CN112767045B - 流失用户的挽回方法、装置和电子设备 - Google Patents
流失用户的挽回方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112767045B CN112767045B CN202110108267.2A CN202110108267A CN112767045B CN 112767045 B CN112767045 B CN 112767045B CN 202110108267 A CN202110108267 A CN 202110108267A CN 112767045 B CN112767045 B CN 112767045B
- Authority
- CN
- China
- Prior art keywords
- user
- value
- lost
- candidate
- users
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提出了一种流失用户的挽回方法、装置和电子设备,其中,上述流失用户的挽回方法包括:当网络平台的流失用户的数量大于或等于预定阈值时,获取高价值流失用户;根据高价值流失用户的历史行为预测再次对业务产生诉求的第一时间;获取候选分享者集合和上述集合中的候选分享者对高价值流失用户的分享意愿度,根据上述集合中候选分享者的历史行为预测所述候选分享者再次对业务产生诉求的第二时间;根据第一时间、第二时间和分享意愿度,对上述集合中的候选分享者进行排序;当候选分享者再次访问业务时,向候选分享者推送分享任务,在候选分享者完成分享任务之后,根据候选分享者在集合中的排序结果,对候选分享者进行奖励。
Description
【技术领域】
本说明书实施例涉及互联网技术领域,尤其涉及一种流失用户的挽回方法、装置和电子设备。
【背景技术】
随着互联网行业的不断发展和普及,客户(customer,C)端用户运营的流量红利时代几乎走近尾声,互联网整体用户量越发趋于饱和,再加上竞争对手的不断出现,争夺已有流量,用户流失已成为每个互联网产品或服务急需解决的问题。
用户流失存在于业务转化的各个环节中,为了降低流失率,或提高转化率,必须通过数据或算法分析用户在各个环节流失的原因,或用以指导产品优化、或用以指导运营优化。现有的流失用户的分析方法中,往往是通过大量的业务历史数据和/或用户的行为数据等进行周期性的流失预测模型训练,帮助业务尽早发现可能流失的用户,并及时干预,防止用户流失。
然而,受限于模型的准确性,以及数据的动态变化性,预测模型无法避免遗漏用户流失,尤其是高价值用户的流失,如果不及时挽回,对于企业的损失是巨大的,现有相关技术中,对流失用户的挽回通常采用历史流失回流人群训练回流意愿模型的方案,但这种方案会导致挽回类的营销活动对流失用户回流的转化率和留存率不高,因此需要提供一种流失用户的挽回方法,以提升流失用户挽回的转化率和留存率。
【发明内容】
本说明书实施例提供了一种流失用户的挽回方法、装置和电子设备,以实现提升流失用户挽回相关的营销活动的转化率,使挽回流失用户的营销活动更高效地触达用户,以及提升流失用户挽回后的留存率。
第一方面,本说明书实施例提供一种流失用户的挽回方法,包括:当网络平台的流失用户的数量大于或等于预定阈值时,获取所述流失用户中的高价值流失用户;根据所述高价值流失用户的历史行为预测所述高价值流失用户再次对业务产生诉求的第一时间;获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度,根据所述集合中候选分享者的历史行为预测所述候选分享者再次对业务产生诉求的第二时间;根据所述第一时间、所述第二时间和所述候选分享者对所述高价值流失用户的分享意愿度,对所述集合中的候选分享者进行排序;当所述候选分享者再次访问业务时,向所述候选分享者推送分享任务,在所述候选分享者完成所述分享任务之后,根据所述候选分享者在所述集合中的排序结果,对所述候选分享者进行奖励。
上述流失用户的挽回方法中,根据流失用户在流失前的价值,对于流失前的高价值用户,应重点挽回,恢复用户心智,该类用户的挽回成功率更高,挽回后的留存率也更高;而对于低价值用户,流失后即便挽回,也对业务的贡献不大,因此低价值用户挽回的优先级应降低,从而提升流失挽回相关的营销活动的转化率和留存率。另外,由于流失用户的用户心智已经逐渐减弱,用户主动回来的概率不高,营销活动带来的效果往往不佳,通过用户社交属性和用户分享意愿,并配以适当的奖励措施,能更高效、更准确的触达到流失用户。因此上述流失用户的挽回方法可以提升流失用户挽回相关的营销活动的转化率,可以使上述营销活动更高效的触达用户,提升流失用户挽回后的留存率。
其中一种可能的实现方式中,所述获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度包括:根据所述高价值流失用户的行为数据和社交属性数据构建社交模型;利用所述社交模型获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度。
其中一种可能的实现方式中,所述获取所述流失用户中的高价值流失用户之前,还包括:根据业务逻辑判断网络平台的用户是否流失。
