一种电信业务家庭用户识别方法、系统及营销方法与流程

1.本发明涉及数据分析技术领域，尤其涉及一种基于大数据的电信业务家庭用户识别方法、一种基于大数据的电信业务家庭用户识别系统以及一种基于大数据及家庭用户画像的电信业务营销方法。


背景技术：

2.电信业务是指电信运营商向用户提供的各种通信服务，包括语音、数据、视频等。电信业务的用户可以分为个人用户和家庭用户，其中家庭用户是指由多个个人用户组成的具有共同生活习惯和消费需求的群体。家庭用户是电信运营商的重要客户群体，具有较高的市场价值和忠诚度。因此，准确识别家庭用户并提供个性化的服务是电信运营商提升竞争力和收益的关键。
3.目前，随着各电信运营商进入全业务运营时代，全网主体运营商的优势已逐渐消失。只有立足于现有的规模优势和先发优势，围绕融合绑定服务，重点发展和推广家庭套餐产品，增加客户对运营商业务的粘性，减少客户流失。
4.目前，电信运营商识别家庭用户的方法主要有以下几种：
5.一是基于证件信息，将使用同一证件办理业务的用户划分为家庭用户；
6.二是基于融合业务，将办理了融合套餐或共享套餐的用户划分为家庭用户；
7.三是基于主副卡关系，将办理了主副卡业务的用户划分为家庭用户。
8.然而，这些方法存在一些局限性，例如：证件信息不一定能反映真实的家庭关系，不能完全确认号码归属的家庭组，融合业务和主副卡业务的覆盖范围有限，无法涵盖所有的家庭用户。此外，这些方法也不能反映家庭用户的行为特征和偏好，无法为家庭用户提供精准的营销策略和优质的服务体验。


技术实现要素：

9.针对上述问题，本发明提供了一种电信业务家庭用户识别方法、系统及营销方法，利用电信运营商已有的通话行为数据、信令数据和宽带行为分析数据，结合多种指标和模型，综合考虑家庭用户的证件信息、融合业务、主副卡关系、交往亲密度、夜间常驻位置和宽带装机位置等因素，从多个维度识别出家庭用户，并构建出家庭用户画像，能够反映出家庭用户的行为特征和偏好，在此基础上，为家庭用户提供个性化的服务和营销策略，提高了电信运营商对家庭用户的认知和服务水平，同时增强了家庭用户的忠诚度和满意度，促进了电信业务的发展和创新。
10.为实现上述目的，本发明提供了一种基于大数据的电信业务家庭用户识别方法，包括：
11.查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；
12.基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲
密指数阈值的用户定义为亲密关系用户，构建交往圈模型；
13.基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；
14.基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；
15.将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像。
16.在上述技术方案中，优选地，所述基于通话行为数据计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型的具体方法包括：
17.根据当前用户与其他用户之间的通话行为数据，基于对应用户之间通话行为的稳定性、持续性和频繁性三个维度，以加权求和方式计算当前用户与每个其他用户之间的交往亲密指数；
18.将当前用户与交往亲密指数超出预设亲密指数阈值的其他用户定义为亲密关系用户，将与当前用户相关联的亲密关系用户作为当前用户的交往圈，构建所有用户的交往圈模型。
19.在上述技术方案中，优选地，所述基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户的具体方法包括：
20.根据当前用户交往圈的各用户的信令数据，得到对应用户的夜间常驻基站信息；
21.将与当前用户的夜间常驻位置在预设距离阈值范围内的亲密关系用户修正为当前用户的家庭关系用户；
22.将所述交往圈模型中所有用户的交往圈修正为对应用户的家庭关系用户。
23.在上述技术方案中，优选地，所述基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈的具体方法包括：
24.根据宽带行为分析数据得到每个宽带用户所关联绑定的手机用户，并分析得到所述宽带用户的宽带装机位置和所述手机用户的手机常驻位置；
25.将手机常驻位置在当前宽带用户宽带装机位置的预设距离阈值范围内的所述手机用户，作为当前宽带用户的家庭关系用户；
26.对比并判断所有宽带用户对应的家庭关系用户，构建得到以宽带为基础的家庭圈。
27.在上述技术方案中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
28.根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间通话行为的休息日与节假日标准差/工作日工作时间段标准，作为波动差异性指标；
