一种宽带业务流失原因的预测方法、装置、设备和介质与流程

本发明涉及检测的，特别是涉及一种宽带业务流失原因的预测方法、装置、设备和介质。

背景技术：

1、随着人口红利的消失，行业间竞争愈演愈烈。存量客户作为运营商的一个关键市场，守住存量这个“阵地”，对提升市场份额起到决定性作用。

2、为了获得更多的市场占有率，运营商想方设法降低用户流失率；减少用户离网现象的发生。为此，需对用户属性进行精准定位，试图挽留存在流失倾向的用户资源。在大数据时代下，如何有效进行用户的宽带业务流失原因的预测，对有流失倾向的用户进行精准定位，是当前重要的课题之一。

技术实现思路

1、鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种宽带业务流失原因的预测方法、装置、设备和介质，包括：

2、一种宽带业务流失原因的预测方法，所述方法包括：

3、获取目标用户的宽带业务的目标用户信息，以及影响目标用户使用所述宽带业务的目标外部信息；

4、根据所述目标外部信息，判断所述目标用户是否存在被动地停止使用所述宽带业务的原因；

5、当所述目标用户不存在被动地停止使用所述宽带业务的原因，根据所述目标用户信息和所述目标外部信息，预测所述目标用户主动停止使用所述宽带业务的原因。

6、可选地，所述方法还包括：

7、确定用于应对所述目标用户停止使用所述宽带业务的原因的目标策略；

8、执行所述目标策略。

9、可选地，所述目标外部信息包括所述目标用户的宽带业务对应的目标地址的拆迁任务；所述根据所述目标外部信息，判断所述目标用户是否存在被动地停止使用所述宽带业务的原因，包括：

10、根据所述目标外部信息判断所述目标地址是否存在将要进行或者正在进行拆迁任务时；

11、当所述目标地址存在将要进行或者正在进行拆迁任务时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

12、可选地，所述目标外部信息还包括所述目标地址对应的区域中，预设时间段内的宽带业务拆机户数，所述根据所述目标外部信息，判断所述目标用户是否存在被动地停止使用所述宽带业务的原因，还包括：

13、当所述预设时间段内的宽带业务拆机户数超过预设阈值时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

14、可选地，所述目标外部信息还包括所述目标地址的租赁状态或者买卖状态，所述根据所述目标外部信息，判断所述目标用户是否存在被动地停止使用所述宽带业务的原因，还包括：

15、根据所述目标地址的租赁状态或者买卖状态，判断所述目标地址是否即将发生或者正在发生退租行为或者买卖行为；

16、当所述目标地址发生退租行为或者买卖行为时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

17、可选地，所述根据所述目标用户信息和所述目标外部信息，预测所述目标用户主动停止使用所述宽带业务的原因，包括：

18、将所述目标用户信息和所述目标外部信息输入预设的预测分类模型中；

19、接收所述预测分类模型输出的所述目标用户主动停止使用所述宽带业务的原因。

20、可选地，所述方法还包括：

21、获取第一训练用数据集，所述第一训练用数据包括多组数据集，一个数据集包括一用户的宽带业务的用户信息、影响该用户使用宽带业务的外部信息，以及该用户对应的停止使用所述宽带业务的原因；

22、删除所述第一训练用数据集中，原因为被动停止使用所述宽带业务的数据集，得到第二训练用数据集；

23、使用所述第二训练用数据集，对一原始模型进行训练，得到所述预测分类模型。

24、可选地，所述将所述目标用户信息和所述目标外部信息输入预设的预测分类模型中，包括：

25、确定所述预测分类模型中，重要性得分最高的前n种特征；n为正整数；

26、从所述目标用户信息和所述目标外部信息中，提取所述前n种特征对应的目标特征；

27、将所述目标特征输入所述预测分类模型。

28、可选地，所述获取第一训练用数据，包括：

29、获取第三训练用数据集，所述第三训练用数据包括多组数据集，一个数据集包括一用户的宽带业务的用户信息、影响该用户使用宽带业务的外部信息，以及该用户对应的停止使用所述宽带业务的原因；

