System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,尤其是涉及到一种流失用户的预测处理方法、装置、电子设备和可读存储介质。
技术介绍
1、目前,加油服务应用具有大量用户,但其中有一部分处于流失阶段。例如,距上次交易之日起超过60天未进行交易的用户,则认为该用户已经成为流失用户。
2、为了保证加油服务应用的用户规模,这些流失用户便成为潜在可提升的重点用户。相关技术中的运营方式为,对已经流失的用户采取干预措施,以提升用户在加油服务应用的活跃度,但是该方法在及时性以及效果上均不佳。
技术实现思路
1、有鉴于此,本申请提供了一种流失用户的预测处理方法、装置、电子设备和可读存储介质,实现了提前进行自动干预动作,避免用户成为流失用户。
2、第一方面,本申请实施例提供了一种流失用户的预测处理方法,包括:
3、获取用户在加油服务应用中的历史行为数据;
4、基于历史行为数据,预测用户的用户类型和用户的流失概率;
5、在流失概率大于或等于预设概率阈值时,根据流失概率的等级和用户类型,生成对用户的服务策略。
6、根据本申请实施例的上述方法,还可以具有以下附加技术特征:
7、在上述技术方案中,可选地,基于历史行为数据,预测用户的用户类型和用户的流失概率,包括:
8、根据历史行为数据,确定用户对加油服务应用的访问路径信息;
9、将访问路径信息输入至用户预测模型,输出用户的用户类型和用户的流失概率。
10、在上述任一技术方案
11、采集样本用户在预设时间段内的样本行为数据,以及对样本用户的用户类型和流失概率进行标记,得到标记标签;
12、根据样本行为数据和标记标签进行模型训练,生成用户预测模型。
13、在上述任一技术方案中,可选地,基于历史行为数据,预测用户的用户类型和用户的流失概率,包括:
14、在历史行为数据的数据量大于或等于预设数量阈值时,基于历史行为数据,预测用户的用户类型和用户的流失概率。
15、在上述任一技术方案中,可选地,根据流失概率的等级和用户类型,生成对用户的服务策略,包括:
16、根据用户类型和流失概率的等级中的至少一项,确定服务策略的类型和服务策略的数量;
17、其中,流失概率的等级越高,服务策略的数量越多。
18、在上述任一技术方案中,可选地,服务策略的类型包括以下至少一项:离线发放优惠券、实时发放优惠券、调节价格、消息提醒。
19、在上述任一技术方案中,可选地,该方法还包括:
20、在服务策略包括离线发放优惠券或实时发放优惠券时,根据历史行为数据和流失概率,确定优惠券的类型;
21、在服务策略包括调节价格时,根据历史行为数据和流失概率,确定调节价格的百分比。
22、在上述任一技术方案中,可选地,用户类型包括以下至少一项:领取优惠型用户、浏览型用户、比价型用户。
23、在上述任一技术方案中,可选地,该方法还包括:
24、根据历史行为数据,确定预设概率阈值。
25、第二方面,本申请实施例提供了一种流失用户的预测处理装置,包括:
26、数据获取模块,用于获取用户在加油服务应用中的历史行为数据;
27、预测模块,用于基于历史行为数据,预测用户的用户类型和用户的流失概率;
28、策略生成模块,用于在流失概率大于或等于预设概率阈值时,根据流失概率的等级和用户类型,生成对用户的服务策略。
29、根据本申请实施例的上述装置,还可以具有以下附加技术特征:
30、在上述技术方案中,可选地,预测模块,具体用于:
31、根据历史行为数据,确定用户对加油服务应用的访问路径信息;
32、将访问路径信息输入至用户预测模型,输出用户的用户类型和用户的流失概率。
33、在上述任一技术方案中,可选地,该装置还包括:
34、模型构建模块,用于采集样本用户在预设时间段内的样本行为数据,以及对样本用户的用户类型和流失概率进行标记,得到标记标签;根据样本行为数据和标记标签进行模型训练,生成用户预测模型。
35、在上述任一技术方案中,可选地,预测模块,具体用于在历史行为数据的数据量大于或等于预设数量阈值时,基于历史行为数据,预测用户的用户类型和用户的流失概率。
36、在上述任一技术方案中,可选地,策略生成模块,具体用于根据用户类型和流失概率的等级中的至少一项,确定服务策略的类型和服务策略的数量;
37、其中,流失概率的等级越高,服务策略的数量越多。
38、在上述任一技术方案中,可选地,服务策略的类型包括以下至少一项:离线发放优惠券、实时发放优惠券、调节价格、消息提醒。
