本申请涉及一种用户流失原因的获取方法、装置、计算机设备和存储介质。所述方法包括：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。采用本方法能够实现对用户的流失原因的准确获取。原因的准确获取。原因的准确获取。
【技术实现步骤摘要】
用户流失原因的获取方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机应用
，特别是涉及一种用户流失原因的获取方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着科技的发展，为了满足人们在工作和生活上的需求，出现了越来越多的应用程序。对于开发者而言，通常希望开发出来的应用程序与用户具有较高的粘合度。一个应用程序在上线后，常常会出现用户流失的情况。因此，用户流失预警分析愈加成为用户关系管理中的重要一环；对用户流失进行预警分析首先需要获取用户流失的原因。
[0003]然而，传统技术中，在用户流失预警领域使用的机器学习算法通常都存在解释性差的问题，即流失预警模型通常只能给出用户是否将会流失这一结果，无法准确获取每个用户的流失原因，这将给后续的用户挽留增加难度。因此，如何准确获取用户的流失原因，已成为亟待解决的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够准确获取用户的流失原因的用户流失原因的获取方法、装置、计算机设备和存储介质。
[0005]一种用户流失原因的获取方法，所述方法包括：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。
[0006]在其中一个实施例中，还包括：将目标用户数据输入至预先训练好的流失用户判断模型，输出流失用户数据；所述流失用户判断模型是根据样本用户数据和样本用户的流失标签进行训练获取的；所述样本用户数据包括样本用户的不少于一项用户特征；所述流失标签是用于表征所述样本用户是否为流失用户的参数。
[0007]在其中一个实施例中， 将所述流失用户数据代入预设的流失值计算公式，获取每项用户特征的流失值；所述流失值计算公式为：其中，“！”表示阶乘，“| |”表示集合中包含元素的个数，F表示全部用户特征的集
合，表示从F集合中剔除第i个特征后剩下的特征集合，S表示F的子集，表示将第i个特征加入特征子集S后训练的流失用户判断模型，表示基于用户特征子集S训练的流失用户判断模型。
[0008]在其中一个实施例中，用0替换各用户特征的流失值中小于0的数据，计算各用户特征的流失值的和作为总流失值；计算各用户特征的流失值与所述总流失值的比值，作为各用户特征的流失值占比。
[0009]在其中一个实施例中，将各用户特征的流失值占比进行降序排列，生成流失值序列；将所述流失值序列从最大值开始依次累加，获取所述流失值的累加值；当所述累加值大于或等于预设的累加阈值时，将所述累加值对应的用户特征作为用户流失特征；根据所述用户流失特征，获取用户流失原因。
[0010]在其中一个实施例中，根据所述用户流失特征，获取所述用户流失特征对应的WOE编码值；将WOE编码值超过预设的WOE编码阈值的用户流失特征，通过预设的流失原因映射表，生成用户流失原因；所述流失原因映射表包含各用户流失特征与用户流失原因之间的映射关系。
[0011]在其中一个实施例中，将所述目标用户数据中连续的用户特征进行分箱处理，获取各连续的用户特征对应的分箱；计算各分箱的WOE编码值和所述目标用户数据中离散的用户特征的WOE编码值；将所述WOE编码值大于预设的WOE编码阈值的用户特征设置对应的用户流失原因，生成用户流失原因映射表。
[0012]一种用户流失原因的获取装置，所述装置包括：第一获取模块，用于获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；第一计算模块，用于根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；第二计算模块，用于根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；第二获取模块，用于根据各用户特征的流失值占比，获取用户流失原因。
[0013]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各
项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。
[0014]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。
[0015]上述用户流失原因的获取方法、装置、计算机设备和存储介质，通过预设的流失值计算公式和流失用户数据，计算每项用户特征的流失值；流失用户数据包括流失用户的不少于一项用户特征；根据各用户特征的流失值，计算各用户特征的流失值占比，并获取取用户流失原因。不仅实现了对于用户是否流失的预测，还实现了对用户的流失原因的准确获取。
附图说明
[0016]图1为一个实施例中用户流失原因的获取方法的应用环境图；图2为一个实施例中用户流失原因的获取方法的流程示意图；图3为一个实施例中获取用户流失原因步骤的流程示意图；图4为一个实施例中用户流失原因的获取装置的结构框图；图5为一个实施例中计算机设备的内部结构图。
具体实施方式
[0017]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0018]本申请提供的用户流失原因的获取方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102和服务器104可分别单独用于执行本申请提供的用户流失原因的获取方法。终端102和服务器104也可用于协同执行本申请提供的用户流失原因的获取方法。例如，服务器104用于获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户流失原因的获取方法，其特征在于，所述方法包括：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。2.根据权利要求1所述的方法，其特征在于，所述获取流失用户数据包括：将目标用户数据输入至预先训练好的流失用户判断模型，输出流失用户数据；所述流失用户判断模型是根据样本用户数据和样本用户的流失标签进行训练获取的；所述样本用户数据包括样本用户的不少于一项用户特征；所述流失标签是用于表征所述样本用户是否为流失用户的参数。3.根据权利要求2所述的方法，其特征在于，所述通过预设的流失值计算公式，计算各用户特征的流失值包括：将所述流失用户数据代入预设的流失值计算公式，获取每项用户特征的流失值；所述流失值计算公式为：其中，“！”表示阶乘，“| |”表示集合中包含元素的个数，F表示全部用户特征的集合，表示从F集合中剔除第i个特征后剩下的特征集合，S表示F的子集，表示将第i个特征加入特征子集S后训练的流失用户判断模型，表示基于用户特征子集S训练的流失用户判断模型。4.根据权利要求1所述的方法，其特征在于，所述根据各用户特征的流失值，计算各用户特征的流失值占比包括：用0替换各用户特征的流失值中小于0的数据，计算各用户特征的流失值的和作为总流失值；计算各用户特征的流失值与所述总流失值的比值，作为各用户特征的流失值占比。5.根据权利要求2所述的方法，其特征在于，所述根据各用户特征的流失值占比，获取用户流失原因包括：将各用户特征的流失值占比进行降序排列，生成流失值序列；将所述流失值序列从最大值开始依次累加，获取所述流失值...
【专利技术属性】
技术研发人员：杨健颖，何悦，
申请(专利权)人：深圳索信达数据技术有限公司，
类型：发明
国别省市：
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。