一种网约车流失用户的召回方法及装置制造方法及图纸

本发明专利技术公开了一种网约车流失用户的召回方法及装置，其中方法包括：获取历史网约车订单数据；从历史网约车订单数据中分析出用户行为数据；结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型；结合用户行为数据和历史召回数据，在不采用召回策略的情况下，训练第二召回概率预测模型；基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各流失用户的补贴增益值；基于补贴增益值对流失用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴。本发明专利技术能够选择性地对流失用户进行召回，以降低服务器资源的浪费。以降低服务器资源的浪费。以降低服务器资源的浪费。

【技术实现步骤摘要】
一种网约车流失用户的召回方法及装置


[0001]本专利技术涉及网约车平台流失用户召回预测计算的
，具体涉及一种网约车流失用户的召回方法及装置。

技术介绍

[0002]随着互联网的发展，网约车平台也得到相应的发展，网约车在人们生活中得到普及。一般用户会多个网约车平台之间选择，在网约车平台拉新时会实行发放优惠券和打车补贴等优惠活动，当优惠券用完或补贴失效，用户可能会被其它网约车平台的吸引，难免会出现用户流失的情况，为了召回流失的用户，并减少老用户的流失，网约车平台一般会根据情况向流失用户发放优惠券和补贴，并发送召回短信，以尝试召回流失用户。
[0003]但是，现有的网约车平台召回手段一般是向所有流失用户不区分地发放优惠券和补贴，并发送召回短信，这样的召回方式不适用于所有流失用户，对于部分流失用户造成干扰可能会达到反效果，大量不生效的优惠券及补贴的发送会对服务器资源造成大量浪费，而且这样的资源浪费并不会提高用户召回概率。
[0004]为此，亟需专利技术一种能够精确筛选流失用户并降低资源浪费的网约车流失用户召回方法。

