[發明專利]一種基于手機游戲商店的用戶流失預測方法及系統

有效

• 申請號: 201710873746.7
• 申請日: 2017-09-25
• 公開（公告）號: CN107609708B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 劉冶;劉宇琛;彭楠;陳宇恒;楊澤鋒;印鑒
• 申請（專利權）人: 廣州赫炎大數據科技有限公司;中山大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 吳靜芝

1.一種基于手機游戲商店的用戶流失預測方法，其特征在于，包括以下步驟：

S1：從服務器日志中采集訓練集用戶和預測集用戶的基本信息、行為信息和游戲信息，對訓練集用戶建立流失用戶標簽，并對原始數據進行預處理；具體包括步驟：

S11：根據需要進行用戶流失預測的時間段，從服務器日志中采集對應時間段的訓練集用戶和預測集用戶的基本信息、行為信息和游戲信息，并對訓練集用戶建立流失用戶標簽；其中，所述流失用戶的定義為：前n天上線的用戶中，在后m天內未達到活躍條件的用戶記為流失用戶，其中活躍條件為用戶的已發生事件總數大于j并且活躍時間大于k天；其中，n、m、j和k為可調的參數；

S12：對訓練集用戶和預測集用戶的基本信息、行為信息和游戲信息進行數據清洗，包括剔除異常用戶和用戶的無效事件；其中，將賬號數大于設定閾值的設備中的所有賬戶定義為異常用戶；將相同賬號下，與上一個事件相同并且時間間隔小于設定閾值的事件定義為無效事件；

S2：對訓練集用戶和預測集用戶的基本信息、行為信息和游戲信息進行特征提取、選擇及規范化；具體包括步驟：

S21：基于訓練集用戶和預測集用戶的基本信息和游戲信息，提取基本特征和游戲特征；

S22：基于訓練集用戶的行為信息，提取行為特征；

S23：根據訓練集用戶的流失用戶標簽，對訓練集用戶的行為特征進行特征選擇，獲取關鍵行為特征；

S24：基于訓練集用戶的關鍵行為特征和預測集用戶的行為信息，提取預測集用戶的關鍵行為特征；

S25：規范化訓練集用戶和預測集用戶的基本特征、游戲特征和關鍵行為特征；

S3：根據訓練集用戶的特征和流失用戶標簽，訓練梯度提升決策樹算法得到用戶流失預測模型；其中，所述訓練梯度提升決策樹算法的方法包括：通過設定考核指標，并采用K折交叉驗證法獲取最優用戶流失預測模型；所述考核指標包括精確率和召回率；所述精確率指預測為流失用戶中實際為流失用戶的概率，所述召回率指實際為流失用戶中預測為流失用戶的概率；相對于所述精確率，賦予所述召回率更大的權重；

S4：根據預測集用戶的特征，通過用戶流失預測模型識別出手機游戲商店的流失用戶。

2.根據權利要求1所述的基于手機游戲商店的用戶流失預測方法，其特征在于，所述步驟S22中，所述行為特征的提取方法包括：對所述用戶行為信息進行分類并以分類后的類別作為所述行為特征，所述行為特征包括：登錄行為次數、退出游戲行為次數、支付行為次數、點擊消息提醒行為次數、點擊導航欄行為次數、查看賬號信息行為次數、小組行為次數、與客服交流行為次數、點擊禮包行為次數、查看攻略行為次數、VIP行為次數、錄屏行為次數和福利行為次數。

3.根據權利要求2所述的基于手機游戲商店的用戶流失預測方法，其特征在于，所述步驟S23中，所述關鍵行為特征的獲取方法包括：計算每個訓練集用戶行為特征和流失用戶標簽的Pearson相關系數、互信息值及分類器重要性，取相關性較強的用戶行為特征作為關鍵用戶行為特征。

4.根據權利要求3所述的基于手機游戲商店的用戶流失預測方法，其特征在于，所述步驟S4具體為：以預測集用戶的特征為輸入變量，通過所述用戶流失預測模型，輸出用戶的流失概率；若流失概率大于設定閾值，則標簽為流失用戶。