预测流失用户的方法及装置制造方法及图纸

本发明专利技术公开了一种预测流失用户的方法及装置，属于网络技术领域。所述方法包括：获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取目标用户最后一次登录应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔；基于目标用户账号的注册时间，确定目标用户的重度参数；基于登录天数、登录次数、重度参数和第一时间间隔，通过指定逻辑回归模型，确定目标用户的流失概率；当目标用户的流失概率大于或等于指定概率阈值时，则确定目标用户为即将流失的用户。本发明专利技术适用范围较广、操作简单、鲁棒性较好，并且预测流失用户的效率较高。

【技术实现步骤摘要】

本专利技术涉及网络
，特别涉及一种预测流失用户的方法及装置。
技术介绍
随着技术的快速发展，出现了各种各样的应用程序，比如，游戏应用程序、健身应用程序、通信应用程序等等。为了确保这些应用程序的使用率，需要采取相应的措施来挽留即将流失的用户，因此，需要针对这些应用程序，对即将流失的用户进行预测。目前，基本都是通过人工运营的方法，对即将流失的用户进行预测。而通过人工运营的方法来预测流失用户时，操作比较复杂，工作量大，因此，降低了预测流失用户的效率，并且通过人工运营的方法来预测流失用户的鲁棒性较差。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种预测流失用户的方法及装置。所述技术方案如下:—方面，提供了一种预测流失用户的方法，所述方法包括:获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取所述目标用户最后一次登录所述应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔；基于目标用户账号的注册时间，确定所述目标用户的重度参数；基于所述登录天数、所述登录次数、所述重度参数和所述第一时间间隔，通过指定逻辑回归模型，确定所述目标用户的流失概率；当所述目标用户的流失概率大于或等于指定概率阈值时，则确定所述目标用户为即将流失的用户。另一方面，提供了一种预测流失用户的装置，所述装置包括:第一获取模块，用于获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取所述目标用户最后一次登录所述应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔；第一确定模块，用于基于目标用户账号的注册时间，确定所述目标用户的重度参数；第二确定模块，用于基于所述登录天数、所述登录次数、所述重度参数和所述第一时间间隔，通过指定逻辑回归模型，确定所述目标用户的流失概率；第三确定模块，用于当所述目标用户的流失概率大于或等于指定概率阈值时，则确定所述目标用户为即将流失的用户。本专利技术实施例提供的技术方案带来的有益效果是:在本专利技术实施例中，基于目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及目标用户的第一时间间隔和重度参数，通过指定逻辑回归模型，可以确定目标用户的流失概率，从而确定目标用户是否为即将流失的用户。而由于登录天数、登录次数、第一时间间隔和重度参数是每个应用程序都适用的，也即是，每个应用程序都包括登录天数、登录次数、第一时间间隔和重度参数的特征，因此，该预测流失用户的方法可以适用于所有的应用程序，应用范围较广。再者，该预测流失用户的方法完全是预测流失用户的装置自动执行的，操作比较简答，工作量小，从而提高了预测流失用户的效率，并且该预测流失用户的方法的鲁棒性较好。【附图说明】为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种预测流失用户的方法流程图；图2是本专利技术实施例提供的另一种预测流失用户的方法流程图；图3是本专利技术实施例提供的第一种预测流失用户的装置结构示意图；图4是本专利技术实施例提供的一种第一确定模块结构示意图；图5是本专利技术实施例提供的第二种预测流失用户的装置结构示意图；图6是本专利技术实施例提供的第三种预测流失用户的装置结构示意图；图7是本专利技术实施例提供的一种第六确定模块结构示意图；图8是本专利技术实施例提供的第四种预测流失用户的装置结构示意图；图9是本专利技术实施例提供的第五种预测流失用户的装置结构示意图。【具体实施方式】为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。