【技术实现步骤摘要】
本专利技术涉及数据分析领域，特别是涉及一种基于知识空间的行为结果评估方法以及装置。
技术介绍
对于任何的服务提供商，比如电信运营商(中国移动、联通等)、航空公司和其它服务提供商(旅行服务、电子商务服务等)，核心的商业模式都包括两个部分：存量经营和增量经营。存量经营是指当前用户的维系和服务，其中一个最核心的任务就是如何最大程度的使用户尤其是高价值用户不流失。增量经营是指创造新的商业模式以取得更多的利润。比如电信运营商在完成提供通话和数据基本服务之外，为第三方的服务公司提供用户数据分析支撑(比如为店铺选址类的第三方公司提供某区域用户分类、流量等信息)来获取利润。存量经营中的用户维系是服务提供商要解决的首要核心业务，传统的方式是有经验的客户经理通过经验估算哪些用户会有高流失(离网)风险，并为用户提供维系服务。客户经理根据经验选择针对某个用户的维系(营销)动作。比如客户经理选择为部分20到25岁，入网时长超过三年的用户提供未来三个月每个月加1元增加100M上网流量的优惠营销维系。这种方式的主要弱点是效率低和准确度差。随着移动互联网络的发展，用户数据在近些年呈现爆炸式的增长，凭经验分析用户已经不可操作。越来越多的服务提供商开始采用大数据分析的技术来对用户进行建模分析和维系。基本的方法是建立一个用户未来离网/流失的大数据分析模型，提前一段时间(比如1个月)预测用户未来可能离网的概率。模型输出按照离网预测概率从...
【技术保护点】
一种基于知识空间的行为结果评估方法，其特征在于，包括：通过用户离网预测模型获得第二用户集中在第三时间段内离网预测概率最高的用户集以及获得第三用户集中在第三时间段内离网预测概率最高的用户集，其中所述第三用户集包括在第二时间段内被实施过营销或促销动作的至少一个用户，所述第二用户集包括在第二时间段内没有被实施过营销或促销动作的至少一个用户，所述用户离网预测模型用于基于用户历史数据获得用户离网预测概率，所述用户历史数据包括用户基本信息、用户消费信息、用户离网信息以及用户历史动作信息，所述历史动作信息指示对所述用户实施过的营销或促销动作，所述第三时间段为所述第二时间的下一时间段；将所述第二用户集在第三时间段内离网预测概率最高的用户集与所述第三用户集在第三时间段内离网预测概率最高的用户集进行匹配比较以获得两用户之间的离网预测概率差值，所述两用户之间的离网预测概率差值是指除了在所述用户历史数据中的用户基本信息以及历史动作信息以外其它信息相同且分别属于第二用户集以及第三用户集的两用户之间的离网预测概率差值；根据比较结果，建立所述两用户的离网预测概率差值与进行差值计算的所述两用户中属于所述第三用户集的用...
【技术特征摘要】
1.一种基于知识空间的行为结果评估方法，其特征在于，包括：
通过用户离网预测模型获得第二用户集中在第三时间段内离网预测概率最
高的用户集以及获得第三用户集中在第三时间段内离网预测概率最高的用户
集，其中所述第三用户集包括在第二时间段内被实施过营销或促销动作的至少
一个用户，所述第二用户集包括在第二时间段内没有被实施过营销或促销动作
的至少一个用户，所述用户离网预测模型用于基于用户历史数据获得用户离网
预测概率，所述用户历史数据包括用户基本信息、用户消费信息、用户离网信
息以及用户历史动作信息，所述历史动作信息指示对所述用户实施过的营销或
促销动作，所述第三时间段为所述第二时间的下一时间段；
将所述第二用户集在第三时间段内离网预测概率最高的用户集与所述第三
用户集在第三时间段内离网预测概率最高的用户集进行匹配比较以获得两用户
之间的离网预测概率差值，所述两用户之间的离网预测概率差值是指除了在所
述用户历史数据中的用户基本信息以及历史动作信息以外其它信息相同且分别
属于第二用户集以及第三用户集的两用户之间的离网预测概率差值；
根据比较结果，建立所述两用户的离网预测概率差值与进行差值计算的所述
两用户中属于所述第三用户集的用户的用户历史动作信息之间的映射关系；
根据所述映射关系，获得对应所述用户的离网预测概率差值最大的至少一个
历史动作信息。
2.如权利要求1所述的基于知识空间的行为结结果评估，其特征在于，在
所述所有步骤之前包括：
利用所述用户历史数据中的第一用户集在第一时间段的历史数据训练生成
所述用户离网预测模型，所述第一用户集包括在第一时间段内没有被实施过营
销或促销动作的至少一个用户，所述第一时间段为过去的任一时间段；
将第二时间段内所述第二用户集的历史数据输入到所述用户离网预测模型，
\t获得所述第二用户集中在第三时间段内离网预测概率最高的用户集；
将第二时间段内所述第三用户集的历史数据输入到所述用户离网预测模型，
获得所述第三用户集中在第三时间段内离网预测概率最高的用户集。
