
数据流量是个什么玩意儿?读懂了它你就明白运营商为什么害怕微信了
2012年,短信这个小伙子度过了它20周岁的生日,不过20年来这小伙伴的样子基本没变。更狠的是,语音这个老家伙虽早已度过百岁高龄,但在这漫长的岁月里,样子也还是基本没变。电信运营商的百年历程,也是紧紧抓住了语音和短信这两拨增长,原因不外乎有二:
一是,语音和短信具备典型的规模经济,此外,移动蜂窝网络还具备特殊的密度经济;
二是,语音和短信之间有很强的关联性,也使得从语音到短信的范围经济过度变得容易实现。这种强关联性表现在:语音和短信号码显示一样,都是单一格式(语音或文本格式),任何终端都具备语音和短信功能,等等。甚至可以说,语音和短信从运营上可以认为就是一类东东。
随着通信网络整体IP化,电信运营商自然会想到继语音和短信之后,如何抓住数据流量这一波新的增长,但数据流量是否会继续重演历史上语音和短信的辉煌?事实上,数据流量的爆炸式增长所带来的负面效应大大出乎电信运营商的意料。这些负面效应现在已然耳熟能详了,比如:网络容量被迅速消耗殆尽,数据流量对网络资源的占用与收入贡献不成比例,信令风暴引发网络拥塞甚至断网……
这里的问题是,为什么经历了从语音向短信华丽转身的电信运营商面对数据流量时居然发生了集体性失足?这里固然有电信运营商自身的原因,比如3G技术本身缺乏对移动带宽的灵活管控能力等,但我们暂且抛开上述原因,而从数据流量的基本特征出发,看看数据流量究竟和语音短信有什么不同。
仁者见仁智者见智,但本屌丝儿认为:数据流量在三个方面与话音和短信存在本质差异(如图1):
(1)网络传输差异
数据流量和话音短信的首要不同在于传输的物理属性不再单一(如图1-a),不同类型的数据流量包对网络的影响差异显著。例如LTE网络在传输连续大流量包(如视频)时效率远高于3G,但对间断小流量包的传输效率则要远低于3G。此外,间断的小流量包不仅浪费网络资源,甚至附带产生的大量信令还会造成网络拥塞和断网。
(2)通信行为差异
依附于数据流量之上的用户通信行为也远比话音短信复杂。数据流量不再是话音短信式一对一、单一格式的信息交互,而是向群组通信和富媒体方向演进。其影响有两方面:一是,数据流量的业务载体变得多样化和个性化;二是,数据流量的传输不必然是用户主动行为的结果,而可能是一个用户的主动行为引发多个用户流量的被动消耗(比如某人在微信朋友圈上传照片,所有浏览的人都会产生流量)。
(3)价值成本分配差异
数据流量的价值在整个产业链之间的分配也发生了重大变化(如图1-c)。数据流量的传输过程中多了一层对应用的接入,产生传输成本的链路可以比话音短信多出几倍,并且多出的大部分成本都由电信运营商承担;但在价值层面,电信运营商却只能获取数据流量的底层传输价值,而数据流量中蕴含的用户社交关系、行为特征、内容信息等上层价值均被移动互联网应用提供商获取。
数据流量与语音短信的三大特征差异,使得电信运营商在流量经营过程中不得不面临从网络到市场的一系列新问题。例如,电信运营商可能第一次严肃的认识到移动带宽作为一种稀缺资源的公平使用和效益问题,虽然一直都是。甚至还有可能需要需要考虑更复杂的问题,比如什么样的网络应该承载什么样类型的流量?移动带宽资源应当优先分配给什么样的用户和什么样的应用?以及对什么样的流量应该制定什么样的费率等问题。总体而言,所谓的流量经营问题,其核心问题在于电信运营商不得不面临两大矛盾:
(1)数据流量不可测与网络管控的矛盾
数据流量使得对于移动带宽这种稀缺资源的管控,真正开始变得重要起来。比如,网络规划和建设就需要数据流量增长能够被相对准确的预测,这一点和电信运营商以往通过对MOU预测来制定网络建设规划是类似的。而实际上,数据流量的上述特征使得数据流量无论从总体规模、类型、和分布上均难以预测;此外,网络容量的瓶颈也不仅取决于数据流量的峰值,还取决于更加难以预测的信令。
(2)数据流量价值与成本相背离的矛盾
数据流量价值与成本的背离主要表现在三个方面。首先,数据流量传输环节中价值和成本的重新分配使得电信运营商承担几乎所有网络传输成本时,却仅能获得数据流量底层价值;其次,流量类型复杂性造成的背离,即用户使用意愿高的间断小数据包仅产生较少流量费却产生大量信令成本,持续大数据包虽能带来较多流量费但用户往往缺乏支付意愿或仅在Wi-Fi上使用;最后,用户使用行为造成的背离,即少部分用户通过单价较低的或不限量套餐产生了绝大部分流量。
假如认可数据流量和语音短信的确有本质不同,那么电信运营商确实需要考虑下该怎么卖这样一个新东西的问题。但也不得不承认这个问题很复杂,一是大家都还在探索,另一个是涉及的变化真的是多方面的。网络扩容和技术升级,其实是解决上述问题的基本办法,但网络扩容和技术演进的周期都比较长,所以最直接有效的手段就是利用资费杠杆来加强对数据流量的引导,从而对网络运营成本和风险进行控制。因此,大胆推进收费模式创新成为电信运营商时下的必然选择。
