会员流失预测方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种会员流失预测方法，包括：当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征；将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。上述方法，依据预建立的神经网络模型可以对不同时间段预测，避免了当前需要采用不同的模型对不同时时间段行预测，灵活度不够的问题。

【技术实现步骤摘要】
会员流失预测方法、装置、存储介质及电子设备
本专利技术涉及数据处理
，特别涉及一种会员流失预测方法、装置、存储介质及电子设备。
技术介绍
在商业领域中，会员制的营销方式由来已久，通过会员制商家可以利用对会员优惠，提高服务质量等方式来吸引和稳定客源，从而提高和保障其销售能力。商家在对会员进行管理时，经常需要会对会员的流失数据进行统计，以了解会员的流失状况。现有技术中预测一个会员是否会流失，往往会用一般的分类问题来解决，基于逻辑回归、决策树等模型对会员是否流失进行预测。专利技术人对现有的会员流失的预测方法进行研究发现，会员流失的运营挽留时间往往比较灵活，有时是会员到期前7天，有时是到期前3天，有时又是到期后3天或7天(由于流失的定义一般是到期后30天，所以到期后7天还不算是流失)。普通的分类模型，对于不同时间段的预测，往往需要用不同的训练数据训练不同的模型来应对，无法进行统一的建模，因此灵活度不够。
技术实现思路
本专利技术所要解决的技术问题是提供一种会员流失的预测方法，以避免由于对于不同时间段的预测，往往需要用不同的训练数据训练不同的模型来应对，无法进行统一的建模，因此灵活度不够的问题。具体方案如下：一种会员流失预测方法，包括：当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。上述的会员流失预测方法，可选的，所述抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，包括：获取目标会员的会员有效期；依据所述会员有效期，确定所述目标会员的起始会员日；依据当前会员日及所述起始会员日，确定所述目标会员的第一会员有效期；在预设的会员特征数据库中抽取所述目标会员在所述第一会员有效期内的目标会员特征。上述的会员流失预测方法，可选的，所述将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的输出结果，包括：获取所述第一会员有效期内各个会员日对应的标识；依据各个标识，确定其对应的各个会员特征的发生顺序；将所述各个会员日对应会员特征依据所述发生顺序输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的输出结果。上述的会员流失预测方法，可选的，还包括：当接收到所述目标会员的续费指令时，停止对所述目标会员进行预测。上述的会员流失预测方法，可选的，还包括：若所述预测结果为目标会员流失时，对所述目标会员进行标记，标记为潜在流失目标会员；对所述潜在流失目标会员采取挽回措施。一种会员流失预测装置，包括：抽取模块，用于当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；处理模块，用于将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。上述的会员流失预测装置，可选的，所述抽取模块包括：获取单元，用于获取目标会员的会员有效期；第一确定单元，用于依据所述会员有效期，确定所述目标会员的起始会员日；第二确定单元，用于依据当前会员日及所述起始会员日，确定所述目标会员的第一会员有效期；抽取单元，用于在预设的会员特征数据库中抽取所述目标会员在所述第一会员有效期内的目标会员特征。上述的会员流失预测装置，可选的，还包括：停止预测模块，用于当接收到所述目标会员的续费指令时，停止对所述目标会员进行预测。一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行上述的会员流失预测方法。一种电子设备，其特征在于，包括存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行上述的会员流失预测方法。与现有技术相比，本专利技术包括以下优点：本专利技术公开了一种会员流失预测方法，包括：当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。上述方法，所述第一会员有效期内的目标会员特征为输入样本，依据预建立的神经网络模型可以对不同时间段预测，避免了当前需要采用不同的模型对不同时间段进行预测，无法进行统一的建模，灵活度不够的问题。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性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的一种会员流失预测方法的流程图；图2为本专利技术提供的一种会员流失预测方法的又一方法流程图；图3为本专利技术提供的一种会员流失预测方法的又一方法流程图；图4为本专利技术提供的一种会员流失预测方法的又一方法流程图；图5为本专利技术提供的一种会员流失预测结构示意图；图6为本专利技术提供的电子设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本专利技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本专利技术的精神或范围的情况下，在其它实施例中实现。因此，本专利技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。本专利技术提供了一种会员流失的预测方法，所述方法可以应用会员流失的预测过程中，所述会员，可以为视频会员，购物网站会员或者其它形式的会员，本专利技术实施例中，以视频会员为例进行说明，所述预测方法的执行主体可以为神经网络模型，所述预测方法的执行流程如图1所示，包括步骤：S101、当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；本专利技术实施例中，所述目标会员为当前需要本文档来自技高网...

【技术保护点】
1.一种会员流失预测方法，其特征在于，包括：当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。

【技术特征摘要】
1.一种会员流失预测方法，其特征在于，包括：当接收到对目标会员的预测指令时，抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，其中，所述第一会员有效期为当前会员日之前的各个会员日的持续时长总和；将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的预测结果；所述预先建立的神经网络模型，以历史注册会员在所述预设的会员有效期内的每个预设时间段所对应的目标会员特征为输入样本，以该会员在每个预设时间段对应的会员是否流失的结果为样本标签，进行训练获得。2.根据权利要求1所述的方法，其特征在于，所述抽取所述目标会员在预设的会员有效期的第一会员有效期内的目标会员特征，包括：获取目标会员的会员有效期；依据所述会员有效期，确定所述目标会员的起始会员日；依据当前会员日及所述起始会员日，确定所述目标会员的第一会员有效期；在预设的会员特征数据库中抽取所述目标会员在所述第一会员有效期内的目标会员特征。3.根据权利要求1所述的方法，其特征在于，所述将所述目标会员特征输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的输出结果，包括：获取所述第一会员有效期内各个会员日对应的标识；依据各个标识，确定其对应的各个会员特征的发生顺序；将所述各个会员日对应会员特征依据所述发生顺序输入至预先建立的神经网络模型中进行处理，获得所述目标会员是否流失的输出结果。4.根据权利要求1所述的方法，其特征在于，还包括：当接收到所述目标会员的续费指令时，停止对所述目标会员进行预测。5.根据权利要求1所述的方法，其特征在于，还包括：若所述预测结果为目标会员流失时，对所述目标会员进行标记...

【专利技术属性】
技术研发人员：孙逸，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京,11