[发明专利]一种访客流失预测方法及系统

说明书

本发明公开了一种访客流失预测方法及系统，其通过确定目标特征和输入特征，所述输入特征为访客行为数据，所述目标特征为访客流失概率；按照预设比例对所述访客行为数据划分数据集，所述数据集包括测试集和训练集；对所述训练集采用交叉验证方法计算lasso算法中的惩罚参数λ；根据所述惩罚参数λ利用所述训练集训练lasso‑logit模型；利用所述测试集对所述lasso‑logit模型进行评估；最后根据评估结果输出预测模型，从而可将访客行为数据输入所述预测模型，并输出预测得到的访客流失概率；能够有效提高访客流失的预测效果。

技术领域

本发明涉及通信技术领域，特别是一种访客流失预测方法及其应用该方法的系统。

背景技术

信息时代的来临使得企业营销焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户关系管理的关键问题之一是客户流失预测，依据客户的行为特征数据，对客户的流失行为进行预测，企业针对这流失和活跃用户制定优化的个性化服务方案，采取不同的营销策略，提高用户活跃度，加强用户变现能力，实现企业利润最大化目标。

在航空领域常见的分析流程是借助航空公司历史客户访问行为数据(例如点击、跳转、购买等行为)，利用机器学习技术对线上客户的流失情况进行预测。最后对流失和活跃的客户提供个性化服务，制定相应的营销策略。

常见的预测分析算法包括logit算法和决策树算法。通常算法的确定需要结合实际业务背景，同时，如果选择过于复杂算法(如决策树算法)，可能会导致过拟合；而如果选择过于简单算法(如logit算法)，又可能导致欠拟合，过拟合和欠拟合都导致用户流失预测效果下降。此外，选定哪些特征作为预测模型的输入依然存在一定的主观性。因此针对不同的业务背景，选择合适的预测模型是一件具有挑战性的工作。

发明内容

本发明为解决上述问题，提供了一种访客流失预测方法及系统，基于访客行为通过lasso-logit算法将访客流失概率进行预测，能够有效提高访客流失的预测效果。

为实现上述目的，本发明采用的技术方案为：

一种访客流失预测方法，其包括以下步骤：

a.确定目标特征和输入特征，其中，所述输入特征为访客行为数据，所述目标特征为访客流失概率；

b.按照预设比例对所述访客行为数据划分数据集，所述数据集包括测试集和训练集；

c.对所述训练集采用交叉验证方法计算lasso算法中的惩罚参数λ；

d.根据所述惩罚参数λ利用所述训练集训练lasso-logit模型；

e.利用所述测试集对所述lasso-logit模型进行评估；

f.根据评估结果输出预测模型，将访客行为数据输入所述预测模型，并输出预测得到的访客流失概率。

优选的，所述的步骤a中，所述访客行为数据包括以下任一种或者两种以上的组合：访问行为数据、购票行为数据、乘机行为数据。

进一步的，所述的步骤a中，所述访客行为数据包括以下任一种或者两种以上的组合：最后一次访问时间距观测窗口结束时间天数、最后一次购票时间距观测窗口结束时间天数、观测窗口内访问次数、观测窗口内成功购票次数、观测窗口会话总时长、观测窗口内消费金额、机票查询访问次数、航班选择访问次数、旅客信息访问次数、机票查询总停留时间、航班选择总停留时间、旅客信息总停留、时间付费搜索次数、非付费搜索次数、非会员手机登陆次数、会员登陆次数、会员日访问次数、PC端访问次数、移动端访问次数、访问间隔时间、支付订单访问次数。

优选的，所述的步骤b中，所述数据集划分的预设比例为：训练集>测试集。

进一步的，所述数据集划分的预设比例为：训练集:测试集＝4:1；或者，训练集:测试集＝3:1。