Tải bản đầy đủ

luận văn thạc sĩ xây dựng mô hình dự đoán khách hàng tiềm năng cho các gói cước trong mạng di động

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐOÀN VĂN TÂM

XÂY DỰNG MÔ HÌNH DỰ ĐOÁN KHÁCH HÀNG TIỀM
NĂNG CHO CÁC GÓI CƯỚC TRONG MẠNG DI ĐỘNG

Ngành: Công nghệ thông tin
Chuyên ngành: Hệ thống thông tin
Mã Số: 8480104.01

LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC
TS. TRẦN TRỌNG HIẾU

Hà nội – 12/2019


MỤC LỤC

LỜI CẢM ƠN.........................................................................................ii
LỜI CAM ĐOAN..................................................................................iii
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT..........................iv
DANH MỤC HÌNH VẼ......................................................................... v
DANH MỤC BẢNG..............................................................................vi
Chương 1: Giới thiệu khai phá dữ liệu trong lĩnh vực viễn thông....1
1.1
1.2
1.3
1.4

Giới thiệu................................................................................1
Khai phá dữ liệu trong lĩnh vực viễn thông........................... 3
Nhóm bài toán về quản lý trải nghiệm khách hàng................4
Lựa chọn bài toán.................................................................11

Chương 2: Bài toán dự đoán khách hàng tiềm năng........................ 12
2.1
2.2
2.3
2.4
2.5
2.6

Phát biểu bài toán dự đoán khách hàng tiềm năng...............12
Phương pháp cây quyết định................................................13
Phương pháp SVM...............................................................15
Phương pháp kNN (k người láng giếng gần nhất)...............17
Phương pháp ghép nối các mô hình học máy......................17
Phương pháp đánh giá..........................................................18

Chương 3: Mô hình đề xuất................................................................ 20
3.1 Mô hình đề xuất................................................................... 20
3.2 Tập dữ liệu và tiền xử lý dữ liệu..........................................21
3.3 Tiền xử lý và trích xuất đặc trưng........................................ 27
Chương 4: Thực nghiệm và đánh giá.................................................33
4.1 Môi trường và các công cụ thực nghiệm..............................33
4.2 Kịch bản thực nghiệm.......................................................... 34
4.3 Kết quả thực nghiệm và đánh giá.........................................34
KẾT LUẬN...........................................................................................40


TÀI LIỆU THAM KHẢO................................................................... 41

i


LỜI CẢM ƠN
Trước tiên tôi xin dành lời cảm ơn chân thành và sâu sắc đến thầy giáo
TS. Trần Trọng Hiếu – người đã hướng dẫn, khuyến khích, chỉ bảo và tạo cho
tôi những điều kiện tốt nhất từ khi bắt đầu cho tới khi hoàn thành công việc
của mình.
Tôi xin dành lời cảm ơn chân thành tới các thầy cô giáo khoa Công nghệ
thông tin, trường Đại học Công nghệ, ĐHQGHN đã tận tình đào tạo, cung
cấp cho tôi những kiến thức vô cùng quý giá và đã cho tôi điều kiện tốt nhất
trong suốt quá trình học tập, nghiên cứu tại trường.
Cuối cùng, tôi xin cảm ơn tất cả những người thân yêu trong gia đình
cùng toàn thể bạn bè, đồng nghiệp những người đã luôn giúp đỡ, động viên
tôi học tập và nghiên cứu chương trình thạc sĩ tại Đại học Công nghệ,
ĐHQGHN.
Luận văn này được tài trợ bởi đề tài cấp ĐHQGHN mã số QG19.23.

ii


LỜI CAM ĐOAN
Tôi xin cam đoan rằng luận văn thạc sĩ Công nghệ thông tin “Xây dựng
mô hình dự đoán khách hàng tiềm năng cho các gói cước trong mạng di
động” là công trình nghiên cứu của riêng tôi, không sao chép lại của người
khác. Trong toàn bộ nội dung của luận văn, những điều đã được trình bày
hoặc là của chính cá nhân tôi hoặc là được tổng hợp từ nhiều nguồn tài liệu.
Tất cả các nguồn tài liệu tham khảo đều có xuất xứ rõ ràng và hợp pháp.
Tôi xin hoàn toàn chịu trách nhiệm và chịu mọi hình thức kỷ luật theo
quy định cho lời cam đoan này.
Hà Nội, ngày …. tháng 12 năm 2019

iii


DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
Chữ viết tắt

Ý nghĩa

KPDL

Khai phá dữ liệu

CSDL

Cơ sở dữ liệu

Viettel
VLR

Tập đoàn Công nghiệp – Viễn thông Quân đội
Viettel
Tổng đài ghi nhận đăng nhập mạng của thuê bao
di động (Visitor Location Register)

GSM

Mạng thông tin di động (Global System for
Mobile Communications)

CDR

Lịch sử cuộc gọi (Call Data Record)

ARPU

Doanh thu trung bình trên một khách hàng
(Average revenue per user)

SMS
Telesale
CEM

Tin nhắn ngắn (Short Message Services)
Bán hàng qua điện thoại
Quản lý trải nghiệm khách hàng

iv


DANH MỤC HÌNH VẼ
Hình 1: Số liệu thuê bao di động theo các nhà mạng tháng 01-04/2019 .. 1

