费预测,根据模型结果探究付费影响因素,从运营者角度思考如何提高用户的付费意愿。     

移动互联网重塑用户生活

大数据时代,移动应用的设计与运营,必须依赖对用户行为和偏好的多维度立体分析,关注用户行为的方方面面,理解用户的需求和"痛点"。虽然两年前"移动互联网"对于公众而言还只是一个IT名词,但在过去的2012年,移动互联网已经渗透中国网民的生活,智能终端用户的生活逐渐被重塑。根据友盟统计分析数据,至2012年底,国内iOS活跃用户已达     

移动互联网上网行为记录应用云计算技术研究

文章从分布式计算技术角度出发,分析了移动互联网上网行为涉及到的计算技术,并针对移动互联网用户的上网行为具体分析,给出了移动互联网上网详单的查询实现。     

基于社交网络关系的行为推理模型构建

现实社会中每个人的行为特征具有典型的个性化属性,通过面向社会大众行为的普适性模型去推理个体行为的特征具有一定的困难和误差.在当前移动互联网信息化的大背景下,大数据为我们提供了丰富的数据集.文中探讨了在大数据平台对移动互联网用户社交网络关系的特征采集基础上,通过LSTM和Apriori理论的算法模型构建,实现时空位置轨迹...     

电信运营商基于移动互联网门户的精细化营销系统研究

本文提出电信运营商基于移动互联网门户的精细化营销系统实现方式,通过在部署分光器获取用户上网全流量数据,采用深度分组检测技术对这部分用户数据进行深度分析,采用TOP N、聚类分析、关联分析等进行用户行为分析,最终根据用户画像结果为用户展现个性化移动互联网门户.     

移动互联网数据可视化技术及应用研究

随着移动互联网技术的普及,通过可视化技术能够对用户的行为进行有效的分析,因此,本文分析了移动互联网数据可视化技术的内容,联系实际,提出了移动互联网数据可视化技术的应用.     

基于环境因素和移动互联网的个性化推荐系统

为解决信息激增给用户带来的信息选择难题,帮助用户节约查找和筛选信息的时间和精力,利用移动互联网环境下用户信息具有位置化和兴趣动态性等特点,提出并实现了基于位置和环境的移动互联网个性化推荐系统。建立了基于环境因素的多维度动态兴趣模型,通过对利用资讯信息的位置化和环境化处理建立了基于环境因素的信息特征模型。在兴趣模型和信息模型的基础上提出基于环境和位置的个性化推荐框架,并给出系统的实现架构。     

基于信令测试数据支撑移动互联网形势下自有业务营销研究

传统通信时代,公司大抵都是围绕语音/短信进行的业务发展,支撑手段也常来自对用户自身通话行为、套餐属性等进行的分析。而进入移动互联时代之后,运营商除了继续保有原有的传统业务,更是大力发展了自有的移动互联网业务。在自有移动互联网业务的发展过程中,我们越发感觉基于传统的用户通话行为、基本套餐等数据的分析对自有互联网业务支撑乏力。最大的局限莫过于对用户在移动互联网上的行为分析,如对业务的喜好,上网规律等,这些行为是传统数据无法支撑的,而这些数据恰恰对于发展公司自有业务具有极其重要作用。通过对信令测试数据中用户的互联网行为进行了分析、建模,支撑新形势下的自有业务互联营销。     

基于DPI的LTE网络用户行为感知系统的设计与实现

针对电信运营商越发迫切的智能管道需求,提出了一种具有自学习功能的移动互联网用户行为感知系统的解决方案。本方案针对传统监测系统用户感知度低、统计能力不足等缺点,对现行LTE网络S1接口用户面协议进行分析,并结合当前互联网主流的行为分析技术——深度分组检测(DPI)技术和聚类爬虫技术的优势,实现了以协议解码、业务呼叫/事务详细记录(xDR)合成为基础的LTE网络用户行为精准分析。本系统经现网数据验证,能达到既定目标,对满足智能管道的需求具有一定的指导价值。     

