特許 6333273 加入者チャーン予測を生成するためのシステムおよび方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6333273

(24)【登録日】2018年5月11日

(45)【発行日】2018年5月30日

(54)【発明の名称】加入者チャーン予測を生成するためのシステムおよび方法

(51)【国際特許分類】

   G06Q 50/32 20120101AFI20180521BHJP

   H04W 16/18 20090101ALI20180521BHJP

   H04W 24/08 20090101ALI20180521BHJP

【ＦＩ】

   G06Q50/32

   H04W16/18

   H04W24/08

【請求項の数】7

【全頁数】15

(21)【出願番号】特願2015-540712(P2015-540712)

(86)(22)【出願日】2013年10月24日

(65)【公表番号】特表2016-507794(P2016-507794A)

(43)【公表日】2016年3月10日

(86)【国際出願番号】US2013066567

(87)【国際公開番号】WO2014070573

(87)【国際公開日】20140508

【審査請求日】2015年6月19日

【審判番号】不服2017-6691(P2017-6691/J1)

【審判請求日】2017年5月10日

(31)【優先権主張番号】13/663,852

(32)【優先日】2012年10月30日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】391030332

【氏名又は名称】アルカテル−ルーセント

(74)【代理人】

【識別番号】100094112

【弁理士】

【氏名又は名称】岡部 讓

(74)【代理人】

【識別番号】100106183

【弁理士】

【氏名又は名称】吉澤 弘司

(72)【発明者】

【氏名】パドケ，チトラ，エー．

(72)【発明者】

【氏名】ウズナリオグル，フセイン

(72)【発明者】

【氏名】メンディラッタ，ヴィーナ，ビー．

(72)【発明者】

【氏名】クシュニル，ダン

(72)【発明者】

【氏名】ドラン，デレク

【合議体】

【審判長】 渡邊 聡

【審判官】 石川 正二

【審判官】 相崎 裕恒

(56)【参考文献】

【文献】 国際公開第２０１１／１６２６６２号（ＷＯ，Ａ１）

【文献】 特開２０００−２１５１４３号公報（ＪＰ，Ａ）

【文献】 米国特許第６０４９５９９号（ＵＳ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

G06Q50/32

(57)【特許請求の範囲】

【請求項1】

加入者チャーン予測を生成するためのシステムであって、
ネットワーク・オペレータから、前記ネットワーク・オペレータの少なくとも１人の加入者についての通信を詳述するコール詳細レコードを受信するように適合されたデータ入力デバイスと、
前記データ入力デバイスに接続された少なくとも１つのプロセッサであって、前記コール詳細レコードの複数の正規化されたコーリング属性の重み付けされた合計に基づいて、前記ネットワーク・オペレータの接続された加入者の間の結びつきの強さを決定し、前記結びつきの強さから少なくとも１つのソーシャル・メトリックを導き出すチャーン予測プログラムを実行するように適合された少なくとも１つのプロセッサと
を備え、
前記チャーン予測プログラムは、前記少なくとも１つのソーシャル・メトリックに少なくとも基づいて、前記加入者チャーン予測を生成する、システム。

【請求項2】

前記チャーン予測プログラムは、前記チャーン予測を生成するために、前記結びつきの強さを決定し、前記コール詳細レコードからソーシャル・メトリックを導き出すソーシャル・ネットワーク分析モジュールを含む、請求項１に記載のシステム。

【請求項3】

前記チャーン予測プログラムは、前記ソーシャル・ネットワーク分析モジュールから前記ソーシャル・メトリックを受信し、また前記チャーン予測を生成するチャーン予測モジュールを含む、請求項２に記載のシステム。

【請求項4】

前記チャーン予測は、サービス使用メトリック、課金メトリック、顧客サポートに対するコールの数、不平の結果、または人口統計データのうちの少なくとも１つと組み合わせて、前記ソーシャル・メトリックから生成される、請求項３に記載のシステム。

【請求項5】

前記少なくとも１つのソーシャル・メトリックは、正味のチャーン実施者の影響力と、チャーン実施者である隣接する加入者の数と、最も近いチャーン実施者に対するホップの数と、チャーン実施者に対するコールの数と、前記最も近いチャーン実施者に対するコールの数と、チャーン実施者に対するコールに対して費やされる時間とのうちの少なくとも１つを含む、請求項１に記載のシステム。

【請求項6】

前記ソーシャル・ネットワーク分析モジュールは、前記結びつきの強さに基づいて加入者の間のチャーン実施者の影響力を伝搬させ、また加入者ごとに正味の影響力を決定する、請求項１に記載のシステム。

【請求項7】

前記のチャーン実施者の影響力の前記伝搬は、接続された加入者からの各加入者によって受信される前記影響力が、前記加入者の間の前記結びつきについての前記結びつきの強さに比例しており、受信側主体のものである、請求項６に記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ネットワーク加入者のチャーン（ｃｈｕｒｎ）に関する。

