[发明专利]商户流失预测方法、装置、设备及存储介质

权利要求书

1.一种商户流失预测方法，其特征在于，包括：

分别获取已流失商户在流失前的不同时间的指标特征以及在线商户当前的指标特征，并根据获取到的信息生成训练样本；

根据训练样本训练得到流失预测模型；

将待预测商户的指标特征输入所述流失预测模型，得到是否会流失以及将在多久之后流失的预测结果。

2.根据权利要求1所述的方法，其特征在于，

所述分别获取已流失商户在流失前的不同时间的指标特征以及在线商户当前的指标特征包括：

若确认任一商户的最后一个在线团单的下线时间位于[date-第一预定时长，date-第二预定时长]的时间范围内，则确定所述商户为已流失商户，并分别获取所述已流失商户在流失前的不同时间的指标特征；

若确定任一商户在[date-第二预定时长，date]的时间范围内有过在线团单，且在[date-第一预定时长，date-第二预定时长]的时间范围内有过在线团单，则确定所述商户为在线商户，并获取所述在线商户当前的指标特征；

其中，所述date表示当前时间，所述第一预定时长大于所述第二预定时长。

3.根据权利要求1所述的方法，其特征在于，

所述分别获取已流失商户在流失前的不同时间的指标特征包括：

分别获取已流失商户在流失前的指定的N个不同时间的指标特征，N为大于一的正整数；

所生成的每个训练样本中包括：样本标签以及指标特征；

所述样本标签包括：不流失、将在[流失时间-指标特征对应的时间]时长之后流失，流失时间为最后一个在线团单的下线时间。

4.根据权利要求1所述的方法，其特征在于，

所述指标特征包括：流水类指标特征、操作类指标特征、商户属性类指标特征、基础属性类指标特征以及竞对类指标特征。

5.根据权利要求1所述的方法，其特征在于，

所述根据训练样本训练得到流失预测模型包括：

根据训练样本训练得到M棵决策树，M为大于一的正整数；

所述将待预测商户的指标特征输入所述流失预测模型，得到是否会流失以及将在多久之后流失的预测结果包括：

分别将所述待预测商户的指标特征输入每棵决策树，得到每棵决策树的预测结果，并通过投票方式确定出最终所需的预测结果。

6.根据权利要求5所述的方法，其特征在于，

训练得到每棵决策树的方式包括：

从训练样本中抽取出P个训练样本，P小于Q，Q表示训练样本的总数；

根据抽取出的P个训练样本训练得到一棵决策树。

7.根据权利要求6所述的方法，其特征在于，

每个训练样本中均包括X个指标特征；

所述训练得到每棵决策树的方式进一步包括：

从X个指标特征中抽取出Y个指标特征，Y小于或等于X，针对抽取出的每个训练样本，分别保留其中的所述Y个指标特征，用于决策树的训练。

8.根据权利要求7所述的方法，其特征在于，

该方法进一步包括：

根据未被抽取的训练样本确定出各指标特征的权重；

将权重大于预定阈值的指标特征确定为影响商户流失的主要因素。