Hình 2: Thị phần di động của các nhà mạng............................................2
Hình 3: Ví dụ mô tả cây quyết định.......................................................13
Hình 4: Siêu phẳng H chia dữ liệu huấn luyện thành 2 lớp với khoảng
cách biên lớn nhất (Các điểm gần H nhất nằm trên H1 và H2 là vector hỗ trợ).
16
Hình 5: Quy tắc k-NN trên không gian đặc trưng 2-chiều với k=5.......17
Hình 6: Mô hình dự đoán khách hàng tiềm năng cho các gói cước.......20
Hình 7: Phân bố gói cước trong tập dữ liệu........................................... 23
Hình 8: Lược đồ xử lý dữ liệu và trích xuất đặc trưng...........................30
Hình 6: Giao diện công cụ khai phá dữ liệu Knime...............................33

v


DANH MỤC BẢNG
Bảng 1: Thuật toán xây dựng cây quyết định.........................................14
Bảng 2: Mô tả các trường của tập dữ liệu thuê bao............................... 21
Bảng 3: Mô tả các gói cước là nhãn dự báo...........................................23
Bảng 4: Bảng danh sách các trường thông tin tổng hợp kết quả............27
Bảng 5: Bảng danh sách các nhóm đặc trưng được trích xuất...............31
Bảng 6: Các công cụ thực nghiệm......................................................... 33
Bảng 7: Môi trường thực nghiệm...........................................................34
Bảng 8: Kết quả thực nghiệm sử dụng thuật toán kNN.........................34
Bảng 9: Kết quả thực nghiệm sử dụng thuật toán SVM........................35
Bảng 10: Kết quả thực nghiệm sử dụng thuật toán cây quyết định.......37
Bảng 11: Kết quả thực nghiệm sử dụng kết hợp các mô hình................38

vi


Chương 1: Giới thiệu khai phá dữ liệu trong lĩnh
vực viễn thông
1.1

Giới thiệu

Hiện nay, thị trường dịch vụ viễn thông di động tại Việt Nam đã đạt mức
bão hòa và cuộc cạnh tranh giữa các nhà mạng bước qua một giai đoạn mới:
đó là cạnh tranh về chất lượng các chương trình khuyến mại, chất lượng dịch
vụ và chăm sóc khách hàng, chất lượng mạng và vùng phủ sóng. Do đó, yếu
tố quan trọng nhất trong cạnh tranh ở giai đoạn này, các nhà mạng ngoài việc
tập trung giữ chân các thuê bao cũ, giảm lượng khách hàng rời mạng và
khuyến khích khách hàng tăng lượng sử dụng dịch vụ, phát triển chất lượng
dịch vụ, cải tiến và cung cấp thêm nhiều dịch vụ giá trị gia tăng đáp ứng nhu
cầu ngày càng lớn của khách hàng, cần phải phân tích và so sánh với đối thủ
cạnh tranh để có thể tung ra thị trường các sản phẩm/dịch vụ theo nhu cầu.
Một trong những chiến lược hàng đầu của các nhà mạng là ứng dụng các kỹ
thuật khai phá dữ liệu trên nền tảng dữ liệu lớn vào các hoạt động sản xuất
kinh doanh.

Hình 1: Số liệu thuê bao di động theo các nhà mạng tháng 01-04/2019
(nguồn: Nội bộ)

1


Hình 2: Thị phần di động của các nhà mạng
(nguồn: Nội bộ)
Tại Việt Nam, các nhà mạng lớn như Viettel, MobiFone, VinaPhone đã
ứng dụng khai phá dữ liệu vào trong hoạt động kinh doanh và phân tích dữ
liệu thuê bao, cụ thể như các giải pháp Viettel Customer 360 1, vRTAP2,
DataMon, Viettel BI của nhà mạng Viettel giúp phân tích hành vi và chân
dung khách hàng phục vụ công tác điều hành và kinh doanh dữ liệu; giải pháp
IVRS3 của nhà mạng MobiFone sử dụng công nghệ khai phá dữ liệu trên nền
tảng dữ liệu lớn phục vụ truyền thông trúng mục tiêu. Hầu hết các giải pháp

1
http://kenh14.vn/muc-tieu-cung-nam-2020-va-tuong-lai-nam-2025-cua-viettel-telecom-ra-sao20191023171327738.chn
2 https://vietteldanang.com.vn/viettel-va-qualcomm-ky-thoa-thuan-su-dung-ban-quyen-cong-nghe-3g4g/
3

http://www.vinasa.org.vn/Default.aspx?sname=vinasa&sid=4&pageid=3076&catid=4213&id=11676

2


và ứng dụng trên đã mang lại những hiệu quả về mặt kinh tế cũng như tối ưu
chi phí vận hành đối với các nhà mạng Việt Nam.

1.2

Khai phá dữ liệu trong lĩnh vực viễn thông

Các nhà mạng viễn thông sở hữu một lượng dữ liệu vô cùng lớn thông
tin của người dùng (thuê bao) từ thông tin nhân khẩu học đến thông tin hành
vi sử dụng dịch vụ viễn thông, tất cả các dữ liệu đều được lữu trữ một cách
chi tiết phục vụ các hoạt động kinh doanh và vận hành hàng ngày. Lượng dữ
liệu được lưu trữ trên tiềm ẩn những tri thức hết sức quí báu về thị trường,
khách hàng, sản phẩm… Sử dụng các kỹ thuật phân tích, khai phá dữ liệu
cùng các các thuật toán và mô hình toán học máy cho phép các nhà mạng đưa
ra các quyết định hiệu quả và kịp thời. Có khá nhiều các bài toán phân tích
(use case) trong lĩnh vực viễn thông phục vụ cho các hoạt động điều hành và
kinh doanh [16,24]. Qua khảo sát các tài liệu liên quan, luận văn đưa ra 4
nhóm bài toán chính về khai phá trong lĩnh vực viễn thông:
- Quản lý trải nghiệm khách hàng (CEM): Quản lý trải nghiệm khách
hàng là quá trình quản lý tất cả các điểm tiếp xúc với khách hàng
nhằm đảm bảo mối quan hệ tích cực giữa khách hàng với thương
hiệu. CEM được hiểu là việc “chủ động thiết kế và quản trị tất cả các
trải nghiệm khách hàng từ các trải nghiệm về thương hiệu, trải
nghiệm mua sản phẩm dịch vụ, trải nghiệm sử dụng sản phẩm dịch vụ
đến các trải nghiệm dịch vụ sau bán hàng trên tất cả các kênh, mọi
điểm tiếp xúc để đáp ứng các kỳ vọng của khách hàng nhằm gia tăng
sự hài lòng, trung thành và ủng hộ của khách hàng”.
- Tối ưu mạng lưới (Network optimization): Các phương pháp tiếp cận
phân tích dữ liệu lớn đang bắt đầu xuất hiện trong lĩnh vực mạng viễn
thông để giải quyết các thách thức của ảo hóa (NFV Network
Function Visualization) và điện toán đám mây (Cloud Computing).
Sự phức tạp gia tăng trong các ứng dụng mạng viễn thông đang thúc
đẩy nhu cầu tự động hóa mạng lưới. Các nền tảng tự động hóa mạng
lưới dựa trên phân tích dữ liệu lớn kết hợp các kỹ thuật khai phá dữ
liệu để hỗ trợ các hoạt động quản lý hiệu quả, kịp thời và đáng tin
cậy. Ví dụ về các ứng dụng tập trung vào mạng lưới bao gồm:
3