移动互联网大数据系统在无线网络规划中的应用

基于移动互联网用户上网记录的大数据系统能够多维度地记录和分析移动用户的行为特征。本文介绍了移动互联网大数据系统在无线网络规划中的应用,即利用对移动互联网用户上网行为特征的有效分析辅助3G基站的新建规划。基于已有的移动用户的上网行为特征的数据业务流量模型分析要比传统的无线网络话务模型分析更为有效、更具有实时性。     

移动互联网时代的用户上网行为分析浅谈

移动互联网技术的高速发展带来了数据流量的爆炸式增长,如何利用自身系统存储的用户上网行为数据来摆脱目前流量增速远大于其对应的收入增速的困境,成为运营商在移动互联网时代面临的一大难题。文章从数据挖掘的角度出发,分析数据中隐藏的用户行为,并细化分类,构建流量差异化计费体系,从而全面提升流量价值,增强运营商的核心竞争力。     

高效分布式数据稽核系统实现方案

电信信息化系统间数据交互频繁,各个边界系统间经常需要进行大量的数据正确性稽核。文章从数据建模和系统架构方面介绍了一种基于分布式处理框架、分布式缓存和分布式数据存储组件的高性能通用数据稽核系统建设方案。该方案采用了移动互联网时代的最流行的开源技术框架,期望通过新模式的引入使得传统电信信息化系统在移动互联网时代转型过程中焕发巨大能量和活力。     

基于大数据的网页浏览质差分析方法研究

传统的网络运维往往聚焦网络和设备的运行状态，难以解决用户主观感知问题，迫切需要建立一套端到端互联网应用感知管理体系。围绕网页浏览的质量分析环节，基于大数据技术研究用户感知数据的质量分析框架和方法，设计提出了一套基于大数据技术的质量分析系统框架，用于实现互联网业务质量分析。以某国际网站为例，提出了“二望五切”诊断法用于定界溯因，提高人工分析效率，验证了所提方法的有效性。     

基于Spark的用户上网WAP日志分析

在移动互联网时代,越来越活跃的用户手机上网行为带来了流量的迅猛发展.对电信运营商而言,用户上网日志包含了大量用户个性化需求、喜好信息,对其进行分析和挖掘,能更好的了解客户需求.传统经营分析系统小型机加关系型数据库的架构无法满足对海量非结构化数据的处理需求,搭建基于X86的Hadoop平台,引入大数据处理技术的方式,实现高效率、低成本、易扩展的经营分析系统混搭架构成为电信运营商最为倾向的选择.文章主要以用户WAP日志为例,详细阐述如何利用大数据技术处理海量的非结构化数据,进而挖掘和分析用户上网行为.     

基于实测数据的移动互联网时延特性研究

对移动互联网时延特性的准确了解和掌握在网络优化、性能评估和新应用设计方面有着重大的意义。目前时延特性的研究，所用数据主要来源于主动测量和被动测量方式。通过这两种方法获得的数据规模有限，并且有数据不精确的问题。本文研究所用数据来源于重庆某运营商移动互联网网关，该网关真实记录了该运营商用户通过移动终端访问互联网的行为。通过数据处理及分析，本文从移动互联网网关的角度出发，研究了移动互联网中四种类型的时延。     

移动互联网大数据关键技术

随着智能终端的普及,移动互联网得到蓬勃发展。其产生维护了海量的数据信息,包括系统的日志、服务质量、服务调用关系、用户的行为、位置、业务使用偏好等。越来越多的数据使得数据量变得过于庞大、内容过于复杂,难以通过传统的方法进行有效地处理。本文将讨论移动互联网大数据处理的关键技术,包括移动互联网的多源数据采集、海量异构数据管理、实时数据挖掘、高效数据分析与呈现等技术。