CN110852780A - 数据分析方法、装置、设备和计算机存储介质 - Google Patents

Abstract

本申请公开了一种数据分析方法、装置、设备和计算机存储介质，涉及大数据领域。具体实现方案为：从目标应用的用户行为数据中，获取流失用户的行为数据；从所述流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量；基于特征向量之间的距离对所述流失用户进行聚类，得到一个以上的用户簇；分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。本申请能够实现低成本、高准确性地分析用户流失原因。

Description

数据分析方法、装置、设备和计算机存储介质

技术领域

本申请涉及计算机应用技术领域，特别涉及一种基于大数据的数据挖掘技术。

背景技术

随着各种各样的计算机应用类产品的不断出现，各产品的服务提供商在吸引新用户的同时，都希望能够尽量减少用户的流失。用户流失的原因多种多样，目前在分析用户流失原因时，采用的大多是通过电话回访、用户反馈邀请(例如通过邮件、社交平台、应用市场等发送反馈邀请)等方式。然而，大多数流失用户不会进行主动反馈，现有的分析方式需要耗费大量的人力物力成本，并且，各个反馈渠道用户的分布和产品真实用户的分布是存在差异的，在分析结果的准确性上存在偏差。

发明内容

有鉴于此，本申请提供了一种数据分析方法、装置、设备和计算机存储介质，以实现低成本、高准确性地分析用户流失原因。

一方面，本申请提供了一种数据分析方法，该方法包括：

从目标应用的用户行为数据中，获取流失用户的行为数据；

从所述流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量；

基于特征向量之间的距离对所述流失用户进行聚类，得到一个以上的用户簇；

分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

根据本申请一优选实施方式，所述从目标应用的用户行为数据中，获取流失用户的行为数据包括：

从目标应用的用户行为数据中，确定在预设的连续时长内没有用户行为数据的用户为流失用户。

根据本申请一优选实施方式，从所述流失用户的行为数据中提取用户行为特征包括：

从所述预设连续时长之前所述流失用户最后N次使用目标应用的行为数据中提取用户行为特征，所述N为预设的正整数。

根据本申请一优选实施方式，所述分别针对各用户簇分析主成分特征包括：

确定各用户行为特征在各用户簇下的信息增益；

将用户簇下满足预设要求的信息增益对应的用户行为特征作为主成分特征。

根据本申请一优选实施方式，确定各用户簇的主要流失原因包括：

将用户簇主成分特征所反映的原因，确定为该用户簇的主要流失原因。

根据本申请一优选实施方式，所述确定各用户行为特征在各用户簇下的信息增益包括：

利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为特征在该用户簇下的信息增益。

根据本申请一优选实施方式，该方法还包括：

对各用户簇的主要流失原因进行汇总，得到所述目标应用的流失原因分布。

根据本申请一优选实施方式，所述目标应用为地图类应用；

所述用户行为数据包括用户轨迹数据；

所述用户行为特征包括以下至少一种：

用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

根据本申请一优选实施方式，在从所述流失用户的行为数据中提取用户行为特征之前，还包括：

对所述流失用户的轨迹数据进行以下数据清洗中的至少一种：

过滤掉行进速度低于预设速度阈值的轨迹数据；

过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

第二方面，本申请还提供了一种数据分析装置，该装置包括：

用户确定单元，用于从目标应用的用户行为数据中，获取流失用户的行为数据；

特征提取单元，用于从所述流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量；

用户聚类单元，用于基于特征向量之间的距离对所述流失用户进行聚类，得到一个以上的用户簇；

原因分析单元，用于分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

根据本申请一优选实施方式，所述用户确定单元，具体用于从目标应用的用户行为数据中，确定在预设的连续时长内没有用户行为数据的用户为流失用户。

根据本申请一优选实施方式，所述特征提取单元，具体用于从所述预设连续时长之前所述流失用户最后N次使用目标应用的行为数据中提取用户行为特征，所述N为预设的正整数。

根据本申请一优选实施方式，所述原因分析单元，具体用于：确定各用户行为特征在各用户簇下的信息增益；将用户簇下满足预设要求的信息增益对应的用户行为特征作为主成分特征；将用户簇主成分特征所反映的原因，确定为该用户簇的主要流失原因