o Phát hiện bất thường trong khai thác, quản trị, bảo trì mạng
lưới
o Giám sát và tối ưu hóa hiệu suất sử dụng mạng
o Tối ưu cảnh báo mạng lưới.
o Khuyến nghị hành động xử lý lỗi
mạng. o Tự động xử lý lỗi mạng.
o Dự đoán lỗi mạng
o Quy hoạch dung lượng mạng (thông qua dự báo nghẽn mạng)
- Phân tích vận hành (Operations Analysis): Trong ngành viễn thông thì
việc rất quan trọng là phát hiện gian lận và hành vi sử dụng bất
thường nhằm giảm thiểu thất thoát doanh thu. Bài toán phát hiện dấu
hiệu bất thường và phòng chống gian lận để phát hiện các hành vi
gian lận của khách hàng và các bất thường của hành vi sử dụng. Phân
tích dữ liệu lớn chủ yếu sử dụng các công cụ phân lớp, phân tích hành
vi.
- Kinh doanh dữ liệu (Data monetization): Các công ty cũng như các tổ
chức viễn thông đang lữu trữ một lượng lớn dữ liệu liên tục. Nhiều
công ty đã hiểu rằng dữ liệu này có thể được sử dụng và nó có thể có
giá trị lớn khi được sử dụng đúng. Vấn đề là làm thế nào để biến dữ
liệu đó thành tiền - làm thế nào để kiếm tiền từ dữ liệu. Một cách để
kiếm tiền từ dữ liệu là chia nó thành hai loại: kiếm tiền từ nội bộ và
kiếm tiền từ bên ngoài. Kiếm tiền nội bộ có nghĩa là làm tăng doanh
thu của công ty với việc sử dụng dữ liệu. Có nhiều cách để làm như
có thể tăng lên bằng cách cải thiện dịch vụ sản phẩm và hiểu nhu cầu
của khách hàng. Hoặc doanh thu có thể đạt được bằng cách tăng
cường doanh số với các hoạt động như như chăm sóc khách hàng, lập
kế hoạch bán hàng qua kênh hiệu quả. Ngoài ra, phương pháp tối ưu
hóa và tăng cường sản xuất và bảo trì có thể mang lại khoản tiết kiệm
lớn cho doanh nghiệp. Kiếm tiền từ dữ liệu bên ngoài có thể bao gồm
bán dữ liệu, bán thông tin phân tích nghiên cứu hoặc dự đoán chẳng
hạn.

1.3 Nhóm bài toán về quản lý trải nghiệm khách hàng
4


Hầu hết các nhà mạng Việt Nam tập trung nhiều vào nhóm bài toán phân
tích và nâng cao trải nghiệm khách hàng vì đây là nhóm giúp tăng doanh thu
tiêu dùng viễn thông của các khách hàng một cách rõ rệt nhất. Các mục dưới
đây liệt kê một số bài toán khai phá dữ liệu viễn thông phổ biến nhất.
a) Dự đoán khách hàng tiềm năng cho các dịch vụ viễn thông
Trước đây, hầu hết doanh nghiệp không xác định được nhu cầu thực sự
của khách hàng mà chỉ tập trung vào quảng bá tràn lan sản phẩm – dịch vụ
của mình có, không nắm rõ vấn đề của khách hàng là gì, đưa ra hàng loạt đề
xuất gói cước mà không biết khách hàng có cần thiết hay không, không biết
điều gì – sản phẩm – dịch vụ gì là tốt nhất cho khách hàng của mình. Vì vậy,
việc xác định đúng tập khách hàng tiềm năng (nhu cầu của khách hàng) có ý
nghĩa lớn trong các chương trình truyền thông, chiến dịch quảng cáo của mỗi
đơn vị kinh doanh, giúp tiết kiệm được phần lớn chi phí và không ảnh
hưởng/làm phiền khách hàng. Mô hình xác định tập khách hàng tiềm năng
mua các gói cước viễn thông dựa trên kết quả phân tích nhà mạng áp dụng
các chương trình khuyến mại hay các chiến dịch truyền thông bán gói cước
phù hợp đến tập khách hàng tiềm năng [17, 19].
Mục đích:
- Giúp tăng doanh thu tiêu dùng gốc cho nhà mạng bằng cách dự đoán
đúng nhu cầu của khách hàng, tư vấn và giúp khách hàng đưa ra lựa
chọn chính xác gói cước có mức tiêu dùng cao hơn mức hiện tại
nhưng khách hàng được sử dụng dịch vụ thoải mái hơn.
- Dự đoán đúng và đưa ra tư vấn đúng/trúng nhu cầu của khách hàng
giúp đưa ra các chiến dịch truyền thông (sms, telesale,…) phù hợp
đến tập khách hàng tiềm năng, tránh được việc quảng cáo không
đúng đối tượng làm giảm hiệu quả chương trình, tăng chi phí và đặc
biệt là gây phản cảm với khách hàng, làm cho khách hàng cảm giác bị
làm phiền và khó chịu.
Để giải quyết bài toán này các nghiên cứu liên quan tập trung vào hai
hướng tiếp cận chính là hướng tiếp cận dựa trên luật liên kết và hướng tiếp
cận dựa trên phân loại thuê bao. Tác giả Zhang và các công sự đã đề xuất một
phương pháp phân loại thuê bao có khả năng thích các nhóm gói cước tiềm
5


