一种网约车用户融合模型的生命周期价值预测方法技术

本发明专利技术属于网约车技术领域，具体公开了一种网约车用户融合模型的生命周期价值预测方法，包括以下步骤：S1、划分数据为高低折扣2类；具体为把T日内的消费数据分为2类；S2、建立高折扣数据模型；S3、建立低折扣数据模型；S4、计算网约车全局因子；S5、计算网约车局部因子；S6、高低价值模型融合；计算用户未来生命周期价值L(x)；本发明专利技术通过对2类折扣率分别计算高折扣率模型和低折扣率模型，并采用模型融合的方法以及网约车特有的全局因子和局部因子，能够有效预估用户未来生命周期价值，从而指导营销，解决了单一模型仅考虑购买情况的不准确性，同时引入网约车业务场景的全局和局部因子，并融合2个模型，能够提升准确度。能够提升准确度。能够提升准确度。

【技术实现步骤摘要】
一种网约车用户融合模型的生命周期价值预测方法


[0001]本专利技术涉及网约车
，具体为一种网约车用户融合模型的生命周期价值预测方法。

技术介绍

[0002]用户的生命周期对网约车企业而言，存在获取、提升、成熟、衰退、消亡五个过程，用户的生命周期管理就是在用户生命周期的各个阶段做好相应的运营，从而延长用户的生命周期。延长用户生命周期的目的在于产生商业价值，要最大化用户生命周期价值，需要预测用户未来的商业价值，也就是未来生命周期价值。
[0003]传统预测生命周期价值的方法未考虑营销折扣因素，对折扣敏感的用户采用此类预测方法会不准确，因当折扣高的时候，用户消费次数增多，当折扣低的时候，用户消费次数减少，且网约车有特殊因子，打车成功率和退款率；传统的方法非网约车场景，未考虑用户购买成功率等因素。
[0004]基于此，为了更准确的预测用户生命周期的价值，本专利技术公开了一种网约车用户融合模型的生命周期价值预测方法更精准预估用户未来生命周期价值，从而能够更好的指导商业运营。

