[发明专利]预测用户流失的方法以及设备

说明书

本公开的实施例公开了一种预测用户流失的方法和设备。该方法包括：基于历史数据，针对每个用户确定对应的流失预测模型；基于所述确定的流失预测模型，确定每个用户的流失边界；以及基于用户发起新订单的时间间隔，来更新对应的流失预测模型以及对应的流失边界。本公开的实施例能够解决相关技术中预测方法难以敏感地、准确地预测用户流失的问题。

技术领域

本公开的实施例涉及一种预测用户流失的方法及设备。

背景技术

随着计算机技术的发展与大数据时代的到来，各个公司对于用户的留存情况越来越重视，希望能够对用户的流失进行预测。及早识别出其已拥有的但有可能流失的用户对于各公司来说非常重要，因为如果能及早识别出这样的用户，就可以采取一些措施来防止用户流失。

目前，用户流失预测广泛应用于各大传统公司和互联网公司。流失预测建模算法主要包括：逻辑回归、神经网络、决策树等，这些建模算法一般不会基于每个用户建模，而是用一个完备的模型以每个用户的特征作为输入，来判定该用户是否流失。

而且，由于目前的流失预测模型并不能解决以下问题：用户本身的行为具有不确定性、用户状态会发生变化、外部影响因素的影响以及算法不具有自适应性。因此需要一种新的用户流失预测模型。

发明内容

本公开的实施例旨在提供一种预测用户流失的方法及设备，能够解决相关技术中预测方法难以敏感地、准确地预测用户流失的问题。

根据本公开的一个方面，提供了一种预测用户流失的方法，包括：基于历史数据，针对每个用户确定对应的流失预测模型；基于所述确定的流失预测模型，确定每个用户的流失边界；以及基于用户发起新订单的时间间隔，来更新对应的流失预测模型以及对应的流失边界。

在一个实施例中，在用户发起新订单的时间间隔超过对应的流失边界时，确定所述用户流失。

在一个实施例中，基于历史数据，针对每个用户确定对应的流失预测模型包括：确定用户发起订单的时间间隔；确定所述用户发起订单的时间间隔的时间波动值；以及基于所述时间间隔以及所述时间间隔的时间波动值，确定所述用户的流失预测模型。

在一个实施例中，基于所述用户新发起订单的时间间隔以及前一次预测的时间间隔，确定所述流失预测模型中的时间间隔。

在一个实施例中，基于所述用户新发起订单的时间间隔、所述流失预测模型中的时间间隔以及前一次预测的时间间隔的波动值，确定所述流失预测模型中的时间间隔的波动值。

在一个实施例中，确定每个用户的流失边界包括：利用每个用户发起订单的时间间隔以及对应的时间间隔的波动值，确定每个用户的流失边界。

在另一方面，本公开的实施例提出一种预测用户流失的设备，包括：第一确定装置，被配置为基于历史数据，针对每个用户确定对应的流失预测模型；第二确定装置，被配置为基于所述确定的流失预测模型，确定每个用户的流失边界；以及更新装置，被配置为基于用户发起新订单的时间间隔，来更新对应的流失预测模型以及对应的流失边界。

在一个实施例中，所述设备进一步包括：第三确定装置，被配置为在用户发起新订单的时间间隔超过对应的流失边界时，确定所述用户流失。

在一个实施例中，所述第一确定装置包括：第一确定模块，被配置为确定用户发起订单的时间间隔；第二确定模块，被配置为确定所述用户发起订单的时间间隔的时间波动值；以及第三确定模块，被配置为基于所述时间间隔以及所述时间间隔的时间波动值，确定所述用户的流失预测模型。

在一个实施例中，所述第一确定模块被配置为基于所述用户新发起订单的时间间隔以及前一次预测的时间间隔，确定所述流失预测模型中的时间间隔。