根据本申请一优选实施方式，所述原因分析单元，具体用于利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为特征在该用户簇下的信息增益。

根据本申请一优选实施方式，该装置还包括：

汇总单元，用于对各用户簇的主要流失原因进行汇总，得到所述目标应用的流失原因分布。

根据本申请一优选实施方式，所述目标应用为地图类应用；

所述用户行为数据包括用户轨迹数据；

所述用户行为特征包括以下至少一种：

用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

根据本申请一优选实施方式，该装置还包括：

数据清洗单元，用于对所述流失用户的轨迹数据进行以下数据清洗中的至少一种：

过滤掉行进速度低于预设速度阈值的轨迹数据；

过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

第三方面，本申请提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。

第四方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行上述的方法。

本申请提供的技术方案可以具备以下优点：

1)本申请提供的数据分析方法能够基于目标应用中流失用户的行为数据，自动分析得到用户流失原因。相比较现有技术中需要流失用户主动反馈的方式，很大程度上节省了人力物力成本。

2)流失用户的行为数据往往能够真实反映用户实际使用情况，使得基于流失用户行为数据进行数据分析得到的用户流失原因准确性更高。

3)特别地，对于流失用户大量的行为数据而言，往往用户在最后若干次使用目标应用时因使用不满意而不再使用目标应用，因此本申请采用流失用户最后N次使用目标应用的行为数据中提取用户行为特征来进行分析。使得数据分析更加有针对性，且数据量更小，能够尽可能针对海量用户进行分析，使得覆盖率更高。

4)本申请基于流失原因相似的用户其用户向量呈现出距离更小的现象，对流失用户进行聚类，基于用户簇进行主成分特征的分析来确定该用户簇的主要流失原因。这种分析方法计算量更小，分析更加准确。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1示出了可以应用本申请实施例的数据分析方法或数据分析装置的示例性系统架构；

图2为本申请实施例提供的主要方法流程图；

图3为本申请实施例提供的详细方法流程图；

图4为本申请实施例提供的装置结构图；

图5是用来实现本申请实施例的数据分析方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了可以应用本申请实施例的数据分析方法或数据分析装置的示例性系统架构。

如图1所示，该系统架构可以包括终端设备101和102，网络103、服务器104和数据分析装置105。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101和102通过网络103与服务器104交互。终端设备101和102上可以安装有各种应用，例如地图类应用、网页浏览器应用、通信类应用等。

终端设备101和102可以是各种电子设备，包括但不限于智能手机、平板电脑等等。终端设备101和102将使用应用过程中的用户行为数据通过网络103上传至服务器104，服务器104负责收集和存储应用的用户行为数据。服务器104可以是单一服务器，也可以是多个服务器构成的服务器群组。

本申请实施例提供的数据分析装置105可以设置于服务器104中，也可以设置为独立的设备，从服务器104中获取目标应用的用户行为数据以进行数据分析。数据分析装置105可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。

图2为本申请实施例提供的主要方法流程图，本方法针对目标应用进行用户流失原因分析。如图2中所示，该方法可以包括以下步骤：

在201中，从目标应用的用户行为数据中，获取流失用户的行为数据。

本步骤中，数据分析装置可以从目标应用的服务器或数据库中获取用户行为数据。在确定流失用户时，可以将在预设的连续时长内没有用户行为数据的用户确定为流失用户。例如，若某用户在预设时间点之后的连续三个月均没有行为数据的记录，则可以认为该用户为流失用户。再例如，若某用户在预设时间点之前的连续三个月均没有行为数据的记录，则认为该用户为流失用户。

