[发明专利]数据处理方法和装置

说明书

本发明公开了一种数据处理方法和装置。其中，该方法包括：从历史数据中获取样本数据和预测变量数据，其中，历史数据是用户在浏览页面时产生的行为数据；依据样本数据和预测变量数据训练流失预警模型；依据流失预警模型对用户进行分类，得到至少两类用户群；依据至少两类用户群匹配对应的预防流失策略。本发明解决了由于现有技术在对数据分析的过程中所使用的规则是人工定义规则，无法保障数据预测的准确性和有效性的技术问题。

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种数据处理方法和装置。

背景技术

在互联网技术的影响下，基于互联网衍生的业务，特别是电子商务领域，对基于互联网技术产生的业务需求逐渐增多，特别是在人工智能(AI)兴起后，如何高效结合AI技术利用各类计算模型对电子商务平台中的客流数据进行数据分析，成为了现有技术争相提供有效技术方案的方向。

但是在现有技术中对于客流数据的数据分析普遍是按照技术人员的人工定义规则来确定，因此，市场行为与技术行为是否能够有效融合，即，互联网技术得到的预测结果是否与市场行为影响产生的结果相似，针对这类的数据分析方案就往往无法保障数据预测的准确性和有效性。

对上述由于现有技术在对数据分析的过程中所使用的规则是人工定义规则，无法保障数据预测的准确性和有效性的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种数据处理方法和装置，以至少解决由于现有技术在对数据分析的过程中所使用的规则是人工定义规则，无法保障数据预测的准确性和有效性的技术问题。

根据本发明实施例的一个方面，提供了一种数据处理方法，包括：从历史数据中获取样本数据和预测变量数据，其中，历史数据是用户在浏览页面时产生的行为数据；依据样本数据和预测变量数据训练流失预警模型；依据流失预警模型对用户进行分类，得到至少两类用户群；依据至少两类用户群匹配对应的预防流失策略。

可选的，从历史数据中获取样本数据和预测变量数据包括：依据用户浏览页面的历史行为数据对历史数据进行分类，得到观察期数据和表现期数据；依据观察期数据生成样本数据；依据表现期数据生成预测变量数据。

进一步地，可选的，观察期数据包括：至少一个用户在浏览页面时的购买成交总额、购买品类、购买频次和购买时间中的至少一种；预测变量数据包括：流失的用户数量、类型、以及预测变量对流失的影响信息。

可选的，依据样本数据和预测变量数据训练流失预警模型包括：将样本数据进行切分，得到至少一个训练集和对应至少一个训练集的测试集；依据至少一个训练集和对应至少一个训练集的测试集，通过预设验证法训练流失预警模型，得到训练后的模型参数；依据训练后的模型参数和预测变量数据对流失预警模型进行校正，得到校正后的流失预警模型。

进一步地，可选的，依据流失预警模型对用户进行分类，得到至少两类用户群包括：依据流失预警模型对用户进行打分，得到打分后的至少一个用户群；依据至少一个用户群的分数匹配对应的风险标签，得到至少两类用户群。

根据本发明实施例的另一方面，还提供了一种数据处理装置，包括：获取模块，用于从历史数据中获取样本数据和预测变量数据，其中，历史数据是用户在浏览页面时产生的行为数据；训练模块，用于依据样本数据和预测变量数据训练流失预警模型；分类模块，用于依据流失预警模型对用户进行分类，得到至少两类用户群；匹配模块，用于依据至少两类用户群匹配对应的预防流失策略。

可选的，获取模块包括：分类单元，用于依据用户浏览页面的历史行为数据对历史数据进行分类，得到观察期数据和表现期数据；第一数据生成单元，用于依据观察期数据生成样本数据；第二数据生成单元，用于依据表现期数据生成预测变量数据。