【背景技術】

【0002】

モバイル・ネットワークにおける加入者は、様々な理由のために、チャーンする（ｃｈｕｒｎ）、すなわち、あるネットワーク・オペレータから会員登録を解除して、別のネットワーク・オペレータへと切り替える。例えば、加入者は、ネットワーク・オペレータによって提供されるサービス（例えば、音声サービス、データ・サービス、ビデオ・サービス、ショート・メッセージ・サービス（ＳＭＳ：ｓｈｏｒｔ ｍｅｓｓａｇｅ ｓｅｒｖｉｃｅ）、マルチメディア・メッセージ・サービス（ＭＭＳ：ｍｕｌｔｉｍｅｄｉａ ｍｅｓｓａｇｅ ｓｅｒｖｉｃｅ）など）に対する不満、サービス品質、ネットワークの上でのモバイル・デバイスの使用可能性に対する不満などに起因してチャーンする可能性がある。加入者は、別のネットワーク・オペレータによって提供される競争力のある価格設定、ディスカウント、および／または販売促進などの財政的考慮に起因して、ネットワーク・オペレータからチャーンしようと決心する可能性もある。

【発明の概要】

【課題を解決するための手段】

【0003】

一実施形態によれば、加入者チャーン予測を生成するためのシステムは、データ入力デバイスと、そのデータ入力デバイスに接続された少なくとも１つのプロセッサとを備えている。データ入力デバイスは、ネットワーク・オペレータの少なくとも１人の加入者についての通信を詳述するコール詳細レコードをネットワーク・オペレータから受信することができる。少なくとも１つのプロセッサは、チャーン予測プログラムを実行して、コール詳細レコードに少なくとも基づいて、加入者チャーン予測を生成することができる。

【0004】

一実施形態によれば、チャーン予測プログラムは、コール詳細レコードからソーシャル・メトリック（ｓｏｃｉａｌ ｍｅｔｒｉｃｓ）を導き出すソーシャル・ネットワーク分析モジュールを含むことができる。

【0005】

一実施形態によれば、チャーン予測プログラムは、ソーシャル・ネットワーク分析モジュールからソーシャル・メトリックを受信し、またチャーン予測を生成するチャーン予測モジュールを含むことができる。

【0006】

一実施形態によれば、チャーン予測は、少なくとも１つの伝統的なメトリック（ｍｅｔｒｉｃ）と組み合わせてソーシャル・メトリックから生成される。

【0007】

一実施形態によれば、ソーシャル・ネットワーク分析モジュールは、コール詳細レコードの１つまたは複数のコーリング属性に基づいて、接続された加入者の間の結びつきの強さ（ｔｉｅ−ｓｔｒｅｎｇｔｈ）を決定することにより、少なくとも１つのソーシャル・メトリックを導き出すことができる。

【0008】

一実施形態によれば、少なくとも１つのソーシャル・メトリックは、正味のチャーン実施者の影響力と、チャーン実施者である隣接する加入者の数と、最も近いチャーン実施者に対するホップの数と、チャーン実施者に対するコールの数と、最も近いチャーン実施者に対するコールの数と、チャーン実施者に対するコールに対して費やされる時間とのうちの少なくとも１つを含むことができる。

【0009】

一実施形態によれば、ソーシャル・ネットワーク分析モジュールは、結びつきの強さに基づいて加入者の間のチャーン実施者の影響力を伝搬させ、また加入者ごとに正味の影響力を決定することができる。

【0010】

一実施形態によれば、チャーン実施者の影響力の伝搬は、受信側主体のものとすることができる。接続された加入者からの各加入者によって受信される影響力は、それらの加入者の間の結びつきについての結びつきの強さに比例していることができる。

【0011】

一実施形態によれば、加入者チャーンの予測を生成するためのコンピュータ化された方法は、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、ネットワーク・オペレータの少なくとも１人の加入者についての通信を詳述するコール詳細レコードを受信するステップと、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードに少なくとも基づいて、加入者チャーン予測を生成するステップとを含む。

【0012】

一実施形態によれば、コンピュータ化された方法はまた、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードからソーシャル・メトリックを導き出すステップを含むこともできる。

【0013】

一実施形態によれば、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、加入者チャーン予測を生成するステップは、チャーン予測のために少なくとも１つの伝統的なメトリックとソーシャル・メトリックを組み合わせるステップを含むことができる。

【0014】

一実施形態によれば、ソーシャル・メトリックを導き出すステップは、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードの１つまたは複数のコーリング属性に基づいて、接続された加入者の間の結びつきの強さを決定するステップを含むことができる。

【0015】

一実施形態によれば、ソーシャル・メトリックは、正味のチャーン実施者の影響力と、チャーン実施者である隣接する加入者の数と、最も近いチャーン実施者に対するホップの数と、チャーン実施者に対するコールの数と、最も近いチャーン実施者に対するコールの数と、チャーン実施者に対するコールに対して費やされる時間とのうちの少なくとも１つを含むことができる。

【0016】

一実施形態によれば、コンピュータ化された方法はまた、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、結びつきの強さに基づいて、加入者の間のチャーン実施者の影響力を伝搬させるステップと、加入者ごとに正味の影響力を決定するステップとを含むこともできる。

【0017】

一実施形態によれば、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、加入者の間のチャーン実施者の影響力を伝搬させるステップは、受信側主体のものとすることができる。接続された加入者からの各加入者によって受信される影響力は、加入者の間の結びつきについての結びつきの強さに比例していることができる。