năng dựa trên sự tương tự của các đặc trưng [24]. Các gói cước sẽ được đo sự
tương tự dựa trên các đặc trưng là danh sách các thuê bao đã đăng ký gói
cước, tập các gói cước tương tự sẽ được gom thành một nhóm, danh sách các
thuê bao tương tác nhiều sẽ được lấy ra để đại diện cho cụm. Để dự đoán một
thuê bao có thích gói cước hay không, nghiên cứu sẽ so sánh thông tin của
thuê bao đấy với các thuê bao khác để tìm ra tập thuê bao tương tự, các gói
cước phổ biến mà tập thuê bao tương tự đại diện sẽ được gán cho thuê bao
cần được đánh giá. Tác giả Li tiếp cận giải quyết bài toán này ở một hướng
khác khi sử dụng luật liên kết để tìm ra các tập gói cước hay được mua cùng
nhau để dự đoán một thuê bao có thể mua một gói cước mới khi đã từng mua
những gói cước nào [17].
b) Dự đoán thuê bao rời mạng
Trong môi trường kinh doanh viễn thông cạnh tranh khốc liệt như ở Việt
Nam hiện nay. Thị trường di động đã ở mức bão hòa, doanh thu di động tăng
trưởng chững lại và việc phát triển thuê bao mới hết sức khó khăn thì chăm
sóc và gìn giữ khách hàng cũ trên hệ thống trở nên hết sức quan trọng, nó
không chỉ giúp nhà mạng phát triển bền vững mà còn ngăn chặn đối thủ phát
triển thuê bao mới. Đây là bài toán quan trọng đối với các công ty hoạt động
trong lĩnh vực viễn thông và cũng là một trong những bài toán khó khi dữ liệu
thực tế có tỷ lệ mất cân bằng lớn [4, 18].
Thu thập dữ liệu từ các nguồn sẵn có của nhà mạng như dữ liệu CDR từ
tổng đài, dữ liệu thông tin khách hàng, dữ liệu lịch sử dụng dịch vụ và khuyến
mại, dữ liệu lịch sử khiếu nại … Các dữ liệu này đều được các hệ thống tác
nghiệp của nhà mạng xử lý và đã được lưu trữ trong CSDL.
Xử lý và trích xuất dữ liệu thực hiện tiền xử lý và trích xuất dữ liệu để
đưa vào mô hình phân tích. Dựa vào kinh nghiệm quản lý dữ liệu khách hàng
cũng như tham khảo các chuyên gia trong lĩnh vực chăm sóc khách hàng để
chọn lọc ra những dữ liệu có liên quan nhất với bài toán.
Mô hình phân tích thực hiện mô hình hóa các dữ liệu đã được xử lý từ
bước trước để xây dựng các mô hình dữ liệu.
Mục đích:

6


- Giảm thuê bao rời mạng bằng việc đưa ra các chiến dịch khuyến mãi
đến các khách hàng có giá trị cao. Ví dụ: Thuê bao di động đang có
hành vi sử dụng bình thường, hàng ngày phát sinh cuộc gọi đi/đến, có
thông tin register trên mạng, tuy nhiên 3 ngày liên tiếp thuê bao
không phát sinh cuộc gọi hoặc tần suất sử dụng dịch vụ giảm dần,
thường xuyên mất thông tin register, chứng tỏ khách hàng đang giảm
dần hành vi sử dụng hoặc đã đang bị đối thủ lôi kéo bằng các chương
trình khuyến mại hấp dẫn hơn. Cần thực hiện tiếp xúc ngay và đưa ra
các chương trình đủ mạnh để giữ chân khách hàng.
- Dự báo các thuê bao lâu năm có khả năng rời mạng đúng thời điểm
giúp nhà mạng tiếp xúc, chăm sóc và giữ chân khách hàng, tránh việc
tụt giảm thuê bao và doanh thu, mất khách hàng vào tay đối thủ cạnh
tranh.
Để giải quyết bài toán dự đoán thuê bao rời mạng các nghiên cứu hầu hết
đều tiếp cận theo hướng sử dụng phân loại tự động bằng các kỹ thuật học máy
khác nhau. Masoud và các cộng sự [18] đưa ra phương án giải quyết bằng các
kỹ thuật học máy khác nhau trên tập đặc trưng là thông tin tiêu dùng viễn
thông hàng tháng như thời gian gọi, số lượng phút gọi,… kết quả đạt được tại
độ đo F là 0.98 đối với toàn bộ các nhãn mô hình. Almana và các cộng sự [4]
cũng đưa ra tổng quan đánh giá các kỹ thuật học máy khác nhau trong việc
giải quyết bài toán dự đoán khách hàng rời dịch vụ như kỹ thuật mạng neural,
kỹ thuật học máy thống kê với các phương pháp hồi quy logistic, Naïve
bayes,… hay kỹ thuật phân loại dựa trên cây quyết định. Trong các kỹ thuật
trên Almana và các cộng sự cũng đánh giá các kỹ thuật dựa trên cây quyết
định được sử dụng nhiều trong các bài toán viễn thông nói chung và bài toán
dự đoán thuê bao rời mạng nói riêng.
c) Định danh/phân đoạn thuê bao
Hiện nay, tại mỗi doanh nghiệp các bộ phận kinh doanh được tổ chức
theo mô hình nhóm đối tượng khách hàng. Mỗi nhóm khách hàng khác nhau
cần được phát hiện và đối xử, chăm sóc khác nhau, như đúng phương trâm
của Viettel đã lựa chọn “Xem mỗi khách hàng là một cá thể riêng biệt” để
phục vụ. Vì vậy việc phân loại khách hàng thành các nhóm (phân đoạn) là bài
7


