[发明专利]高粘性用户流失预测方法、装置及计算机可读存储介质

权利要求书

1.一种高粘性用户流失预测方法，其特征在于，包括：

获取已流失高粘性用户和未流失高粘性用户；

根据所有高粘性用户的流失状态和预设周期内的行为特征数据筛选得到重要特征数据；

根据所有高粘性用户的流失状态和重要特征数据构建得到流失预测模型；

通过流失预测模型预测被测高粘性用户的流失状态，输出预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取已流失高粘性用户和未流失高粘性用户，具体包括以下步骤：

根据用户的注册天数及在第一预设时间段内的访问天数获得高粘性用户；根据获得的高粘性用户在第二预设时间段内的访问天数获得已流失高粘性用户和未流失高粘性用户。

3.根据权利要求1或2所述的方法，其特征在于，所述预测周期包括互不重叠的至少两个采集周期。

4.根据权利要求3所述的方法，其特征在于，重要特征数据通过特征选取模型根据所有高粘性用户的流失状态和预设周期内的行为特征数据筛选得到。

5.根据权利要求4所述的方法，其特征在于，所述特征选取模型通过计算行为特征数据的重要系数或行为特征数据在任两采集周期之间内的数值变化率的重要系数，筛选得到重要特征数据。

6.根据权利要求4或5所述的方法，其特征在于，所述通过流失预测模型预测被测高粘性用户的流失状态，输出预测结果，包括：

获取被测高粘性用户在所述预设周期内的重要特征数据；

流失预测模型处理被测高粘性用户的重要特征数据，输出预测结果。

7.根据权利要求1所述的方法，其特征在于，所述行为特征数据包括访问次数、观看主播数、观看品类数、发言次数、送礼次数、充值订单数和充值金额中的至少3种数据。

8.一种高粘性用户流失预测装置，其特征在于，包括存储器和处理器；所述存储器存储有多条指令，所述多条指令可由所述处理器加载并执行权利要求1～7任一项所述的高粘性用户流失预测方法。

9.根据权利要求8所述的装置，其特征在于，还包括显示器；所述显示器显示由所述处理器输出的预测结果。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1～7任一项所述的高粘性用户流失预测方法。