历史上数据流量收费模式的第一阶段创新,其实是依托NTT DoCoMo的i-mode完成的。以往WAP产生数据流量的收费模式主要是基于时长计费,但DoCoMo在设计i-mode时考虑到按使用量计费更有利于业务发展,因此独立开发了一套分组数据技术标准——PDC-P,实现了数据流量按“包”的方式传输,从而为数据流量按使用量计费创造了技术条件。后来GSMA推出的GPRS也是类似原理。自此,按使用量计费开始统治了数据流量收费模式长达十年之久。后来,DoCoMo的3G业务FOMA结合用户需求量的差异性开创了分层套餐(即我们所熟悉的分档套餐包),但基本也没有脱离按使用量计费的基本模式。
第二个历史阶段的数据流量收费模式创新,是从使用量的单一维度向多元化方向发展,这一阶段的数据流量收费模式创新和数据流量爆发式增长有很大关系。首先,因为数据流量的不可预测性,电信运营商希望通过计费套餐手段一定程度上抑制数据流量的过快增长,并适度均衡不同用户对数据流量的使用。比如,美国电信运营商在取消不限量套餐后,通过重新设计分层套餐和推出终端共享套餐,以此提升数据流量轻度使用者的需求并减少数据流量重度使用者的需求。此外,考虑到数据流量传输和业务载体的复杂性,结合终端、OTT/内容、场景等元素来加强对不同类型数据流量的引导,即所谓的各种定向流量。其中,定向流量这种新的收费模式在技术原理和作用对象等方面的特殊性,使得定向流量区别于传统收费模式而产生了远远超出计费本身的意义和作用。
再回到对于流量经营面临的两大矛盾如何解决的问题,目前实际运营中常规的做法:一是寄希望于网络技术侧实现对数据流量可识、可管、可控,即经常被提到的DPI和PCC(Policy and Charging Control,策略和计费控制)功能,以此提升对数据流量预测、引导和控制的能力。二是通过分层套餐、定向流量等资费手段,一方面均衡数据流量的分布,另一方面通过更精细化和个性化的资费手段引导和提升数据流量价值。但是当前电信运营商的上述手段存在以下问题:
首先,DPI和PCC技术均存在局限性:一是,DPI无法识别加密网址(https://),以及对业务层次较多的OTT进行深层URL解析时对网址存储能力要求也更高,在加上市场上OTT数量、类型众多,更新换代频繁,同时CDN等技术又增加了服务器地址的动态性,因此对URL的获取也越来越依赖于OTT的主动提供。二是,PCC的控制对象数量和GGSN一样也是有限的(也取决于GGSN的容量),同时也依赖于DPI的基础性支持。而未来真正可行的智能管道技术,如SDN(Soft-Defined Network,软件定义网络)和NFV(Network Functions Virtualization,网络功能虚拟化)离技术成熟还有较长一段时间。
其次,用户最希望的和电信运营商最希望的收费模式恰恰相反:用户认为最希望的是不限量套餐,或者是“用多少流量交多少钱”,即最原始的按使用量计费的模式。但是这两种模式都非常不利于流量经营两大矛盾中提到的电信运营商对于数据流量可预测和数据流量价值可获取的内在需求。同时,由于用户消费的非理性,分层套餐和定向流量实际增加了用户面对的计费复杂性,并造成用户对套内流量使用不足或超额的问题,从而抑制了大部分用户对流量的有效需求。
再结合数据流量传输类型和用户通信行为的复杂性,要解决流量经营的两大矛盾,仅仅依靠“计划经济式”的完全依赖电信运营商自身通过DPI和PCC等技术来实现对数据流量的引导和预测,或者依靠增加用户侧数据流量计费复杂性的收费模式,恐怕都难以称得上是真正有效的手段。正因为数据流量比话音和短信复杂的多,才更应该探索依靠双边市场化的手段来解决问题,即通过建立数据流量的应用供给方(OTT和其他类型商家)和用户的流量需求的直接联系,以此来解决数据流量的不可测性以及价值与成本背离的问题。
后向统付则是一个比较好的做法。一方面OTT直接根据对需求的判断对数据流量一次性买断,用户获得免费利益的同时,电信运营商也避免了一系列市场推广成本和风险;另一方面,OTT通过与电信运营商的定向流量合作形成OTT之间的差异化体验优势,也有利于形成标杆效应,引发OTT市场更多对于定向流量后向统付的需求。
但是,后向统付目前的做法依然存在较大的改进空间。一是,现在的后向统付还停留在业务合作层面,需要一单一单的去谈,合作的随机性很大,也不公开透明。二是,这种一单一单去谈的批售业务,对电信运营商而言往往处于谈判的不利局面,甚至因为政绩导向导致电信运营商过度出让利益。三是,没有充分意识到移动带宽资源和GGSN存储能力的稀缺性,并利用OTT之间的差异化竞争诉求来充分挖掘数据流量的价值。因此,对于数据流量的批售,还是要在秉持市场化原则的基础上,深入推进产品化和体系化建设。
最后,简单说一些更难解决的问题。比如,电信运营商未来数据流量批售比例大幅上升,电信运营商的网络能力和运营模式怎么变才能适应?还有管制政策问题,大家都承认数据流量未来会几十倍甚至几百倍的暴涨,特别是越来越多、不同类型的设备都连接在网上,所有人吃饭、睡觉甚至XXOO都有可能也在上网的节奏下,对网络容量扩充的基础建设和技术升级的周期需求也会逐步加速。
无论过去基础电信产业政治地位如何的低,未来支撑数字经济发展的重要性都会上去,那么是否还要延续现在这种完全通过电信运营商网络设施自建、技术升级节奏受限的方式来解决未来网络基础设施需求的问题呢?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02