其中一种可能的实现方式中,所述获取所述流失用户中的高价值流失用户包括:对所述流失用户进行归因分析,获取所述流失用户的流失原因;在根据所述流失原因确定所述流失用户为非正常流失之后,获取所述流失用户流失前的用户价值,根据所述用户价值获取所述流失用户中的高价值流失用户;其中,所述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
其中一种可能的实现方式中,所述对所述流失用户进行归因分析,获取所述流失用户的流失原因包括:根据所述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对所述流失用户进行归因分析,获取所述流失用户的流失原因。
其中一种可能的实现方式中,所述获取所述流失用户流失前的用户价值包括:根据所述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取所述流失用户流失前的价值参数,所述价值参数包括以下之一或组合:所述流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;根据所述流失用户流失前的价值参数,确定所述流失用户流失前的用户价值。
第二方面,本说明书实施例提供一种流失用户的挽回装置,包括:获取模块,用于当网络平台的流失用户的数量大于或等于预定阈值时,获取所述流失用户中的高价值流失用户;预测模块,用于根据所述高价值流失用户的历史行为预测所述高价值流失用户再次对业务产生诉求的第一时间;所述获取模块,还用于获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度;所述预测模块,还用于根据所述集合中候选分享者的历史行为预测所述候选分享者再次对业务产生诉求的第二时间;排序模块,用于根据所述第一时间、所述第二时间和所述候选分享者对所述高价值流失用户的分享意愿度,对所述集合中的候选分享者进行排序;效果跟踪模块,用于当所述候选分享者再次访问业务时,向所述候选分享者推送分享任务,在所述候选分享者完成所述分享任务之后,根据所述候选分享者在所述集合中的排序结果,对所述候选分享者进行奖励。
其中一种可能的实现方式中,所述获取模块包括:模型构建子模块,用于根据所述高价值流失用户的行为数据和社交属性数据构建社交模型;候选获取子模块,用于利用所述社交模型获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度。
其中一种可能的实现方式中,所述装置还包括:判别模块,用于在所述获取模块获取所述流失用户中的高价值流失用户之前,根据业务逻辑判断网络平台的用户是否流失。
其中一种可能的实现方式中,所述获取模块包括:归因分析子模块,用于对所述流失用户进行归因分析,获取所述流失用户的流失原因;用户价值获取子模块,用于在根据所述流失原因确定所述流失用户为非正常流失之后,获取所述流失用户流失前的用户价值,根据所述用户价值获取所述流失用户中的高价值流失用户;其中,所述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
其中一种可能的实现方式中,所述归因分析子模块,具体用于根据所述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对所述流失用户进行归因分析,获取所述流失用户的流失原因。
其中一种可能的实现方式中,所述用户价值获取子模块,具体用于根据所述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取所述流失用户流失前的价值参数,所述价值参数包括以下之一或组合:所述流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;以及根据所述流失用户流失前的价值参数,确定所述流失用户流失前的用户价值。
第三方面,本说明书实施例提供一种电子设备,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面提供的方法。
第四方面,本说明书实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面提供的方法。
应当理解的是,本说明书实施例的第二~四方面与本说明书实施例的第一方面的技术方案一致,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
【附图说明】
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本说明书一个实施例提供的流失用户的挽回方法的实现架构图;
图2为本说明书一个实施例提供的流失用户的挽回方法的流程图;
图3为本说明书一个实施例提供的候选分享者集合的生成方式的示意图;
图4为本说明书另一个实施例提供的流失用户的挽回方法的流程图;
图5为本说明书一个实施例提供的流失用户的挽回方法的实现示意图;
图6为本说明书一个实施例提供的流失用户的挽回装置的结构示意图;
图7为本说明书另一个实施例提供的流失用户的挽回装置的结构示意图;
图8为本说明书一个实施例提供的电子设备的结构示意图。
【具体实施方式】
为了更好的理解本说明书的技术方案,下面结合附图对本说明书实施例进行详细描述。
应当明确,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本说明书保护的范围。
