[发明专利]一种基于用户细分的流失率预测的控制方法

说明书

技术领域

本发明涉及用户流失率领域，具体地，是一种基于用户细分的流失率预测模型。

背景技术

客户流失一直是学术界和工业界的研究热点，客户流失问题包括流失原因，流失分类，流失预测，客户挽回等多个方面，而其中如何准确地对客户流失进行预测，则是客户流失分析的核心问题。

目前的用户流失预测算法主要是先收集用户的人口统计信息、用户的行为信息以及产品信息等数据作为数据源，然后对数据进行预处理，接着直接利用流失率计算算法，对流失率进行预测，最后输出流失率预测结果。

在现在有的流失率算法中，对数据预处理后，直接就对数据进行流失率的预测，对所有的用户都一视同仁，同等对待。但是在实际的应用中，流失率预测算法是有使用范围的，流失率预测的准确度高湿针对某些具有特定属性的用户来说，而不是适用于所有的用户；而且，在流失率预测的准确度和精确度不高的情况下，也没有反馈和训整的方法。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种在通讯管理系统中基于用户细分的流失率预测算法，基于用户细分的流失率预测算法首先通过用户的属性特征对用户进行细分，然后针对不同的细分群采取不同的流失率预测算法，其特征在于，包括如下步骤：a.提取用户参量集，其中所述用户参量集用于计算用户权重，所述用户为所述通讯管理系统中的用户；b.选择合适的用户细分算法生成用户细分群；c.选择合适的用户流失率预测方法，并计算用户流失率；以及d.对预测结果进过评估，得到最终的流失率预测结果。

优选地，所述步骤a包括如下步骤：a1.收集用户数据作为原始数据集；a2.对所述原始数据集进行预处理；a3.在预处理过的数据集中，提取所述用户参量集。

优选地，所述步骤a2包括如下步骤：a21.对所述原始数据集进行数据清洗；a22.对所述原始数据集进行数据归约；以及a23.对所述原始数据集进行数据填充。

优选地，所述的步骤b包括如下步骤：b1.根据所述用户参量集，选择合适的用户细分算法；b2.根据所述用户细分算法生成用户细分群。

优选地，所述的步骤b2包括如下步骤：b21.根据所述用户细分算法对多所述用户进行聚类处理；b22.根据所述聚类处理结果对多所述用户进行细分处理。

优选地，所述的步骤b2包括如下步骤：b21'.根据所述用户细分算法对多所述用户参量集进行加权计算；b22'.对所述加权后的用户参量集进行聚类处理；以及b23'.根据所述聚类处理结果对多所述用户进行细分处理。

优选地，所述的步骤c包括如下步骤：c1.根据所述用户细分群，选择合适的用户流失率预测算法；c2.根据选择的用户流失率预测算法，计算用户流失率预测结果。

优选地，所述的步骤d包括如下步骤：d1.判断所述流失率预测结果是否最优；d2.若d1中判断的结果不为最优则重复上述步骤b,c以及d1；以及d3.若判定结果为最优，则将所述流失率预测结果作为所述最终的流失率预测结果并输出该最终流失率预测结果。

优选地，所述的步骤d1包括如下步骤：d11.判断所述预测命中率是否高于所述第一阈值；d12.若判断结果为所述预测命中率是低于所述第一阈值则确定所述流失率预测结果不为最优。

优选地，所述的步骤d1还包括如下步骤：d13.判断所述预测覆盖率是否高于第二阈值；d14.若判断结果为所述预测覆盖率是低于所述第二阈值则确定所述流失率预测结果不为最优。

本发明在计算用户流失率时，考虑到根据不同的用户属性特征，选择合适的用户流失率预测算法。根据不同的用户群选择不同的流失率预测算法，使得流失率预测算法的预测准确度达到一个理想的效果，预测更精确。

本发明在进行用户细分的过程中，不是通过一种用户细分方法对用户数据集进行细分，而是根据数据集具有的不同特征属性，选择合适的细分方法，这使得用户在细分这一环节，用户能被细分到合适的用户群中。

本发明通过首先对用户采用了细分技术，然后进行流失率的预测，在一定程度上提高了用户流失率预测的准确度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出根据本发明的第一实施例的，基于用户细分的流失率预测算法的流程图；

图2示出根据本发明的第二实施例的，基于用户细分的流失率预测算法的流程图；

图3示出根据本发明的第三实施例的，根据用户参量集进行用户细分的流程图；以及