【0018】

一実施形態によれば、加入者チャーン予測を生成するための方法を実行するためにコンピュータ・プロセッサによって実行されるように適合された命令を記憶する非一時的な、有形なコンピュータ読取り可能媒体は、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、ネットワーク・オペレータの少なくとも１人の加入者についての通信を詳述するコール詳細レコードを受信するステップを含むことができる。本方法はまた、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードに少なくとも基づいて、加入者チャーン予測を生成するステップを含むこともできる。

【0019】

一実施形態によれば、本方法は、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードからソーシャル・メトリックを導き出すステップをさらに含むことができる。

【0020】

一実施形態によれば、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、加入者チャーン予測を生成するステップは、チャーン予測のために少なくとも１つの伝統的なメトリックとソーシャル・メトリックを組み合わせるステップを含むことができる。

【0021】

一実施形態によれば、ソーシャル・メトリックを導き出すステップは、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、コール詳細レコードの１つまたは複数のコーリング属性に基づいて、接続された加入者の間の結びつきの強さを決定するステップを含むことができる。

【0022】

一実施形態によれば、本方法は、コンピュータ・プロセッサの上で実行されるチャーン予測プログラムにより、結びつきの強さに基づいて、加入者の間のチャーン実施者の影響力を伝搬させるステップと、加入者ごとに正味の影響力を決定するステップとをさらに含むことができる。

【0023】

これらの実施形態および他の実施形態は、添付図面を参照して、本明細書における以下の詳細な説明を考慮すると明らかになるであろう。

【図面の簡単な説明】

【0024】

【図1】一実施形態によるコンピュータ化されたシステムの概略図である。

【図2】図１のコンピュータ化されたシステムによって形成される加入者接続のグラフ表現である。

【図3】図１のコンピュータ化されたシステムからチャーン予測を生成するための一実施形態の流れ図である。

【図4】図１のコンピュータ化されたシステムによって形成されるソーシャル・サークルの例示の一実施形態のグラフ表現である。

【図5】図１のコンピュータ化されたシステムの例示の一実施形態の概略図である。

【発明を実施するための形態】

【0025】

図１を参照すると、ネットワーク・オペレータ１６からのコール詳細レコード１４を使用して加入者チャーン予測１２を生成するように適合されたコンピュータ化されたシステム１０の一実施形態が、示されている。コンピュータ化されたシステム１０は、ソーシャル・ネットワーク分析モジュール１８と、チャーン予測モジュール２０とを含む。ソーシャル・ネットワーク分析モジュール１８は、コール詳細レコード１４を使用して、ネットワーク・オペレータ１６の１人または複数人の加入者２２の間のソーシャル・ネットワーク接続を推定する。コンピュータ化されたシステム１０は、チャーン・データ２４を入力し、このチャーン・データ２４は、ネットワーク・オペレータ１６によって提供されることもあり、またチャーン予測モジュール２０は、チャーン・データ２４と、推定されたソーシャル・ネットワーク接続とに少なくとも部分的に基づいて、チャーン予測１２を生成する。

【0026】

各コール詳細レコード１４は、ネットワーク・オペレータ１６の１人または複数人の加入者２２の間の通信を詳述する１つまたは複数のコーリング属性２５を含んでいる。これらのコール詳細レコード１４は、課金目的のためなどにネットワーク・オペレータ１６によって一般的に、生成され、また使用される。コール詳細レコード１４のコーリング属性２５は、例えば、呼び出し側および呼び出される側の識別子と、コール日付と、コール時間と、コール持続時間と、他の詳細のうちでもコール開始およびコール終了のためのセル・タワーのロケーションとを含むことができる。コール詳細レコード１４はまた、メッセージの送信側および受信側の識別子と、メッセージ・タイプ（例えば、ショート・メッセージ・サービス（ＳＭＳ）またはマルチメディア・メッセージ・サービス（ＭＭＳ））と、メッセージ・サイズとを含むこともできる。

【0027】

上記で考察されるように、コンピュータ化されたシステム１０のソーシャル・ネットワーク分析モジュール１８は、コール詳細レコード１４の中で提供される情報を使用して、ネットワーク・オペレータ１６の１人または複数人の加入者２２の間のソーシャル・ネットワーク接続の強さを推定することができる。例えば、図２を参照すると、図１に示されるソーシャル・ネットワーク分析モジュール１８は、図１に示されるコール詳細レコード１４のうちの、図１に示されるコーリング属性２５に基づいて、加入者２２の間の結びつきの強さ２６を生成することができる。おのおのの結びつきの強さ２６は、通信情報に基づいて、すなわち、図１に示されるコール詳細レコード１４の中で提供される、図１に示されるコーリング属性２５に基づいて、図１に示されるネットワーク・オペレータ１６の２人の加入者２２の間の社会的つながりを定量化する。例えば、２人の加入者２２の間の結びつきの強さ２６は、２人の加入者２２の間の、図１に示される、加入者２２の間のコール／メッセージの数、コールの持続時間、メッセージのサイズ、コール／メッセージの方向（例えば、コール／メッセージが、逆方向であったか否か）、コール／メッセージを互いにやりとりする時間、コール／メッセージの日付／時間、他の加入者２２との共通接続の数、および／または他の類似した任意のコーリング属性２５に基づいたものとすることができる。加入者２２の間の結びつきの強さ２６を生成するときに、図１に示されるソーシャル・ネットワーク分析モジュール１８は、図１に示される１つのコーリング属性２５だけでは、２人の加入者２２の間の社会的つながりのよい表示を提供することができない場合の瞬間が存在する可能性があるので、複数のコーリング属性２５を考慮することが好ましい。

