[發(fā)明專利]挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410165863.4
• 申請(qǐng)日: 2014-04-23
• 公開（公告）號(hào): CN105099731B
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計(jì)）人: 董杰;王梟
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): H04L12/24
• 分類號(hào): H04L12/24;G06F16/2458
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;熊永強(qiáng)

本發(fā)明實(shí)施例涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，公開了挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的方法及系統(tǒng)。其中，該方法包括：根據(jù)流失用戶的數(shù)據(jù)全集，計(jì)算發(fā)生所述網(wǎng)絡(luò)應(yīng)用的用戶流失的每個(gè)用戶操作場(chǎng)景的流失用戶數(shù)占總流失用戶數(shù)的比重，并確定在所述比重上排名靠前的多個(gè)用戶操作場(chǎng)景；分析所述多個(gè)用戶操作場(chǎng)景的流失因子；根據(jù)所述流失因子所屬的用戶操作場(chǎng)景的流失用戶占總流失用戶的比重，計(jì)算所述流失因子的影響力權(quán)重值；判斷所述流失因子的影響力權(quán)重值是否大于等于閾值，若大于等于閾值，則確定所述流失因子為主要流失因子。通過(guò)本發(fā)明實(shí)施例，能夠基于網(wǎng)絡(luò)應(yīng)用的流水?dāng)?shù)據(jù)對(duì)用戶進(jìn)行聚類分析，以挖掘具體到網(wǎng)絡(luò)應(yīng)用各子模塊的設(shè)計(jì)缺陷等細(xì)節(jié)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，具體涉及一種挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的方法及系統(tǒng)。

背景技術(shù)

在現(xiàn)有技術(shù)中，可基于統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案(Statistical Product andService Solutions，SPSS)工具的邏輯(Logistic)回歸算法進(jìn)行網(wǎng)絡(luò)應(yīng)用新手流失用戶的挖掘。該方案適用于一組已知類別的樣本，根據(jù)專家經(jīng)驗(yàn)提取若干流失相關(guān)因子，通過(guò)對(duì)訓(xùn)練樣本進(jìn)行有監(jiān)督學(xué)習(xí)得出1/0(流失/非流失)分類模型(即回歸方程)，然后利用分類模型可對(duì)每個(gè)用戶的流失概率進(jìn)行預(yù)測(cè)，并可以通過(guò)各流失相關(guān)因子的回歸系數(shù)得到顯著影響用戶流失的危險(xiǎn)特征。

然而，利用現(xiàn)有技術(shù)無(wú)法使用流水?dāng)?shù)據(jù)進(jìn)行學(xué)習(xí)建模，一般要求樣本為靜態(tài)數(shù)據(jù)，所以現(xiàn)有挖掘方案一般只能發(fā)現(xiàn)宏觀層面影響用戶流失的網(wǎng)絡(luò)應(yīng)用體驗(yàn)。

此外，現(xiàn)有技術(shù)要求與流失相關(guān)的各特征是相互獨(dú)立的，以避免發(fā)生多重共線性問(wèn)題而導(dǎo)致模型估計(jì)失真、誤碼率高等問(wèn)題，所以建模前往往先要對(duì)特征進(jìn)行降維處理。但是，降維后的新特征向量處于新的特征空間，失去了本身原有的含義，從而會(huì)導(dǎo)致即使在最后結(jié)果中找出了與流失相關(guān)的特征向量，也無(wú)法將找到的特征向量對(duì)應(yīng)到具體的功能或體驗(yàn)而進(jìn)行相應(yīng)的優(yōu)化改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例公開了一種挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的方法及系統(tǒng)，能夠基于網(wǎng)絡(luò)應(yīng)用的流水?dāng)?shù)據(jù)對(duì)用戶進(jìn)行聚類分析，以挖掘具體到網(wǎng)絡(luò)應(yīng)用各子模塊的設(shè)計(jì)缺陷等細(xì)節(jié)問(wèn)題。

本發(fā)明實(shí)施例的第一方面公開一種挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的方法，所述方法包括：

根據(jù)流失用戶的數(shù)據(jù)全集，計(jì)算發(fā)生所述網(wǎng)絡(luò)應(yīng)用的用戶流失的每個(gè)用戶操作場(chǎng)景的流失用戶數(shù)占總流失用戶數(shù)的比重，并確定在所述比重上排名靠前的多個(gè)用戶操作場(chǎng)景；

分析所述多個(gè)用戶操作場(chǎng)景的流失因子；

根據(jù)所述流失因子所屬的用戶操作場(chǎng)景的流失用戶占總流失用戶的比重，計(jì)算所述流失因子的影響力權(quán)重值；

判斷所述流失因子的影響力權(quán)重值是否大于等于閾值，若大于等于閾值，則確定所述流失因子為主要流失因子。

本發(fā)明實(shí)施例的第二方面公開一種挖掘?qū)е戮W(wǎng)絡(luò)應(yīng)用的用戶流失的流失因子的系統(tǒng)，所述系統(tǒng)包括：

場(chǎng)景確定模塊，用于根據(jù)流失用戶的數(shù)據(jù)全集，計(jì)算發(fā)生所述網(wǎng)絡(luò)應(yīng)用的用戶流失的每個(gè)用戶操作場(chǎng)景的流失用戶數(shù)占總流失用戶數(shù)的比重，并確定在所述比重上排名靠前的多個(gè)用戶操作場(chǎng)景；

流失因子分析模塊，用于分析所述場(chǎng)景確定模塊確定的所述多個(gè)用戶操作場(chǎng)景的流失因子；

影響力計(jì)算模塊，用于根據(jù)所述流失因子分析模塊得到的所述流失因子所屬的用戶操作場(chǎng)景的流失用戶占總流失用戶的比重，計(jì)算所述流失因子的影響力權(quán)重值；

主要流失因子確定模塊，用于判斷所述影響力計(jì)算模塊計(jì)算得到的所述流失因子的影響力權(quán)重值是否大于等于閾值，若大于等于閾值，則確定所述流失因子為主要流失因子。