一种基于用户细分的流失率预测的控制方法技术

本发明专利技术提供一种基于用户细分的流失率预测方法，包括步骤：a.收集原始数据；b.对原始数据预处理；c.提取客户价值参量集；d.选择用户细分算法；e.生成用户细分群；f.选择合适的流失率预测算法；g.计算预测流失率；h.预测结果反馈；以及i.输出预测结果。本发明专利技术是根据选对用户进行细分，再利用合适的流失率预测算法进行预测的方法，其优点包括：更有效的把握用户属性特征，更准确的对用户进行细分，更准确的对用户流失率进行预测。

【技术实现步骤摘要】

本专利技术涉及用户流失率领域，具体地，是一种基于用户细分的流失率预测模型。
技术介绍
客户流失一直是学术界和工业界的研究热点，客户流失问题包括流失原因，流失分类，流失预测，客户挽回等多个方面，而其中如何准确地对客户流失进行预测，则是客户流失分析的核;问题。目前的用户流失预测算法主要是先收集用户的人口统计信息、用户的行为信息以及产品信息等数据作为数据源，然后对数据进行预处理，接着直接利用流失率计算算法，对流失率进行预测，最后输出流失率预测结果。在现在有的流失率算法中，对数据预处理后，直接就对数据进行流失率的预测，对所有的用户都一视同仁，同等对待。但是在实际的应用中，流失率预测算法是有使用范围的，流失率预测的准确度高湿针对某些具有特定属性的用户来说，而不是适用于所有的用户；而且，在流失率预测的准确度和精确度不高的情况下，也没有反馈和训整的方法。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种在通讯管理系统中基于用户细分的流失率预测算法，基于用户细分的流失率预测算法首先通过用户的属性特征对用户进行细分，然后针对不同的细分群采取不同的流失率预测算法，其特征在于，包括如下步骤a.提取用户参量集，其中所述用户参量集用于计算用户权重，所述用户为所述通讯管理系统中的用户；b.选择合适的用户细分算法生成用户细分群；c.选择合适的用户流失率预测方法，并计算用户流失率；以及d.对预测结果进过评估，得到最终的流失率预测结果。优选地，所述步骤a包括如下步骤al.收集用户数据作为原始数据集；a2.对所述原始数据集进行预处理；a3.在预处理过的数据集中，提取所述用户参量集。优选地，所述步骤a2包括如下步骤a21.对所述原始数据集进行数据清洗；a22.对所述原始数据集进行数据归约；以及a23.对所述原始数据集进行数据填充。优选地，所述的步骤b包括如下步骤bl.根据所述用户参量集，选择合适的用户细分算法；b2.根据所述用户细分算法生成用户细分群。优选地，所述的步骤b2包括如下步骤b21.根据所述用户细分算法对多所述用户进行聚类处理；b22.根据所述聚类处理结果对多所述用户进行细分处理。优选地，所述的步骤b2包括如下步骤b21’ .根据所述用户细分算法对多所述用户参量集进行加权计算山22’.对所述加权后的用户参量集进行聚类处理；以及b23’.根据所述聚类处理结果对多所述用户进行细分处理。优选地，所述的步骤c包括如下步骤cl.根据所述用户细分群，选择合适的用户流失率预测算法；c2.根据选择的用户流失率预测算法，计算用户流失率预测结果。优选地，所述的步骤d包括如下步骤dl.判断所述流失率预测结果是否最优；d2.若dl中判断的结果不为最优则重复上述步骤b，c以及dl ;以及d3.若判定结果为最优，则将所述流失率预测结果作为所述最终的流失率预测结果并输出该最终流失率预测结果O优选地，所述的步骤dl包括如下步骤dll.判断所述预测命中率是否高于所述第一阈值；dl2.若判断结果为所述预测命中率是低于所述第一阈值则确定所述流失率预测结果不为最优。优选地，所述的步骤dl还包括如下步骤dl3.判断所述预测覆盖率是否高于第二阈值；dl4.若判断结果为所述预测覆盖率是低于所述第二阈值则确定所述流失率预测结果不为最优。本专利技术在计算用户流失率时，考虑到根据不同的用户属性特征，选择合适的用户流失率预测算法。根据不同的用户群选择不同的流失率预测算法，使得流失率预测算法的预测准确度达到一个理想的效果，预测更精确。 本专利技术在进行用户细分的过程中，不是通过一种用户细分方法对用户数据集进行细分，而是根据数据集具有的不同特征属性，选择合适的细分方法，这使得用户在细分这一环节，用户能被细分到合适的用户群中。