在获取到流失用户的行为数据后，可以对获取的行为数据进行数据清洗，过滤掉异常数据。数据清洗的具体准则可以依据行为数据的类型有针对性的设置。该部分将通过图3所示具体实施例进行详细举例描述。

在202中，从流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量。

本步骤中，提取的用户行为特征的具体类型可以预先设置。由于用户流失往往是用户在使用目标应用具体功能的过程中某些功能的体验较差所造成的，因此用户行为特征的具体类型可以根据目标应用的具体功能进行分析后设置。并且，往往流失用户最后若干次使用目标应用的体验不好，因此流失用户最后若干次使用目标应用的行为数据很大概率能够体现出流失原因。基于此，作为一种优选的实施方式，本申请可以从上述预设连续时长(判别流失用户过程中使用的连续时长)之前流失用户最后N次使用目标应用的行为数据中提取用户行为特征，N为预设的正整数。关于用户行为特征的提取将在图3所示实施例中进行详细举例描述。

提取用户行为特征后，可以对提取的用户行为特征进行归一化、空间映射等处理后，得到各流失用户的特征向量。

在203中，基于特征向量之间的距离，对流失用户进行聚类，得到一个以上的用户簇。

基于特征向量之间的距离，例如欧式距离，对流失用户进行聚类，得到的同一簇内的用户具有相似的流失原因。

在204中，分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

所谓主成分特征可以理解为用户簇中主要的用户行为特征，一个用户簇中主要的用户行为特征对应的物理含义往往能够代表该用户簇中用户的主要流失原因。基于此理论，可以通过特征分析的方法获得每一个用户簇中的主成分特征。具体方式将在图3所示实施例中进行详细描述。

下面以地图类APP为例，结合具体实施例对上述方法进行详细描述。本申请中涉及的地图类APP指的是基于地图信息实现的APP，包括但不限于：具有导航功能的APP，具有获取用户定位信息而形成用户轨迹数据的APP等。例如导航类APP、共享单车类APP等。图3为本申请实施例提供的详细方法流程图，如图3中所示，该方法可以包括以下步骤：

在301中，从地图类APP的用户轨迹数据中，获取流失用户的轨迹数据。

对于地图类APP，其获取的用户行为数据中包括用户在运动过程中的定位数据，例如用户在步行、骑行或驾车等过程中的定位数据，这些定位数据可以体现了用户的运动轨迹，因此可以称为用户轨迹数据。从这些用户轨迹数据中，将预设的连续时长内没有用户轨迹数据的用户确定为流失用户。

对于服务器端获取用户定位数据的方式，本申请并不加以限制，可以是GPS定位数据，也可以是诸如基站定位等其他定位方式获取的定位数据。

在302中，对流失用户的轨迹数据进行数据清洗。

对流失用户的轨迹数据进行数据清洗，目的是为了过滤掉一些影响数据分析，或者对数据分析意义不大的异常数据。在本申请实施例中，可以采用但不限于以下数据清洗方式中的至少一种：

第一种方式：过滤掉行进速度低于预设速度阈值的轨迹数据。对于用户使用地图类APP而言，目的是为了出行，因此对于行进速度非常慢的轨迹数据，例如比通常的步行速度还慢，则这类轨迹数据对本申请的数据分析意义不大，因此可以将其过滤掉。

第二种方式：过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据。对于一段轨迹数据而言，如果轨迹点缺失严重，则说明该段轨迹数据异常，可以将其过滤掉。

第三种方式：将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据。

由于轨迹数据实际上是由各轨迹点组成的，每个轨迹点都是一个定位数据，基于地图数据可以将各轨迹点匹配到地图上的相应位置。那么一段轨迹数据匹配到地图上后，如果匹配到道路单元上，则保留。如果未匹配到道路单元上，则说明用户并未使用地图类APP进行行进参考，可以将其过滤掉。

