[发明专利]一种针对B2B平台用户的会员流失预警方法和系统在审

专利信息
申请号: 202211181162.0 申请日: 2022-09-27
公开(公告)号: CN115511525A 公开(公告)日: 2022-12-23
发明(设计)人: 程夏莹;文扬;王来;黄天立;王汇丰;宋希;盛颖涵;朱彭生;万仕龙 申请(专利权)人: 欧冶云商股份有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q30/00;G06N20/00;G06K9/62
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 夏健君
地址: 201999 上海市宝山区漠*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 针对 b2b 平台 用户 会员 流失 预警 方法 系统
【权利要求书】:

1.一种针对B2B平台用户的会员流失预警方法,其特征在于,包括以下步骤:

大数据提取和清洗步骤:接收B2B平台的原始数据并进行数据清洗和预处理,所述B2B平台的原始数据包括会员基础信息、交易数据、行为数据、违约数据和用户负面体验数据;

数据标注步骤:在所述原始数据中对部分数据进行流失用户和非流失用户的标注,得到训练样本;并通过非监督机器学习模型进行自动化数据标注,扩充所述训练样本;

特征筛选步骤:根据所述原始数据构建特征,采用保留数据原始属性的特征筛选方法,从业务完整度和数据质量层面进行特征筛选;

模型选择步骤:基于召回率评价指标从多个经典机器学习方法中进行模型筛选;

主模型构建步骤:根据筛选出的特征和模型,基于训练样本进行模型迭代优化;

流失预警步骤:根据训练好的模型对各个会员的B2B平台数据进行流失概率计算,根据计算出的流失概率发出预警提示。

2.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,所述数据清洗和预处理过程包括对原始数据进行缺失值处理、异常数据处理、标准化、归一化、信息量分析、数据分布和类别特征编码处理。

3.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,所述保留数据原始属性的特征筛选方法包括方差分析、相关系数法、卡方检验法、信息熵、基尼系数、过滤法和嵌入法。

4.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,从业务完整度层面进行特征筛选具体为:筛选预先设定的重要特征;

从数据质量层面进行特征筛选具体为:在特征筛选过程中,结合方差、标准差、数据缺失程度、特征相关性及通过集成算法训练筛选相结合的方式进行。

5.根据权利要求4所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,所述重要特征包括:账户信息、采购数据、负面信息、采购偏好、行为数据、违约数据、工商财经数据、时长行情数据和天气季节数据。

6.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,根据原始数据构建的特征包括:会员用户的交易数据、卖家的挂货数据、平台的功能数据、金融服务、后期的售后、物流、仓储、票据、大盘数据、天气数据以及工商信息。

7.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法,其特征在于,筛选出的模型为XGboost算法模型。

8.一种针对B2B平台用户的会员流失预警系统,其特征在于,包括:

大数据提取和清洗模块,被配置为:接收B2B平台的原始数据并进行数据清洗和预处理,所述B2B平台的原始数据包括会员基础信息、交易数据、行为数据、违约数据和用户负面体验数据;

数据标注模块,被配置为:在所述原始数据中对部分数据进行流失用户和非流失用户的标注,得到训练样本;并通过非监督机器学习模型进行自动化数据标注,扩充所述训练样本;

特征筛选模块,被配置为:根据所述原始数据构建特征,采用保留数据原始属性的特征筛选方法,从业务完整度和数据质量层面进行特征筛选;

模型选择模块,被配置为:基于召回率评价指标从多个经典机器学习方法中进行模型筛选;

主模型构建模块,被配置为:根据筛选出的特征和模型,基于训练样本进行模型迭代优化;

流失预警模块,被配置为:根据训练好的模型对各个会员的B2B平台数据进行流失概率计算,根据计算出的流失概率发出预警提示。

9.根据权利要求8所述的一种针对B2B平台用户的会员流失预警系统,其特征在于,所述数据清洗和预处理过程包括对原始数据进行缺失值处理、异常数据处理、标准化、归一化、信息量分析、数据分布和类别特征编码处理;

所述保留数据原始属性的特征筛选方法包括方差分析、相关系数法、卡方检验法、信息熵、基尼系数、过滤法和嵌入法。

10.根据权利要求8所述的一种针对B2B平台用户的会员流失预警系统,其特征在于,从业务完整度层面进行特征筛选具体为:筛选预先设定的重要特征;

从数据质量层面进行特征筛选具体为:在特征筛选过程中,结合方差、标准差、数据缺失程度、特征相关性及通过集成算法训练筛选相结合的方式进行。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于欧冶云商股份有限公司,未经欧冶云商股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211181162.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top