[发明专利]一种基于逻辑回归的会员价值量化评估方法

说明书

本发明涉及一种基于逻辑回归的会员价值量化评估方法，包括：1)获取会员原始数据；2)对获取的会员原始数据进行预处理，获取预处理后的格式化数据；3)对预处理后的格式化数据执行数据标注；4)从格式化数据的原始特征中筛选出用以输入模型的有效特征；5)构建包括变量分段、变量的WOE变换和逻辑回归估算的会员价值评估模型；6)将步骤4)筛选后的有效特征输入构建的会员价值评估模型中，获取会员价值量化评估结果。与现有技术相比，本发明具有评估客观、更适用于B2B钢铁行业等电商平台等优点。

技术领域

本发明涉及互联网技术领域，尤其是涉及一种基于逻辑回归的会员价值量化评估方法。

背景技术

随着互联网大数据的发展和计算机性能的提升，会员平台(会员价值体系)也越来越多的被运用在各行各业。搭建会员价值体系的目的是通过用户标签，将用户群体拆分成特征明显的各个群体，有针对性的运用各类手段提高不同类型用户的四率(B2B行业四率：覆盖率、转化率、重复购率、渗透率)。传统的RFM模型通过Rencency(最近一次交易)、Frequency(交易频率)和Monetary(交易金额)来衡量当前用户价值和用户潜在价值。因此RFM模型中的三个值分别代表着用户类型、用户忠诚度、用户价值。

但现有的RFM模型的缺点在于：(1)首先该模型仅包含三个维度，而这些维度包含的信息有限，无法满足在B2B行业，特别是针对B2B行业供应商用户的实际应用。如通过Recency判断的用户类型不够具体，缺少潜在用户和新用户数据；Frequency反映用户的忠诚度、活跃度，但是对于标准化的产品，如钢铁行业的产品，以及钢铁行业的供应商，衡量其交易频率的意义不大，更应该考虑用户销售持续性以及其涉及产品、服务的丰富性；Monetary代表用户交易总金额，则不适用于价值较高、单品差异较大的钢铁行业。此外，该模型未考虑供应商用户的销售意愿、销售质量、下游客户及下游潜在用户等会影响用户现金流期望从而影响用户潜在价值的因素。(2)其次，该模型适用于产品相对成熟、已稳定运营的行业。RFM模型关键点在于如何划分用户级别，将不同用户划分至不同的象限从而实现差异化运营。但由于B2B钢铁行业作为新兴的互联网行业，尚处于发展期，难以通过RFM模型划分其各个阶段的用户分布。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于逻辑回归的会员价值量化评估方法。

本发明的目的可以通过以下技术方案来实现：

一种基于逻辑回归的会员价值量化评估方法，该方法包括下列步骤：

S1：获取会员原始数据。

S2：对获取的会员原始数据进行预处理，获取预处理后的格式化数据。

S3：对预处理后的格式化数据执行数据标注。

S4：从格式化数据的原始特征中筛选出用以输入模型的有效特征。

S5：构建包括变量分段、变量的WOE变换和逻辑回归估算的会员价值评估模型。

S6：将S4筛选后的有效特征输入构建的会员价值评估模型中，获取会员价值量化评估结果。

进一步地，S1中，所述会员原始数据包括但不限于会员销售数据、运营数据、挂货数据、行为数据和下游买家数据。

进一步地，S2中，所述预处理包括但不限于数据清洗、缺失值处理、异常值处理、标准化、归一化、信息量分析、数据分布和类别特征编码处理。

进一步地，对预处理后的格式化数据执行数据标注的具体内容为：

在S2处理后的数据中，基于业务需求标注部分样本数据作为训练样本，即标注用户是否为高价值会员用户，标注方法采用K-means算法。具体地：