[發明專利]一種確定流失用戶的方法及裝置

有效

• 申請號: 201710252413.2
• 申請日: 2017-04-18
• 公開（公告）號: CN107358247B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 王力;陳超超;周俊;李小龍
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

本申請公開了一種確定流失用戶的方法及裝置，所述方法包括：獲取目標應用的多個用戶在預設時刻的行為特征數據，預設時刻設置于用戶流失周期內，所述用戶流失周期以統計時刻為時間終點；分別判斷用戶在預設時刻距離統計時刻的時間段內是否訪問過目標應用，若是，則將用戶的行為特征數據劃分為正樣本數據，否則，將用戶的行為特征數據劃分為無標注樣本數據；利用正樣本數據和無標注樣本數據構建得到第一分類器，并利用所述第一分類器計算得到無標注樣本數據被標注為正樣本數據的概率；根據概率設置所述無標注樣本的權重值，利用所述正樣本數據和增加權重值的無標注樣本數據構建得到第二分類器。利用本申請各個實施例，可以準確地識別出流失用戶。

技術領域

本申請屬于計算機數據處理技術領域，尤其涉及一種確定流失用戶的方法及裝置。

背景技術

對于互聯網企業，活躍于用戶平臺上的用戶人數與企業的運營效益息息相關。例如在企業開發的應用(Application，APP)中，每天活躍著成千上萬的用戶，但是可能總有一些用戶處于即將流失的狀態。對即將流失用戶的挽回，是穩定應用中活躍用戶人數的重要手段。一般對于即將流失的用戶，應用的運營方可以給予其一些權益，以使用戶再次活躍于應用中。權益的發放往往需要花費較高的成本，若這些權益發放到那些本來就不會流失的用戶，則對于企業來說，成本的花費沒有得到預期的收益。因此，確定出哪些用戶是即將流失的用戶，是穩定企業活躍用戶人數以及節約應用運營成本的重要技術問題。

現有技術中的確定流失用戶的方法主要應用于銀行、通信公司等傳統行業。其方法一般是獲取用戶的歷史行為數據，建立一個有監督的機器學習模型，根據所述歷史行為數據和所述機器學習模型可以計算得到用戶的流失概率。常用機器學習的模型例如可以包括決策樹、隨機森林、SVM、神經網絡等。

移動互聯網行業與傳統行業在發展速度上有著顯著的差別。移動互聯網行業中應用的更新頻率很高，往往在數月間，應用中的產品形式和業務內容可能發生巨大的變化，而用戶的行為模式也會相應地發生變化。因此對于應用中用戶流失模型時效性的要求相對于傳統行業的用戶流失模型要高很多。并且，對于有監督的機器學習模型，需要先獲取樣本數據后再進行訓練。而確認一個用戶是否會流失，需要觀察該用戶在之后的數月內是否會訪問該應用。所以，模型中使用的樣本數據往往是幾個月前的用戶行為數據。利用這樣的數據訓練出來的模型，在時效性上難以得到保障。

因此，現有技術中亟需一種時效性較高、預測結果準確性較高的確定流失用戶的方法。

發明內容

本申請目的在于提供一種確定流失用戶的方法及裝置，可以提高識別流失用戶的準確性。

本申請提供的一種確定流失用戶的方法及裝置是這樣實現的：

一種確定流失用戶的方法，所述方法包括：

獲取目標應用的多個用戶在預設時刻的行為特征數據，所述預設時刻設置于用戶流失周期內，所述用戶流失周期以確定流失用戶的統計時刻為時間終點；

分別判斷用戶在所述預設時刻距離所述統計時刻的時間段內是否訪問過所述目標應用，若是，則將對應用戶的行為特征數據劃分為正樣本數據，否則，將對應用戶的行為特征數據劃分為無標注樣本數據；

利用劃分的所述正樣本數據和所述無標注樣本數據構建得到第一分類器，并利用所述第一分類器計算得到所述無標注樣本數據被標注為正樣本數據的概率；

根據所述概率設置所述無標注樣本的權重值，利用所述正樣本數據和增加權重值的無標注樣本數據構建得到第二分類器。

一種確定流失用戶的裝置，所述裝置包括：

特征數據獲取單元，用于獲取目標應用的多個用戶在預設時刻的行為特征數據，所述預設時刻設置于用戶流失周期內，所述用戶流失周期以確定流失用戶的統計時刻為時間終點；