toán quan trọng giúp nhà mạng có thể phân tích vào từng phân khúc để hiểu
thêm hành vi, thói quen của khách hàng nhằm đưa ra các chiến lược theo từng
nhóm khách hàng. Mô hình phân tích của bài toán này thường sử dụng kỹ
thuật gom cụm để tự động phân nhóm khách hàng và đưa ra các thông tin đặc
trưng của từng nhóm [15, 13, 22].
Từ các nguồn dữ liệu sẵn có như dữ liệu lịch sử sử dụng dịch vụ bao
gồm apru tiêu dùng hàng tháng, hướng dịch vụ khách hàng thường xuyên sử
dụng như cuộc gọi, sms nội – ngoại mạng, hành vi sử dụng data, roaming …
Xử lý và trích xuất dữ liệu để phân đoạn theo lớp hành vi tiêu dùng theo
hướng sử dụng dịch vụ, theo lưu lượng.
Mô hình phân tích thực hiện mô hình hóa các dữ liệu đã được xử lý từ
bước trước để xây dựng các mô hình dữ liệu, cắt ra các lớp khách hàng khác
nhau.
Mục đích:
- Từ dữ liệu khách hàng sử dụng dịch vụ, chúng ta xây dựng các kinh
bản kinh doanh khác nhau cho từng nhóm khách hàng. Ví dụ: Những
khách hàng đang sử dụng tổng tiêu dùng trong tháng 200.000đ, sử
dụng 100 phút gọi nội mạng, 50 phút gọi ngoại mạng và 1GB data,
xây dựng và đề xuất cho khách hàng gói cước di động khuyến mại
hàng tháng trọn gói 250.000đ, sẽ được sử dụng 500 phút gọi nội
mạng miễn phí, 100 phút gọi ngoại mạng và 5GB lưu lượng data
miễn phí. Với từng đối tượng khách hàng sử dụng mức cước khác
nhau, sẽ gợi ý các chương trình để kích thích tăng arpu khách hàng.
- Bài toán nền cho các bài toán về phân tích khách hàng. Từ bài toán
này, phân loại được các lớp khách hàng khác nhau là đầu vào cho các
bài toán phân tích khách hàng khác.
Hầu hết các phương pháp phân đoạn khách hàng đều áp dụng thuật toán
gom cụm tự động. Jansen trong tài liệu kỹ thuật của nhà mạng Vodafone đã áp
dụng các kỹ thuật phân cụm khác nhau nhằm giải quyết bài toán phân đoạn
khách hàng [15], các kỹ thuật sử dụng ở đấy như Kmeans, K-medoid, Fuzzy
C-Means,…và kết quả của Fuzzy C-Means cho kết quả tốt nhất với hầu hết
các thực nghiệm. Tương tự như Jansen, Ye và các cộng sự cũng sử dụng
8


phương pháp phân đoạn khách hàng thành 8 nhóm dựa trên phân cụm phẳng
K-means [22]. Bên cạnh các kỹ thuật gom cụm, một số nghiên cứu sử dụng
một số kỹ thuật khác như trong luận án của Tianyuan [23] kỹ thuật dùng để
phân đoạn khách hàng được sử dụng là rời rác bằng phương pháp Bayesian
với rất nhiều đặc trưng đại diện cho thuê bao như nhân khẩu học và hành vi
thuê bao.
d) Khuyến mại mục tiêu
Mỗi nhà mạng sở hữu lượng lớn khách hàng trung thành, việc xây dựng
các thuật toán xác định sản phẩm/dịch vụ tiếp tục sử dụng của khách hàng sẽ
giúp nhà mạng đưa ra những đề xuất chính xác, tiếp tục bán được sản
phẩm/dịch vụ cho khách hàng cũ tốt hơn nhiều so với việc tìm kiếm và phát
triển trên khách hàng mới. Vì vậy việc xác định các sản phẩm/dịch vụ/gói
cước được mua cùng nhau, hoặc mua tuần tự trong một khoảng thời gian của
thuê bao dựa trên những thông tin được phân tích đưa ra các gói bán chéo
hoặc gợi ý sản phẩm mà khách hàng có thể có nhu cầu hết sức quan trọng với
mỗi nhà cung cấp dịch vụ trong thời điểm hiện tại [13, 21].
Mục đích:
- Từ dữ liệu thông tin khách hàng sử dụng dịch vụ, chúng ta đưa ra các
chiến dịch quảng cáo (sms, telesale,…) đến tập khách hàng đang có
nhu cầu. Ví dụ: Khách hàng đang dùng các dòng thiết bị đời thấp
không hỗ trợ sử dụng data. Khi khách hàng có hành vi thực hiện đổi
máy điện thoại sang sử dụng smart phone, ngay lập tức nhà mạng
phát hiện được thông tin và đưa ra chương trình khuyến mại do dùng
thử data miễn phí, tạo ra khách hàng data mới, mang lại nguồn doanh
thu mới.
- Tăng doanh thu bán chéo, bán thêm các dịch vụ, nâng hiệu quả của
các chiến dịch truyền thông. Ví dụ: Từ dữ liệu thông tin khách hàng
cũ đã đang sử dụng dịch vụ internet, nhà mạng phân tích dữ liệu và
thực hiện truyền thông và đề xuất khuyến mại các gói cước truyền
hình internet.
Nhóm bài toán này giải quyết bằng nhiều kỹ thuật khác nhau như luật
liên kết, phân loại tự động, gom cụm tự động. Insani và Soemitro [13] áp
9


