[发明专利](移动)应用程序使用流失的预测

说明书

本发明提供一种流失预测模型，其使用行为数据以及用户特征来预测既定用户是否将从一个应用程序流失(即，停止使用)。最初，用户交互的训练集可以与用户活动的各种序列的流失概率值相关。然后，对于实时用户，可以记录用户在浏览app中的动作，除了用户特征之外，还可以使用该信息来预测该用户将要流失的概率，从而以“将流失消灭于萌芽状态”的方式实施(或者相反，保持忠诚并继续使用该应用程序)的概率。在一些实施方案中，一个分组的用户行动可以被识别为已知流失序列的子序列。对于执行这些子序列活动的用户，可以发送实时消息、优惠或促销以影响他们而不流失。

相关申请的交叉引用

本申请要求于2015年12月10日提交的美国临时专利申请No.62/265,552的权益，其公开内容通过引用并入到本申请中，如同在此处完全阐述一样。

技术领域

本发明一般涉及个人电子设备例如智能手机、平板电脑和计算机，尤其涉及用于预测尝试用户设备上的既定应用程序的人口的多少百分比将在各种后续时间段继续使用并以什么规律使用它的度量和模型。

背景技术

本申请一般涉及通常称为“app”的应用软件。app是设计用于帮助用户执行特定任务的计算机软件。app可以在各种计算设备上执行，例如在包括智能手机的移动设备上。例如，移动app是设计用于在智能手机、平板电脑和其他移动设备上运行的软件应用程序。这些app可通过应用程序分发平台获得，这些平台通常由移动操作系统的所有者运行，例如，苹果应用商店、谷歌Phone、Windows Phone Store和黑莓App World。移动设备如智能手机和平板电脑被设计成便于接受app的安装和操作。

流失预测是确定在最初尝试过之后将停止使用既定服务或产品的人口(即用户)百分比的方法。所有移动app发布公司都对在用户安装一个app一周后仍会继续使用该app的用户百分比感兴趣。

传统上，客户流失预测是基于消费者的特征，如年龄、性别和邮政编码。然而，这些类别过于宽泛，无法粗略地预测app的用户是如何喜欢使用它的，以及他或她是否会继续使用它，继续试验它，或者决定它对他或她没有用处。

因此，通常用户如何与新的应用程序进行交互，既决定了他们是否会继续下去，又决定了他们是否有足够的兴趣水平来实际学习如何以有意义的方式使用它。这不仅仅是一个用户年龄、性别和住宅区的问题。它更多的是关于他们的个性，他们的需求，以及他们在应用程序留给他们的“第一印象”的时间窗口期与特定软件应用程序的关系如何。

本领域需要的是基于涉及应用程序的实际用户活动更准确地预测流失的方法。

发明内容

本发明提出了一种流失预测模型，其使用行为数据以及用户特征来预测既定用户是否将从应用程序流失(即，停止使用)。最初，用户交互的训练集可以与用户活动的各种序列的流失概率值相关。然后，对于实时用户，可以记录用户在浏览app中的行动，除了用户特征之外，还可以使用该信息来预测该用户将要流失的概率，从而以“消灭流失于萌芽状态中”的方式来实现(或者反过来，保持忠诚并继续使用该应用程序)。在一些实施方案中，一个用户行动的分组可以被识别为已知流失序列的子序列。对于执行这些活动子序列的用户，可以发送实时消息、优惠或促销以影响他们而不流失。在本发明的示例性实施方案中，用户数据可以从用户的设备上传到专有或云服务器。例如，可以在这些服务器上使用既定app的最新集合数据来执行客户流失分析或更详细的客户流失分析。

附图说明

图1是根据本发明的示例性实施方案的用于流失等级的示例性区分值和相关的区分模式的图表；

图2是根据本发明的示例性实施方案的用于忠诚等级的示例性区分模式的图表；

图3-14是根据本发明的示例性实施方案的用于测试流失和忠诚度预测的被称为“AVG WiFi助手(Assistant)”的示例性beta应用程序中的示例性屏幕截图(或其部分)；