30、确定所述第三训练用数据集中的缺失值；

31、针对所述缺失值进行补充，得到第一训练用数据集。

32、可选地，所述使用所述第二训练用数据集，对一原始模型进行训练，得到所述预测分类模型，包括：

33、对所述第二训练用数据集进行分析和模拟，得到模拟样本集；

34、根据所述模拟样本集和所述第二训练用数据集，对所述一原始模型进行训练，得到所述预测分类模型。

35、本发明实施例还提供了一种宽带业务流失原因的预测装置，所述装置包括：

36、获取模块，用于获取目标用户的宽带业务的目标用户信息，以及影响目标用户使用所述宽带业务的目标外部信息；

37、判断模块，用于根据所述目标外部信息，判断所述目标用户是否存在被动地停止使用所述宽带业务的原因；

38、预测模块，用于当所述目标用户不存在被动地停止使用所述宽带业务的原因，根据所述目标用户信息和所述目标外部信息，预测所述目标用户主动停止使用所述宽带业务的原因。

39、可选地，所述装置还包括：

40、执行模块，用于确定用于应对所述目标用户停止使用所述宽带业务的原因的目标策略；执行所述目标策略。

41、可选地，所述目标外部信息包括所述目标用户的宽带业务对应的目标地址的拆迁任务；所述判断模块，用于根据所述目标外部信息判断所述目标地址是否存在将要进行或者正在进行拆迁任务时；当所述目标地址存在将要进行或者正在进行拆迁任务时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

42、可选地，所述目标外部信息还包括所述目标地址对应的区域中，预设时间段内的宽带业务拆机户数，所述判断模块，还用于当所述预设时间段内的宽带业务拆机户数超过预设阈值时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

43、可选地，所述目标外部信息还包括所述目标地址的租赁状态或者买卖状态，所述判断模块，还用于根据所述目标地址的租赁状态或者买卖状态，判断所述目标地址是否即将发生或者正在发生退租行为或者买卖行为；当所述目标地址发生退租行为或者买卖行为时，判定所述目标用户存在被动地停止使用所述宽带业务的原因。

44、可选地，所述预测模块，用于将所述目标用户信息和所述目标外部信息输入预设的预测分类模型中；接收所述预测分类模型输出的所述目标用户主动停止使用所述宽带业务的原因。

45、可选地，所述装置还包括：

46、训练模块，用于获取第一训练用数据集，所述第一训练用数据包括多组数据集，一个数据集包括一用户的宽带业务的用户信息、影响该用户使用宽带业务的外部信息，以及该用户对应的停止使用所述宽带业务的原因；删除所述第一训练用数据集中，原因为被动停止使用所述宽带业务的数据集，得到第二训练用数据集；使用所述第二训练用数据集，对一原始模型进行训练，得到所述预测分类模型。

47、可选地，所述预测模块，用于确定所述预测分类模型中，重要性得分最高的前n种特征；n为正整数；从所述目标用户信息和所述目标外部信息中，提取所述前n种特征对应的目标特征；将所述目标特征输入所述预测分类模型。

48、可选地，所述训练模块，用于获取第三训练用数据集，所述第三训练用数据包括多组数据集，一个数据集包括一用户的宽带业务的用户信息、影响该用户使用宽带业务的外部信息，以及该用户对应的停止使用所述宽带业务的原因；确定所述第三训练用数据集中的缺失值；针对所述缺失值进行补充，得到第一训练用数据集。

49、可选地，所述训练模块，用于对所述第二训练用数据集进行分析和模拟，得到模拟样本集；根据所述模拟样本集和所述第二训练用数据集，对所述一原始模型进行训练，得到所述预测分类模型。

50、本发明实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上的宽带业务流失原因的预测方法。

51、本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上的宽带业务流失原因的预测方法。

52、本发明实施例具有以下优点：

53、本发明实施例中，获取目标用户的宽带业务的目标用户信息，以及影响目标用户使用宽带业务的目标外部信息；根据目标外部信息，判断目标用户是否存在被动地停止使用宽带业务的原因；当目标用户不存在被动地停止使用宽带业务的原因，根据目标用户信息和目标外部信息，预测目标用户主动停止使用宽带业务的原因。通过本发明实施例，可以避免被动原因影响主动原因的预测，从而更准确地预测宽带业务流失的真实原因；且基于用户信息和外部信息来预测，可以更全面地预测具体的主动的原因，以为后续挽留提供更可靠的参考数据。