其中涉及的道路单元可以是一段道路，也可以是地图类APP中采用的比道路更小单位的道路单元。

第四种方式：将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

还存在一种情况，即虽然轨迹数据能够匹配到道路单元上，但在该道路单元上匹配的轨迹数据大多非常稀疏，则说明该道路单元存在异常，可以将该道路单元相关的轨迹数据过滤掉。

本申请对于将轨迹数据匹配到道路单元上的具体方式不加以限制，可以采用现有技术已有的匹配方式，例如基于隐含马尔科夫模型的匹配算法。

在303中，从流失用户的最后一次导航的轨迹数据中提取用户行为特征，构成各流失用户的特征向量。

对于地图类APP而言，本申请中认为流失用户最后一次使用导航时产生的轨迹数据最能够体现用户的流失原因。具体地，提取的用户行为特征可以包括但不限于以下几种：用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

在提取用户特征时，可以采用特征映射函数F从最后一次导航的轨迹数据中将轨迹数据映射为具体的用户特征。

其中，估时误差比是衡量产品体验的一个重要指标，其含义为用户真实耗时R与预估时间P之间的偏离比，例如对应的特征映射函数F可以采用公式

途中偏航次数是衡量推荐路线合理性的产品指标，其含义为用户在导航图中偏航的次数。若A为用户点击开始导航的次数，B为用户最后一次导航中偏航的次数，则对应的特征映射函数F可以是

终点偏航次数是衡量终点推荐是否合理的指标，可以采用用户在距离终点预设距离范围内偏航的次数，例如距离终点200米范围内偏航的次数。

用户实际轨迹和规划轨迹的重合比例是衡量推荐路线合理性的指标。若推荐路线长度为L₁，用户实际轨迹长度为L₂，用户实际轨迹与推荐路线重合长度为D，则对应的特征映射函数F可以是

在304中，基于特征向量之间的欧式距离对流失用户进行聚类，得到一个以上的用户簇。

假设流失原因相似的用户在经过特征映射函数F得到特征向量后，能够被嵌入到更紧空间距离的位置，例如由于路线规划不合理而导致流失的用户群体，会在特征向量中呈现出欧式空间距离更小的现象。在满足上述假设条件的情况下，我们对流失用户的特征向量进行基于距离的聚类，获得多个用户簇，每个类簇内用户具有相似的流失原因。其中采用的聚类方法可以包括但不限于K-means聚类、基于分类模型的聚类等等。

在305中，分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

本申请中可以针对每个用户簇分别执行以下主成分特征分析：

确定各用户行为特征在该用户簇下的信息增益，将满足预设要求的信息增益对应的用户行为特征作为主成分特征。相应地，主成分特征所反映的原因即为该用户簇的主要流失原因。

其中，可以利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为在该用户簇下的信息增益。例如可以采用以下公式：

G(Fea_i,C_j)＝H(Fea_i,D)-H(Fea_i,C_j)

其中，G(Fea_i,C_j)代表特征Fea_i在用户簇C_j下的信息增益，H代表特征在指定集合内的信息熵，D代表整体流失用户。H(Fea_i,D)代表特征Fea_i在所有流失用户的信息熵，H(Fea_i,C_j)代表特征Fea_i在用户簇C_j的信息熵。例如用户簇C_j中特征Fea_i的特征值分布比较集中，那么反映到信息熵上会很小，而在整体流失用户中特征Fea_i的特征值分布比较分散，那么反映到信息熵上会很大，对应信息增益就很大，则特征Fea_i在用户簇C_j就体现为主成分特征。

其中信息熵的计算方法为已有技术，例如H(Fea_i,D)可以采用以下公式计算：

其中，Fea_i,j为Fea_i的第j种特征值，p(Fea_i,j,D)为Fea_i,j在D中的出现概率，n为Fea_i的特征值数量。H(Fea_i,C_j)的计算方式类似。

最终，可以针对某用户簇C_j的所有用户行为特征的信息增益进行排序，取排在前M个的信息增益对应的用户行为特征为用户簇C_j的主成分特征，M为预设的正整数。或者，将用户簇C_j中信息增益大于或等于预设阈值的用户行为特征作为用户簇C_j的主成分特征。