图1是本专利技术实施例提供的一种预测流失用户的方法流程图。参见图1，该方法包括:步骤101:获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取该目标用户最后一次登录该应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔。步骤102:基于目标用户账号的注册时间，确定该目标用户的重度参数。步骤103:基于该登录天数、该登录次数、该重度参数和该第一时间间隔，通过指定逻辑回归模型，确定该目标用户的流失概率。步骤104:当该目标用户的流失概率大于或等于指定概率阈值时，则确定该目标用户为即将流失的用户。在本专利技术实施例中，基于目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及目标用户的第一时间间隔和重度参数，通过指定逻辑回归模型，可以确定目标用户的流失概率，从而确定目标用户是否为即将流失的用户。而由于登录天数、登录次数、第一时间间隔和重度参数是每个应用程序都适用的，也即是，每个应用程序都包括登录天数、登录次数、第一时间间隔和重度参数的特征，因此，该预测流失用户的方法可以适用于所有的应用程序，应用范围较广。再者，该预测流失用户的方法完全是预测流失用户的装置自动执行的，操作比较简答，工作量小，从而提高了预测流失用户的效率，并且该预测流失用户的方法的鲁棒性较好。可选的，基于目标用户账号的注册时间，确定该目标用户的重度参数，包括:确定该目标用户账号的注册时间与该当前时间之间的时间间隔，得到第二时间间隔；当该第二时间间隔小于或等于第一指定时间间隔时，确定该目标用户的重度参数为第一数值；当该第二时间间隔大于该第二指定时间间隔时，确定该目标用户的重度参数为第二数值。可选的，基于该登录天数、该登录次数、该重度参数和该第一时间间隔，通过指定逻辑回归模型，确定该目标用户的流失概率之前，还包括:获取待训练逻辑回归模型；基于存储的训练样本，确定该待训练逻辑回归模型的各个参数，该训练样本中存储训练登录天数、训练登录次数、训练时间间隔、训练重度参数与训练流失参数之间的对应关系;基于该待训练逻辑回归模型和该待训练逻辑回归模型的各个参数，确定该指定逻辑回归模型。可选的，当该目标用户的流失概率大于或等于指定概率阈值时，则确定该目标用户为即将流失的用户之后，还包括:确定该目标用户的流失参数；将该登录天数、该登录次数、该第一时间间隔、该重度参数和该流失参数，存储在训练登录天数、训练登录次数、训练时间间隔、训练重度参数与训练流失参数之间的对应关系中。可选的，确定该目标用户的流失参数，包括:当该目标用户为即将流失的用户时，确定该目标用户的流失参数为第三数值；当该目标用户为非流失用户时，确定该目标用户的流失参数为第四数值。上述所有可选技术方案，均可按照任意结合形成本专利技术的可选实施例，本专利技术实施例对此不再--赘述。图2是本专利技术实施例提供的另一种预测流失用户的方法流程图。参见图2，该方法包括:步骤201:获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取目标用户最后一次登录该应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔。为了预测流失用户，也即是，判断目标用户是否为即将流失的用户，预测流失用户的装置可以获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取当前时间之前目标用户最后一次登录该应用程序的时间，并确定目标用户最后一次登录该应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔。其中，指定时间段为当前时间之前且离当前时间最近的指定本文档来自技高网...

【技术保护点】
一种预测流失用户的方法，其特征在于，所述方法包括：获取目标用户在指定时间段内登录应用程序的登录天数和登录次数，以及获取所述目标用户最后一次登录所述应用程序的时间与当前时间之间的时间间隔，得到第一时间间隔；基于目标用户账号的注册时间，确定所述目标用户的重度参数；基于所述登录天数、所述登录次数、所述重度参数和所述第一时间间隔，通过指定逻辑回归模型，确定所述目标用户的流失概率；当所述目标用户的流失概率大于或等于指定概率阈值时，则确定所述目标用户为即将流失的用户。

【技术特征摘要】

【专利技术属性】
技术研发人员：袁林，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东;44