A carregar...
Publicação
MULTI-TASK NEURAL NETWORK MODEL FOR CUSTOMER SERVICE EXPERIENCE PREDICTION ANALYSIS BASED IN QOS AND QOE DATA, OVER TELECOMMUNICATIONS INTERNET AND TV SERVICES
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 6.43 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Telecommunication companies monitor the infrastructure and equipment to guarantee
the quality delivery of their services to the customer. Customer experience is of utmost
importance in the telecommunication area due to the fierce market competition. There are
two main reasons for a client to experience bad quality of service: disruption events and
service degradation. Disruptive events map to situations where the client loses complete
access to the service, whereas service degradation limits the client’s service and/or can
origin multiple failures during the service use. In disruption situations, the client will
immediately call and make a complaint. In degradation the client may not complain due
to many different reasons, but mainly because the client does not use the service or does
not want to go through the process of calling the operator to place a complaint.
This dissertation presents a solution that can identify customers with degradation in
their services so that the company can proactively call the signaled customers and sched-
ule an intervention to correct the problems. Currently is suspected that the intersection
between the services is higher than is perceived, so it is the thesis objective to explore and
verify services correlation. To achieve the goal we start by characterizing the problem,
then explore the real data consumption patterns, and analyze the intersection in experi-
ence problems. To cope with TV and Internet services complains target simultaneously
the thesis leverages a model with a multi-task architecture whose goal is to learn the
implicit information available in the services intersection. Multi-task model solves the
limitations existent in current solutions and adds the possibility to have multiple targets
that share information between them. Then, the model develops the capacity to learn
situations where the symptom and the resolution are in different services.
Through the multi-task model capacity to explore the implicit information contained
in the services intersection the results are improved 25% against the benchmark models
which do not support multi-task. Given the performance increase, the company project
strategy was impacted and new uses cases considered.
As empresas de telecomunicações monitorizam a infraestrutura e os equipamentos para conseguirem garantir qualidade na entrega dos serviços aos clientes. Num mercado feroz como o de telecomunicações, investir na experiência de utilizador é muito importante. As duas razões principais para explicar má experiencia de serviço são: eventos disruptivos e degradação no serviço. Nos eventos disruptivos o cliente perde totalmente o acesso ao serviço, enquanto que para problemas de degradação o serviço fica limitado e/ou pode falhar durante a utilização do mesmo. Em situações disruptivas, o cliente contacta immediatamente a empresa para apreentar uma queixa. Já nos casos de degradação o cliente pode não se queixar. Entre muitas razões possiveis sobressaiem as seguintes, o cliente não usa o serviço e o cliente prefere não passar pelo processo duro de contactar o operador para se queixar do mau serviço. A dissertação implementa uma solução que identifica clientes com degradação no serviço, para que a empresa possa ter uma atitude proactiva em relação aos clientes sinalizados, e consiga marcar intervenções técnicas para resolver o problema. A tese tem como objectivo validar que a interseção entre os serviços de TV e Internet é maior do que atualmente reconhecido, e que a interseção produz informação que deve ser explorada. No primeiro exercicio caracterizamos do problema, exploramos os dados reais de padrões de consumo, e é analisada a situação de interseção entre os serviços. Desenvolvemos o modelo segundo um arquitetura multi-task que permite a partilha de informação e portanto o modelo aprende a informação implícita que existe na interseção do serviços. O modelo multi-task corrige as limitações existentes nos modelos atuais, e permite a integração de outros problemas que a empresa venha a sentir necessidade de resolver. Os resultados obtidos quando comparados com os modelos de benchmark cuja ar- quitetura não suporta multi-task mostram um aumento de performance acima dos 25%. Devido aos resultados obtidos a estratégia para o projeto foi revista e novas ideias de projetos surgiram.
As empresas de telecomunicações monitorizam a infraestrutura e os equipamentos para conseguirem garantir qualidade na entrega dos serviços aos clientes. Num mercado feroz como o de telecomunicações, investir na experiência de utilizador é muito importante. As duas razões principais para explicar má experiencia de serviço são: eventos disruptivos e degradação no serviço. Nos eventos disruptivos o cliente perde totalmente o acesso ao serviço, enquanto que para problemas de degradação o serviço fica limitado e/ou pode falhar durante a utilização do mesmo. Em situações disruptivas, o cliente contacta immediatamente a empresa para apreentar uma queixa. Já nos casos de degradação o cliente pode não se queixar. Entre muitas razões possiveis sobressaiem as seguintes, o cliente não usa o serviço e o cliente prefere não passar pelo processo duro de contactar o operador para se queixar do mau serviço. A dissertação implementa uma solução que identifica clientes com degradação no serviço, para que a empresa possa ter uma atitude proactiva em relação aos clientes sinalizados, e consiga marcar intervenções técnicas para resolver o problema. A tese tem como objectivo validar que a interseção entre os serviços de TV e Internet é maior do que atualmente reconhecido, e que a interseção produz informação que deve ser explorada. No primeiro exercicio caracterizamos do problema, exploramos os dados reais de padrões de consumo, e é analisada a situação de interseção entre os serviços. Desenvolvemos o modelo segundo um arquitetura multi-task que permite a partilha de informação e portanto o modelo aprende a informação implícita que existe na interseção do serviços. O modelo multi-task corrige as limitações existentes nos modelos atuais, e permite a integração de outros problemas que a empresa venha a sentir necessidade de resolver. Os resultados obtidos quando comparados com os modelos de benchmark cuja ar- quitetura não suporta multi-task mostram um aumento de performance acima dos 25%. Devido aos resultados obtidos a estratégia para o projeto foi revista e novas ideias de projetos surgiram.
Descrição
Palavras-chave
Telecommunications Big data QoS QoE Multi-task learning Neural net-works