确定出各用户簇的主成分特征后，每个主成分特征都能够归因到具体的原因上，主成分特征对具体原因的反映可以预先由人为依据地图类APP的产品功能进行设置。如此就能够得到各用户簇的主要用户流失原因。例如，估时误差比对应的原因为ETA(EstimatedTime of Arrival，到达时间)预估不准，途中偏航次数对应的原因为路线规划不合理，终点偏航次数对应的原因为终点推荐不准确，用户实际轨迹和规划轨迹的重合比例对应的原因为推荐线路不合理，等等。

在306中，对各用户簇的主要流失原因进行汇总，得到该地图类APP的流失原因分布。

本步骤中，可以将各用户簇的主要流失原因进行简单的整合处理。也可以基于各用户簇的规模，对各主要流失原因进行排序或重要程度的标注等处理。还可以依据目标应用产品需求的粒度，对流失原因进行统一的映射，得到目标应用的预设类别的流失原因。

以上是对本申请所提供方法进行的详细描述，下面结合实施例对本申请提供的装置进行详细描述。

图4为本申请实施例提供的装置结构图，如图4中所示，该装置可以包括：用户确定单元01、特征提取单元02、用户聚类单元03和原因分析单元04，还可以进一步包括汇总单元05和数据清洗单元06。其中各组成单元的主要功能如下：

用户确定单元01，用于从目标应用的用户行为数据中，获取流失用户的行为数据。具体地，用户确定单元01可以从目标应用的用户行为数据中，确定在预设的连续时长内没有用户行为数据的用户为流失用户。

数据清洗单元06可以对用户确定单元01获取的流失用户的行为数据进行数据清洗，过滤掉异常数据。数据清洗的具体准则可以依据行为数据的类型有针对性的设置。

特征提取单元02，用于从流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量。具体地，可以从预设连续时长之前流失用户最后N次使用目标应用的行为数据中提取用户行为特征，N为预设的正整数。

用户聚类单元03，用于基于特征向量之间的距离对流失用户进行聚类，得到一个以上的用户簇。

原因分析单元04，用于分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

具体地，原因分析单元04可以确定各用户行为特征在各用户簇下的信息增益；将用户簇下满足预设要求的信息增益对应的用户行为特征作为主成分特征；将用户簇主成分特征所反映的原因，确定为该用户簇的主要流失原因

其中，可以利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为特征在该用户簇下的信息增益。

汇总单元05，用于对各用户簇的主要流失原因进行汇总，得到目标应用的流失原因分布。

作为一种实现场景，上述目标应用可以为地图类APP。本申请中涉及的地图类APP指的是基于地图信息实现的APP，包括但不限于：具有导航功能的APP，具有获取用户定位信息而形成用户轨迹数据的APP等。例如导航类APP、共享单车类APP等。

这种场景下，采用的用户行为数据可以包括用户轨迹数据。用户行为特征可以包括以下至少一种：

用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

数据清洗单元06在进行数据清洗时，可以对流失用户的轨迹数据进行以下数据清洗中的至少一种：

过滤掉行进速度低于预设速度阈值的轨迹数据；

过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的数据分析方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的数据分析方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的数据分析方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的数据分析方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的数据分析方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据数据分析的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至数据分析的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

数据分析方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与数据分析的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (19)

