一种针对B2B平台用户的会员流失预警方法和系统技术方案

本发明专利技术涉及一种针对B2B平台用户的会员流失预警方法和系统，包括接收B2B平台的原始数据并进行数据清洗和预处理；在原始数据中对部分数据进行流失用户和非流失用户的标注，得到训练样本；并通过非监督机器学习模型进行自动化数据标注，扩充训练样本；根据原始数据构建特征，采用保留数据原始属性的特征筛选方法，从业务完整度和数据质量层面进行特征筛选；基于召回率评价指标从多个经典机器学习方法中进行模型筛选；根据筛选出的特征和模型，基于训练样本进行模型迭代优化；根据训练好的模型进行流失概率计算，根据计算出的流失概率发出预警提示。与现有技术相比，本发明专利技术具有可以实现会员流失概率的精准量化，数据处理效率高、预测结果准确等优点。预测结果准确等优点。预测结果准确等优点。

【技术实现步骤摘要】
一种针对B2B平台用户的会员流失预警方法和系统


[0001]本专利技术涉及数据处理
，尤其是涉及一种针对B2B平台用户的会员流失预警方法和系统。

技术介绍

[0002]随着平台业务的持续拓展与服务质量的持续提升，注册会员数量也日益增长，为使平台交易规模与会员规模长期稳定发展，需做好会员管理及运营工作，除不断获客外，还需提升已注册会员粘性、降低该群体流失量。
[0003]在企业当前的用户管理及业务运营过程中，仅能通过会员成交与行为等统计数据、结合业务经验人工判断会员是否流失，例如将“近6个月未登录”、“近6个月未交易”用户定义为流失等。此方法较为滞后且所需的人工投入较高，因此在进行会员挽回或激励时往往错失最佳时机，存在时效性不足的问题，缺乏前瞻性、综合性会员流失预警方法。
[0004]现有用户流失模型多为C端用户流失概率预测模型。相较于C端用户，B端用户的流失表现特征、原因不同，因此现有针对C端用户的流失模型很难直接适用于B端用户。B端业务场景具有决策链长、流程复杂的特性，在唤醒流失用户时往往成本更高、转化周期更长，采用的用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对B2B平台用户的会员流失预警方法，其特征在于，包括以下步骤：大数据提取和清洗步骤：接收B2B平台的原始数据并进行数据清洗和预处理，所述B2B平台的原始数据包括会员基础信息、交易数据、行为数据、违约数据和用户负面体验数据；数据标注步骤：在所述原始数据中对部分数据进行流失用户和非流失用户的标注，得到训练样本；并通过非监督机器学习模型进行自动化数据标注，扩充所述训练样本；特征筛选步骤：根据所述原始数据构建特征，采用保留数据原始属性的特征筛选方法，从业务完整度和数据质量层面进行特征筛选；模型选择步骤：基于召回率评价指标从多个经典机器学习方法中进行模型筛选；主模型构建步骤：根据筛选出的特征和模型，基于训练样本进行模型迭代优化；流失预警步骤：根据训练好的模型对各个会员的B2B平台数据进行流失概率计算，根据计算出的流失概率发出预警提示。2.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法，其特征在于，所述数据清洗和预处理过程包括对原始数据进行缺失值处理、异常数据处理、标准化、归一化、信息量分析、数据分布和类别特征编码处理。3.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法，其特征在于，所述保留数据原始属性的特征筛选方法包括方差分析、相关系数法、卡方检验法、信息熵、基尼系数、过滤法和嵌入法。4.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法，其特征在于，从业务完整度层面进行特征筛选具体为：筛选预先设定的重要特征；从数据质量层面进行特征筛选具体为：在特征筛选过程中，结合方差、标准差、数据缺失程度、特征相关性及通过集成算法训练筛选相结合的方式进行。5.根据权利要求4所述的一种针对B2B平台用户的会员流失预警方法，其特征在于，所述重要特征包括：账户信息、采购数据、负面信息、采购偏好、行为数据、违约数据、工商财经数据、时长行情数据和天气季节数据。6.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法，其特征在于...

【专利技术属性】
技术研发人员：程夏莹，文扬，王来，黄天立，王汇丰，宋希，盛颖涵，朱彭生，万仕龙，
申请(专利权)人：欧冶云商股份有限公司，
类型：发明
国别省市：