【0028】

図３を参照すると、動作中に、図１に示されるソーシャル・ネットワーク分析モジュール１８は、ステップ２８において、加入者２２のおのおのの間のコーリング属性２５を最初に正規化することにより、加入者２２の間の結びつきの強さ２６を生成することができる。これは、異なるスケールを使用して一般的に測定されるコーリング属性２５が、無次元のやり方で、図１に示されるソーシャル・ネットワーク分析モジュール１８によって組み合わされることを可能にしている。例えば、コール持続時間は、数分で測定されることもあるが、コール頻度は、月当たりのコールの形で測定されることもある。したがって、コーリング属性２５をもっと簡単に組合せ可能にするために、ソーシャル・ネットワーク分析モジュール１８は、各コーリング属性２５が単位長を有するようにスケーリングし直すことにより、コーリング属性２５を正規化することができる。例えば、一実施形態において、図１に示されるソーシャル・ネットワーク分析モジュール１８は、属性ｘ_ｉの各観察結果を｜ｘ_ｉ｜によって割り算することにより、コーリング属性２５を正規化することができ、ここでは、すなわち、以下となる。

【0029】

【数1】

これは、単位長を有するように、各属性ｘ_ｉをスケーリングし直すように動作する。ひとたびコーリング属性２５が、ステップ２８において正規化された後に、次いで、ステップ３０において、図１に示されるソーシャル・ネットワーク分析モジュール１８は、加入者２２のおのおのの間で、正規化された属性ｘ_ｉの重み付けされた合計ｘを算出して、任意の２人の加入者２２を接続する全体のコーリング属性２５の尺度を提供することができる。例えば、図１に示されるソーシャル・ネットワーク分析モジュール１８は、式、すなわち、
ｘ＝α_１ｘ_１＋α_２ｘ_２＋・・・＋α_ｎｘ_ｎ；
を使用して、重み付けされた合計ｘを算出することができ、式中で、
ｎは、結びつきの強さ２６を決定するために使用されているコーリング属性２５の数であり、また
α_１、α_２、・・・、α_ｎは、例えば、履歴データなどから導き出され得る定数である。

【0030】

ステップ３２において、図１に示されるソーシャル・ネットワーク分析モジュール１８は、次いで、加入者２２の間の正規化された属性ｘ_ｉの重み付けられた和ｘの関数ｗ（ｘ）として、加入者２２の間の結びつきの強さ２６を算出することができる。関数ｗ（ｘ）は、単調に増加する関数であることが好ましく、その結果、加入者２２の間の結びつきの強さ２６は、より大きな重み付けられた和ｘの場合に、より大きくなる。例えば、例示の一実施形態においては、図１に示されるソーシャル・ネットワーク分析モジュール１８は、
ｗ（ｘ）＝１−ｅｘｐ（−ｘ／ε^２）
によって与えられる単調に増加する関数ｗ（ｘ）を使用して、２人の加入者２２の間の結びつきの強さ２６を決定することができ、式中で、
ｗ（ｘ）は、区間［０，１］に制限され、また
εは、例えば、履歴データなどから導き出される可能性もある飽和のレートを制御する一定のパラメータである。

【0031】

この例示の関数ｗ（ｘ）は、ひとたび強い社会的つながりが２人の加入者２２の間で明らかにされた後に、すなわち、結びつきの強さ２６が高いことが明らかにされた後に、あるアイデアが、例えば、チャーンすることが、一方の加入者２２から他方の加入者２２へと伝達されることになるという高い確率が存在するという仮説に基づいている。しかしながら、当業者によって理解されるべきであるように、この例示の関数ｗ（ｘ）は、単に、例証の目的のために提供されているにすぎず、また当業者なら、様々な他の関数が、コーリング属性２５を相互に関連づけ、また加入者２２の間の結びつきの強さ２６を決定するために適切である可能性があることを簡単に理解すべきである。

【0032】

図１に示される結びつきの強さ２６と、チャーン実施者データ２４とを使用して、図１に示されるソーシャル・ネットワーク分析モジュール１８は、３４において、加入者２２に対するチャーン実施者の影響力を決定する。上記で考察されるように、結びつきの強さ２６の定量化は、どの複数の加入者２２が、互いに親密につながりがあり、またそれゆえに、互いの振る舞いによって影響を受ける可能性がより高いかを測定するための基礎を提供する。

【0033】

例えば、図４を参照すると、図１に示されるソーシャル・ネットワーク分析モジュール１８は、結びつきの強さ２６を使用して、複数の加入者２２の間の影響力Ｉの伝搬をモデル化して、どのようにして影響力Ｉが、チャーン実施者３６からチャーン実施者３６のソーシャル・サークル３８へと移動するかと、影響力Ｉのどの部分が、影響力Ｉの受信側４０によって保持されるかとを定量化することができる。ソーシャル・サークルを通して影響力の伝搬をモデル化するために、図１に示されるソーシャル・ネットワーク分析モジュール１８は、図４のグラフの中のノードｎ_Ａ、ｎ_Ｂ、ｎ_Ｃ、ｎ_Ｄ、・・・、などによって示される加入者２２の間の結びつきの強さ２６を考慮する。特定のノードｎ_ｉと、隣接するノードｎ_ｊとの間で、結びつきの強さ２６は、ｔ_ｉｊとして量子化されることもある。例えば、ノードｎ_Ａと、ノードｎ_Ｂとの間の結びつきの強さ２６は、ｔ_ＡＢとして量子化され、また上記で考察される単調に増加する関数ｗ（ｘ）を使用して、加入者ノードｎ_Ａと、加入者ノードｎ_Ｂとの間の、図１に示されるコーリング属性２５の関数として算出されることもある。２人の加入者２２の間の、図１に示されるコーリング属性２５が、それらの加入者２２の間で方向性がないので、結びつきの強さ２６は、方向性がなく、すなわち、ｔ_ｉｊ＝ｔ_ｊｉである。

