一种去除周期性因素流失用户的预测方法及系统技术方案

本发明专利技术公开了一种去除周期性因素流失用户的预测方法及系统，其特征在于，包括整理用户所有关键行为表数据；对用户访问间隔及末次访问时间进行计算，对用户所有关键行为表数据中的访问时间进行排序，将用户所有关键行为表数据中的访问时间选取出来，并将访问时间排序；分析用户的周期性，找出用户具有周期性非主观不使用产品的时间段；使用拐点法计算流失期限；判断并标识流失用户；将用户的具体信息推送给运营人员；该方法和系统能够更准确的找到流失用户，从而帮助企业分析及挽回流失用户。

【技术实现步骤摘要】
一种去除周期性因素流失用户的预测方法及系统
本专利技术涉及数据库
，特别是涉及一种去除周期性因素流失用户的预测方法及系统。
技术介绍
随着智能化校园，智能化企业，智能化家居的迅速发展，许多新型的互联网产品不断涌现，对于一款互联网产品来说，往往不可避免的会面临用户流失的问题。一定范围内的用户流失率是可以被接受的，因为通过各种渠道接触到产品的用户并不一定都是我们的目标用户。但当流失率高于我们的预期值，我们就需要分析用户离开的原因，制定相应的措施挽回已经流失的用户。因此如何准确的预测流失用户就显得极其重要。预测流失用户的关键在于确定合适的流失期限，传统通常采用经验法，经验性的制定一个流失期限，或者根据访问行为后台数据找出流失期限与回访率的相关曲线拐点，但是未考虑到一些产品的访问包含一定的周期性。例如饿了么、美团外卖等互联网产品需要考虑到学生这类用户具有寒暑假，在假期期间，用户几乎没有访问行为即用户非主观不使用软件，这部分数据将会影响最终流失期限的计算。因此需要一种方法和系统，能结合每个用户的周期性因素，判断用户访问间隔(本次访问及下次访问之间的时间间隔)是否包含周期因素，计算用户实际本文档来自技高网...

【技术保护点】
1.一种去除周期性因素流失用户的预测方法，其特征在于，包括如下步骤：步骤一：整理用户所有关键行为表数据；所述关键行为表数据包括日期维表DIM_C和用户维表DIM_USER，所述日期维表DIM_C包含从产品发布日期至今的所有日期；所述用户维表DIM_USER包含从产品发布日期至今的所有用户的添加时间、年龄、性别、地址、联系方式等数据信息；步骤二：对用户访问间隔及末次访问时间(cal_last_visit)进行计算，对用户所有关键行为表数据中的访问时间进行排序，将用户所有关键行为表数据中的访问时间选取出来，并将访问时间排序，增加一个排序标签ro，以用户id(user_id)，访问时间(cal_vi...

【技术特征摘要】
1.一种去除周期性因素流失用户的预测方法，其特征在于，包括如下步骤：步骤一：整理用户所有关键行为表数据；所述关键行为表数据包括日期维表DIM_C和用户维表DIM_USER，所述日期维表DIM_C包含从产品发布日期至今的所有日期；所述用户维表DIM_USER包含从产品发布日期至今的所有用户的添加时间、年龄、性别、地址、联系方式等数据信息；步骤二：对用户访问间隔及末次访问时间(cal_last_visit)进行计算，对用户所有关键行为表数据中的访问时间进行排序，将用户所有关键行为表数据中的访问时间选取出来，并将访问时间排序，增加一个排序标签ro，以用户id(user_id)，访问时间(cal_visit)，ro字段存储在表1，表1与自身按user_id＝user_id和ro+1＝ro关联，找出每次访问后的下次访问时间及访问时间间隔，以用户id(user_id)，访问时间(cal_number)，下次访问时间(cal_number_next)，访问间隔(return_visit_days)字段存入一张新表A；表A与自身按user_id＝user_id关联，限制第一张表A的访问间隔(return_visit_days)不为空，第二张访问间隔(return_visit_days)为空，取出第二张表的访问时间(cal_number)即用户的末次访问时间(cal_last_visit)，最后以用户id(user_id)，访问时间(cal_number)，下次访问时间(cal_number_next)，访问间隔(return_visit_days)，末次访问时间(cal_last_visit)存入表B；步骤三：分析用户的周期性，找出用户具有周期性非主观不使用产品的时间段；将用户id(user_id)、非主观不使用开始时间(nouse_cal_start)、非主观不使用结束时间(nouse_cal_end)、非主观不使用时间间隔(nouse_days)存储在新表C；表B及表C通过user_id＝user_id，cal_number≤nouser_cal_start，cal_number_next≥nouse_cal_end关联，取出C表字段非主观不使用时间间隔(nouse_days)并运用聚合函数sum(b.nouse_days)over(partitionbya.user_id,a.cal_number,a.cal_number_next)计算出每次访问间隔(return_visit_days)中非主观不使用天数，访问间隔(return_visit_days)减去非主观不使用天数，从而计算出实际访问间隔(return_visit_days_real)，以user_id，cal_number，cal_number_next，cal_last_vist，return_visit_days_real存入表D。步骤四：使用拐点法计算流失期限；首先定义一段固定时长为流失期限(lost_period)，用户访问后若超过流失期限没再访问，所述流失期限去除非主观不使用天数，则为流失用户，若用户回访，则为流失用户中的回访用户，即回访率＝流失用户中的回访用户/流失用户；从表D中取出每个用户的访问天数，如果用户仅访问过一次，则判断访问时间距离当前时间是否已超过流失...

【专利技术属性】
技术研发人员：李娟，房鹏展，
申请(专利权)人：焦点科技股份有限公司，
类型：发明
国别省市：江苏,32