[发明专利]用户召回分析方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种用户召回分析方法、装置、设备及存储介质，用于提升用户召回的概率。用户召回分析方法包括：获取初始用户数据，对初始用户数据进行预处理，得到预处理后的数据，并从预处理后的数据中提取出目标用户数据；调用预置的流失概率预测模型，对目标用户数据进行流失概率的预测，得到用户流失概率；调用预置的聚类算法，对目标用户数据和用户流失概率进行分析，得到用户流失原因信息，并根据用户流失原因信息确定用户召回策略；获取用户流失数据和用户召回结果，对用户召回策略进行评估和优化，得到优化后的用户召回策略。此外，本发明还涉及区块链技术，优化后的用户召回策略可存储于区块链节点中。

技术领域

本发明涉及梯度提升树领域，尤其涉及一种用户召回分析方法、装置、设备及存储介质。

背景技术

对于当今互联网企业来说，研究用户的流失原因，以及制定一个预防流失的策略具有重要的意义，随着用户端流量红利的减少，以及越来越高的成本，减少老用户的流失，对于改善企业的单位经济效益具有非常明显的作用。

目前市面上大部分企业没有一个完善的用户召回分析机制，多数是基于统计学手段进行分析，借助单一角度或者多个孤立的角度间接地判断出流失用户群体，但是用户一旦流失了就很难被召回，因此没有起到提前预警的功能，且现有技术的分析手段较为简易，仅仅分析用户流失的结果，却没有找到用户流失的原因，导致流失用户的召回概率低。

发明内容

本发明提供了一种用户召回分析方法、装置、设备及存储介质，用于调用预置的流失概率预测模型进行流失概率的预测，并调用预置的聚类算法对目标用户数据和用户流失概率进行分析，确定用户流失原因信息，并根据用户流失原因信息确定用户召回策略，提升了用户召回的概率。

本发明第一方面提供了一种用户召回分析方法，包括：获取初始用户数据，对所述初始用户数据进行预处理，得到预处理后的数据，并从所述预处理后的数据中提取出目标用户数据，所述目标用户数据包括用户行为数据和用户情感数据；调用预置的流失概率预测模型，对所述目标用户数据进行流失概率的预测，得到用户流失概率；调用预置的聚类算法，对所述目标用户数据和所述用户流失概率进行分析，得到用户流失原因信息，并根据所述用户流失原因信息确定用户召回策略；获取基于所述用户召回策略的用户流失数据和用户召回结果，基于所述用户流失数据和所述用户召回结果，对所述用户召回策略进行评估和优化，得到优化后的用户召回策略。

可选的，在本发明第一方面的第一种实现方式中，所述获取初始用户数据，对所述初始用户数据进行预处理，得到预处理后的数据，并从所述预处理后的数据中提取出目标用户数据，所述目标用户数据包括用户行为数据和用户情感数据包括：获取初始用户数据，调用预置的插补算法，对所述初始用户数据中的缺失值进行填充，并对填充后的初始用户数据进行异常值过滤和重复值过滤，得到预处理后的数据；从所述预处理后的数据中提取用户行为数据，所述用户行为数据包括预设时间范围内用户的行为类型数据和行为发生时间数据；从所述预处理后的数据中提取用户对话记录数据，调用预置的深度网络模型，对所述用户对话记录数据进行特征提取，得到用户情绪特征；按照预置的情感类别对所述用户情绪特征进行分类，得到用户情感数据，将所述用户行为数据和所述用户情感数据合并，得到目标用户数据。

可选的，在本发明第一方面的第二种实现方式中，所述调用预置的流失概率预测模型，对所述目标用户数据进行流失概率的预测，得到用户流失概率包括：调用预置的流失概率预测模型，对所述目标用户数据进行流失概率的预测，得到初始流失概率；调用预置的极端梯度提升算法，基于所述目标用户数据对所述流失概率预测模型进行训练，得到训练后的流失概率预测模型，调用所述训练后的流失概率预测模型，对所述初始流失概率进行修正，得到用户流失概率。