dụng kỹ thuật luật liên kết để xác định các nhóm dịch vụ phổ biến hay đi cùng
nhau để đưa ra các gói chiến dịch truyền thông phù hợp với nhu cầu của
khách hàng, các khách hàng có cùng tập luật hoặc đã từng mua các sản phẩm
nằm trong trong luật sẽ được gợi ý các sản phẩm tương ứng. Russell và
Lodwick [21] sử dụng phương pháp gom cụm mờ để phân tích các khách
hàng sẵn có của nhà mạng, qua đấy các đặc trưng nổi trội đại diện cho hành vi
của nhóm thuê bao hay dịch vụ sẽ được thể hiện qua các cụm cụ thể. Các
chiến dịch truyền thông sẽ tìm kiếm các thuê bao có đặc trưng tương tự với
các đặc trưng nổi trội nhằm tăng tỷ lệ chuyển đổi.
e) Dự đoán giá trị thuê bao
Nắm bắt được mức tiền tiêu dùng của khách hàng cho mỗi loại dịch vụ
có nghĩa hết sức quan trọng trong việc đưa ra các chương trình chăm sóc và
giữ chân khách hàng, vì vậy nhà mạng muốn biết khách hàng đã đóng góp
(tiêu dùng) giá trị như thế nào đối với dịch vụ trong N năm tới (3-5 năm).
Dựa trên giá trị dự đoán có thể biết được mức độ tiêu dùng dịch vụ viễn thông
của khách hàng là bao nhiêu, qua đấy đưa đến cho khách hàng những dịch vụ
phù hợp với nhu cầu tại thời điểm đấy, giúp tăng doanh thu và giữ chân được
khách hàng tiềm năng [14, 20].
Mục đích:
- Từ dữ liệu lịch sử sử dụng dịch vụ của khách hàng, xác định giá trị
của một khách hàng để bán thêm các dịch vụ khách hàng. Ví dụ:
Khách hàng VIP thường xuyên có mức tiêu dùng cao hàng tháng
trung bình 500.000. Cần có chương trình chăm sóc đặc biệt để giữ
chân khách hàng.
- Tăng doanh thu tiêu dùng gốc bằng cách xác định được giá trị thuê
bao, tập trung chăm sóc và hỗ trợ khàng hàng theo quy luật 20 – 80.
20 % số lượng khách hàng lớn nhất đem lại 80% doanh thu cho nhà
mạng.
Để giải quyết bài toán dự đoán giá trị thuê bao có hai hướng tiếp cận
chính là sử dụng kỹ thuật hồi quy và gom cụm phân tích tiêu dùng. Wang và
các cộng sự [14] áp dụng kỹ thuật mạng neural vào việc dự đoán giá trị mang
lại của khách hàng trong lĩnh vực viễn thông, mô hình sử dụng các biến dữ
10


liệu liên quan đến các đặc trưng liên quan đến tỷ lệ tăng trưởng, tỷ lệ rời dịch
vụ, tỷ lệ giữ chân khách hàng để đưa ra mô hình dự đoán giá trị mang lại của
thuê bao. Độ chính xác của mô hình dự đoán đạt 96.5% trên tập dữ liệu 12005
bản ghi. Kim và các cộng sự [20] sử dụng kỹ thuật gom cụm để gom nhóm
các thuê bao thành các tập dữ liệu có cùng nhóm giá trị, việc gom cụm dựa
trên các tiêu chí về giá trị mang lại, giá trị tiềm năng và độ trung thành của
thuê bao. Kết quả dự đoán được sinh ra theo từng cụm và là kết quả phân tích
chi tiết dựa trên mỗi cụm.

1.4

Lựa chọn bài toán

Trong phạm vi của luận văn, học viên lựa chọn giải quyết bài toán dự
đoán khách hàng tiềm năng cho các gói cước trong mạng di động, đây là
một bài có tính thời sự đối với các công ty viễn thông nói chung và với Tập
đoàn Công nghiệp – Viễn thông Quân đội Viettel nói riêng. Việc giải quyết
được bài toán với độ chính xác cao sẽ giúp tăng doanh thu và tiết kiệm chi phí
trên nhiều mảng khác nhau như:
-

Doanh thu gói cước thoại
Doanh thu gói cước sms
Doanh thu gói cước data
Doanh thu gói VAS
Tiêu dùng gốc
Giảm chi phí truyền thông
Tránh gây khó chịu/làm phiền với thuê bao
Giảm thuê bao rời dịch vụ
Tăng tính trung thành của thuê bao

Bên cạnh yếu tố ứng dụng thì đây cũng là một bài toán có tính nghiên
cứu cao khi phải xử lý và phân tích một lượng dữ liệu lớn với độ mất cân
bằng cao về mặt phân bố giữa các lớp khác nhau.
Trong chương tiếp theo luận văn đi sâu vào việc phát biểu bài toán và
mô tả các kỹ thuật nhằm giải quyết bài toán.

11


Chương 2: Bài toán dự đoán khách hàng tiềm
năng
2.1

Phát biểu bài toán dự đoán khách hàng tiềm năng

Tại Việt Nam, doanh thu mang lại chủ yếu cho các nhà mạng là từ việc
bán các gói cước viễn thông như gói cước thoại, dữ liệu, tin nhắn, chỉ cần
10% số lượng thuê bao đăng ký mua một gói cước thì doanh thu mang lại
cũng lên đến hàng trăm tỷ đồng mỗi tháng cho nhà mạng. Việc tăng số lượng
người mua gói cước là mục tiêu quan trọng trong chiến lược kinh doanh của
mỗi một nhà mạng viễn thông, tuy nhiên việc tiếp cận các khách hàng đúng
mục tiêu, đúng thời điểm, không làm phiền là một bài toán phức tạp đòi hỏi
việc phân tích chuyên sâu từ các kỹ thuật khai phá dữ liệu. Với các phân tích
trên học viên đã lựa chọn bài toán dự đoán khách hàng tiềm năng cho các gói
cước là chủ đề nghiên cứu chính của luận văn. Bài toán này được phát biểu cụ
thể như sau:
Đầu vào:
- Thông tin của khách hàng bao gồm thông tin nhân khẩu học và thông
tin hành vi sử dụng dịch vụ viễn thông như số lượng cuộc gọi, tiêu
dùng hàng tháng, vị trí phát sinh cước nhiều nhất,…
- Danh sách các gói cước viễn thông
Đầu ra:
- Mô hình khai phá dự đoán khách hàng có phải là khách hàng tiềm
năng hay không
Trong mô tả về bài toán trong mục 1.3.a, bài toán có hai hướng tiếp cận
giải quyết bài toán chính là phân lớp dữ liệu và luật liên kết [17, 19]. Hướng
tiếp cận dựa trên phân lớp tận dụng tốt hơn các thông tin chi tiết của thuê bao
khi đi sâu vào việc phân tích nhu cầu của khách hàng dựa trên các yếu tố về
nhân khẩu học và hành vi sử dụng dịch vụ viễn thông, trong khi hướng tiếp
cận luật liên kết chỉ sử dụng các đặc trưng về sự tương quan của các dịch vụ.
Qua các phân tích trên luận văn đánh giá hướng tiếp cận dựa trên phân lớp
phù hợp với phát biểu của bài toán hơn là tiếp cận còn lại. Luận văn sẽ giải
12


