Инвестиции в сеть на основе ИИ

Обязательная возможность после COVID-19

Представьте, что вы — оператор связи, которому необходимо инвестировать 27 млрд евро. Вам предстоит выбирать между сотнями тысяч возможных вариантов. Разные зоны сети, разные технологии и разное расположение вышек сотовой связи. Все с разными затратами, доходами и доходами. Единственная загвоздка: ожидаемая доходность для всех отдельных опционов сильно различается, и ее трудно узнать заранее. Чем вы занимаетесь?

В совокупности это ежегодная задача для всех европейских операторов связи вместе взятых. Это многовариантная оптимизация, результаты которой должны быть предсказаны. Традиционные подходы терпят неудачу, особенно в больших масштабах. Как оказалось, ИИ может помочь решить загадку. Алгоритмы машинного обучения могут анализировать информацию о клиентах, использовании, сети и другие данные, чтобы предсказать, какие варианты инвестиций наиболее ценны. Недавний всплеск трафика данных и изменения в структуре спроса делают эту возможность критически важной для операторов, стремящихся к дальнейшему совершенствованию своих сетей после возобновления нормальной жизни.

COVID-19 ускоряет рост трафика данных

Связь плохая на вашей или на моей стороне?

Постоянные сбои в видеоконференциях пагубно сказываются на виртуальных встречах с коллегами. Наряду с удаленной работой, обычные пробки на дорогах, по которым я ежедневно добираюсь до работы, также стали цифровыми. Пропускная способность потокового качества раньше была в основном требованием вечернего или выходного дня для запойного просмотра Netflix. Но подключение теперь относится к списку основных потребностей. Лично я ежедневно соревнуюсь за WiFi с моими детьми, которые утром транслируют свой цифровой класс.

По данным Cisco [1], в докоронавирусные времена средний глобальный трафик данных рос примерно на 26% в год. В частности, мобильный трафик данных находится на подъеме с 46% в год (в среднем по миру). Текущие меры по ограничению распространения вируса COVID-19 вызывают резкий сдвиг в использовании Интернета. Vodafone сообщает о 50-процентном росте мобильного трафика в некоторых странах Европы [2]. British Telecom утверждает, что трафик в ее фиксированной сети вырос на 60% по сравнению с обычными будними днями. Это темпы роста, которые операторы обычно ожидают увидеть через год. Один из способов справиться с этим всплеском спроса — попросить крупные потоковые сервисы, такие как Netflix, сократить использование полосы пропускания за счет качества изображения. Но это не устойчивое решение.

Как и во многих других отраслях, у телекоммуникационных компаний есть свои проблемы с реагированием на COVID-19. Снижение (розничных) продаж, отсроченное развертывание 5G, нехватка мощностей в сфере обслуживания клиентов, и это лишь некоторые из них. В долгосрочной перспективе телекоммуникационные компании выиграют от растущей потребности в надежной связи как в критическом товаре. Но при выполнении этого обещания больше внимания будет уделяться необходимой модернизации сети.

Необходимость инвестиций в интеллектуальные сети

Традиционные подходы к инвестициям в телекоммуникационные сети оставляют деньги на столе, потому что они, как правило, сосредоточены в первую очередь на затратах.

Операторы связи в Европе инвестируют около 27 млрд евро в год на модернизацию сети [3]. В то же время провайдеры сталкиваются с отсутствием или снижением доходов в большинстве развитых стран из-за насыщенных рынков и жесткой конкуренции. Так как же операторы связи могут модернизировать свои сети, развернув 5G и оптоволокно до дома, а также получить достойную отдачу от своих инвестиций? Обновления не могут быть сделаны все сразу, поэтому куда они должны инвестировать в первую очередь? Наш общественный сдвиг в использовании цифровых инструментов может открыть новые возможности получения дохода для телекоммуникационных компаний. Но у них уже есть возможности увеличить прибыль, став более сообразительными в принятии инвестиционных решений.

