一种预测用户是否流失的方法、装置、设备及介质制造方法及图纸

本申请公开了一种预测用户是否流失的方法、装置、设备及介质，所述方法包括：用户活跃天数大于n、且连续m日不活跃，则启动流失预测，如连续j天不活跃就视为该用户流失，标签为流失用户；获取最近k天每天符合预测定义的用户和标签，用户和设备基本属性，用户当前安装列表及使用情况，用户最后一天行为各典型事件使用统计数据，用户前k天行为各典型事件使用统计，用户首次活跃距今时间；采用信息熵的方式获取TOP N埋点事件；采用GBDT模型分类模型学习上一步中数据特征和是否会流失的关系，输出模型；针对最近k天活跃的用户，预测之后j天内用户是否会流失，输出流失概率。本申请可实现用户流失概率的准确预测，识别用户的流失风险。险。险。

【技术实现步骤摘要】
一种预测用户是否流失的方法、装置、设备及介质


[0001]本专利技术涉及数据分析
，尤其涉及一种预测用户是否流失的方法、装置、设备及介质。

技术介绍

[0002]当前获取一个新用户的成本会远远高于留住一个老用户，用户的流失意味着收益的减少，一般流失用户很可能已经卸载了App，当用户流失后才进行召回，效果一般不好。
[0003]能够在一个用户成为流失用户之前，就根据他的自身属性及历史行为等特征识别出用户的流失风险，及时采取措施进行用户挽留，这就是用户的流失预测。
[0004]目前的用户流失预测算法主要是在提取数据并进行预处理后，采用某一种数据预测算法(如决策树、神经网络等)，对所提取的数据进行数据挖掘，并最终输出流失率预测结果，但是其准确率却差强人意。
[0005]因此，如何通过对用户流失概率进行预测，针对不同流失概率和用户价值对用户进行分层，针对不同层用户，进行不同的运营策略，包括变现，激活，激励引导等，是本领域技术人员亟待解决的问题。

技术实现思路

[0006]本专利技术的目的在于提供一种预测用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测用户是否流失的方法，其特征在于，包括：S1，定义流失用户：用户活跃天数大于n，且连续m日不活跃，则启动流失预测，如果连续j天不活跃就视为该用户流失，标签为流失用户；S2，数据获取：获取最近k天每天符合预测定义的用户和标签，用户和设备基本属性，用户当前安装列表及使用情况，用户最后一天行为各典型事件使用统计数据，用户前k天行为各典型事件使用统计，以及用户首次活跃距今时间；S3，确定统计典型关键事件：获取TOP N埋点事件，并针对同类型的埋点事件进行去重处理；S4，建模及模型训练：建立分类模型，分类模型学习上一步中数据特征和是否会流失的关系，输出模型；S5，模型预测：模型针对最近k天活跃的用户，预测之后的j天内用户是否会流失，输出流失概率；其中，n、m、j和k为可调的参数。2.根据权利要求1所述的一种预测用户是否流失的方法，其特征在于，n为2，m为7，k为7，j为30。3.根据权利要求1所述的一种预测用户是否流失的方法，其特征在于，步骤S2中，所述设备基本属性包括：品牌、地域、分辨率和运营商中的至少一个或多个组合。4.根据权利要求1所述的一种预测用户是否流失的方法，其特征在于，步骤S2中，所述用户最后一天行为各典型事件使用统计数据包括：每天使用时长、每天启动次数、点击次数和分发次数中的至少一个或多个组合。5.根据权利要求1所述的一种预测用户是否流失的方法，其特征在于，步骤S2中，所述用户前k天行为各典型事件使用统计包括：活跃时长、点击次数和分发次数中的至少一个或多个组合。6.根据权利要求1所述的一种预测用户是否流失的方法，其特征在于...

【专利技术属性】
技术研发人员：黄修斌，
申请(专利权)人：上海二三四五网络科技有限公司，
类型：发明
国别省市：