29.根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间通话行为的工作日非工作时间段通话次数占比，作为聚集性指标；
30.基于所述波动差异性指标和所述聚集性指标，进一步修正符合预设指标范围的家
庭关系用户。
31.在上述技术方案中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
32.根据当前用户家庭关系用户中的非本网成员用户，则判断该非本网成员用户的归属地与当前用户的归属地是否一致，并剔除归属地不一致的非本网成员用户，进一步修正当前用户的家庭关系用户。
33.在上述技术方案中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
34.由所述数据库中查询用户数据以及修正家庭关系用户过程中，根据预设的数据口径进行数据查询和用户筛选修正。
35.在上述技术方案中，优选地，将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像的具体方法包括：
36.将某一用户对应的所述家庭组中相关联的用户、修正后的所述家庭关系用户中相关联的用户以及以宽带为基础的家庭圈中相关联的用户进行合并，共同作为该用户的家庭用户，整合得到该用户的家庭用户画像；
37.逐一识别所有用户对应的家庭用户，得到所有用户的家庭用户画像。
38.本发明还提出一种基于大数据的电信业务家庭用户识别系统，应用如上述技术方案中任一项公开的基于大数据的电信业务家庭用户识别方法，包括：
39.传统业务筛选模块，用于查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；
40.话务行为筛选模块，用于基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型；
41.家庭用户修正模块，用于基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；
42.宽带家庭分析模块，用于基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；
43.家庭用户整合模块，用于将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像。
44.本发明还提出一种基于大数据及家庭用户画像的电信业务营销方法，包括：
45.基于如上述技术方案中任一项公开的基于大数据的电信业务家庭用户识别方法得到的家庭用户画像，根据所述家庭用户画像的指标，向所述家庭用户画像对应的家庭用户提供相匹配的电信业务。
46.与现有技术相比，本发明的有益效果为：
47.1.能够充分利用电信运营商已有的大数据资源，无需额外采集或购买数据，节省成本；
48.2.能够利用大数据技术，综合分析多种数据源，从多个维度识别出家庭用户，提高了识别的准确性和覆盖率；
49.3.能够反映出家庭用户的行为特征和偏好，提高了电信运营商对家庭用户的认知和服务水平，为家庭用户提供个性化的服务和营销策略，提升了客户满意度和忠诚度；
50.4.能够帮助电信运营商挖掘潜在的家庭用户，扩大市场份额和收入。
附图说明
51.图1为本发明一种实施例公开的基于大数据的电信业务家庭用户识别方法的流程示意图；
52.图2为本发明一种实施例公开的基于大数据的电信业务家庭用户识别系统的模块示意图；
53.图3为本发明一种实施例公开的基于大数据及家庭用户画像的电信业务营销方法的流程示意图。
具体实施方式
54.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
55.下面结合附图对本发明做进一步的详细描述：
56.如图1所示，根据本发明提供的一种基于大数据的电信业务家庭用户识别方法，包括：
57.查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；
58.基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型；
59.基于信令数据得到交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；
60.基于宽带行为分析数据，结合宽带用户的宽带装机位置与手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；
61.将家庭组、家庭关系用户和家庭圈的对应用户进行合并，整合得到家庭用户画像。
62.在该实施方式中，利用电信运营商已有的通话行为数据、信令数据和宽带行为分析数据，结合多种指标和模型，综合考虑家庭用户的证件信息、融合业务、主副卡关系、交往亲密度、夜间常驻位置和宽带装机位置等因素，从多个维度识别出家庭用户，并构建出家庭用户画像，能够反映出家庭用户的行为特征和偏好，在此基础上，为家庭用户提供个性化的服务和营销策略，提高了电信运营商对家庭用户的认知和服务水平，同时增强了家庭用户的忠诚度和满意度，促进了电信业务的发展和创新。