quyết bài toán này dưới dạng một bài toán phân loại dữ liệu đa lớp đơn nhãn,
với đầu ra sẽ là nhãn gói cước phù hợp nhất với khác hàng.
Trong phần tiếp theo luận văn, học viên sẽ giới thiệu một số kỹ thuật
phân lớp dữ liệu kinh điển thường được sử dụng trong các bài toán phân loại
dữ liệu viễn thông.

2.2

Phương pháp cây quyết định

Học bằng cây quyết định là phương pháp học có giám sát. Quá trình học
chính là quá trình xây dựng một cây định hướng. Nút gốc và mỗi nút trong
cây sẽ được dán một nhãn có giá trị là một từ có trong tài liệu và mỗi nhánh
xuất phát từ chúng được dán một nhãn tương ứng với giá trị của từ đó trong
tài liệu. Các lá được dán nhãn là giá trị phân loại mà ta cần thu được. Cây
quyết định được xây dựng bằng cách sử dụng chiến lược “chia để trị”. Mỗi
nút trong của cây được liên kết với một tập các trường hợp. Mỗi nút sẽ tương
ứng với một tập các ví dụ học. Gốc là toàn bộ dữ liệu học.

Hình 3: Ví dụ mô tả cây quyết định
Giải thuật học dựa trên cây quyết định hoạt động trên tập dữ liệu được
biểu diễn bằng các giá trị rời rạc, trong trường hợp dữ liệu được biểu diễn
bằng các thuộc tính có giá trị liên tục thì ta cần thực hiện các bước rời rạc
hóa. Các giải thuật phần lớn đều áp dụng cách tiếp cận tham ăn để xây dựng
cây theo chiều từ trên xuống. Tập dữ liệu huấn luyện sẽ được chia thành các
tập nhỏ hơn trong quá trình xây dựng cây chia để trị.
13


Dưới đây là mã giả của thuật toán xây dựng cây quyết định được lấy
nguồn từ tài liệu [2].
Bảng 1: Thuật toán xây dựng cây quyết định
Thuật toán xây dựng cây quyết định
Đầu vào: Tập D chứa dữ liệu huấn luyện attribute_list chứa danh
sách các thuộc tính ứng cử
Đầu ra: Cây quyết định Generate_decision_tree(D, attribute_list)
1. Tạo một nút gốc N cho cây quyết định
2. If toàn bộ dữ liệu trong D đều thuộc lớp C, return nút N là nút lá có
nhãn C
3. If attribute_list là rỗng, return nút N với nhãn là lớp xuất hiện nhiều
nhất trong D
4. splitting_attribute = attribute_selection_method(D,
attribute_list) Tìm thuộc tính phân chia tốt nhất
5. Gán cho nút N nhãn là splitting_attribute
6. attribute_list ← attribute_list \ {splitting_attribute} (loại bỏ thuộc
tính splitting_attribute khỏi attribute_list)
7. For each giá trị j của thuộc tính splitting_attribute
7.1. Gọi Dj là tập chứa các phần tử dữ liệu mà thuộc
tính splitting_attribute có giá j
7.2. If Dj là rỗng thì thêm một nút là Nj cho nút N có nhãn là nhãn
phổ biến nhất xuất hiện trong D
7.3. Else gắn cây trả về bởi Generate_decision_tree(D, attribute_list)
vào nút N
8. return N

14


Điểm quan trọng nhất trong giải thuật xây dựng cây quyết định phía
trên là hàm lựa chọn thuộc tính tốt nhất để phân chia dữ liệu. Có một số độ đo
được dùng để đánh giá “chất lượng” của các thuộc tính.
Sau khi xây dựng cây, cây này có thể chứa nhiều nhánh phản ánh sự bất
thường của dữ liệu huấn luyện. Điều này sẽ gây ra hệ quả là hiện tượng cây
thu được phù hợp trội (overfitting). Để giải quyết vấn đề này, ta có thể sử
dụng phương pháp tỉa cây để loại bỏ đi các nhánh ít tin cậy nhất.

2.3

Phương pháp SVM

Giải thuật máy vector hỗ trợ (SVMs) được giới thiệu bởi Vapnik và cộng
sự [5], dựa trên nguyên lý cực tiểu hóa rủi ro cấu trúc (Structural Risk
Minimization) trong lý thuyết thống kê. SVMs rất hiệu quả để giải quyết các
bài toán với dữ liệu có số chiều lớn như các vector biểu diễn văn bản. Ban
đầu, SVMs chỉ được thiết kế để giải quyết các bài toán phân lớp nhị phân.
Hiện nay, SVMs được đánh giá là bộ phân lớp chính xác nhất cho bài toán
phân lớp văn bản.
Xét bài toán phân lớp văn bản thành các lớp mẫu dương và mẫu âm:
D = {(xi, yi) i = 1, 2,…, N, xi ∈ Rn, y = ± 1 }
Trong đó mẫu là các vector đối tượng được phân lớp thành các mẫu
dương và âm:
- Các mẫu dương là các mẫu xi được gán nhãn yi = 1
- Các mẫu âm là các mẫu xi được gán nhãn yi = -1
Thực chất phương pháp này là một bài toán tối ưu, mục tiêu là tìm ra
siêu phẳng quyết định H sao cho sai số phân lớp là thấp nhất. Trong trường
hợp này, tập phân lớp SVMs là mặt siêu phẳng phân tách các mẫu dương
khỏi các mẫu âm với độ chênh lệch cực đại, trong đó độ chênh lệch – còn gọi
là Lề (margin) xác định bằng khoảng cách giữa các mẫu dương và các mẫu
âm gần mặt siêu phẳng nhất. Mặt siêu phẳng này được gọi là mặt siêu phẳng
lề tối ưu.
Một siêu phẳng trong không gian có thể được biểu diễn như sau: w.x + b
= 0 trong đó w là vector trọng số, w = (w1, w2,…, wn) với n là số đặc trưng, b
là độ lệch.
15


