[发明专利]用户流失预警的方法、装置、设备及存储介质

说明书

本发明涉及大数据领域，公开了一种基于用户流失预警的方法、装置、设备及存储介质，用于解决预置用户流失预警模型预测用户即将流失概率的准确率低下的问题。用户流失预警的方法包括：获取用户的用户现有数据，并对用户现有数据进行清洗，得到处理后的用户现有数据；基于用户现有数据与用户核心阈值确定用户类型，用户类型包括核心用户与非核心用户；当用户为核心用户时，采用拟合优度算法在核心用户的用户现有数据中提取指标自变量，指标自变量为预置用户流失预警模型中的自变量；将指标自变量输入预置用户流失预警模型中，基于预置用户流失预警模型进行流失概率的预测，得到用户即将流失的概率。

技术领域

本发明涉及大数据领域，尤其涉及一种用户流失预警的方法、装置、设备及存储介质。

背景技术

随着科技的不断发展，同行业之间的竞争压力越来越大，每个公司都在面对用户流失的问题，用户流失的问题不仅会影响每个公司的盈亏，也关系着整个行业的发展。现有的用户流失预警方法主要是提取用户数据并进行预处理后，采用某一种预置用户流失预警模型(如决策树、神经网络等)，对用户数据进行数据挖掘，并最终输出用户即将流失的概率。

在现有的用户流失预警方法中，对用户数据进行预处理后，将多个基础指标数据输入到预置用户流失预警模型中，多个基础指标数据虽然覆盖用户的属性范围更广泛，但是却降低了预置用户流失预警模型预测的准确率。

发明内容

本发明的主要目的在于解决预置用户流失预警模型预测用户即将流失概率的准确率低下的问题。

本发明第一方面提供了一种用户流失预警的方法，包括：获取用户的用户数据，并对所述用户数据进行清洗，得到处理后的用户数据；基于所述用户数据与用户核心阈值确定用户类型，所述用户类型包括核心用户与非核心用户；当用户为核心用户时，采用拟合优度算法在所述核心用户的用户数据中提取指标自变量，所述指标自变量为预置用户流失预警模型中的自变量；将所述指标自变量输入预置用户流失预警模型中，基于预置用户流失预警模型进行流失概率的预测，得到用户即将流失的概率。

可选的，在本发明第一方面的第一种实现方式中，所述当用户为核心用户时，采用拟合优度算法在所述核心用户的用户数据中提取指标自变量，所述指标自变量为预置用户流失预警模型中的自变量包括：当用户为核心用户时，在所述核心用户的用户数据中，获取多个基础指标；在预置评分区间内，基于拟合优度算法分别计算所述基础指标的累计相关百分比与累计非相关百分比；计算所述累计相关百分比与所述累计非相关百分比之间的占比差绝对值；在多个所述占比差绝对值中筛选出数值最大的三个占比差绝对值，将计算所述占比差绝对值的基础指标作为指标自变量，所述指标自变量为预置用户流失预警模型中的自变量。

可选的，在本发明第一方面的第二种实现方式中，所述获取用户的用户数据，并对所述用户数据进行清洗，得到处理后的用户数据包括：获取用户的用户数据，判断所述用户数据中是否存在缺失值；若所述用户数据中存在缺失值，则通过随机插补算法对所述缺失值进行补充，得到第一补充数据；判断所述第一补充数据中是否存在异常值；若所述第一补充数据中存在异常值，则通过平均值代替算法将所述异常值替换，得到处理后的用户数据。

可选的，在本发明第一方面的第三种实现方式中，所述基于所述用户数据与用户核心阈值确定用户类型，所述用户类型包括核心用户与非核心用户包括：在所述用户数据中获取用户价值，所述用户价值是指用户对业务数据的消费贡献值；判断所述用户价值是否大于用户核心阈值；若所述用户价值大于所述用户核心阈值，则确定所述用户价值对应的用户的用户类型为核心用户。

可选的，在本发明第一方面的第四种实现方式中，在获取用户数据，并对所述用户数据进行清洗，得到处理后的用户数据之前，还包括：获取用户历史数据，并根据所述用户历史数据与预置用户流失预警函数得到预置用户流失预警模型。