63.在上述实施方式中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
64.由数据库中查询用户数据以及修正家庭关系用户过程中，根据预设的数据口径进行数据查询和用户筛选修正。
65.在传统业务角度，基于业务，剔除红黑名单、集团客户、集客营服用户，同证件、融合业务、主副卡用户基本可以确定为是同一个家庭，通过关联证件id作为家庭组标识，合并构建家庭组。
66.在上述实施方式中，优选地，基于通话行为数据计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型的具体方法包括：
67.根据当前用户与其他用户之间的通话行为数据，基于对应用户之间通话行为的稳定性、持续性和频繁性三个维度，以加权求和方式计算当前用户与每个其他用户之间的交往亲密指数；
68.将当前用户与交往亲密指数超出预设亲密指数阈值的其他用户定义为亲密关系用户，将与当前用户相关联的亲密关系用户作为当前用户的交往圈，构建所有用户的交往圈模型。
69.具体地，利用数据分析得出话单信息，构建交往圈模型，根据家庭用户通话特点(亲密指数)识别包含异网号码在内的家庭关系，具体地，基于通话行为数据，从稳定性、持续性、频繁性三个维度构建交往圈模型，这三个维度作为三个指标，每个指标的计算交往亲密指数，将交往亲密指数≥85分(该亲密指数阈值可调)的用户定义为亲密关系用户。
70.在上述实施方式中，优选地，基于信令数据得到交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户的具体方法包括：
71.根据当前用户交往圈的各用户的信令数据，得到对应用户的夜间常驻基站信息；
72.将与当前用户的夜间常驻位置在预设距离阈值范围内的亲密关系用户修正为当前用户的家庭关系用户；
73.将交往圈模型中所有用户的交往圈修正为对应用户的家庭关系用户。
74.具体地，在稳定性、持续性与频繁性三方面，与家庭关系用户相比，比较亲密的朋友(闺蜜、老铁)、同事(直属上下级、协同配合)、亲戚(尤其是直系亲属)也具有较高相似度，将对模型识别的准确度产生较大的影响，需要从其他特点将这些亲密关系区分出来。因此，在该实施方式中，利用用户的夜间常驻位置对亲密关系用户进一步修正识别，将夜间常驻位置在一定范围内的亲密关系用户作为家庭关系用户。在实施过程中，采用“信令位置”数据，判断当前用户与对应的亲密关系用户在晚上、休息日/节假日的基站重合度，重合度较高(如夜间常驻位置半径小于100米)的判断为同一家庭，重合度低的成员剔除，得到家庭关系用户。
75.在该过程中，数据口径包括：疑似家庭成员间夜间常驻位置半径小于100米；家庭成员间(含异网成员)为同一归属地市；剔除红黑名单、集团客户、集客营服。
76.在上述实施方式中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
77.根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间通话行为的休息日与节假日标准差/工作日工作时间段标准，作为波动差异性指标；
78.根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间通话行为的工作日非工作时间段通话次数占比，作为聚集性指标；
79.基于波动差异性指标和聚集性指标，进一步修正符合预设指标范围的家庭关系用户。
80.在该实施方式中，家庭成员与其他亲密关系显著的不同点在于聚集时间：工作日白天家庭成员多数情况下不在一起，沟通多为日常问候、确认(如接小孩、还有多久到家等)
等，变化因素少。而休息日/节假日，家庭成员多数情况在一起，沟通多为非日常的咨询(在哪里、买什么/买什么样的、商量一些事宜等)，变化因素多。因此，工作日(尤其是工作时间段)与休息日/节假日相比，话务(包括通话次数、主叫占比、通话时长等)波动性不明显，休息日/节假日波动性显著高于工作日。所以波动差异性以“休息日与节假日标准差/工作日工作时间段标准”为分析指标，能够有效修正家庭关系用户。
81.进一步地，在工作日，家庭成员间的通话趋向于在非工作时间段(早上上班路上、午休、下班回家路上)，因此，以“工作日非工作时间段通话次数占比”为分析指标。
82.在该实施过程中，数据口径包括：
83.(1)交往圈亲密指数大于等于85；
84.(2)每月节假日通话超过4次；
85.(3)交往圈亲密用户超过1位及以上重合；
86.(4)至少有一位年龄相差15岁以上的亲密用户、至少平均年龄大于23岁；
87.(5)非工作时间分段通话超过15次；
88.(6)剔除红黑名单、集团客户、集客营服。
89.在上述实施方式中，优选地，基于大数据的电信业务家庭用户识别方法还包括：
90.根据当前用户家庭关系用户中的非本网成员用户，则判断该非本网成员用户的归属地与当前用户的归属地是否一致，并剔除归属地不一致的非本网成员用户，进一步修正当前用户的家庭关系用户。
