[发明专利]一种预流失用户的识别方法

摘要

本发明公开了一种预流失用户的识别方法，首先提取用户参量集，选择多种流失用户预测模型算法，并分别采用每种预测模型算法对所述用户参量集中的用户进行建模生成多种流失用户预测模型，之后采用多种流失用户预测模型分别进行流失用户预测，得到多种流失用户预测模型的预测结果，最后根据多种流失用户预测模型的预测结果，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测。该方法在进行用户流失率预测的过程中，不是通过一种预测方法对用户数据集进行预测率预测，而是依据预测误差最小的原则，选择合适的组合算法，使得预测流失用户结果更精确，利于后期客户挽留工作的展开，节约投入成本。

主权项

一种预流失用户的识别方法，包括以下步骤：(1)提取用户参量集；所述用户参量集是指用于衡量用户价值的数据集合；所述用户价值是指用户对其通信运营商的消费贡献价值；(2)选择多种流失用户预测模型算法，并分别采用每种预测模型算法对所述用户参量集中的用户进行建模生成多种流失用户预测模型；(3)采用多种流失用户预测模型分别进行流失用户预测，得到多种流失用户预测模型的预测结果；(4)根据多种流失用户预测模型的预测结果，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测，具体方式为：(4‑1)确定每种流失用户预测模型的预测加权系数，假设设定时间段t内的流失用户的实际值为y_t，则在所有设定时间段内，下述公式取得极小值时的预测加权系数为每种流失用户预测模型的预测加权系数：$\begin{array}{c}J=\underset{t=1}{\overset{n}{\Σ}}{(y_t-{\hat{y}}_t)}^2\\ =\underset{t=1}{\overset{n}{\Σ}}{(y_t-\underset{i=1}{\overset{i=m}{\Σ}}{f}_{it}\×w_i)}^2\end{array}$式中，为m种流失用户预测模型对设定时间段t内流失用户的组合预测结果，f_it为第i种流失用户预测模型对设定时间段t内流失用户的预测值，w_i为预测加权系数，m为流失用户预测模型数，i为流失用户预测模型编号，n为时间；(4‑2)根据每种流失用户预测模型的预测加权系数进行预流失用户的组合预测，预测方式为：假设选择了m种流失用户预测模型，第i种流失用户预测模型对设定时间段t内流失用户的预测值为f_it，其预测加权系数为w_i，其中，m≥2，1≤i≤m,1≤t≤n，n≥2；则m种流失用户预测模型对设定时间段t内流失用户的组合预测结果为：组合预测结果