[发明专利]用户流失率的预测方法及系统

说明书

本发明公开的用户流失率的预测方法及系统，涉及数据分析技术领域，根据用户的行为特征的特性，将行为特征的类别分为N类，根据行为特征的类别，对用户在设定的天数T内产生的行为特征进行组合，生成一个行为特征组合，重复上述步骤，生成各个用户的行为特征组合，利用分类算法模型，分别对各个用户的行为特征组合进行分析，根据分析结果，预测用户流失率，提高了对用户流失率的预测精度及效率。

技术领域

本发明涉及数据分析技术领域，具体涉及一种用户流失率的预测方法及系统。

背景技术

目前各个行业都存在一定的用户流失率，为了降低用户流失率，如何采用一种有效的预测方法来预测哪些用户很大可能会成为流失用户，使得在其流失之前，采取有效的措施以减少用户的流失率已成为各行各业噬需解决的问题。

目前，各个企业在利用逻辑回归的方法预测用户流失之前并没有对用户的各种行为特征进行分析及分类，无法精确找到流失率可能性比较大的那部分用户且预测效率较低。

发明内容

为解决现有技术的不足，本发明实施例提供了一种用户流失率的预测方法及系统，

第一方面，本发明实施例提供了一种用户流失率的预测方法，该方法包括：

Step1、根据用户的行为特征的特性，将所述行为特征的类别分为N类，其中，N为自然数；

Step2、根据所述行为特征的类别，对用户在设定的天数T内产生的行为特征进行组合，生成一个行为特征组合；

Step3、重复上述步骤Step1-Step2，生成各个用户的行为特征组合；

Step4、利用分类算法模型，分别对各个用户的行为特征组合进行分析，根据分析结果，预测用户流失率。

进一步地，利用分类算法模型，对各个用户的行为特征组合进行分析包括：

若两个或多个行为特征组合相同，则将该两个或多个行为特征组合合并为一个行为特征组合，利用分类算法模型，对所述行为特征组合进行分析。

进一步地，所述分类算法为支持向量机SVM。

第二方面，本发明实施例提供了一种用户流失率的预测系统，该系统包括：

分类模块，用于根据用户的行为特征的特性，将所述行为特征的类别分为N类，其中，所述行为特征包括各个用户当天的下单量，N为自然数；

生成模块，用于根据所述行为特征的类别，对用户在设定的天数T内产生的行为特征进行组合，生成一个行为特征组合；

所述生成模块，还用于生成各个用户的行为特征组合；

分析模块，用于利用分类算法模型，分别对各个用户的行为特征组合进行分析，根据分析结果，预测用户流失率。

进一步地，所述预测系统还包括：

合并模块，用于将该两个或多个行为特征组合合并为一个行为特征组合。

本发明实施例提供的用户流失率的预测方法及系统，具有以下有益效果：

能够进一步提高对用户流失率的预测精度及效率。

附图说明

图1为本发明实施例提供的用户流失率的预测方法流程示意图；

图2为本发明实施例提供的用户流失率的预测系统结构示意图；

图3为本发明实施例提供的用户流失率的另一预测系统结构示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。