39、在上述任一技术方案中,可选地,策略生成模块,还用于:
40、在服务策略包括离线发放优惠券或实时发放优惠券时,根据历史行为数据和流失概率,确定优惠券的类型;
41、在服务策略包括调节价格时,根据历史行为数据和流失概率,确定调节价格的百分比。
42、在上述任一技术方案中,可选地,用户类型包括以下至少一项:领取优惠型用户、浏览型用户、比价型用户。
43、在上述任一技术方案中,可选地,策略生成模块,还用于根据历史行为数据,确定预设概率阈值。
44、第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器和存储器,存储器存储可在处理器上运行的程序或指令,程序或指令被处理器执行时实现如第一方面的方法的步骤。
45、第四方面,本申请实施例提供了一种可读存储介质,该可读存储介质上存储程序或指令,程序或指令被处理器执行时实现如第一方面的方法的步骤。
46、第五方面,本申请实施例提供了一种芯片,该芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现如第一方面的方法。
47、第六方面,本申请实施例提供一种计算机程序产品,该程序产品被存储在存储介质中,该程序产品被至少一个处理器执行以实现如第一方面的方法。
48、在本申请实施例中,采集用户在加油服务应用中的历史行为数据,该历史行为数据包括用户在加油服务应用的展示页面中进行操作行为所触发生成的数据,根据获得的历史行为数据,对该用户的用户类型和用户的流失概率进行精准预测。将预测出的用户的流失概率与预设概率阈值进行比较,当流失概率大于或等于预设概率阈值时,根据流失概率的等级和用户类型,给出对用户的服务策略,也即流失干预策略。本申请实施例,在加油服务应用的用户成为流失用户之前,先进行精准的预测,从而可以提前进行自动干预动作,避免用户成为流失用户,减少了加油服务应用的用户流失,保证了加油服务应用的用户规模。
49、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申本文档来自技高网...
【技术保护点】
1.一种流失用户的预测处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述历史行为数据,预测所述用户的用户类型和所述用户的流失概率,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述历史行为数据,预测所述用户的用户类型和所述用户的流失概率,包括:
4.根据权利要求1所述的方法,其特征在于,所述服务策略的类型包括以下至少一项:离线发放优惠券、实时发放优惠券、调节价格、消息提醒;
5.一种流失用户的预测处理装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述预测模块,具体用于:
7.根据权利要求5所述的装置,其特征在于,
8.根据权利要求5所述的装置,其特征在于,所述服务策略的类型包括以下至少一项:离线发放优惠券、实时发放优惠券、调节价格、消息提醒;
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至4中任一项所述的流失用户的预测处理
10.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至4中任一项所述的流失用户的预测处理方法的步骤。
...【技术特征摘要】
1.一种流失用户的预测处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述历史行为数据,预测所述用户的用户类型和所述用户的流失概率,包括:
3.根据权利要求1所述的方法,其特征在于,所述基于所述历史行为数据,预测所述用户的用户类型和所述用户的流失概率,包括:
4.根据权利要求1所述的方法,其特征在于,所述服务策略的类型包括以下至少一项:离线发放优惠券、实时发放优惠券、调节价格、消息提醒;
5.一种流失用户的预测处理装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述预测模块...
【专利技术属性】
技术研发人员:贾永强,
申请(专利权)人:车主邦北京科技有限公司,
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。