【0034】

ひとたび結びつきの強さ２６が、定量化された後に、図１に示されるソーシャル・ネットワーク分析モジュール１８は、式、すなわち、

【0035】

【数2】

を通して、ノードｎ_ｉに入るすべての結びつきについての結びつきの強さの量の合計Ｔ_ｉに対するノードｎ_ｉと、ノードｎ_ｊとの間の結びつきの強さの量ｔ_ｉｊの割合として、ノードｎ_ｊからのノードｎ_ｉによって受信される影響力Ｉ_ｉｊを決定することができ、式中で、
Ｉ_ｊは、ノードｎ_ｊにおける影響力であり、

【0036】

【数3】

であり、また
Ｎ_ｉは、ノードｎ_ｉのすべての隣接ノードの組である。

【0037】

例えば、さらに図４を参照すると、そこではノードｎ_Ａは、影響力Ｉを有するチャーン実施者３６であり、ノードｎ_Ａからのノードｎ_Ｂによって受信される影響力は、以下、すなわち、

【0038】

【数4】

のように定量化されることもある。

【0039】

ノードｎ_ｉによって受信される全体の影響力Ｉ_ｉは、ノードｎ_ｉの隣接ノードのすべてから受信される影響力のすべての合計であり、また式、すなわち、

【0040】

【数5】

によって与えられる。それゆえに、図４の例示の実施形態に沿って、ノードｎ_Ｂは、２つのやり方で、Ｉ_ＢＡとしてノードｎ_Ａから直接的に、Ｉ_ＣＡとしてノードｎ_Ａから影響力Ｉの一部分を受けるノードｎ_Ｃを通して間接的に、ノードｎ_Ａから影響力Ｉの一部分を受けることになるので、ノードｎ_Ｂにおける全体の影響力は、Ｉ_Ｂ＝Ｉ_ＢＡ＋Ｉ_ＢＣである。ノードｎ_Ｂが、ノードｎ_Ａと、ノードｎ_Ｃとから受ける影響力の量は、ノードのおのおのの間の相対的な結びつきの強さ２６のために、異なっている。受け取っている加入者２２のおのおのは、上記で考察される式に従って、受け取られる影響力の一部分を保持し、また次いで、その保持された影響力を隣接する加入者２２に対して渡すことになる。例えば、加入者ノードｎ_Ｅは、ノードｎ_Ｃとノードｎ_Ｄとを経由して、ノードｎ_Ａのチャーン・イベントの影響力Ｉの一部分を受けることになる。影響力Ｉのこの伝搬は、保持された影響力が、無視可能な量に到達し、例えば、保持された影響力が、ゼロに近づくまで、または加入者２２の間のホップの最大の所定の数が、到達されるまで、続くことになる。例えば、ホップの最大の所定の数は、加入者２２の間の３つのホップ、または４つのホップに設定されることもある。いくつかの実施形態においては、図１に示されるソーシャル・ネットワーク分析モジュール１８は、ホップの数および／または時間とともに伝搬させられる影響力の量を減衰させるためのパラメータを含むこともできる。さらに、いくつかの実施形態においては、図１に示されるソーシャル・ネットワーク分析モジュール１８は、非対称な結びつきの強さ２６を有する影響力の伝搬についての方向性を考慮することもできる。

【0041】

図１に示されるソーシャル・ネットワーク分析モジュール１８はまた、特定の加入者２２が、１回よりも多く同じ隣接する加入者２２からの同じチャーン・イベントによって影響を受けないように、影響力Ｉの伝搬を制限することもできる。さらに、当業者によって理解されるべきであるように、影響力Ｉを伝搬させるための他の制限および／または制約条件は、加入者２２の間の社会的な結びつきの望ましいモデルに応じて、ソーシャル・サークル３８を通して影響力Ｉを伝搬させるときに、図１に示されるソーシャル・ネットワーク分析モジュール１８を通して設定される可能性がある。

【0042】

影響力の伝搬の算出は、図１に示されるネットワーク・オペレータ１６について発生するあらゆるチャーン・イベントについて、図１に示されるソーシャル・ネットワーク分析モジュール１８によって反復される。伝搬プロセスの終わりに、それらの加入者２２のおのおのは、ソーシャル・サークル３８におけるチャーン・イベントのすべてに起因して収集される影響力Ｉ_ｉの正味の量を有することになる。

