[發明專利]預測流失用戶的方法及裝置

在審

• 申請號: 201510337449.1
• 申請日: 2015-06-17
• 公開（公告）號: CN105005909A
• 公開（公告）日: 2015-10-28
• 發明（設計）人: 袁林
• 申請（專利權）人: 深圳市騰訊計算機系統有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 劉映東

1.一種預測流失用戶的方法，其特征在于，所述方法包括：

獲取目標用戶在指定時間段內登錄應用程序的登錄天數和登錄次數，以及獲取所述目標用戶最后一次登錄所述應用程序的時間與當前時間之間的時間間隔，得到第一時間間隔；

基于目標用戶賬號的注冊時間，確定所述目標用戶的重度參數；

基于所述登錄天數、所述登錄次數、所述重度參數和所述第一時間間隔，通過指定邏輯回歸模型，確定所述目標用戶的流失概率；

當所述目標用戶的流失概率大于或等于指定概率閾值時，則確定所述目標用戶為即將流失的用戶。

2.如權利要求1所述的方法，其特征在于，所述基于目標用戶賬號的注冊時間，確定所述目標用戶的重度參數，包括：

確定所述目標用戶賬號的注冊時間與所述當前時間之間的時間間隔，得到第二時間間隔；

當所述第二時間間隔小于或等于第一指定時間間隔時，確定所述目標用戶的重度參數為第一數值；

當所述第二時間間隔大于所述第二指定時間間隔時，確定所述目標用戶的重度參數為第二數值。

3.如權利要求1所述的方法，其特征在于，所述基于所述登錄天數、所述登錄次數、所述重度參數和所述第一時間間隔，通過指定邏輯回歸模型，確定所述目標用戶的流失概率之前，還包括：

獲取待訓練邏輯回歸模型；

基于存儲的訓練樣本，確定所述待訓練邏輯回歸模型的各個參數，所述訓練樣本中存儲訓練登錄天數、訓練登錄次數、訓練時間間隔、訓練重度參數與訓練流失參數之間的對應關系；

基于所述待訓練邏輯回歸模型和所述待訓練邏輯回歸模型的各個參數，確定所述指定邏輯回歸模型。

4.如權利要求1或3所述的方法，其特征在于，所述當所述目標用戶的流失概率大于或等于指定概率閾值時，則確定所述目標用戶為即將流失的用戶之后，還包括：

確定所述目標用戶的流失參數；

將所述登錄天數、所述登錄次數、所述第一時間間隔、所述重度參數和所述流失參數，存儲在訓練登錄天數、訓練登錄次數、訓練時間間隔、訓練重度參數與訓練流失參數之間的對應關系中。

5.如權利要求4所述的方法，其特征在于，所述確定所述目標用戶的流失參數，包括：

當所述目標用戶為即將流失的用戶時，確定所述目標用戶的流失參數為第三數值；

當所述目標用戶為非流失用戶時，確定所述目標用戶的流失參數為第四數值。

6.一種預測流失用戶的裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取目標用戶在指定時間段內登錄應用程序的登錄天數和登錄次數，以及獲取所述目標用戶最后一次登錄所述應用程序的時間與當前時間之間的時間間隔，得到第一時間間隔；

第一確定模塊，用于基于目標用戶賬號的注冊時間，確定所述目標用戶的重度參數；

第二確定模塊，用于基于所述登錄天數、所述登錄次數、所述重度參數和所述第一時間間隔，通過指定邏輯回歸模型，確定所述目標用戶的流失概率；

第三確定模塊，用于當所述目標用戶的流失概率大于或等于指定概率閾值時，則確定所述目標用戶為即將流失的用戶。

7.如權利要求6所述的裝置，其特征在于，所述第一確定模塊包括：

第一確定單元，用于確定所述目標用戶賬號的注冊時間與所述當前時間之間的時間間隔，得到第二時間間隔；

第二確定單元，用于當所述第二時間間隔小于或等于第一指定時間間隔時，確定所述目標用戶的重度參數為第一數值；

第三確定單元，用于當所述第二時間間隔大于所述第二指定時間間隔時，確定所述目標用戶的重度參數為第二數值。

8.如權利要求6所述的裝置，其特征在于，所述裝置還包括：

第二獲取模塊，用于獲取待訓練邏輯回歸模型；

第四確定模塊，用于基于存儲的訓練樣本，確定所述待訓練邏輯回歸模型的各個參數，所述訓練樣本中存儲訓練登錄天數、訓練登錄次數、訓練時間間隔、訓練重度參數與訓練流失參數之間的對應關系；

第五確定模塊，用于基于所述待訓練邏輯回歸模型和所述待訓練邏輯回歸模型的各個參數，確定所述指定邏輯回歸模型。