[发明专利]携转用户分析方法、装置、设备及计算机存储介质

说明书

本公开实施例公开了一种携转用户分析方法、装置、设备及计算机存储介质。其方法能够从获取的历史业务数据中，基于用户属性聚类得到对应的多维度特征分类数据，然后根据多维度特征分类数据，通过决策树算法对相应用户的行为特征信息进行加权处理，得到携转用户特征数据输入到循环神经网络进行训练，以得到携转用户的分析模型用于对单个用户进行携转预测。本实施例可以对全部属性用户进行分拣，筛选出已携转用户的多维度特征分类数据，再通过决策树进一步筛选出符合携转相关特征的用户数据，再用于训练循环神经网络，利于得到精确的分析模型，继而用于携转用户的预测识别，得到更为准确有效的识别结果，以利于对应投放资源，提高客户挽留成功率。

技术领域

本公开属于大数据技术领域，尤其涉及一种携转用户分析方法、装置、设备及计算机存储介质。

背景技术

携转用户即携号转网用户。携号转网又称号码携带，是指用户从一家运营商转到另外一家运营商时，不更换号码就能享受转入的运营商所开展的各种业务和服务。

随着用户携转模式的开启，同质化竞争加剧，客户需求升级，资源精准投放有待提升，各运营商企业均面临携转意向投诉用户满意度提升、携转意向用户关怀修复的压力。然而目前业界缺乏有效的携转预测工具，使得对有携转意向的目标客户识别、问题定位等均不够准确，导致用户挽留成功率低。

发明内容

本公开实施例提供一种携转用户分析方法、装置、设备及计算机存储介质，能够实现对携转风险用户的精准识别。

一方面，本公开实施例提供一种携转用户分析方法，方法包括：

从获取的历史业务数据中，基于用户属性提取对应用户的行为特征信息，并聚类得到对应用户属性的多维度特征分类数据；用户属性至少包括已携转用户属性和未携转用户属性；

根据已携转用户属性对应的多维度特征分类数据，通过决策树算法对相应用户的行为特征信息进行加权处理，得到携转用户特征数据；

通过携转用户特征数据，对循环神经网络进行训练，以得到携转用户的分析模型；

将待分析用户的业务数据输入分析模型，进行携转预测。

在一些实施例中，从获取的历史业务数据中，基于用户属性提取对应用户的行为特征信息，并聚类得到对应用户属性的多维度特征分类数据，包括：

根据获取的历史业务数据，识别出已携转用户和未携转用户，并提取对应用户的行为特性信息；

将行为特性信息进行相关性算法检验，得到用户属性的影响因子；

根据用户属性的影响因子，将对应用户的行为特性信息按照预设的多个维度进行聚类，得到多维度特征分类数据。

在一些实施例中，在将行为特性信息进行相关性算法检验，得到用户属性的影响因子之后，方法还包括：

对用户属性的影响因子按照权重赋值；

删除权重低于预设影响阈值的影响因子。

在一些实施例中，根据已携转用户属性对应的多维度特征分类数据，通过决策树算法对相应用户的行为特征信息进行加权处理，得到携转用户特征数据，包括：

将已携转用户属性对应的多维度特征分类数据中的行为特征信息，按照预设的标签规则识别为显性标签和/或隐性标签；

根据已携转用户属性对应的每个用户的显性标签和/或隐性标签，生成对应用户的决策树；

按照预设的权值评价规则，确定决策树中的各节点数据项的权值；

将决策树各节点数据项的权值进行累乘后，删除累乘结果小于预设评价阈值的用户，得到包含携转用户特征数据的数据库。