【0043】

上記で説明される例示の実施形態は、影響力伝搬についての受信側主体のモデルを提供しており、そこでは受信する加入者２２によって保持される影響力は、有利なことに、受信する加入者２２と、送信する加入者２２との間の関係に依存している。例えば、受信する加入者２２が、送信する加入者２２の親密な友人である場合、受信する加入者２２と、送信する加入者２２との間の結びつきの強さ２６は、同僚や知り合いなど、受信する加入者２２の幾人かの他の隣人との結びつきの強さよりも大きくなる。このより大きな結びつきの強さ２６は、他の隣人の、例えば、同僚または知り合いのアクションからよりも、送信する加入者２２によるアクションからの大きな影響力を受信する加入者２２においてもたらすことになる。図１に示されるソーシャル・ネットワーク分析モジュール１８は、加入者２２の間の結びつきの強さ２６を定量化することにより、これらの社会的な違いを説明するように適合化されており、その結果、保持された影響力の全体の量は、すべての彼の隣接する加入者２２との結びつきの強さ２６に関連して、受信する加入者２２が、送信する加入者２２とともに有する結びつきの強さ２６に対して相対的である。

【0044】

図３に戻って参照すると、ひとたび図４に示される、加入者２２ごとの影響力Ｉ_ｉの正味の量が決定された後に、図１に示されるソーシャル・ネットワーク分析モジュール１８は、チャーン予測１２を決定するためのファクタとして、ステップ４２において、チャーン予測モジュール２０に対して、図４に示されるソーシャル・サークル３８に基づいて、図４に示される、加入者２２ごとの社会的に関連のあるメトリックを提供することができる。図４に示される、加入者２２ごとの社会的に関連のあるメトリックは、正味の影響力Ｉ_ｉ、図４に示される、チャーン実施者３６である隣接するノードｎ_ｉの数、図４に示される、最も近いチャーン実施者３６に対するホップの数、図４に示される、チャーン実施者３６に対するコールの数／ボリューム、図４に示される、最も近いチャーン実施者３６に対するコールの数／ボリューム、図４に示される、チャーン実施者３６に対するコールに対して費やされる時間、または図４に示される、ソーシャル・サークル３８から導き出され得る他の類似したソーシャル・データと、図１に示されるコール詳細レコード１４とを含むことができる。

【0045】

さらに、いくつかの実施形態においては、図１に示されるソーシャル・ネットワーク分析モジュール１８は、ソーシャル・メディア・ウェブサイトからテキストを取り出して、加入者２２が、図１に示される彼らのネットワーク・オペレータ１６に向かって有している気持ちについての情報を収集することができる。図１に示されるソーシャル・ネットワーク分析モジュール１８は、チャーン予測１２を生成するためのさらなるソーシャル・メトリックとして、ソーシャル・ウェブサイトの上で彼らのソーシャル・アイデンティティに対して各加入者２２をリンクするこの情報を使用することができる。

【0046】

４４において、チャーン予測モジュール２０は、図１に示される伝統的な加入者レベル・メトリック４６に追加して、図１に示されるソーシャル・ネットワーク分析モジュール１８によって提供される社会的に関連のあるメトリックに基づいて、チャーン予測１２を生成する。図１に示される伝統的な加入者レベル・メトリック４６は、例えば、サービス使用、課金、顧客関係管理データ（例えば、顧客サポートに対するコール、不平の結果、人口統計データなど）を含むことができる。チャーン予測１２を生成するために、チャーン予測モジュール２０は、図１に示されるソーシャル・ネットワーク分析モジュール１８によって提供される社会的に関連のあるメトリックと、図１に示される任意の伝統的な加入者レベル・メトリック４６とを顧客のチャーンを予測するための伝統的なマシン学習アルゴリズムまたはプロセスにおける予測変数として組み込むことができる。例えば、ロジスティック回帰、デシジョン・ツリー、ランダム・フォレストなど、いくつかの異なる分類アルゴリズムとプロセスとが、可能性のあるチャーン実施者として加入者２２を分類するために使用されることもある。チャーン予測モジュール２０の分類プロセスは、トレーニング・データ・セットを用いて開始することができ、ここでは、ターゲット変数の値は、加入者２２について、すなわち、図４に示される、各加入者が、チャーン実施者３６であるか否かについて、知られている。それらのプロセスは、トレーニング・データを使用して、予測の間の関係を評価することができる。次いで、チャーン予測モジュール２０は、学習されたモデルを使用して、予測変数を入力し、また評価して、特定の加入者が、チャーンする、より高い傾向、またはより低い傾向を有するか否かを示すチャーン予測１２を生成することができる。

【0047】

チャーン予測１２は、可能性のあるチャーン実施者、または非チャーン実施者として各加入者２２をただラベル付けするのではなくて、各加入者２２が、チャーンすることになる確率を示すことができ、その結果、加入者２２は、チャーンする、高い可能性または傾向から低い可能性または傾向へと順序付けられることもある。そのような順序付けを用いて、ネットワーク・オペレータ１６は、有利なことに、チャーンすべき最も高い可能性または傾向を有する限られた数の加入者２２をターゲットにする残留キャンペーンを進展させることができる。