Традиционные подходы к инвестициям в телекоммуникационные сети оставляют деньги на столе, потому что они, как правило, сосредоточены в первую очередь на затратах. В первую очередь идут наиболее рентабельные направления. Это имеет интуитивно понятный смысл: в густонаселенных районах инвестиции в одно соединение резко снижаются. Однако затраты — это только половина уравнения. Не менее важно влияние на пожизненную ценность клиента: как модернизация сети влияет на лояльность клиентов (и, следовательно, на долю рынка) и стоимость контракта? Где будет больше всего расти спрос? Было показано, что эти факторы существенно различаются между регионами и зависят от таких факторов, как демография и текущая скорость сети. Например, области с текущей пропускной способностью DSL 7-12 Мбит/с продемонстрировали в 4 раза более высокий рост доли рынка в течение первых 18 месяцев после развертывания оптоволокна по сравнению с областями с текущей скоростью сети 12-50 Мбит/с [4] .

Операторам трудно предсказать эти эффекты клиентов, и поэтому они делают очень грубые предположения при принятии инвестиционных решений. Часто это приводит к длительным обсуждениям между операционным и коммерческим отделами, которые не могут прийти к соглашению о приоритетах.

Использование ИИ для прогнозирования и оптимизации возврата инвестиций в сеть

Разработка оптимальной стратегии обновления сети состоит из разработки тысяч мини-бизнес-кейсов. Решения об обновлении принимаются на локальном уровне, будь то географическая область для развертывания оптоволокна или отдельные вышки сотовой связи для мобильных устройств. Эти обновления обычно выполняются в течение нескольких лет, поэтому их последовательный порядок является основным фактором ценности. Мы хотим, чтобы самые ценные бизнес-кейсы были первыми. Кроме того, модернизация также может включать в себя несколько вариантов: инвестиции в новое оптоволокно до дома, модернизацию существующих медных мощностей, использование разгрузки Wi-Fi сообщества или гибридные решения для фиксированной и мобильной связи. Суть заключается в предварительном определении ожидаемой стоимости создания всех этих отдельных инвестиций, а затем в соответствующем порядке. Здесь в дело вступает ИИ.

Чтобы помочь операторам связи оптимизировать свои решения об инвестициях в сеть, мы разработали решение на основе ИИ под названием Smart ROCE, которое вычисляет одну единую метрику для каждого отдельного варианта инвестиций. Эта метрика называется ROCE (Return on Capital Employed) и определяется с помощью нескольких алгоритмов машинного обучения, которые анализируют всю клиентскую базу, данные об использовании, обогащенные внешними данными.

Один европейский оператор добился 120-процентного увеличения ожидаемой отдачи от инвестиций в модернизацию сетей фиксированной связи.

Пример использования Smart ROCE для обновления фиксированной сети
Первые два алгоритма прогнозируют для каждого местоположения абонента в инвестиционной зоне вероятность оттока и приобретения в течение 10-летнего периода, учитывая меняющиеся потребности рынка в полосе пропускания. Счет.
Другой алгоритм прогнозирует средний доход по местоположению, определяя вероятность перекрестных и дополнительных продаж на основе демографических данных, таких как состав домохозяйства, уровень дохода, возраст и т. д.

Комбинация этих алгоритмов позволяет прогнозировать долю рынка и изменение доходов для конкретной области в зависимости от сетевой инфраструктуры. Результаты этих прогнозов используются для расчета изменения пожизненной ценности клиента (CLV) для каждого отдельного домохозяйства после обновления сети. Впоследствии ROCE можно определить как создание этой стоимости, деленное на инвестиции.

Smart ROCE использовался европейским оператором для определения приоритетности областей в своей фиксированной сети для развертывания оптоволокна или модернизации DSL. Механизм Smart ROCE даже позволил предложить гибридные сценарии: использовать модернизацию медных кабелей в качестве технологии моста на 5–7 лет, а затем развертывать оптоволоконные сети.

На приведенном ниже рисунке показан результат этой оптимизации, обеспечивающий общий предполагаемый рост доходов от инвестиций (NPV) на 120%.

