一种基于语音业务用户负感知的网络问题分析方法

1.一种基于语音业务用户负感知的网络问题分析方法，其特征在于包括内容如下：
1)用户感知与网络资源的关联：将用户对语音业务的感知度，通过掉话数据分析出来，并与小区进行关联，进而与BSC、MSC取得关联；
2)语音业务用户负感知KQI指标的分解：语音业务用户负感知KQI指标从接入性和保持性两个维度进行分解到网络KPI指标，或这两个维度网络KPI指标从网管性能指标中提取出来；
3)网络KPI指标关联分析：将小区、BSC、MSC网元的KPI指标关联，并与网络的覆盖、效率、负荷、设备质量指标关联，通过这种关联分析，获得快速定位网络问题；
具体步骤如下：
A.通过信令监测系统的统计的数据，进行用户负感知统计；
B.通过经分系统取得用户级别数据，形成包含用户级别的用户负感知统计；
C.对VIP用户的通话负感知统计结果进行钻取分析，取得其负感知通话记录详情；
D.对该通话时间段内该VIP用户所在小区的基于语音业务的指标进行分析，并根据需求决定是否分析BSC、MSC的同类指标；
E.对承载语音业务的基础网络指标进行分析；
F.根据以上关联分析结果，定位用户负感知的网络问题，优化网络，改进服务质量。

一种基于语音业务用户负感知的网络问题分析方法\n技术领域\n[0001] 本发明涉及一种计算机在电信技术领域的应用，具体地说是一种涉及移动网络中客户感知QoE(Quality of Experience体验质量)指标的分析领域，提供了一种基于语音业务用户负感知的网络问题分析方法。\n背景技术\n[0002] 随着3G及全业务的开展，国内电信运营商的业务趋于同质化，为客户提供优质服务成为竞争的焦点。因此，关注用户感知，提升用户满意度已成为迫切需求。目前，目前大多数运营商还主要从网络指标上衡量网络质量，但在用户体验、感知方面缺乏有效的分析方法。但实际上在很多情况下，网络指标好不代表用户感知好，如何将终端用户感知的好坏与网络指标联系起来是电信运营商运维面临的一个难题。\n[0003] 通 常 运 营 商 对 两 类 客 户 群 体 即 VIP(Very Important Person) 和VAP(VeryAnnoying Person，指尚未投诉但业务感知已经很差的客户)的感知会非常关注。\n通过对VAP客户群体(尤其是其中的VIP用户)进行业务质量预防式改进及客户关怀活动，可以有效避免潜在投诉及客户的流失。VIP和VAP这两类用户群的感知管理好了，基于用户感知的大部份问题也就基本解决了。\n发明内容\n[0004] 本发明的目的是提供一种基于语音业务用户负感知的网络问题分析方法。\n[0005] 本发明的目的是按以下方式实现的，包括内容如下：\n[0006] 1)用户感知与网络资源的关联：将用户对语音业务的感知度，通过掉话数据分析出来，并与小区进行关联，进而与BSC、MSC取得关联；\n[0007] 2)语音业务用户负感知KQI指标的分解：语音业务用户负感知KQI指标从接入性和保持性两个维度进行分解到网络KPI指标，或这两个维度网络KPI指标从网管性能指标中提取出来；\n[0008] 3)网络KPI指标关联分析：将小区、BSC、MSC等网元的KPI指标关联，并与网络的覆盖、效率、负荷、设备质量指标关联，通过这种关联分析，获得快速定位网络问题；\n[0009] 具体步骤如下：\n[0010] 1)通过信令监测系统的统计的数据，进行用户负感知统计；\n[0011] 2)通过经分系统取得用户级别数据，形成包含用户级别的用户负感知统计；\n[0012] 3)对VIP用户的通话负感知统计结果进行钻取分析，取得其负感知通话记录详情；\n[0013] 4)对该通话时间段内该VIP用户所在小区的基于语音业务的指标进行分析，并根据需求决定是否分析BSC、MSC的同类指标；\n[0014] 5)对承载语音业务的基础网络指标进行分析；\n[0015] 6)根据以上关联分析结果，定位用户负感知的网络问题，优化网络，改进服务质量。\n[0016] 本发明的有益效果是：对于终端用户(尤其是VIP用户)的基于语音业务的负感知，通过进行指标关联分析，将用户感知情况与网络KPI指标进行有效关联，可以快速、有效的定位网络问题原因，从而解决运营商“网络指标好但用户感知不好”的困扰，变被动的投诉受理模式为主动发现问题的模式，为面向业务、面向客户的网络优化提供依据，从而提升服务质量，提高客户满意度。\n附图说明\n[0017] 图1是基于语音业务用户负感知的网络问题分析方法的流程图；\n[0018] 图2是基于语音业务负感知的指标分析模型图；\n[0019] 图3是承载语音业务的基础网络KPI指标模型图。\n具体实施方式\n[0020] 本发明的目的是针对电信运营商提升用户满意度的需求，提供了一种基于用户感知的网络问题分析方法，来分析运营商对终端用户的业务服务质量，从而定位网络问题并对网络进行有针对的优化和改进。\n[0021] 由于用户对语音业务使用最为频繁，业务感知度也最为明显，本发明方法，其目的不是建立基于语音的QOE模型及如何评估语音业务感知的KQI(Key QuantityIndicators关键质量指标)指标，而是从用户负感知情况，通过提取用户语音业务的相关指标数据，并对用户语音负感知数据的分析，分析和定位网络问题，从而为网络进行优化提供依据，进而提升用户感知和满意度。