【0048】

本明細書において説明される、図１に示されるコンピュータ化されたシステム１０は、必要な電子機器と、ソフトウェアと、メモリと、ストレージと、データベースと、ファームウェアと、ロジック／状態機械と、マイクロプロセッサと、通信リンクと、ディスプレイまたは他のビジュアルもしくはオーディオのユーザ・インターフェースと、印刷デバイスと、本明細書において説明される機能を実行し、かつ／または本明細書において説明される結果を達成する他の任意の入出力インターフェースとを有する。例えば、図５を参照すると、コンピュータ化されたシステム１０の例示の一実施形態は、ネットワーク・インターフェース・ユニット４８を通してネットワーク・オペレータ１６に接続されて示されている。コンピュータ化されたシステム１０は、少なくとも１つの中央演算処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）５０と、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）５４およびリード・オンリー・メモリ（ＲＯＭ：ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ）５６を含む、システム・メモリ５２と、入出力制御装置５８と、１つまたは複数のデータ・ストレージ・デバイス６０とを含むことができる。これらの後者の要素のすべては、ＣＰＵ５０と通信していて、上記で考察されるようにコンピュータ化されたシステム１０のオペレーションを容易にしている。適切なコンピュータ・プログラム・コードが、両方が図１に示されるソーシャル・ネットワーク分析モジュール１８、およびチャーン予測モジュール２０に関連して上記で考察されるこれらの機能を含めて、非常に多数の機能を実行するために提供されることもある。コンピュータ・プログラム・コードは、ＣＰＵ５０が、入出力制御装置５８を経由してコンピュータ周辺デバイス（例えば、ビデオ・ディスプレイ、キーボード、コンピュータ・マウスなど）とインターフェースすることを可能にする、オペレーティング・システム、データベース管理システム、「デバイス・ドライバ」などのプログラム要素を含むこともできる。

【0049】

ＣＰＵ５０は、１つまたは複数の従来のマイクロプロセッサや、数値演算コプロセッサなど、１つまたは複数の補助コプロセッサなどのプロセッサを備えていることができる。ＣＰＵ５０は、ネットワーク・インターフェース・ユニット４８と通信しており、このネットワーク・インターフェース・ユニット４８を通して、ＣＰＵ５０は、ネットワーク・オペレータ１６および／または他のサーバやユーザ端末など、他のデバイスと通信することができる。ネットワーク・インターフェース・ユニット４８は、例えば、他のプロセッサ、サーバ、またはオペレータとの同時通信のための複数の通信チャネルを含むことができる。互いに通信しているデバイスは、互いに絶えず送信している必要はない。それとは逆に、そのようなデバイスは、必要に応じて互いに送信する必要があるだけであり、実際には、ほとんどの時間にデータを交換することを控える可能性もあり、またデバイスの間で通信リンクを確立するために実行されるべきいくつかのステップを必要とする可能性もある。

【0050】

ＣＰＵ５０は、データ・ストレージ・デバイス６０と通信している。データ・ストレージ・デバイス６０は、磁気メモリ、光メモリ、および／または半導体メモリの適切な組合せを備えていることができ、また例えば、ＲＡＭ、ＲＯＭ、フラッシュ・ドライブ、コンパクト・ディスクなどの光ディスク、および／またはハード・ディスクもしくはハード・ドライブを含むことができる。ＣＰＵ５０と、データ・ストレージ・デバイス６０とは、おのおの、例えば、単一のコンピュータまたは他のコンピューティング・デバイスの内部に完全に位置しており、あるいはＵＳＢポート、シリアル・ポート・ケーブル、同軸ケーブル、イーサネット・タイプ・ケーブル、電話回線、無線周波数トランシーバ、他の類似したワイヤレスまたは有線の媒体、上記のものの組合せなどの通信媒体によって互いに接続されていることもある。例えば、ＣＰＵ５０は、ネットワーク・インターフェース・ユニット４８を経由して、データ・ストレージ・デバイス６０に接続されていてもよい。

【0051】

データ・ストレージ・デバイス６０は、例えば、プログラムによって必要とされる情報を記憶するために利用され得る情報を記憶するように適合された１つまたは複数のデータベース、コンピュータ化されたシステム１０のためのオペレーティング・システム、および／または図１に示される、チャーン予測１２を生成するようにＣＰＵ５０に指示するように適合された１つまたは複数のプログラム（例えば、コンピュータ・プログラム・コードおよび／またはコンピュータ・プログラム製品）を記憶することができる。オペレーティング・システムおよび／またはプログラムは、例えば、圧縮されたフォーマット、コンパイルされていないフォーマット、および／または暗号化されたフォーマットで記憶されることもあり、またコンピュータ・プログラム・コードを含むこともできる。コンピュータ・プログラム・コードの命令は、ＲＯＭ５６から、またはＲＡＭ５４からなど、データ・ストレージ・デバイス６０以外のコンピュータ読取り可能媒体から、プロセッサのメイン・メモリへと読み取られることもある。プログラムにおける命令のシーケンスの実行が、本明細書において説明されるプロセス・ステップを実行するようにプロセッサにさせるが、ハード・ワイヤード回路は、本発明のプロセスの実装形態のためのソフトウェア命令の代わりに、またはソフトウェア命令と組み合わせて、使用されることもある。したがって、本発明の実施形態は、ハードウェアと、ソフトウェアとのどのような特定の組合せに限定されることはない。