Пример использования Smart ROCE для обновления мобильной сети
Оптимизация обновления мобильной сети является более сложной задачей, чем исправление. Для фиксированных сетей можно относительно легко проанализировать и предсказать следующие соотношения:

  • Как обновления улучшают производительность сети. Достижимая пропускная способность известна и зависит от существующей технологической инфраструктуры. В некоторых случаях конкретные показатели производительности известны на уровне местоположения, например качество линии. Модернизация сети обычно оказывает явное влияние на улучшение пропускной способности.
  • Как производительность сети влияет на обслуживание клиентов. Полоса пропускания является доминирующим фактором, влияющим на качество обслуживания клиентов. Таким образом, если мы знаем из инфраструктуры ожидаемую (или измеренную) пропускную способность в месте нахождения клиента, мы можем получить точную оценку испытанного качества.
  • Как качество обслуживания клиентов влияет на поведение клиентов. Мы можем анализировать поведение клиентов (отток, привлечение, перекрестные продажи и дополнительные продажи) по отношению к опытному качеству и, следовательно, соотносить его с модернизацией сети.

Для мобильных устройств эти отношения менее очевидны. Во-первых, производительность мобильной сети может быть выражена во многих различных показателях: частота сброшенных вызовов, пропускная способность, коэффициенты возврата (например, от 4G к 3G), мощность сигнала и многое другое. Во-вторых, какие из них оказывают наибольшее влияние на опыт подписчика? В-третьих, если клиент перемещается по сети, как распределить сетевую производительность сайта на конкретного клиента? Наконец, в какой момент производительность сети начинает оказывать существенное влияние на поведение клиентов? Должны ли мы сосредоточиться на мобильных сайтах, близких к домам абонентов, поскольку производительность этих мачт будет наиболее важной? Или мы должны анализировать производительность во время ежедневных поездок на работу, например, вызывая структурные проблемы со связью в поезде?

Это были интригующие задачи, и их полное рассмотрение выходит за рамки этой статьи. Но давайте проиллюстрируем один из выводов здесь.

Цель моделирования состояла в том, чтобы определить, как обновление мобильного сайта влияет на поведение клиентов, например на отток клиентов, и какую ценность (для клиента) это создаст. Наш подход состоял из следующих шагов:

  • Найдите показатели производительности сети, которые имеют (причинно-следственную) связь с оттоком клиентов, и используйте их в качестве признаков для прогнозирования оттока.
  • Определите, как модернизация конкретных сайтов повысит производительность сети и качество работы опытных клиентов.
  • Рассчитайте ожидаемый возврат инвестиций (ROCE) для всех возможных обновлений сайта и используйте его для определения приоритетов при планировании обновления.

Первый шаг включал анализ и моделирование очень неоднородного набора данных: мобильная сеть в этой европейской стране была относительно высокого качества. Связывать проблемы производительности с оттоком клиентов было все равно, что искать иголку в стоге сена. Чтобы решить эту загадку, мы выбрали подмножество данных, для которых мы знали, что «домашнее покрытие» было ниже критического порога. Другими словами, мы как бы передискретизировали плохую производительность сети, а затем попытались предсказать отток.

На рис. 2 показан один из результатов: прогнозируемое влияние роста 3G на отток пользователей. Эта взаимосвязь предполагает, что когда процент отказов увеличивается примерно с 20% до >40%, отток клиентов увеличивается на 1,5%.

Использовались разные алгоритмы, такие как XGBoost и random forest. Первый показал очень неустойчивый график частичной зависимости, указывающий на переоснащение. Модель случайного леса была выбрана и проверена на различных наборах данных вне выборки (без «передискретизации»). Стабильная производительность (измеряемая как площадь под кривой Precision-Recall) подразумевала хорошее обобщение. То есть мы могли применить его к стогу сена.

Окончательное решение для Smart ROCE Mobile включало несколько «деталей двигателя», которые требовали сложного анализа. Последний подход использовался для определения приоритетов сайтов для обновления 5G.

Чтобы узнать больше, посетите www.micompany.nl/ai-solutions

[1] IP-трафик - Cisco Visual Networking Index: прогноз и тенденции, 2017–2022 гг.

[2] CNBC — Интернет испытывает огромную нагрузку из-за коронавируса. Эксперты говорят, что справится — пока, 27-3-2020

[3] Периметр европейских операторов связи (ETNO)

[4] Реальный пример из европейской страны.