用户流失预测方法、装置以及计算机设备制造方法及图纸

本发明专利技术提供一种用户流失预测方法、装置以及计算机设备，所述方法包括步骤：获取系统当前日期以及设定用户在预设第一时间段内的充值数据；根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标；将所述第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型；获取系统当前日期以及设定用户在第一时间段之后的预设第二时间段内的充值数据；根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标；将第二时间段内的充值日期间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率。本发明专利技术使得模型计算简单快速高效。

【技术实现步骤摘要】
用户流失预测方法、装置以及计算机设备
本专利技术涉及数据处理
，具体而言，本专利技术涉及一种用户流失预测方法、装置以及计算机设备。
技术介绍
对于一个企业来说，付费用户就是生命线。然而由于各种各样的原因，每段时间总是会有付费用户流失，即付费用户不再在平台上进行充值，因而给企业造成极大的损失。如何进行数据挖掘，将充值流失的付费用户提前识别出来，给到运营部门去采取相应的措施，继而留住用户，减少付费用户的充值流失，对于一个企业来说显得至关重要。然而，传统技术中的方案在进行用户流失预测时，为了达到较好的预测效果，需要较多的指标，比如：最近1、3、7、15、30天的活跃天数(充值金额、充值次数、留存率等等)等等，计算复杂且效率低。
技术实现思路
本专利技术针对现有方式的缺点，提出一种用户流失预测方法、装置以及计算机设备，用以解决现有技术中存在的计算复杂且效率低的问题，以使计算简单快速高效。本专利技术的实施例根据第一个方面，提供了一种用户流失预测方法，包括步骤：获取系统当前日期以及设定用户在预设第一时间段内的充值数据，其中，所述充值数据包括各个充值日期；根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标；将所述第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型，其中，所述用户流失预测模型用于表征所述充值日期间隔指标对应的流失概率；获取系统当前日期以及设定用户在第一时间段之后的预设第二时间段内的充值数据；根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标；将第二时间段内的充值日期间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率。在一个实施例中，所述得到所述设定用户的流失概率之后，还包括：向流失概率大于等于阈值的设定用户，发送召回业务信息；或获取流失概率大于等于阈值的设定用户的用户数据，根据用户数据分析用户特征；或根据所述流失概率，分析各时间段的流失情况。在一个实施例中，所述根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值日期间隔以及各自设定的权重，获得第一加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期和最后一次充值日期的差值，获得当前充值间隔；根据所述第一加权平均值和所述当前充值间隔，获得第一时间段内的充值日期间隔指标。在一个实施例中，所述根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值日期间隔以及各自设定的权重，获得第一加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期和最后一次充值日期的差值，获得当前充值间隔；根据所述第一加权平均值和所述当前充值间隔，获得第二时间段内的充值日期间隔指标。在一个实施例中，所述根据所述第一加权平均值和所述当前充值间隔，获得第一时间段内的充值日期间隔指标，包括：若所述当前充值间隔小于等于预设的间隔最小值，将充值日期间隔指标的值设置为第一数值；若所述当前充值间隔大于间隔最小值且小于等于所述第一加权平均值，将充值日期间隔指标的值设置为第二数值；若所述当前充值间隔大于所述第一加权平均值且小于等于预设的间隔最大值，将充值日期间隔指标的值设置为第三数值；若所述当前充值间隔大于所述间隔最大值，将充值日期间隔指标的值设置为第四数值；其中，所述第一数值、所述第二数值、所述第三数值和所述第四数值各自所表征的流失概率依次增大。在一个实施例中，所述根据所述第一加权平均值和所述当前充值间隔，获得第二时间段内的充值日期间隔指标，包括：若所述当前充值间隔小于等于预设的间隔最小值，将充值日期间隔指标的值设置为第一数值；若所述当前充值间隔大于间隔最小值且小于等于所述第一加权平均值，将充值日期间隔指标的值设置为第二数值；若所述当前充值间隔大于所述第一加权平均值且小于等于预设的间隔最大值，将充值日期间隔指标的值设置为第三数值；若所述当前充值间隔大于所述间隔最大值，将充值日期间隔指标的值设置为第四数值；其中，所述第一数值、所述第二数值、所述第三数值和所述第四数值各自所表征的流失概率依次增大。在一个实施例中，所述间隔最小值为从定义的初始间隔最小值以及各个充值日期间隔中选取的最小值，所述间隔最大值为从定义的初始间隔最大值以及各个充值日期间隔中选取的最大值。在一个实施例中，所述充值数据还包括与各个充值日期对应的充值金额；所述获得用户流失预测模型之前，还包括：根据所述系统当前日期、各个充值日期以及对应的充值金额，获得第一时间段内的充值金额间隔指标；所述将第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型，包括：将第一时间段内的充值日期间隔指标和充值金额间隔指标输入预设模型进行训练，获得用户流失预测模型，其中，所述用户流失预测模型用于表征述充值日期间隔指标和所述充值金额间隔指标对应的流失概率；所述得到所述设定用户的流失概率之前，还包括：根据所述系统当前日期、各个充值日期以及对应的充值金额，获得第二时间段内的充值金额间隔指标；所述将第二时间段内的充值日期间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率，包括：将第二时间段内的充值日期间隔指标和充值金额间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率。在一个实施例中，所述根据所述系统当前日期、各个充值日期以及对应的充值金额，获得第一时间段内的充值金额间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值金额与对应的充值日期间隔的比值以及各自设置的权重，获得第二加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期与最后一次充值日期的差值，获得当前充值间隔；根据所述当前充值间隔与所述第二加权平均值的乘积，获得当前消耗金额；根据所述当前消耗金额和最后一次充值金额，获得第一时间段内的充值金额间隔指标。在一个实施例中，所述根据所述系统当前日期、各个充值日期以及对应的充值金额，获得第二时间段内的充值金额间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值金额与对应的充值日期间隔的比值以及各自设置的权重，获得第二加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期与最后一次充值日期的差值，获得当前充值间隔；根据所述当前充值间隔与所述第二加权平均值的乘积，获得当前消耗金额；根据所述当前消耗金额和最后一次充值金额，获得第二时间段内的充值金额间隔指标。在一个实施例中，所述根据所述当前消耗金额和最后一次充值金额，获得第一时间段内的充值金额间隔指标，包括：若最后一次充值金额小于等于预设的金额最小值，将充值金额间隔指本文档来自技高网...