在本说明书实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
现有相关技术中,对流失用户的挽回通常采用利用历史流失回流人群训练回流意愿模型的方案,但由于上述回流意愿模型没有充分考虑到用户的价值,以及用户流失后的触达难度,因此这种方案会导致挽回类的营销活动对流失用户回流的转化率和留存率不高。
基于以上问题,本说明书实施例提供一种流失用户的挽回方法,基于用户价值和社交属性,提升流失用户挽回的转化率和留存率。
图1为本说明书一个实施例提供的流失用户的挽回方法的实现架构图,如图1所示,上述流失用户的挽回方法从技术架构上分为数据层、模型层、组件层以及监控展示层。
下面对上述各层的功能进行详细介绍。
1、数据层:负责收集、存储或清洗各类数据;
1)业务数据:包括交易数据,产品或服务访问数据,业务相关的基础数据等;
2)用户行为数据和用户属性数据:包括用户在业务载体内的访问、曝光、点击和/或支付等行为,以及用户的基本信息,例如:年龄、职业、城市、爱好和/或位置等;
3)人群特征和标签数据:这些特征和标签包括用户活跃类型、频次和/或用户分群等;
4)社交属性数据:包括用户的各类与他人互动相关的数据,包括好友、相似群体和/或互动数据(例如:交易、社交和/或分享等)。
2、模型层:基于数据层的基础应用,负责训练各类模型,包括:
1)用户价值模型:利用业务数据、用户行为数据和/或用户属性数据等,通过用户的使用频次、使用时间、停留时长、交易次数、交易金额和/或分享次数等指标构建用户价值模型;常用的构建模型的方法有消费-消费频率-消费金额(recency frequency monetary,RFM)和/或生命周期总价值(life time value,LTV)等;
2)归因模型:基于业务基础数据、人群特征/行为等数据判定用户流失原因,确定用户是否属于正常流失;
3)回流意愿模型:基于用户的历史行为、用户的特征/标签训练用户回流意愿度,即用户是否愿意再次使用对应的业务;
4)交易预测模型:实际上是预测用户回流时间,或对业务的需求时间,这里对业务的需求时间是指根据用户的历史使用判定使用周期和使用频率,从而预测下一次该用户对该业务有需求的时间。这对于一些周期性较长的业务来说是非常重要的,例如:手机充值业务,业务本身的周期性为月,该类用户一旦流失,用户很难唤起记忆,如果不在特定的时间进行营销活动,而选择全周期的投放,反而会增加用户对营销活动的疲劳度,增大挽回难度;
5)社交模型:根据用户的行为和/或社交数据(包括时间、位置、与什么人、做什么事情)等构建社交网络,构建模型的方法通常有聚类、协同滤波和/或深度学习等,模型中最终反映两两用户之间的关联及关联程度,分享意愿度等,也可以包括形成虚拟社区等。
3、组件层:
1)流失判别:用户判断用户是否是流失用户,通常根据具体的业务定义,以规则判定;
2)归因分析:当用户流失超过一定阈值时,根据归因模型,判定流失原因,对于合理波动给予观察处理,对于业务下滑导致的用户流失进行运营干预;
3)用户价值判别:当需要对流失用户进行挽回相关的运营干预时,首先根据用户价值模型对流失用户的价值进行判定,这里的用户价值考量的都是用户流失之前的价值,重点关注流失之前对业务贡献大的用户,即高价值流失用户;
4)候选分享者:对于要干预的高价值流失用户,从社交模型中抽取出分享者候选集,每个用户都生成单独的候选集;
5)投放:当候选集的用户下一次回到业务中时,触发用户分享获取奖励的营销投放,分享者和被分享者均可获取一份与当前业务相关或对用户有吸引力的奖励,例如:现金红包,供用户在下一次使用;
6)效果跟踪与优化:负责投放效果的持续跟踪,对好的策略放大,不好的优化或淘汰。
4、监控/展示层:
1)监控告警:负责用户流失水平的监控和展示,触发和推送各类告警,确保业务异常在第一时间被通知到业务方;
2)效果跟踪:可视化展示整个链路的各个环节,最终的效果的数据呈现等。
图2为本说明书一个实施例提供的流失用户的挽回方法的流程图,如图2所示,上述流失用户的挽回方法可以包括:
步骤202,当网络平台的流失用户的数量大于或等于预定阈值时,获取上述流失用户中的高价值流失用户。
其中,上述预定阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定阈值的大小不作限定;举例来说,上述预定阈值可以为网络平台用户总数的1%。
具体地,这里的用户价值考量的是用户流失之前的价值,可以根据用户流失之前对业务的贡献度来评价用户价值,上述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。上述预定的价值阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定的价值阈值的大小不作限定。
进一步地,获取上述流失用户中的高价值流失用户之前,还可以根据业务逻辑判断网络平台的用户是否流失。具体实现时,可以根据具体的业务定义,通过预定的业务逻辑判断网络平台的用户是否流失。
步骤204,根据上述高价值流失用户的历史行为预测高价值流失用户再次对业务产生诉求的第一时间。
其中,用户对业务产生诉求可以为用户在上述网络平台进行交易、查询或访问等行为。