3.如权利要求1或2所述的基于知识空间的行为结果评估方法，其特征在
于，所述将所述第二用户集在第三时间段内离网预测概率最高的用户集与所述
第二用户集在第三时间段内离网预测概率最高的用户集进行匹配比较包括：将
除所述用户历史数据中用户基本信息以及历史动作信息以外其它信息相同且分
别属于所述第二用户集以及第三用户集的的两用户匹配在一起，并比较所述两
用户的离网预测概率以获得所述两用户之间的离网预测概率差值。
4.如权利要求1或2所述的基于知识空间的行为结果预测方法，其特征在
于，所述根据比较结果，建立所述第三用户集中的历史动作信息与对应用户的
用户离网预测概率差值的映射关系包括：建立所述第二用户集以及第三用户集
中属于第三时间段内离网预测概率最高的用户集且除所述用户历史数据中用户
基本信息以及历史动作信息以外其它信息相同的所述两用户之间的离网预测概
率差值与所述进行差值计算的两用户中属于第三用户集的用户的历史动作信息
之间的映射关系。
5.如权利要求1或2所述的基于知识空间的行为结果评估方法，其特征在
于，所述利用所述用户历史数据中第一用户集在第一时间段的历史数据训练生
成用户离网预测模型包括：利用所述用户历史数据中第一用户集在第一时间段
的历史数据训练神经网络模型或者逻辑回归模型，以生成所述用户离网预测模
型。
6.如权利要求1或2所述的基于知识空间的行为结果评估方法，其特征在
于，所述根据所述映射关系，获得对应所述用户的离网预测概率差值最大的至
少一个历史动作信息包括：根据所述映射关系，获得对应所述用户的离网预测
概率差值最大并符合预定条件的至少一个历史动作信息，所述预定条件为所述
历史动作信息指示的对所述用户实施过的营销或促销动作的成本范围以及收益
范围。
7.一种基于知识空间的行为结果评估方法，其特征在于，包括
获取用户历史数据，所述用户历史数据包括用户基本信息、用户消费信息、
用户离网信息以及用户历史动作信息，所述历史动作信息指示对所述用户实施
过的营销或促销动作；
利用所述用户历史数据中的第一用户集在第一时间段的历史数据训练生成
第一用户离网预测模型，所述第一用户集包括在第一时间段内没有被实施过营
销或促销动作的至少一个用户，所述第一时间段为过去的任一时间段，所述第
一用户离网预测模型用于根据除去历史动作信息之外的用户历史数据获得用户
离网概率；
利用所述用户历史数据中第二用户集在第二时间段的历史数据训练生成第
二用户离网预测模型，所述第二用户集包括在第二时间段内被实施过营销或促
销动作的至少一个用户，所述第二时间段为过去的任一时间段，所述第二用户
离网预测模型用于根据除用户历史数据获得用户离网概率；
将第三时间段的第三用户集的历史数据输入到所述第一用户离网预测模型，
获得第三时间段内离网预测概率最高且无营销或促销动作的用户集；
将第三时间段的第三用户集的历史数据输入到所述第二用户离网预测模型，
获得第三时间段内离网预测概率最高且有营销或促销动作的用户集；
将所述第三用户集在第三时间段内离网预测概率最高且无营销或促销动作
的用户集与所述第三用户集在第三时间段内离网预测概率最高且有营销或促销
动作的用户集进行匹配比较以获得两用户之间的离网预测概率差值，所述两用
户之间的离网预测概率差值是指除了在所述用户历史数据中的用户基本信息以
及历史动作信息以外其它信息相同且分别属于第二用户集以及第三用户集的两
用户之间的离网预测概率差值；
根据比较结果，建立所述两用户的离网预测概率差值与进行差值计算的所述
两用户中属于所述第三用户集的用户的用户历史动作信息之间的映射关系；
根据所述映射关系，获得对应所述用户的离网预测概率差值最大的至少一个
历史动作信息。
8.如权利要求7所述的基于知识空间的行为结果评估方法，其特征在于，
所述利用所述用户历史数据中第一用户集在第一时间段的历史数据训练生成用
户离网预测模型包括：利用所述用户历史数据中第一用户集在第一时间段的历
史数据训练神经网络模型或者逻辑回归模型，以生成所述用户离网预测模型。
9.如权利要求7或8所述的基于知识空间的行为结果评估方法，其特征在
于，所述根据所述映射关系，获得对应所述用户的离网预测概率差值最大的至
少一个历史动作信息包括：根据所述映射关系，获得对应所述用户的离网预测
概率差值最大并符合预定条件的至少一个历史动作信息，所述预定条件为所述
历史动作信息指示的对所述用户实施过的营销或促销动作的成本范围以及收益
范围。
10.一种基于知识空间的行为结果评估系统，其特征在于，包括：
离网预测模块，用于通过用户离网预测模型获得第二...
【专利技术属性】
技术研发人员：杨强，袁明轩，曾嘉，戴文渊，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。