[發(fā)明專利]一種面向精準營銷的電信用戶消費畫像的構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 201710623442.5
• 申請日: 2017-07-27
• 公開（公告）號: CN107358269B
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計）人: 余陽;朱李設(shè);吳曉鵬
• 申請（專利權(quán)）人: 廣州天源信息科技股份有限公司;中山大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02;G06Q50/30
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 裘暉;林梅繁

1.一種面向精準營銷的電信用戶消費畫像的構(gòu)建方法，其特征在于，包括以下步驟：

步驟S1、對用戶話單數(shù)據(jù)做數(shù)據(jù)預處理，得到用戶消費行為數(shù)據(jù)；

步驟S2、將用戶話單數(shù)據(jù)和新套餐計費規(guī)則作為離線計費引擎的輸入，計算用戶在新套餐下消費額，利用新舊套餐下消費差額給用戶標定類標簽；

步驟S3、利用用戶消費行為數(shù)據(jù)和所標定的相應類標簽，訓練新套餐的隨機森林模型；

步驟S4、通過隨機森林模型篩選重要特征，得到重要特征集合；

步驟S5、針對每個重要特征，計算新套餐的非潛在用戶和潛在用戶的分裂點；

步驟S6、利用重要特征和相應分裂點構(gòu)建新套餐的潛在用戶的用戶畫像；

所述步驟S4中，通過隨機森林模型篩選重要特征時，計算特征重要性的方法如下：

若隨機森林中共有n棵樹，特征個數(shù)為m：

S41、對于n棵樹中的每棵樹以及m個特征中的每個特征，計算特征重要性；特征i在樹j中的重要性記為Imp(i_j)＝sum(gain*num)，1≤i≤m,1≤j≤n，其中g(shù)ain是樹j中在特征i分裂的節(jié)點的信息增益，num是經(jīng)過該節(jié)點的實例個數(shù)；

S42、將每棵樹中的m個特征的重要性歸一化到總和為1，得到每棵樹的重要性向量，樹j的重要性向量記為vj；

S43、對步驟S42所求得的n個向量求均值，得到n棵樹的平均重要性向量v＝(v1+v2+……+vn)/n；

S44、將平均重要性向量中的m個元素歸一化到總和為1；

兩次歸一化使用的方法都是Z-score標準化方法；

所述步驟S5的方法如下：

對于給定樣本集D和重要特征A，假定重要特征A在樣本集D上出現(xiàn)n個不同的取值，將這些值從小到大排序，記為{a¹,a²,……,aⁿ},選取[aⁱ,aⁱ⁺¹)的中位點(aⁱ+aⁱ⁺¹)/2為分裂點，分裂點將{a¹,a²,……,aⁿ}劃分為大于分裂點和小于分裂點兩類，記為+、-兩類；對于{a¹,a²,……,aⁿ}每兩個相鄰點，都計算得到一個分裂點，共n-1個分裂點；選擇信息增益最大的分裂點a作為最終的分裂點：

2.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟S1中，對用戶話單數(shù)據(jù)做數(shù)據(jù)預處理，包括：

對用戶話單數(shù)據(jù)做特征篩選，剔除與用戶消費行為無關(guān)的特征；

對于缺失值，如果缺失值是數(shù)值型的，則根據(jù)該屬性在其他所有對象的取值的平均值來填充該缺失的屬性值；如果缺失值是非數(shù)值型的，則根據(jù)統(tǒng)計學中的眾數(shù)原理，用該屬性在其他所有對象的取值次數(shù)最多的值來補齊該缺失的屬性值。

3.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟S2的處理方法如下：

將用戶在目前套餐下的消費話單和新套餐計費規(guī)則作為離線計費引擎的輸入，計算用戶基于目前的消費行為習慣、新套餐計費規(guī)則的消費額；用戶在目前套餐下的消費額記為Consum1，在新套餐計費規(guī)則下的消費額記為Consum2；

如果Consum1Consum2，將類標簽標定為1，表示該用戶是新套餐的潛在用戶；如果Consum1≤Consum2，將類標簽標定為0，表示該用戶不是新套餐的潛在用戶。

4.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟S4中，通過隨機森林模型篩選重要特征時，將特征的重要性按照降序排序，取前面若干個特征作為重要特征。