[發明專利]用戶流失預警的方法和裝置

在審

• 申請號: 202011340761.3
• 申請日: 2020-11-25
• 公開（公告）號: CN112465544A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 詹秋泉
• 申請（專利權）人: 北京深演智能科技股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 董文倩

1.一種用戶流失預警的方法，其特征在于，包括：

獲取歷史用戶數據；

依據所述歷史用戶數據生成數據集；

依據所述數據集中的訓練集和測試集進行模型訓練，得到用戶流失預警模型；

依據所述用戶流失預警模型對用戶數據進行分析，得到對用戶分類的預警結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取歷史用戶數據包括：

在所述歷史用戶數據包括預設時間范圍內用戶的行為數據、到店數據和用戶屬性數據的情況下，依據所述歷史用戶數據中的預設時間范圍內用戶的行為數據、到店數據和用戶屬性數據，將每個用戶的每次間隔到店數據視為第一樣本，多次到店的用戶將被劃分為第二樣本，未曾到店的用戶將被視為第三樣本。

3.根據權利要求2所述的方法，其特征在于，所述依據所述歷史用戶數據生成數據集包括：

依據所述第一樣本提取歷史間隔時段的用戶屬性和行為屬性作為樣本的特征；

將歷史間隔時長處理為所述第一樣本的回歸值；

依據所述第一樣本、所述第一樣本的特征和所述回歸值進行數據清洗和處理，得到所述數據集。

4.根據權利要求1所述的方法，其特征在于，所述依據所述數據集中的訓練集和測試集進行模型訓練，得到用戶流失預警模型包括：

將所述數據集劃分為所述訓練集合所述測試集；

依據所述訓練集和所述測試集通過回歸模型進行訓練，得到所述用戶流失預警模型。

5.根據權利要求1所述的方法，其特征在于，所述依據所述用戶流失預警模型對用戶數據進行分析，得到對用戶分類的預警結果包括：

在所述用戶數據包括每個用戶最后一次到店時間至今的數據的情況下，將所述每個用戶最后一次到店時間至今的數據確定為所述用戶流失預警模型的預測樣本；

依據所述用戶流失預警模型和所述預測樣本進行計算，得到每個用戶的最佳間隔到店時長；

依據所述最佳間隔到店時長與用戶最后一次到店時間至今的時長進行比較，得到所述用戶所屬的用戶分類；

依據所述用戶分類生成預警結果。

6.根據權利要求5所述的方法，其特征在于，所述用戶分類包括：保有客戶階段、流失用戶預警階段或流失用戶階段。

7.一種用戶流失預警的裝置，其特征在于，包括：

獲取模塊，用于獲取歷史用戶數據；

數據生成模塊，用于依據所述歷史用戶數據生成數據集；

訓練模塊，用于依據所述數據集中的訓練集和測試集進行模型訓練，得到用戶流失預警模型；

分析模塊，用于依據所述用戶流失預警模型對用戶數據進行分析，得到對用戶分類的預警結果。

8.根據權利要求7所述的裝置，其特征在于，所述獲取模塊包括：

獲取單元，用于在所述歷史用戶數據包括預設時間范圍內用戶的行為數據、到店數據和用戶屬性數據的情況下，依據所述歷史用戶數據中的預設時間范圍內用戶的行為數據、到店數據和用戶屬性數據，將每個用戶的每次間隔到店數據視為第一樣本，多次到店的用戶將被劃分為第二樣本，未曾到店的用戶將被視為第三樣本。

9.根據權利要求8所述的裝置，其特征在于，所述數據生成模塊包括：

特征生成單元，用于依據所述第一樣本提取歷史間隔時段的用戶屬性和行為屬性作為樣本的特征；

數值獲取單元，用于將歷史間隔時長處理為所述第一樣本的回歸值；

數據集獲取單元，用于依據所述第一樣本、所述第一樣本的特征和所述回歸值進行數據清洗和處理，得到所述數據集。

10.根據權利要求7所述的裝置，其特征在于，所述訓練模塊包括：

劃分單元，用于將所述數據集劃分為所述訓練集合所述測試集；

訓練單元，用于依據所述訓練集和所述測試集通過回歸模型進行訓練，得到所述用戶流失預警模型。

11.根據權利要求7所述的裝置，其特征在于，所述分析模塊包括：

樣本獲取單元，用于在所述用戶數據包括每個用戶最后一次到店時間至今的數據的情況下，將所述每個用戶最后一次到店時間至今的數據確定為所述用戶流失預警模型的預測樣本；

計算單元，用于依據所述用戶流失預警模型和所述預測樣本進行計算，得到每個用戶的最佳間隔到店時長；

分析單元，用于依據所述最佳間隔到店時長與用戶最后一次到店時間至今的時長進行比較，得到所述用戶所屬的用戶分類；

結果生成單元，用于依據所述用戶分類生成預警結果。