[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

说明书

本发明涉及一种针对B2B平台用户的会员流失预警方法和系统，包括接收B2B平台的原始数据并进行数据清洗和预处理；在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，扩充训练样本；根据原始数据构建特征，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；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；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；根据训练好的模型进行流失概率计算，根据计算出的流失概率发出预警提示。与现有技术相比，本发明具有可以实现会员流失概率的精准量化，数据处理效率高、预测结果准确等优点。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种针对B2B平台用户的会员流失预警方法和系统。

背景技术

随着平台业务的持续拓展与服务质量的持续提升，注册会员数量也日益增长，为使平台交易规模与会员规模长期稳定发展，需做好会员管理及运营工作，除不断获客外，还需提升已注册会员粘性、降低该群体流失量。

在企业当前的用户管理及业务运营过程中，仅能通过会员成交与行为等统计数据、结合业务经验人工判断会员是否流失，例如将“近6个月未登录”、“近6个月未交易”用户定义为流失等。此方法较为滞后且所需的人工投入较高，因此在进行会员挽回或激励时往往错失最佳时机，存在时效性不足的问题，缺乏前瞻性、综合性会员流失预警方法。

现有用户流失模型多为C端用户流失概率预测模型。相较于C端用户，B端用户的流失表现特征、原因不同，因此现有针对C端用户的流失模型很难直接适用于B端用户。B端业务场景具有决策链长、流程复杂的特性，在唤醒流失用户时往往成本更高、转化周期更长，采用的用户唤醒方式也有所不同，因此不仅要求模型输出准确的流失概率、更需要对潜在的流失原因进行捕捉。结合企业现状，为达到维护现有用户、及时挽回潜在流失用户，构建一种针对B2B平台会员生命周期管理构建的会员流失预警模型至关重要。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可以实现会员流失概率的精准量化，数据处理效率高、预测结果准确的针对B2B平台用户的会员流失预警方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种针对B2B平台用户的会员流失预警方法，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。

进一步地，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。

进一步地，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。

进一步地，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；