【0052】

プログラムはまた、フィールド・プログラマブル・ゲート・アレイ、プログラマブル・アレイ・ロジック、プログラマブル・ロジック・デバイスなどのプログラマブル・ハードウェア・デバイスの形で実施されることもある。プログラムはまた、様々なタイプのコンピュータ・プロセッサによる実行のためのソフトウェアの形で実施されることもある。実行可能コードのプログラムは、例えば、コンピュータ命令の１つまたは複数の物理ブロックまたは論理ブロックを含むこともでき、これらのコンピュータ命令は、例えば、オブジェクト、プロシージャ、プロセスまたは関数として組織化されることもある。それにもかかわらず、識別されたプログラムの実行ファイルは、物理的に一緒に位置している必要はないが、論理的に一緒に結合されるときに、プログラムを含む異なるロケーションに記憶される別個の命令を含み、また図１に示されるチャーン予測１２を生成することなどのプログラムのための述べられている目的を達成することができる。一実施形態において、実行可能コードのアプリケーションは、多数の命令のコンパイル結果とすることができ、また異なるプログラムの間で、またいくつかのデバイスを通して、いくつかの異なるコードのパーティションまたはセグメントの上で配信されることさえもある。

【0053】

本明細書において使用されるような用語「コンピュータ読取り可能媒体」は、実行のためのコンピュータ化されたシステム１０のＣＰＵ５０（または本明細書において説明されるデバイスの他の任意のプロセッサ）に対して命令を提供し、または提供することに参加する任意の媒体のことを意味している。そのような媒体は、それだけには限定されないが、不揮発性媒体および揮発性媒体を含めて、多数の形態を取ることができる。不揮発性媒体は、例えば、メモリなど、光ディスク、磁気ディスク、または光磁気ディスクを含んでいる。揮発性媒体は、ダイナミック・ランダム・アクセス・メモリ（ＤＲＡＭ：ｄｙｎａｍｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）を含んでおり、このダイナミック・ランダム・アクセス・メモリは、一般的に、メイン・メモリを構成している。コンピュータ読取り可能媒体の一般的な形態は、例えば、フロッピー・ディスク、フレキシブル・ディスク、ハード・ディスク、磁気テープ、他の任意の磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤ、他の任意の光媒体、パンチ・カード、紙テープ、穴のパターンを有する他の任意の物理媒体、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ、またはＥＥＰＲＯＭ（電気的消去可能プログラマブル・リード・オンリー・メモリ）、フラッシュ−ＥＥＰＲＯＭ、他の任意のメモリ・チップまたはメモリ・カートリッジ、あるいはコンピュータが読み取ることができる他の任意の媒体を含む。

【0054】

様々な形態のコンピュータ読取り可能媒体は、実行するためのＣＰＵ５０（または本明細書において説明されるデバイスの他の任意のプロセッサ）に対する１つまたは複数の命令の１つまたは複数のシーケンスを搬送する際に関与する可能性がある。例えば、命令は、最初に、リモート・コンピュータ（図示されず）の磁気ディスクの上に保持されていることもある。リモート・コンピュータは、命令をそのダイナミック・メモリへとロードし、またイーサネット接続、ケーブル回線、またはモデムを使用した電話回線の上でさえも、命令を送信することができる。コンピューティング・デバイス（例えば、サーバ）に対してローカルな通信デバイスは、それぞれの通信回線の上でデータを受信し、またＣＰＵ５０のためのシステム・バスの上にデータを配置することができる。システム・バスは、データをメイン・メモリへと搬送し、このメイン・メモリから、ＣＰＵ５０は、命令を取り出し、また実行する。メイン・メモリによって受信される命令は、オプションとして、ＣＰＵ５０による実行の前に、または実行の後のいずれかに、メモリに記憶されることもある。さらに、命令は、電気信号、電磁気信号、または光信号として、通信ポートを経由して受信されることもあり、これらの信号は、様々なタイプの情報を搬送するワイヤレス通信またはデータ・ストリームの例示の形態である。

【0055】

コンピュータ化されたシステム１０は、有利なことに、チャーン実施者がネットワーク・オペレータから会員登録を解除する前に、可能性のあるチャーン実施者を検出する努力の中で、伝統的なチャーン予測のシステムおよび方法とソーシャル・ネットワーク分析の概念を統合する、電気通信サービスにおける顧客チャーンを予測するシステムおよび方法を提供する。図４に示される結びつきの強さ２６と、図１に示されるソーシャル・ネットワーク分析モジュール１８によって開発される影響力伝搬モデルとは、図１に示されるマシン学習ベースのチャーン予測モジュール２０の中に有益に統合されて、チャーン予測精度を改善することができる。ひとたび可能性のあるチャーン実施者が識別された後に、彼らは、次いで、残留キャンペーンなどを用いてターゲットにされることもある。

【0056】

さらに、コンピュータ化されたシステム１０のシステムおよび方法は、有利なことに、サービスのアップセリング、サービスのクロスセリング、アプリケーションのダウンローディングなど、図１に示される、加入者２２に影響を及ぼす可能性のある様々な社会的現象について、モデル影響力拡散に適用されることもある。例えば、図１に示されるソーシャル・ネットワーク分析モジュール１８は、新しいサービスおよび／またはアプリケーションの場合に、図１に示される現在の加入者２２をよりよくターゲットにするように実施されることもある。

【0057】

本発明は、その詳細な実施形態に関して示され、また説明されているが、その形態および詳細における様々な変更が、本発明の精神および範囲を逸脱することなしに、行われ得ることが、当業者によって理解されるであろう。

【図1】

【図2】

【図3】

【図4】

【図5】