[发明专利]一种保险电商平台用户流失预测的方法和装置

说明书

一种保险电商平台用户流失预测的方法，包括如下步骤：步骤1：对网站客户原始数据收集，根据用户规则存储于数据仓库中；步骤2：对原始数据进行清理、整合以及规约预处理，在集成后的数据集上进一步提取衡量用户价值的变量，用于用户细分；步骤3：选择合理的观察变量以及合适的用户细分算法进行用户分类；步骤4：针对不同的用户群体选取相应的影响用户流失的变量，分别进行用户流失概率预测；步骤5：对于不同类别的用户分别选择不同的预测算法，通过准确率、召回率等指标对模型效果评估，当模型效果达到最优后，输出不同类别的用户的最终流失概率；步骤6：对不同类别的流失用户群分类管理，分别进行群特征描述，可为挽回策略设计提供数据参考，进而实现精细化营销，后续进行营销效果分析。

技术领域

本发明涉及用户流失预测领域，具体而言，涉及一种保险电商平台用户流失预测的方法和装置。

背景技术

电子商务类保险网站之间的竞争趋势日益明显，导致极为相似的服务和较低的转换成本，从而用户轻易地在各种保险电商之间跳动，使得用户状态不稳定，甚至导致用户流失。随着营销理念的不断细化深入，维持老用户对于保险网站来说尤为重要，为此，企业需要对用户进行有效的监控管理，及时对用户进行流失预测，从而对各种有流失倾向的用户，及早的、有针对性地采取相应的营销措施，尽可能的留住老客户。

但是，对于用户流失预测的过程中，不同类别的用户，行为习惯、购买偏好、自身价值等等千差万别，尤其是保险这个特殊的行业，不同险种需求的用户流失情况不同，不能对所有的用户流失“一视同仁”，比如高价值类客户和低价值类客户的流失前观察期有明显的区别，现有的流失预测过程难以有针对性的对保险业用户开展预测工作，因此本发明针对保险电商平台用户流失预测，提出一种基于用户历史行为和基本属性等数据对用户分类后的用户流失预测方法，实现高效、准确、有针对性的用户流失预测，为企业持续地保留住原有用户，尽可能减少用户流失概率。

发明内容

发明目的：在现有技术背景下，提出一种保险电商平台基于用户分类后的用户流失预测方法，基于用户细分的基础上再进行用户流失的预测，结合不同类别用户的特征，及时、准确、有针对性的对流失客户采取挽留策略。

本发明技术方案是，一种保险电商平台用户流失预测的方法，包括：

步骤1：对网站客户原始数据收集，根据用户规则存储于数据仓库中。

步骤2：对原始数据进行清理、整合以及规约预处理，在集成后的数据集上进一步提取衡量用户价值的变量，用于用户细分。

步骤3：选择合理的观察变量以及合适的用户细分算法进行用户分类。

步骤4：针对不同的用户群体选取相应的影响用户流失的变量，分别进行用户流失概率预测。

步骤5：对于不同类别的用户分别选择不同的预测算法，通过准确率、召回率等指标对模型效果评估，当模型效果达到最优后，输出不同类别的用户的最终流失概率。

步骤6：对不同类别的流失用户群分类管理，分别进行群特征描述，可为挽回策略设计提供数据参考，进而实现精细化营销，后续进行营销效果分析。

本发明公开一种保险电商平台基于用户分类后的用户流失预测方法，包括：数据源模块、预处理模块、保险用户价值分类模块和流失用户预测模块。

所述数据源模块，搜集用户的原始数据，根据用户规则生成多个用户基础数据表，存储于数据仓库中，主要包括订单交易类数据、客户基本属性数据和访问行为记录数据。

所述预处理模块，过滤测试账号的产生的脏数据，以及用户异常数据，对用户多维度的数据通过身份唯一识别ID关联，生成一个用户宽表，进一步计算集成为衡量用户价值和影响流失的变量，存储于集市层。

所述保险用户价值分类模块，选择合理的观察变量以及合适的用户细分算法进行用户价值分类。