【技术保护点】
一种用户流失预测方法，其特征在于，包括步骤：获取系统当前日期以及设定用户在预设第一时间段内的充值数据，其中，所述充值数据包括各个充值日期；根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标；将所述第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型，其中，所述用户流失预测模型用于表征所述充值日期间隔指标对应的流失概率；获取系统当前日期以及设定用户在第一时间段之后的预设第二时间段内的充值数据；根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标；将第二时间段内的充值日期间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率。

【技术特征摘要】
1.一种用户流失预测方法，其特征在于，包括步骤：获取系统当前日期以及设定用户在预设第一时间段内的充值数据，其中，所述充值数据包括各个充值日期；根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标；将所述第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型，其中，所述用户流失预测模型用于表征所述充值日期间隔指标对应的流失概率；获取系统当前日期以及设定用户在第一时间段之后的预设第二时间段内的充值数据；根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标；将第二时间段内的充值日期间隔指标输入所述用户流失预测模型，得到所述设定用户的流失概率。2.根据权利要求1所述的用户流失预测方法，其特征在于，所述得到所述设定用户的流失概率之后，还包括：向流失概率大于等于阈值的设定用户，发送召回业务信息；或获取流失概率大于等于阈值的设定用户的用户数据，根据用户数据分析用户特征；或根据所述流失概率，分析各时间段的流失情况。3.根据权利要求1所述的用户流失预测方法，其特征在于，所述根据所述系统当前日期和各个充值日期，获得第一时间段内的充值日期间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值日期间隔以及各自设定的权重，获得第一加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期和最后一次充值日期的差值，获得当前充值间隔；根据所述第一加权平均值和所述当前充值间隔，获得第一时间段内的充值日期间隔指标；所述根据所述系统当前日期和各个充值日期，获得第二时间段内的充值日期间隔指标，包括：将各个充值日期按照从小到大的顺序或者从大到小的顺序进行排序；根据排序后的各个充值日期，得到每相邻两个充值日期之间的充值日期间隔；根据各个充值日期间隔以及各自设定的权重，获得第一加权平均值，其中，所述权重随着充值日期间隔对应的日期的变大而增高；根据所述系统当前日期和最后一次充值日期的差值，获得当前充值间隔；根据所述第一加权平均值和所述当前充值间隔，获得第二时间段内的充值日期间隔指标。4.根据权利要求3所述的用户流失预测方法，其特征在于，所述根据所述第一加权平均值和所述当前充值间隔，获得第一时间段内的充值日期间隔指标，包括：若所述当前充值间隔小于等于预设的间隔最小值，将充值日期间隔指标的值设置为第一数值；若所述当前充值间隔大于间隔最小值且小于等于所述第一加权平均值，将充值日期间隔指标的值设置为第二数值；若所述当前充值间隔大于所述第一加权平均值且小于等于预设的间隔最大值，将充值日期间隔指标的值设置为第三数值；若所述当前充值间隔大于所述间隔最大值，将充值日期间隔指标的值设置为第四数值；其中，所述第一数值、所述第二数值、所述第三数值和所述第四数值各自所表征的流失概率依次增大；所述根据所述第一加权平均值和所述当前充值间隔，获得第二时间段内的充值日期间隔指标，包括：若所述当前充值间隔小于等于预设的间隔最小值，将充值日期间隔指标的值设置为第一数值；若所述当前充值间隔大于间隔最小值且小于等于所述第一加权平均值，将充值日期间隔指标的值设置为第二数值；若所述当前充值间隔大于所述第一加权平均值且小于等于预设的间隔最大值，将充值日期间隔指标的值设置为第三数值；若所述当前充值间隔大于所述间隔最大值，将充值日期间隔指标的值设置为第四数值；其中，所述第一数值、所述第二数值、所述第三数值和所述第四数值各自所表征的流失概率依次增大。5.根据权利要求4所述的用户流失预测方法，其特征在于，所述间隔最小值为从定义的初始间隔最小值以及各个充值日期间隔中选取的最小值，所述间隔最大值为从定义的初始间隔最大值以及各个充值日期间隔中选取的最大值。6.根据权利要求1所述的用户流失预测方法，其特征在于，所述充值数据还包括与各个充值日期对应的充值金额；所述获得用户流失预测模型之前，还包括：根据所述系统当前日期、各个充值日期以及对应的充值金额，获得第一时间段内的充值金额间隔指标；所述将第一时间段内的充值日期间隔指标输入预设模型进行训练，获得用户流失预测模型，包括：将第一时间段内的充值日期间隔指标和充值金额间隔指标输入预设模型进行训练，获得用户流失预测模型，其中，所述用户流失预测模型用于表征述充值日期间隔指标和所述充值金额间隔指标对应的流失概率；所述得到所述设定用户的流失概率之前，还包括：根据...

【专利技术属性】
技术研发人员：陶胜，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44