一种预流失用户的识别方法
【专利摘要】本发明公开了一种预流失用户的识别方法，首先提取用户参量集，选择多种流失用户预测模型算法，并分别采用每种预测模型算法对所述用户参量集中的用户进行建模生成多种流失用户预测模型，之后采用多种流失用户预测模型分别进行流失用户预测，得到多种流失用户预测模型的预测结果，最后根据多种流失用户预测模型的预测结果，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测。该方法在进行用户流失率预测的过程中，不是通过一种预测方法对用户数据集进行预测率预测，而是依据预测误差最小的原则，选择合适的组合算法，使得预测流失用户结果更精确，利于后期客户挽留工作的展开，节约投入成本。
【专利说明】—种预流失用户的识别方法
【技术领域】
[0001]本发明涉及移动通信【技术领域】，具体涉及一种对移动通信用户中的预流失用户的识别方法。
【背景技术】
[0002]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。
[0003]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)，对所提取数据进行数据挖掘，并最终输出流失率预测结果O
[0004]在现在有的流失预测过程中，对数据预处理后，直接采用单个算法模型的预测结果虽然覆盖用户范围更广泛，但是其准确率却差强人意。然而在实际的应用中，预测结果数据集的覆盖程度与准确性同时影响着后期在进行客户挽留工作室的成本投入，本申请正是针对该问题而提出的一种预流失用户的识别方法，对用户进行流失预警，提高预测准确率。
【发明内容】
[0005]针对现有技术中存在的缺陷，本发明的目的在于提供一种预流失用户的识别方法，提高流失用户预测结果的准确度。
[0006]为实现上述目的，本发明采用的技术方案如下:
[0007]—种预流失用户的识别方法，包括以下步骤:
[0008](I)提取用户参量集；所述用户参量集是指用于衡量用户价值的数据集合；所述用户价值是指用户对其通信运营商的消费贡献价值；
[0009](2)选择多种流失用户预测模型算法，并分别采用每种预测模型算法对所述用户参量集中的用户进行建模生成多种流失用户预测模型；
[0010](3)采用多种流失用户预测模型分别进行流失用户预测，得到多种流失用户预测模型的预测结果；
[0011](4)根据多种流失用户预测模型的预测结果，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测。
[0012]进一步，如上所述的一种预流失用户的识别方法，步骤⑴中，以用户的人口统计信息、用户的行为信息以及用户的产品使用信息数据作为源数据，提取用户参量集；所述数据源是预测之前设定时间段的数据源。
[0013]进一步，如上所述的一种预流失用户的识别方法，步骤(3)中，所述预测结果包括预测命中率和覆盖率。
[0014]进一步，如上所述的一种预流失用户的识别方法，所述预设条件包括预测命中率预设条件和预测覆盖率预设条件。
[0015]再进一步，如上所述的一种预流失用户的识别方法，步骤(4)中，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测的具体方式为:
[0016](4-1)确定每种流失用户预测模型的预测加权系数；
[0017](4-2)根据每种流失用户预测模型的预测加权系数进行预流失用户的组合预测，预测方式为:
[0018]假设选择了 m种流失用户预测模型，第i种流失用户预测模型对设定时间段t内流失用户的预测值为fit，其预测加权系数为则m种流失用户预测模型对设定时间段t内流失用户的组合预测结果为:
[0019]组合预测结果九=Σ!=?1fit X Wi。
[0020]更进一步，如上所述的一种预流失用户的识别方法，步骤(4-1)中，确定每种流失用户预测模型的预测加权系数的具体方式为:
[0021 ] 假设所述设定时间段t内的流失用户的实际值为yt，则在所有设定时间段内，下述公式取得极小值时的预测加权系数为每种流失用户预测模型的预测加权系数:
【权利要求】
1.一种预流失用户的识别方法，包括以下步骤: (1)提取用户参量集；所述用户参量集是指用于衡量用户价值的数据集合；所述用户价值是指用户对其通信运营商的消费贡献价值； (2)选择多种流失用户预测模型算法，并分别采用每种预测模型算法对所述用户参量集中的用户进行建模生成多种流失用户预测模型； (3)采用多种流失用户预测模型分别进行流失用户预测，得到多种流失用户预测模型的预测结果； (4)根据多种流失用户预测模型的预测结果，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测。
2.如权利要求1所述的一种预流失用户的识别方法，其特征在于:步骤(1)中，以用户的人口统计信息、用户的行为信息以及用户的产品使用信息数据作为源数据，提取用户参量集；所述数据源是预测之前设定时间段的数据源。
3.如权利要求1所述的一种预流失用户的识别方法，其特征在于:步骤(3)中，所述预测结果包括预测命中率和覆盖率。
4.如权利要求3所述的一种预流失用户的识别方法，其特征在于:所述预设条件包括预测命中率预设条件和预测覆盖率预设条件。
5.如权利要求1所述的一种预流失用户的识别方法，其特征在于:步骤(4)中，选择最接近预设条件的两种或两种以上的流失用户预测模型进行预流失用户的组合预测的具体方式为: (4-1)确定每种流失用户预测模型的预测加权系数； (4-2)根据每种流失用户预测模型的预测加权系数进行预流失用户的组合预测，预测方式为: 假设选择了 m种流失用户预测模型，第i种流失用户预测模型对设定时间段t内流失用户的预测值为fit，其预测加权系数为Wi,其中，m≥2，I≤i≤m，I≤t≤n，n≥2 ;则m种流失用户预测模型对设定时间段t内流失用户的组合预测结果为: 组合预测结果yt — Σ?=ι? fit X 。
6.如权利要求5所述的一种预流失用户的识别方法，其特征在于:步骤(4-1)中，确定每种流失用户预测模型的预测加权系数的具体方式为: 假设所述设定时间段t内的流失用户的实际值为yt，则在所有设定时间段内，下述公式取得极小值时的预测加权系数为每种流失用户预测模型的预测加权系数:
【文档编号】G06F17/30GK104182474SQ201410371099
【公开日】2014年12月3日 申请日期:2014年7月30日 优先权日:2014年7月30日
【发明者】王广善, 赵黎明 申请人:北京拓明科技有限公司