1.一种数据分析方法，其特征在于，该方法包括：

从目标应用的用户行为数据中，获取流失用户的行为数据；

从所述流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量；

基于特征向量之间的距离对所述流失用户进行聚类，得到一个以上的用户簇；

分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

2.根据权利要求1所述的方法，其特征在于，所述从目标应用的用户行为数据中，获取流失用户的行为数据包括：

从目标应用的用户行为数据中，确定在预设的连续时长内没有用户行为数据的用户为流失用户。

3.根据权利要求2所述的方法，其特征在于，从所述流失用户的行为数据中提取用户行为特征包括：

从所述预设连续时长之前所述流失用户最后N次使用目标应用的行为数据中提取用户行为特征，所述N为预设的正整数。

4.根据权利要求1所述的方法，其特征在于，所述分别针对各用户簇分析主成分特征包括：

确定各用户行为特征在各用户簇下的信息增益；

将用户簇下满足预设要求的信息增益对应的用户行为特征作为主成分特征。

5.根据权利要求1或4所述的方法，其特征在于，确定各用户簇的主要流失原因包括：

将用户簇主成分特征所反映的原因，确定为该用户簇的主要流失原因。

6.根据权利要求5所述的方法，其特征在于，所述确定各用户行为特征在各用户簇下的信息增益包括：

利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为特征在该用户簇下的信息增益。

7.根据权利要求1所述的方法，其特征在于，该方法还包括：

对各用户簇的主要流失原因进行汇总，得到所述目标应用的流失原因分布。

8.根据权利要求1～7任一项所述的方法，其特征在于，所述目标应用为地图类应用；

所述用户行为数据包括用户轨迹数据；

所述用户行为特征包括以下至少一种：

用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

9.根据权利要求8所述的方法，其特征在于，在从所述流失用户的行为数据中提取用户行为特征之前，还包括：

对所述流失用户的轨迹数据进行以下数据清洗中的至少一种：

过滤掉行进速度低于预设速度阈值的轨迹数据；

过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

10.一种数据分析装置，其特征在于，该装置包括：

用户确定单元，用于从目标应用的用户行为数据中，获取流失用户的行为数据；

特征提取单元，用于从所述流失用户的行为数据中提取用户行为特征，构成各流失用户的特征向量；

用户聚类单元，用于基于特征向量之间的距离对所述流失用户进行聚类，得到一个以上的用户簇；

原因分析单元，用于分别针对各用户簇分析主成分特征，以确定各用户簇的主要流失原因。

11.根据权利要求10所述的装置，其特征在于，所述用户确定单元，具体用于从目标应用的用户行为数据中，确定在预设的连续时长内没有用户行为数据的用户为流失用户。

12.根据权利要求11所述的装置，其特征在于，所述特征提取单元，具体用于从所述预设连续时长之前所述流失用户最后N次使用目标应用的行为数据中提取用户行为特征，所述N为预设的正整数。

13.根据权利要求10所述的装置，其特征在于，所述原因分析单元，具体用于：确定各用户行为特征在各用户簇下的信息增益；将用户簇下满足预设要求的信息增益对应的用户行为特征作为主成分特征；将用户簇主成分特征所反映的原因，确定为该用户簇的主要流失原因。

14.根据权利要求13所述的装置，其特征在于，所述原因分析单元，具体用于利用用户行为特征在所有流失用户的信息熵与该用户行为特征在用户簇的信息熵的差值，确定该用户行为特征在该用户簇下的信息增益。

15.根据权利要求10所述的装置，其特征在于，该装置还包括：

汇总单元，用于对各用户簇的主要流失原因进行汇总，得到所述目标应用的流失原因分布。

16.根据权利要求10～15任一所述的装置，其特征在于，所述目标应用为地图类应用；

所述用户行为数据包括用户轨迹数据；

所述用户行为特征包括以下至少一种：

用户最后一次导航的估时误差比、途中偏航次数、终点附近偏航次数、用户实际轨迹和规划轨迹的重合比例。

17.根据权利要求16所述的装置，其特征在于，该装置还包括：

数据清洗单元，用于对所述流失用户的轨迹数据进行以下数据清洗中的至少一种：

过滤掉行进速度低于预设速度阈值的轨迹数据；

过滤掉轨迹点缺失比例超过预设比例阈值的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配失败的轨迹数据；

将流失用户的轨迹数据匹配到道路单元上，过滤掉匹配数据的稀疏状况高于预设标准的道路单元相关的轨迹数据。

18.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1～9中任一项所述的方法。

19.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1～9中任一项所述的方法。

Images