Bộ phân lớp SVMs được định nghĩa như sau: f(x) = sign(w.x + b)
Trong đó:
sign(x) = 1 nếu x ≥ 0
sign(x) = -1 nếu x < 0
Nếu f(x) = 1 thì x thuộc về lớp dương, ngược lại nó thuộc về lớp âm.
Khoảng cách từ mỗi điểm trong tập mẫu đến siêu phẳng bằng:
Mi =

yi (w. xi +b)
|w |

Suy ra lề của siêu phẳng là
M = min Mi = min
i

yi (w. xi +b)
|| w ||

i

Các vector nằm trên hai siêu phẳng H1 và H2 song song với siêu phẳng
H và cách một khoảng M gọi là vector hỗ trợ (support vector).

Hình 4: Siêu phẳng H chia dữ liệu huấn luyện thành 2 lớp với khoảng
cách biên lớn nhất (các điểm gần H nhất nằm trên H1 và H2 là vector hỗ
trợ).
Bài toán tìm siêu phẳng có lề lớn nhất có thể phát biểu như một bài

toán tối ưu hóa max M với các ràng buộc

yi (w. x +b)
i

w,b,M

16

≥ M||w||, ∀i = 1,…,

N


Một số hàm nhân thường dùng như:

- RBF Kernel: k(x , x ) =
i

j

||xi x j||

exp( −



)

2

-

Kernel tuyến tính: k(xi, xj) = xi.xj

-

Kernel đa thức: k(xi, xj) = (xiTxj + c)d

2.4

2

Phương pháp kNN (k người láng giếng gần nhất)

Đối với bài toán học có giám sát, có một phương pháp cục bộ đơn giản
để phân lớp đó là dùng quy tắc k – láng giềng gần nhất.
Giả sử ta có tập mẫu đã biết nhãn là D và số k cho trước. Với mỗi mẫu
đặc trưng x thuộc D, ta tìm k đối tượng trong D gần với nó nhất và gán nhãn
của lớp có nhiều phần tử nhất trong k đối tượng này. Phương pháp kNN tuy
đơn giản về giải thuật nhưng lại đòi hỏi chi phí tính toán cao.
Hình 2 được lấy từ tài liệu [1], mô tả việc áp dụng quy tắc kNN trên một
không gian đặc trưng 2 chiều với k=5 để gán nhãn cho điểm x.

Hình 5: Quy tắc k-NN trên không gian đặc trưng 2-chiều với k=5.

2.5

Phương pháp ghép nối các mô hình học máy

Phương pháp lai ghép các mô hình từ lâu đã nhận được nhiều quan tâm
từ cộng đồng nghiên cứu. Có khá nhiều tác giả đã sử dụng phương pháp này
17


cho các nghiên cứu nhằm giải quyết và cải thiện chất lượng bài toán của họ,
chẳng hạn [6, 7, 8, 9]
Liên quan tới việc áp dụng phương pháp lai ghép cho bài toán phân
lớp, nhóm các tác giả Wei Wu, Zheng Liu và Yan He đã sử dụng phương pháp
này cho bài toán phân loại lỗi của đường ống xử lý nước thải một cách tự
động [2]. Trong công trình này, nhóm tác giả đã chứng minh tính hiệu quả của
việc sử dụng phương pháp kết hợp bốn mô hình: AdaBoost, Rừng ngẫu nhiên
(Random Forest), Rừng xoay (Rotation Forest), và RotBoost trong bài toán
phát hiện tự động lỗi có thể thay thế sức người. Michiel van Wezel cùng cộng
sự [14] đưa ra cách cải thiện bài toán dự đoán trong các lựa chọn của khách
hàng sử dụng phương pháp lai ghép. Sajid Yousuf Bhat cùng cộng sự
[20] thì sử dụng phương pháp này cho bài toán phát hiện thư rác. Trong bài
báo này, tác giả đánh giá việc thực hiện một số phương pháp học kết hợp sử
dụng đặc điểm cấu trúc dựa vào nội dung của thư nhằm phát hiện thư rác trên
các trang mạng xã hội trực tuyến. Các tác giả đánh giá hiệu suất của ba bộ
phân loại bao gồm J48 (cây quyết định), IBK (kNN sử dụng k = 5 hàng xóm
gần nhất), và NaïveBayes sau đó sử dụng các kỹ thuật bagging, boosting và
stacking để đánh giá hiệu quả.
Đánh giá kết quả thu được, các học viên nhận xét rằng việc kết hợp
các bộ phân loại hỗ trợ rất nhiều trong việc cải thiện chất lượng bài toán
xác định ý định người dùng.

2.6

Phương pháp đánh giá

Việc đánh giá các thuật toán phân lớp thường sử dụng độ chính xác, độ
hồi tưởng, độ đo F-score (F1) để tính hiệu năng của mô hình học máy, trong
luận văn này các độ đo này cũng được sử dụng để đánh giá mô hình, cụ thể:
Độ hồi tưởng (Recall): Số dữ liệu do mô hình dự đoán đúng / Tổng số dữ
liệu thực tế.
Độ chính xác (Precision): Số dữ liệu do mô hình dự đoán đúng / Tổng số
dữ liệu do mô hình dự đoán ra.
F-score (F1): Độ đo hài hòa giữa độ chính xác và độ hồi tưởng.

18


Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×