本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：基于逻辑回归、因式分解机、深度神经网络3种机器学习算法，提出了一种预判移动用户是否升级至高 ARPU(Average Revenue Per User)套餐的方法。经业务域的用户数据验证，预测精准率达 84%，召回率超 50%，效果远优于传统的规则排序方法。研究成果可帮助运营商更主动、更有针对性地开展营销活动，提高用户向高ARPU套餐的转化率，尤其是5G商用初期可扩展应用于挖掘5G潜力用户。
关键词：机器学习；逻辑回归；因式分解机；神经网络；用户升级预测
doi：10.12045/j.issn.1007-3043.2021.01.015
概述
随着数据“爆炸式”增长的信息时代的到来，运用人工智能技术从海量数据中获取价值信息，进而推动业务发展、支撑运营决策，已成为企业发展的关键。例如，今日头条既没有传统媒体的内容优势，也没有门户网站的海量用户资源，却凭借数据挖掘和个性化推荐技术迅速崛起，成为移动端资讯市场中的一匹“黑马”；网易云音乐虽然在音乐版权方面不具优势，并受到阿里与腾讯两大巨头的夹击，但凭借精准多样的推荐和基于大数据的优质运营，在中国数字音乐市场占有着一席之地。
对于通信运营商而言，覆盖全国的移动网络承载着上亿级用户，人工智能中的机器学习工具可帮助运营商分析用户特征、建立用户画像。目前，运营商在用户性别及年龄判断、用户离网预测、用户网络满意度分析等方面已经形成了一些研究成果，这些成果对企业了解用户，制定用户维系挽留策略，制定感知提升策略提供了依据，体现了机器学习的应用价值。
当然，这些研究成果远远不够，还有更多的领域需要人工智能的协助支撑，例如，在用户变更业务套餐的意向方面，目前还鲜有研究。如果能事先洞察用户的套餐变更需求，甄选出其中需要升级套餐内容和价格的用户，就能够提升营销推荐的精准度，增强关怀服务的主动性，提高用户向高ARPU套餐的转化率。鉴于此，本文在综合应用逻辑回归、因式分解机、深度神经网络３种机器学习算法的基础上，提出用户是否会向高ARPU套餐升级的预判模型，并使用移动网络业务域的真实用户数据验证了模型的有效性与准确性。
