[发明专利]用户流失预测方法、系统、设备和存储介质

权利要求书

1.一种用户流失预测方法，其特征在于，所述用户流失预测方法包括：

获取历史数据，所述历史数据包括用户的历史行为数据和历史订单数据；

对所述历史数据中的所述用户进行圈定，以得到标签数据；

对所述标签数据进行预处理以得到样本数据，所述样本数据包括若干个变量维度；

基于所述样本数据对回归模型进行训练，以得到训练好的预测模型；

获取待预测用户的数据，对所述待预测用户的数据进行预处理以得到包括所述若干变量维度的待预测数据；

基于所述待预测数据使用所述预测模型对所述待预测用户进行预测，以得到所述待预测用户的流失的概率。

2.如权利要求1所述的用户流失预测方法，其特征在于，所述用户流失预测方法还包括以下步骤：

将所述预测模型序列化为文件存储至服务器。

3.如权利要求1所述的用户流失预测方法，其特征在于，所述历史行为数据包括历史搜索数据和/或历史浏览数据；所述回归模型包括逻辑回归、决策树回归、随机森林、XGBoost中的任意一种。

4.如权利要求1所述的用户流失预测方法，其特征在于，

所述历史数据为X个月之前的历史数据；

所述对所述历史数据中的所述用户进行圈定，以得到标签数据的步骤包括：

圈定连续N个月内成功订单大于M张且在后续X个月中未下单的所述历史数据中的所述用户为流失用户，所述历史数据中的所述用户中的剩余用户为未流失用户；

对所述流失用户的历史数据打标签，以得到流失标签数据；对所述未流失用户的历史数据打标签，以得到未流失标签数据；

所述标签数据包括所述流失标签数据和所述未流失标签数据；

其中，M、N、X均为正整数。

5.如权利要求1所述的用户流失预测方法，其特征在于，所述变量维度包括最近搜索时间、过去第一预设时间段内的搜索次数、最近访问时间、过去第二预设时间段内的访问次数、最近下单时间、过去第三预设时间段内的订单数、网页最大访问深度中的至少一种。

6.一种用户流失预测系统，其特征在于，所述用户流失预测系统包括：

获取模块，用于获取历史数据，所述历史数据包括用户的历史行为数据和历史订单数据；

圈定模块，用于对所述历史数据中的所述用户进行圈定，以得到标签数据；

预处理模块，用于对所述标签数据进行预处理以得到样本数据，所述样本数据包括若干个变量维度；

训练模块，用于基于所述样本数据对回归模型进行训练，以得到训练好的预测模型；

数据生成模块，用于获取待预测用户的数据，对所述待预测用户的数据进行预处理以得到包括所述若干变量维度的待预测数据；

预测模块，用于基于所述待预测数据使用所述预测模型对所述待预测用户进行预测，以得到所述待预测用户的流失的概率。

7.如权利要求6所述的用户流失预测系统，其特征在于，所述用户流失预测系统还包括序列化模块，所述序列化模块用于将所述预测模型序列化为文件存储至服务器。

8.如权利要求6所述的用户流失预测系统，其特征在于，所述历史行为数据包括历史搜索数据和/或历史浏览数据；所述回归模型包括逻辑回归、决策树回归、随机森林、XGBoost中的任意一种。

9.如权利要求6所述的用户流失预测系统，其特征在于，

所述历史数据为X个月之前的历史数据；

所述圈定模块包括：

圈定单元，用于圈定连续N个月内成功订单大于M张且在后续X个月中未下单的所述历史数据中的所述用户为流失用户，所述历史数据中的所述用户中的剩余用户为未流失用户；

标签单元，用于对所述流失用户的历史数据打标签，以得到流失标签数据；还用于对所述未流失用户的历史数据打标签，以得到未流失标签数据；

所述标签数据包括所述流失标签数据和所述未流失标签数据；

其中，M、N、X均为正整数。