[发明专利]用户流失的特征分析方法、预测方法、装置、设备及介质

说明书

本发明提供一种用户流失特征的分析方法，包括：获取已流失用户及未流失用户的用户信息，提取其中的m个用户特征；从m个用户特征任意选取n个用户特征，得到个特征组合；针对每个特征组合，计算特征组合中每个用户特征的决定性值，得到n个决定性值，根据该n个决定性值将n个用户特征构造成二叉选择树模型；验证个模型，得到用户流失准确率排名靠前的X个二叉选择树模型；对X个二叉选择树模型中的用户特征进行统计，得到数量排名靠前的Y个用户特征，作为用户流失特征。本发明提供一种基于二叉选择树模型的用户流失预测方法，该二叉选择树模型能够筛选出用户流失主要因素，快速判断用户是否有流失风险。本发明提供一种装置、设备及介质。

技术领域

本发明涉及互联网直播领域，尤其涉及一种用户流失的特征分析方法、预测方法、装置、设备及介质。

背景技术

随着互联网的发展，直播变得越来越流行。对于每个直播平台来说，日活量(每日活跃的用户数量)是平台关注的重点指标，其关乎整个直播平台的兴衰，高的日活量能带来更多的用户消费和广告收益，而这也是当前直播平台主要的流量变现渠道。

而伴随着各种新的娱乐节目平台的推出，用户娱乐的类容也在逐渐转换，从而用户流失的现象也在时刻发生。由于用户参与娱乐的总时间一定，当用户转化为其他平台的用户后，就会给当前平台带来经济损失。因此，平台除了要采用与时俱进的娱乐方式提高用户粘性，还要能够总结用户流失的主要原因。

目前，分析用户流失的主要方式是问卷调查的方式，由于用户流失后不会再关注平台的动态，该方式的分析效果不明显，因此，需要一个模型来分析用户流失主要原因，并能够对用户是否将要流失做出预测，以便提前做好用户挽留工作，保障平台日活量的稳定。

发明内容

(一)要解决的技术问题

针对目前存在的技术问题，本发明提出一种用户流失的特征分析方法、预测方法、装置、设备及介质，用于至少部分解决上述技术问题。

(二)技术方案

本发明一方面提供一种用户流失特征的分析方法，包括：获取训练样本中已流失用户及未流失用户的用户信息，提取用户信息中的m个用户特征；从m个用户特征任意选取n个用户特征，得到个特征组合，其中，n≥m/2；针对上述个特征组合中的每个特征组合，计算特征组合中每个用户特征的决定性值，得到n个决定性值，并根据该n个决定性值将n个用户特征构造成二叉选择树模型；将用户信息样本分别输入至个二叉选择树模型中，得到用户流失准确率排名靠前的X个二叉选择树模型；对X个二叉选择树模型中的用户特征进行统计，得到数量排名靠前的Y个用户特征，作为用户流失特征。

可选地，计算特征组合中每个用户特征的决定性值，得到n个决定性值，包括：针对于一个特征组合中的用户特征A，根据该用户特征A的k个不同取值将训练样本划分为k个不同的子集{s₁，s₂，s₃，s_i，...s_k}；统计每个子集中用户的数量，不同取值的用户特征A对应的流失用户的个数和未流失用户的数量；通过计算用户特征A的决定性值，其中，T_A为用户特征A的决定性值，|s|为训练样本的用户总数，|s_i|为第i个子集中用户的数量，s_ij为第i个子集中未流失用户的数量，s_iq为第i个子集中流失用户的数量，p₀为训练样本中未流失用户出现的频率，p₁为训练样本中流失用户出现的频率；采用上述方法，计算其他用户特征的决定性值，得到所述n个决定性值。

可选地，在所述二叉选择树模型中，决定性值最大的用户特征位于所述二叉选择树模型的最顶端节点，决定性值最小的用户特征位于所述二叉选择树模型的最底端节点，其他用户特征按照其决定性值从大到小的顺序，从上至下依次排列在所述最顶端节点与所述最底端节点之间的节点处。