[发明专利]状态预测方法和装置

说明书

本发明提出一种状态预测方法和装置，其中，方法包括：对目标用户进行采样，根据识别出的采样时刻已流失和未流失用户的账户信息，分别生成负样本、正样本和验证样本，根据正、负样本，对用于预测在采样时刻之后用户流失状态的决策树模型进行训练，将验证样本输入训练后的决策树模型，以得到预测流失状态，若预测流失状态与实际流失状态计算得到的准召率不小于阈值，确定决策树模型训练完成，并进行用户流失状态的预测。通过采样目标用户生成的训练样本，对决策树模型进行训练，根据训练完成的决策树模型对用户流失状态预测，解决了现有技术中，通过人工经验或者制定规则进行用户流失状态预测，导致识别效率较低，且不易复用的技术问题。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种状态预测方法和装置。

背景技术

随着互联网的发展，很多互联网公司都有大量的付费客户，且客户群体是逐年快递增长的，对客户进行维护的售后服务就尤为重要，而目前的售后服务有两个特点，一是客户问题繁多，复杂，凌乱，客服离职率高，面对这种现状，大部分客服不知道该做什么，怎么做；二是客服资源有限，单个客服维护账户数就有数百，客服的工作强度大，工作难度大，且服务质量难以保证。

面对这种情况，筛选出存在问题、需要维护的账户，并下发给客户对应的工作任务，显得尤为重要，但是，相关技术中，采用的是专门的团队每天对客户全体进行手工筛选，或者是制定相关的客户筛选规则，筛选出需要维护的客户，并通过下发系统下发给对应的客服，但是这种方式需要依赖有经验的特定人群，且不一定能准确代表业务需求，或出现漏筛选、错筛选的可能，导致识别效率较低的问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种状态预测方法，通过对目标用户采样生成的正样本、验证样本和负样本，对决策树模型进行训练，根据训练完成的决策树模型对采样时刻之后的用户流失状态预测，解决了现有技术中，通过人工经验或者制定规则进行用户流失状态预测，导致识别效率较低，且不易复用的技术问题。

本发明的第二个目的在于提出一种状态预测装置。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种状态预测方法，包括：

对目标用户进行采样；

从采样得到的目标用户中，识别出在采样时刻已流失用户和未流失用户；其中，已流失用户为采样时刻之前的目标时长内未执行所述目标行为的用户，未流失用户为采样时刻之前的目标时长内执行过所述目标行为的用户；

根据在采样时刻已流失用户的账户信息，生成负样本，并根据在采样时刻未流失用户的账户信息，生成正样本和验证样本；

根据所述负样本和所述正样本，对用于预测在所述采样时刻之后用户流失状态的决策树模型进行训练；

将所述验证样本输入经过训练的决策树模型，以得到预测流失状态；

若根据所述验证样本的预测流失状态与实际流失状态计算得到的准召率不小于阈值，确定所述决策树模型训练完成；其中，实际流失状态，是根据所述采样时刻之后的所述目标时长内用户是否执行过所述目标行为确定的；

根据训练完成的所述决策树模型，进行用户流失状态的预测。