技术实现思路

[0005]本专利技术的目的在于提供一种网约车用户融合模型的生命周期价值预测方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种网约车用户融合模型的生命周期价值预测方法，包括以下步骤：
[0007]S1、划分数据为高低折扣2类；具体为把T日内的消费数据分为2类，高折扣数据集合和低折扣数据集合；
[0008]高折扣数据集合S1：订单折扣率f(o)>α,其中o为订单；
[0009]低折扣数据集合S1：订单折扣率f(o)≤α,其中o为订单；
[0010]S2、建立高折扣数据模型；汇总统计出集合S1中每人的消费情况：a,t,r；根据BG/NGD算法，计算出用户未来预测的购买次数up(x)，x为集合S1中订单的用户；
[0011]S3、建立低折扣数据模型；汇总统计出集合S2中每人的消费情况：a,t,r；根据BG/NGD算法，计算出用户未来预测的购买次数low(x)，x为集合S2中订单的用户；
[0012]S4、计算网约车全局因子；
[0013]用户x的打车成功率d＝订单总数/呼叫总次数；
[0014]乘客的客诉退款率e＝客诉次数/订单次数；
[0015]考虑所有订单，不做高低价值订单区分；
[0016]S5、计算网约车局部因子；
[0017]统计用户x在S1的购买平均金额为b；
[0018]统计用户x在S2的购买平均金额为c；
[0019]按高低价值订单区分；
[0020]S6、高低价值模型融合；计算用户未来生命周期价值L(x)。
[0021]作为本专利技术一种优选的技术方案，所述a为用户购买次数，若用户只购买一次的话，a值为0；所述t为用户首次购买到现在所产生的时间；r为第一次购买到最后一次购买之间的时间间隔。
[0022]作为本专利技术一种优选的技术方案，所述L(x)＝upr(x)+lowr(x)；
[0023]upr(x)＝up(x)*b*(1+min(10,1/d))/(1+d)*(1
‑
e)；
[0024]lowr(x)＝low(x)*c*(1+min(10,1/d))/(1+d)*(1
‑
e)。
[0025]与现有技术相比，本专利技术的有益效果是：
[0026]本专利技术提供了一种网约车用户融合模型的生命周期价值预测方法通过对2类折扣率分别计算高折扣率模型和低折扣率模型，并采用模型融合的方法以及网约车特有的全局因子和局部因子，能够有效预估用户未来生命周期价值，从而指导营销，解决了单一模型仅考虑购买情况的不准确性，引入了网约车业务场景的全局和局部因子，并融合2个模型，从而能够提升准确度。
附图说明
[0027]图1为本专利技术的生命周期价值预测方法流程图。
具体实施方式
[0028]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。
[0029]请参阅图1，本专利技术提供一种技术方案：一种网约车用户融合模型的生命周期价值预测方法，包括以下步骤：
[0030]S1、划分数据为高低折扣2类；具体为把T日内的消费数据分为2类，高折扣数据集合和低折扣数据集合；
[0031]高折扣数据集合S1：订单折扣率f(o)>α,其中o为订单；
[0032]低折扣数据集合S1：订单折扣率f(o)≤α,其中o为订单；
[0033]S2、建立高折扣数据模型；汇总统计出集合S1中每人的消费情况：a,t,r；
[0034]a为用户购买次数，若用户只购买一次的话，a值为0；
[0035]t为用户首次购买到现在所产生的时间；
[0036]r为第一次购买到最后一次购买之间的时间间隔；
[0037]根据BG/NGD算法，计算出用户未来预测的购买次数up(x)，x为集合S1中订单的用户；
[0038]S3、建立低折扣数据模型；汇总统计出集合S2中每人的消费情况：a,t,r；
[0039]a为用户购买次数，若用户只购买一次的话，a值为0；
[0040]t为用户首次购买到现在所产生的时间；
[0041]r为第一次购买到最后一次购买之间的时间间隔；
[0042]根据BG/NGD算法，计算出用户未来预测的购买次数low(x)，x为集合S2中订单的用户；
[0043]S4、计算网约车全局因子；
[0044]用户x的打车成功率d＝订单总数/呼叫总次数；
[0045]乘客的客诉退款率e＝客诉次数/订单次数；
[0046]此时考虑所有订单，不做高低价值订单区分；
[0047]S5、计算网约车局部因子；
[0048]统计用户x在S1的购买平均金额为b；
[0049]统计用户x在S2的购买平均金额为c；
[0050]按高低价值订单区分；
[0051]S6、高低价值模型融合；
[0052]融合后高折扣价值：upr(x)＝up(x)*b*(1+min(10,1/d))/(1+d)*(1
‑
e)
[0053]融合后低折扣价值：lowr(x)＝low(x)*c*(1+min(10,1/d))/(1+d)*(1
‑
e)
[0054]根据用户高折扣价值和低折扣价值制定不同人群的营销策略；
[0055]计算用户未来生命周期价值：L(x)＝upr(x)+lowr(x)。
[0056]本专利技术通过对2类折扣率分别计算高折扣率模型和低折扣率模型，并采用模型融合的方法以及网约车特有的全局因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网约车用户融合模型的生命周期价值预测方法，其特征在于，包括以下步骤：S1、划分数据为高低折扣2类；具体为把T日内的消费数据分为2类，高折扣数据集合和低折扣数据集合；高折扣数据集合S1：订单折扣率f(o)>α,其中o为订单；低折扣数据集合S1：订单折扣率f(o)≤α,其中o为订单；S2、建立高折扣数据模型；汇总统计出集合S1中每人的消费情况：a,t,r；根据BG/NGD算法，计算出用户未来预测的购买次数up(x)，x为集合S1中订单的用户；S3、建立低折扣数据模型；汇总统计出集合S2中每人的消费情况：a,t,r；根据BG/NGD算法，计算出用户未来预测的购买次数low(x)，x为集合S2中订单的用户；S4、计算网约车全局因子；用户x的打车成功率d＝订单总数/呼叫总次数；乘客的客诉退款率e＝客诉次数/订单次数；考虑所有订单，不做高低价值订单区...

【专利技术属性】
技术研发人员：赵刚，
申请(专利权)人：上海赛可出行科技服务有限公司，
类型：发明
国别省市：