91.具体地，对于家庭中的非本网成员，采用地市归属修正。区域归属修正是指异网用户的归属地市，采用与异网用户有话务行为(通话、短信)的本网号码，判断其所属地市是否一致。与家庭成员区域归属显著不同的剔除。例如，以山东为例，家庭成员4人，3人于济南市、1人为泰安市，则泰安市成员可剔除。
92.在该过程中，数据口径为：疑似家庭成员间夜间常驻位置半径小于100米；家庭成员间(含异网)为同一归属地市；剔除红黑名单、集团客户、集客营服。
93.在上述实施方式中，优选地，基于宽带行为分析数据，结合宽带用户的宽带装机位置与手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈的具体方法包括：
94.根据宽带行为分析数据得到每个宽带用户所关联绑定的手机用户，并分析得到宽带用户的宽带装机位置和手机用户的手机常驻位置；
95.将手机常驻位置在当前宽带用户宽带装机位置的预设距离阈值范围内的手机用户，作为当前宽带用户的家庭关系用户；
96.对比并判断所有宽带用户对应的家庭关系用户，构建得到以宽带为基础的家庭圈。
97.在该实施方式中，通过用户办理的业务信息、联系方式以及宽带dpi解析数据，分析宽带下绑定的本网和异网手机号码；再结合朋友圈的数据以及宽带的装机地址与手机常驻位置对应关系综合分析，定位家庭用户；即结合宽带与手机对应关系模型，进一步锁定家庭组成员。经过上述修正，输出以宽带为基础的家庭圈。
98.在该过程中，数据口径为：wifi下出现过且20天以上；手机号码的归属地市为同一个归属地市；剔除红黑名单、集团客户、集客营服。
99.在上述实施方式中，优选地，将家庭组、家庭关系用户和家庭圈的对应用户进行合并，整合得到家庭用户画像的具体方法包括：
100.将某一用户对应的家庭组中相关联的用户、修正后的家庭关系用户中相关联的用户以及以宽带为基础的家庭圈中相关联的用户进行合并，共同作为该用户的家庭用户，整合得到该用户的家庭用户画像；
101.逐一识别所有用户对应的家庭用户，得到所有用户的家庭用户画像。
102.如图2所示，本发明还提出一种基于大数据的电信业务家庭用户识别系统，应用如上述实施方式中任一项公开的基于大数据的电信业务家庭用户识别方法，包括：
103.传统业务筛选模块，用于查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；
104.话务行为筛选模块，用于基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型；
105.家庭用户修正模块，用于基于信令数据得到交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；
106.宽带家庭分析模块，用于基于宽带行为分析数据，结合宽带用户的宽带装机位置与手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；
107.家庭用户整合模块，用于将家庭组、家庭关系用户和家庭圈的对应用户进行合并，整合得到家庭用户画像。
108.在该实施方式中，利用电信运营商已有的通话行为数据、信令数据和宽带行为分析数据，结合多种指标和模型，综合考虑家庭用户的证件信息、融合业务、主副卡关系、交往亲密度、夜间常驻位置和宽带装机位置等因素，从多个维度识别出家庭用户，并构建出家庭用户画像，能够反映出家庭用户的行为特征和偏好，在此基础上，为家庭用户提供个性化的服务和营销策略，提高了电信运营商对家庭用户的认知和服务水平，同时增强了家庭用户的忠诚度和满意度，促进了电信业务的发展和创新。
109.如图3所示，本发明还提出一种基于大数据及家庭用户画像的电信业务营销方法，包括：
110.基于如上述实施方式中任一项公开的基于大数据的电信业务家庭用户识别方法得到的家庭用户画像，根据家庭用户画像的指标，向家庭用户画像对应的家庭用户提供相匹配的电信业务。
111.在该实施方式中，基于上述实施方式中得到的家庭用户画像，为家庭用户提供个性化的服务和营销策略，提高了电信运营商对家庭用户的认知和服务水平，同时增强了家庭用户的忠诚度和满意度，促进了电信业务的发展和创新。
112.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于大数据的电信业务家庭用户识别方法，其特征在于，包括：查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型；基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像。2.根据权利要求1所述的基于大数据的电信业务家庭用户识别方法，其特征在于，所述基于通话行为数据计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型的具体方法包括：根据当前用户与其他用户之间的通话行为数据，基于对应用户之间通话行为的稳定性、持续性和频繁性三个维度，以加权求和方式计算当前用户与每个其他用户之间的交往亲密指数；将当前用户与交往亲密指数超出预设亲密指数阈值的其他用户定义为亲密关系用户，将与当前用户相关联的亲密关系用户作为当前用户的交往圈，构建所有用户的交往圈模型。