本专利技术通过首先对用户采用了细分技术，然后进行流失率的预测，在一定程度上提高了用户流失率预测的准确度。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显图I示出根据本专利技术的第一实施例的，基于用户细分的流失率预测算法的流程图；图2示出根据本专利技术的第二实施例的，基于用户细分的流失率预测算法的流程图；图3示出根据本专利技术的第三实施例的，根据用户参量集进行用户细分的流程图；以及图4示出根据本专利技术的第四实施例的，判断流失率预测结果是否最优的流程图。具体实施例方式通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显图I示出根据本专利技术的第一实施例的，基于用户细分的流失率预测算法的流程图，具体地，本图示出了四个步骤，首先是步骤S201，提取用户参量集，本领域技术人员理解，所述用户参量集用于衡量用户价值，且所述用户参量集根据用户的人口统计信息，用户的行为信息以及产品信息等数据作为数据源，对数据源进行预处理后，再提取代表用户价值的参量集，其中用户价值根据不同的决策人和预测环境来确定。其后执行步骤S202，根据所述用户参量集选择细分算法，并根据所述细分算法对用户进行细分生成用户细分群，其中所述细分算法的选择根据所述用户参量集所代表的用户价值对所述细分的影响。生成用户细分群后执行S203，根据生成的用户细分群选择合适的流失率预测算法，并计算流失率。具体地，本领域技术人员理解，如果用户衡量细分群的参量集是连续和种类字段，并且决策者要求此流失率算法，可以生成可以理解的规则，也可以很直观的知道参量集中各个参量对流失率的影响等情况，那么选择决策树作为流失率计算算法。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。决策树的基本组成部分决策节点、分支和叶子。决策树中最上面的节点称为根节点，是整个决策树的开始。决策树的每个节点子节点的个数与决策树在用的算法有关。每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用几个变量(每个变量对应一个问题)来判断所属的类别(最后每个叶子会对应一个类别)；如果参量集的参量之间存在因果关系或具有相关性，那么可以采用回归分析流失率预测算法。回归分析预测法(Regression Analysis Prediction Method),是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量关系大多表现为相关关系，因此，回归分析预测法是一种重要的市场预测方法，当我们在对市场现象未来发展状况和水平进行预测时，如果能将影响市场预测对象的主要因素找到，并且能够取得其数·量资料，就可以采用回归分析预测法进行预测。它是一种具体的、行之有效的、实用价值很高的常用市场预测方法；如果决策者想通过了解目标用户(待预测用户)的“相似用户”，来预测目标用户的流失率，可以利用协同过滤的流失率预测算法，最后为步骤S204，判断预测结果是否最优，若所述流失率预测为最优，则输出最优结果，若不为最优则返回步骤S202，根据所述用户参量集选择细分算法。图2示出根据本专利技术的第二实施例的，基于用户细分的流失率预测算法的流程图。本专利技术提供的一种本文档来自技高网...

【技术保护点】
一种在通讯管理系统中基于用户细分的流失率预测的控制方法，其特征在于，包括如下步骤：a.提取用户参量集，其中所述用户参量集用于计算用户权重，所述用户为所述通讯管理系统中的用户；b.选择合适的用户细分算法生成用户细分群；c.选择合适的用户流失率预测方法，并计算用户流失率；以及d.对预测结果进过评估，得到最终的流失率预测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：宋树彬，王伟杰，吴奔斌，霍晓骏，吴琴，范娜，贺樑，杨燕，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：