技术实现思路

[0005]为了克服上述现有技术造成资源浪费的技术缺陷，本专利技术提供一种网约车流失用户的召回方法及装置。
[0006]为了解决上述问题，本专利技术按以下技术方案予以实现的：
[0007]第一方面，本专利技术公开一种网约车流失用户的召回方法，包括以下步骤：
[0008]步骤S1：获取历史网约车订单数据；
[0009]步骤S2：从历史网约车订单数据中分析出用户行为数据；
[0010]步骤S3：结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型；
[0011]步骤S4：结合用户行为数据和历史召回数据，在不采用召回策略的情况下，训练第二召回概率预测模型；
[0012]步骤S5：基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各流失用户的补贴增益值；
[0013]步骤S6：基于补贴增益值对流失用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴。
[0014]作为第一方面的优选实施方式，所述用户行为数据包括用户在平台上的历史打车订单记录、用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息、用户历史打车价格信息、历史优惠券使用信息和用户历史评价信息。
[0015]作为第一方面的优选实施方式，所述结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型，具体包括以下子步骤：
[0016]获取历史召回召回数据，所述历史召回数据为用户行为数据、召回策略与召回成功率之间的关系数据；
[0017]从各用户对应的用户行为数据中，提取其中的历史打车订单记录；
[0018]基于历史打车订单记录，若最后一次打车订单距当前时间戳超出预设的周期，则将该用户标记为流失用户；
[0019]从流失用户对应的用户行为数据中，提取用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息、用户历史打车价格信息、历史优惠券使用信息和用户历史评价信息，进行数据整合后形成训练数据集；
[0020]获取平台的召回策略，基于训练数据集结合召回策略，通过机械学习随机森林算法，训练出第一召回概率预测模型。
[0021]作为第一方面的优选实施方式，所述基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各用户的补贴增益值，具体包括以下子步骤：
[0022]分别将流失用户的用户行为数据输入到第一召回概率预测模型和第二召回概率预测模型；
[0023]分别从第一召回概率预测模型和第二召回概率预测模型获取预测结果；
[0024]基于第一召回概率预测模型和第二召回概率预测模型的预测结果，计算出各流失用户的补贴增益值；
[0025]所述补贴增益值的计算具体为：P(Yi〡XiRl)
‑
P(Yi〡XiRh)；
[0026]其中，所述Y为召回概率，所述X为用户画像特征，所述R为补贴策略，所述P(Yi〡XiRl)表示用户画像为Xi的用户i在Rl补贴策略作用下的下单概率，所述P(Yi〡XiRh)表示用户画像为Xi的用户i在无补贴策略作用下的下单概率。
[0027]作为第一方面的优选实施方式，所述基于补贴增益值对用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴，具体包括以下子步骤：
[0028]获取各流失用户对应的补贴增益值；
[0029]基于补贴增益值，对流失用户进行补贴增益值从大到小的依次排序；
[0030]创建补贴排序列表，将经过排序后的流失用户依次加入到补贴排序列表中；
[0031]获取预设的补贴策略，提取其中召回流失用户的数量或比例的信息，选取符合补贴策略的流失用户；
[0032]基于补贴策略，分别对符合补贴策略的流失用户发放相应的优惠券和补贴；
[0033]分别向各符合补贴策略的流失用户发送召回短信。
[0034]第二方面，本专利技术还公开一种网约车流失用户的召回装置，包括：
[0035]数据获取模块M1，其用于获取历史网约车订单数据；
[0036]数据分析模块M2，其用于从历史网约车订单数据中分析出用户行为数据；
[0037]第一训练模块M3，其用于结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型；
[0038]第二训练模块M4，其用于结合用户行为数据和历史召回数据，在不采用召回策略的情况下，训练第二召回概率预测模型；
[0039]预测计算模块M5，其用于基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各流失用户的补贴增益值；
[0040]补贴发放模块M6，其用于基于补贴增益值对流失用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴。
[0041]作为第二方面的优选实施方式，所述用户行为数据包括用户在平台上的历史打车订单记录、用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息、用户历史打车价格信息、历史优惠券使用信息和用户历史评价信息。
[0042]作为第二方面的优选实施方式，所述第一训练模块M3在运行时，具体执行以下子步骤：
[0043]获取历史召回召回数据，所述历史召回数据为用户行为数据、召回策略与召回成功率之间的关系数据；
[0044]从各用户对应的用户行为数据中，提取其中的历史打车订单记录；
[0045]基于历史打车订单记录，若最后一次打车订单距当前时间戳超出预设的周期，则将该用户标记为流失用户；
[0046]从流失用户对应的用户行为数据中，提取用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网约车流失用户的召回方法，其特征在于，包括以下步骤：获取历史网约车订单数据；从历史网约车订单数据中分析出用户行为数据；结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型；结合用户行为数据和历史召回数据，在不采用召回策略的情况下，训练第二召回概率预测模型；基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各流失用户的补贴增益值；基于补贴增益值对流失用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴。2.根据权利要求1所述的网约车流失用户的召回方法，其特征在于：所述用户行为数据包括用户在平台上的历史打车订单记录、用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息、用户历史打车价格信息、历史优惠券使用信息和用户历史评价信息。3.根据权利要求2所述的网约车流失用户的召回方法，其特征在于，所述结合用户行为数据和历史召回数据，在采用召回策略的情况下，训练第一召回概率预测模型，具体包括以下子步骤：获取历史召回召回数据，所述历史召回数据为用户行为数据、召回策略与召回成功率之间的关系数据；从各用户对应的用户行为数据中，提取其中的历史打车订单记录；基于历史打车订单记录，若最后一次打车订单距当前时间戳超出预设的周期，则将该用户标记为流失用户；从流失用户对应的用户行为数据中，提取用户在应用程序或微信小程序上的点击行为记录、用户历史打车时间偏好信息、用户历史打车位置偏好信息、用户历史打车价格信息、历史优惠券使用信息和用户历史评价信息，进行数据整合后形成训练数据集；获取平台的召回策略，基于训练数据集结合召回策略，通过机械学习随机森林算法，训练出第一召回概率预测模型。4.根据权利要求3所述的网约车流失用户的召回方法，其特征在于，所述基于用户行为数据，通过第一召回概率预测模型和第二召回概率预测模型，计算出各用户的补贴增益值，具体包括以下子步骤：分别将流失用户的用户行为数据输入到第一召回概率预测模型和第二召回概率预测模型；分别从第一召回概率预测模型和第二召回概率预测模型获取预测结果；基于第一召回概率预测模型和第二召回概率预测模型的预测结果，计算出各流失用户的补贴增益值；所述补贴增益值的计算具体为：P(Y
i
〡X
i
R
l
)
‑
P(Y
i
〡X
i
R
h
)；其中，所述Y为召回概率，所述X为用户画像特征，所述R为补贴策略，所述P(Y
i
〡X
i
R
l
)表示用户画像为X
i
的用户i在R
l
补贴策略作用下的下单概率，所述P(Y
i
〡X
i
R
h
)表示用户画像为
X
i
的用户i在无补贴策略作用下的下单概率。5.根据权利要求4所述的网约车流失用户的召回方法，其特征在于，所述基于补贴增益值对用户进行排序，以选择发送召回短信，并发放相应的优惠券和补贴，具体包括以下子步骤：获取各流失用户对应的补贴增益值；基于补贴增益值，对流失用户进行补贴增益值从大到小的依次排序；创建补贴排序列表，将经过排序后的流失用户依次加入到补贴排序列表中；获取预设的补贴策略，提取其中召回流失用户的数量或比例的信息，选取符合补贴策略的流失用户；基于补贴策略，分别对符合补贴策略的流失用户发放相应的优惠券和补贴；分别向各符合补贴...

【专利技术属性】
技术研发人员：郑伟斌，
申请(专利权)人：广州宸祺出行科技有限公司，
类型：发明
国别省市：