3.根据权利要求2所述的基于大数据的电信业务家庭用户识别方法，其特征在于，所述基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户的具体方法包括：根据当前用户交往圈的各用户的信令数据，得到对应用户的夜间常驻基站信息；将与当前用户的夜间常驻位置在预设距离阈值范围内的亲密关系用户修正为当前用户的家庭关系用户；将所述交往圈模型中所有用户的交往圈修正为对应用户的家庭关系用户。4.根据权利要求3所述的基于大数据的电信业务家庭用户识别方法，其特征在于，所述基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈的具体方法包括：根据宽带行为分析数据得到每个宽带用户所关联绑定的手机用户，并分析得到所述宽带用户的宽带装机位置和所述手机用户的手机常驻位置；将手机常驻位置在当前宽带用户宽带装机位置的预设距离阈值范围内的所述手机用户，作为当前宽带用户的家庭关系用户；对比并判断所有宽带用户对应的家庭关系用户，构建得到以宽带为基础的家庭圈。5.根据权利要求3所述的基于大数据的电信业务家庭用户识别方法，其特征在于，还包括：根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间
通话行为的休息日与节假日标准差/工作日工作时间段标准，作为波动差异性指标；根据当前用户家庭关系用户中各用户的信令数据，计算得到当前用户与对应用户之间通话行为的工作日非工作时间段通话次数占比，作为聚集性指标；基于所述波动差异性指标和所述聚集性指标，进一步修正符合预设指标范围的家庭关系用户。6.根据权利要求3所述的基于大数据的电信业务家庭用户识别方法，其特征在于，还包括：根据当前用户家庭关系用户中的非本网成员用户，则判断该非本网成员用户的归属地与当前用户的归属地是否一致，并剔除归属地不一致的非本网成员用户，进一步修正当前用户的家庭关系用户。7.根据权利要求3至6中任一项所述的基于大数据的电信业务家庭用户识别方法，其特征在于，还包括：由所述数据库中查询用户数据以及修正家庭关系用户过程中，根据预设的数据口径进行数据查询和用户筛选修正。8.根据权利要求7所述的基于大数据的电信业务家庭用户识别方法，其特征在于，将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像的具体方法包括：将某一用户对应的所述家庭组中相关联的用户、修正后的所述家庭关系用户中相关联的用户以及以宽带为基础的家庭圈中相关联的用户进行合并，共同作为该用户的家庭用户，整合得到该用户的家庭用户画像；逐一识别所有用户对应的家庭用户，得到所有用户的家庭用户画像。9.一种基于大数据的电信业务家庭用户识别系统，其特征在于，应用如权利要求1至8中任一项所述的基于大数据的电信业务家庭用户识别方法，包括：传统业务筛选模块，用于查询数据库中的同证件用户、融合业务用户和主副卡用户，并将对应用户合并构建为家庭组；话务行为筛选模块，用于基于通话行为数据，计算用户之间的交往亲密指数，将交往亲密指数超出预设亲密指数阈值的用户定义为亲密关系用户，构建交往圈模型；家庭用户修正模块，用于基于信令数据得到所述交往圈模型中亲密关系用户的夜间常驻基站信息，并将夜间常驻位置距离在预设距离阈值范围内的亲密关系用户修正为家庭关系用户；宽带家庭分析模块，用于基于宽带行为分析数据，结合所述宽带用户的宽带装机位置与所述手机用户的手机常驻位置进行对比分析，将位置对应的宽带用户和手机用户构建以宽带为基础的家庭圈；家庭用户整合模块，用于将所述家庭组、所述家庭关系用户和所述家庭圈的对应用户进行合并，整合得到家庭用户画像。10.一种基于大数据及家庭用户画像的电信业务营销方法，其特征在于，包括：基于如权利要求1至8中任一项所述的基于大数据的电信业务家庭用户识别方法得到的家庭用户画像，根据所述家庭用户画像的指标，向所述家庭用户画像对应的家庭用户提供相匹配的电信业务。

技术总结
本发明公开了一种电信业务家庭用户识别方法、系统及营销方法，识别方法包括：查询数据库中的同证件用户、融合业务用户和主副卡用户，并合并构建为家庭组；基于通话行为数据，计算用户之间的交往亲密指数并以此定义亲密关系用户，构建交往圈模型；基于信令数据得到夜间常驻基站信息以此修正家庭关系用户；基于宽带行为分析数据，将宽带装机位置与手机常驻位置对应的用户构建家庭圈；将家庭组、家庭关系用户和家庭圈的对应用户合并得到家庭用户画像。通过本发明的技术方案，从多个维度识别出家庭用户以构建出家庭用户画像，并为家庭用户提供个性化的服务和营销策略，提高了认知和服务水平，同时增强了家庭用户的忠诚度和满意度。度。度。


技术研发人员：王会国
受保护的技术使用者：北京思特奇信息技术股份有限公司
技术研发日：2023.04.12
技术公布日：2023/8/4