而用户对语音业务的各种负感知(掉话、无法接入、语音质量不清晰等)中，掉话造成的负感知最为明显，所以本发明就主要从掉话这种负感知的视角入手进行分析。\n[0022] 本发明的基于语音业务用户负感知的网络问题分析方法，其实现步骤如下：\n[0023] A.通过信令监测系统的统计的数据，进行用户负感知统计；\n[0024] B.通过经分系统取得用户级别数据，形成包含用户级别的用户负感知统计；\n[0025] C.对VIP用户的通话负感知统计结果进行钻取分析，取得其负感知通话记录详情；\n[0026] D.对该通话时间段内该VIP用户所在小区的基于语音业务的指标进行分析，并根据需求，决定是否分析BSC、MSC的同类指标；\n[0027] E.对承载语音业务的基础网络指标进行分析；\n[0028] F.根据以上关联分析结果，定位用户负感知的网络问题，优化网络，改进服务质量。\n[0029] 本发明的一种基于语音业务用户负感知的网络问题分析方法，具有以下特点：\n[0030] 1)用户感知与网络资源的关联：将用户对语音业务的感知度，通过掉话等数据分析出来，并与小区进行关联，进而与BSC、MSC取得关联；\n[0031] 2)语音业务用户负感知KQI指标的分解：语音业务用户负感知KQI指标从接入性和保持性两个维度进行分解到网络KPI(Key Performance Indicators)指标，而且这两个维度网络KPI指标也很容易从网管性能的统计指标中提取出来。\n[0032] 3)网络KPI指标关联分析：将小区、BSC、MSC等网元的KPI指标关联，并与网络的覆盖、效率、负荷、设备质量等指标关联，通过这种关联分析，便于快速定位网络问题。\n实施例\n[0033] 下面结合附图对本发明的一种基因语音业务用户负感知的网络问题分析方法进行详细描述。\n[0034] 其实现方案如下：\n[0035] A、通过网管信令监测系统统计出一定周期内所有用户负感知情况的统计数据，包括：时间段、用户号码、掉话次数、主叫失败次数、被叫失败次数、负感知总数、尝试切换失败次数、位置更新失败次数、总失败次数。这样，得到的统计结果如下表所示：\n[0036] 表1：用户负感知统计表\n[0037] \n[0038] B、通过经分系统获取用户级别数据，与步骤1得到的结果，通过用户号码进行关联匹配，这样，得到的统计结果如下表所示：\n[0039] 表2：包含用户级别的用户负感知统计表\n[0040] \n[0041] C、通过网管信令监测系统记录每个用户的每一次通话相关数据，包括：开始时间、结束时间、主叫号码、主叫IMSI、主叫TMISI、被叫号码、被叫IMSI、被叫TMISI、主叫所在LAC、被叫所在LAC、主叫所在小区、被叫所在小区、状态。\n[0042] 这样，得到的记录如下表所示：\n[0043] 表3：用户负感知分析表\n[0044] \n[0045] D、从话务网管性能系统中将小区、BSC、MSC的各种KPI指标中提取与语音业务相关的KPI指标，形成基于语音业务的网络KPI指标集，如下表所示：\n[0046] 表4：基于语音业务的网络KPI指标集\n[0047] \n[0048] 其中，小区的归属网元为BSC，BSC的归属网元为MSC，MSC的归属网元为空。\n[0049] E、从话务网管性能系统、话务网管告警系统、拨测系统中将提取各类承载语音业务的基础指标，形成承载语音业务的网络KPI指标集，包括网络覆盖类指标(DT覆盖率、CQT覆盖率、弱覆盖小区占比、寻呼成功率、小区完好性)、网络效率类指标(端局利用率、半速率话务量所占比例、无线利用率、语音业务超忙小区比)、网络负荷类指标(每线话务量、信令总负荷、信令接收负荷、信令发送负荷)、设备质量类指标(告警总量、告警历时)，如附图\n3所示。\n[0050] 基于上述实现方案，分析过程如下：\n[0051] 1)从网管信令监测系统提取数据形成表1所示的用户负感知情况统计结果；\n[0052] 2)从网管信令监测系统及经分系统提取数据形成表2所示的含有用户级别的用户负感知情况统计结果；\n[0053] 3)从表2中，重点提取用户级别为VIP的掉话情况统计，并对统计结果中的掉话次数、主叫失败次数、被叫失败次数、负感知总数、尝试切换失败次数、位置更新失败次数、总失败次数等结果进行钻取分析，形成表3所示的用户负感知情况分析记录；\n[0054] 4)钻取表3中的小区信息，通过表4分析该通话时间段内小区的KPI指标；再根据需要，对小区归属的BSC信息，通过表4分析该通话时间段内BSC的KPI指标；再根据需要，对BSC归属的MSC信息，通过表4分析该通话时间段内MSC的KPI指标；其中，资源关联关系通过表3中的“归属网元”字段来建立关联，小区的归属网元为BSC，BSC的归属网元为MSC，MSC的归属网元为空。\n[0055] 5)分析该时间段内承载语音业务的基础KPI指标；\n[0056] 6)通过以上关联分析，定位网络问题，优化网络，提升服务质量。\n[0057] 图2是本发明中定义的基于语音业务负感知的指标分析模型，通过本模型指标的定义，可以通过关联分析到小区\BSC\MSC基于语音业务的KPI指标情况，为用户负感知的表象提供数据依据。\n[0058] 图3是本发明定义的承载语音业务的基础网络KPI指标分析模型，通过本模型的定义，可以分析承载语音业务的网络KPI指标情况，对异常的指标，可以定位到网络问题，找到原因。