步骤206,获取上述高价值流失用户的候选分享者集合和上述集合中的候选分享者对高价值流失用户的分享意愿度,根据上述集合中候选分享者的历史行为预测候选分享者再次对业务产生诉求的第二时间。
具体地,获取上述高价值流失用户的候选分享者集合和上述集合中的候选分享者对高价值流失用户的分享意愿度可以为:根据上述高价值流失用户的行为数据和社交属性数据构建社交模型;利用社交模型获取上述高价值流失用户的候选分享者集合和上述集合中的候选分享者对高价值流失用户的分享意愿度。
本实施例中,通过社交模型改善投放环节的触达准确率和转化率,候选分享者集合的生成方式可以如图3所示,图3为本说明书一个实施例提供的候选分享者集合的生成方式的示意图。
参见图3,对于流失用户,用户虽然会从某个产品或服务里流失,但并不意味着用户需求的消失,因此可以根据用户的历史行为,预测用户的下一次需求时间;通过社交模型计算该流失用户的社交人群集合,作为候选分享者集合。
步骤208,根据第一时间、第二时间和候选分享者对高价值流失用户的分享意愿度,对上述集合中的候选分享者进行排序。
具体地,获取候选分享者集合之后,可以计算该社交人群集合中的用户分享意愿,以及预测各用户的下一次需求时间,将流失用户的下一次需求时间和候选分享者集合中的用户的下一次需求时间匹配,根据匹配程度和分享意愿对候选分享者集合中的候选分享者进行排序。
步骤210,当候选分享者再次访问业务时,向上述候选分享者推送分享任务,在候选分享者完成上述分享任务之后,根据候选分享者在上述集合中的排序结果,对候选分享者进行奖励。
上述流失用户的挽回方法中,根据流失用户在流失前的价值,对于流失前的高价值用户,应重点挽回,恢复用户心智,该类用户的挽回成功率更高,挽回后的留存率也更高;而对于低价值用户,流失后即便挽回,也对业务的贡献不大,因此低价值用户挽回的优先级应降低,从而提升流失挽回相关的营销活动的转化率和留存率。另外,由于流失用户的用户心智已经逐渐减弱,用户主动回来的概率不高,营销活动带来的效果往往不佳,通过用户社交属性和用户分享意愿,并配以适当的奖励措施,能更高效、更准确的触达到流失用户。因此上述流失用户的挽回方法可以提升流失用户挽回相关的营销活动的转化率,可以使上述营销活动更高效的触达用户,提升流失用户挽回后的留存率。
图4为本说明书另一个实施例提供的流失用户的挽回方法的流程图,如图4所示,本说明书图2所示实施例中,步骤202可以包括:
步骤402,当网络平台的流失用户的数量大于或等于预定阈值时,对上述流失用户进行归因分析,获取上述流失用户的流失原因。
具体地,对上述流失用户进行归因分析,获取上述流失用户的流失原因可以为:根据上述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对上述流失用户进行归因分析,获取上述流失用户的流失原因。
具体实现时,可以根据归因模型,判定上述流失用户的流失原因。
步骤404,在根据上述流失原因确定流失用户为非正常流失之后,获取上述流失用户流失前的用户价值,根据上述用户价值获取上述流失用户中的高价值流失用户。
其中,上述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
上述预定的价值阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定的价值阈值的大小不作限定。
具体地,获取上述流失用户流失前的用户价值可以为:根据上述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取上述流失用户流失前的价值参数,上述价值参数可以包括以下之一或组合:上述流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;根据上述流失用户流失前的价值参数,确定上述流失用户流失前的用户价值。具体实现时,可以根据用户价值模型对流失用户的价值进行判定。
具体地,根据上述用户价值获取上述流失用户中的高价值流失用户可以为:获取流失用户中用户价值大于或等于预定的价值阈值的用户。
本说明书图2~图4所示实施例提供的流失用户的挽回方法的核心处理流程可以如图5所示,图5为本说明书一个实施例提供的流失用户的挽回方法的实现示意图。
参见图5,上述流失用户的挽回方法可以包括:
首先,根据业务逻辑判断网络平台的用户是否流失。
然后,当网络平台的流失用户的数量大于或等于预定阈值时,对上述流失用户进行归因分析,获取上述流失用户的流失原因。
进而,在根据上述流失原因确定流失用户为非正常流失之后,获取上述流失用户流失前的用户价值,根据上述用户价值获取上述流失用户中的高价值流失用户。
接下来,根据上述高价值流失用户的历史行为预测高价值流失用户再次对业务产生诉求的第一时间。
获取上述高价值流失用户的候选分享者集合和上述集合中的候选分享者对高价值流失用户的分享意愿度,根据上述集合中候选分享者的历史行为预测候选分享者再次对业务产生诉求的第二时间。
进而,根据第一时间、第二时间和候选分享者对高价值流失用户的分享意愿度,对上述集合中的候选分享者进行排序。
当候选分享者再次访问业务时,向上述候选分享者推送分享任务,在候选分享者完成上述分享任务之后,根据候选分享者在上述集合中的排序结果,对候选分享者进行奖励。
最后,可以跟踪奖励推送后的转化效果和留存效果,优化或放大覆盖范围。
本说明书实施例提供的流失用户的挽回方法根据用户价值模型对流失用户分优先级挽回,可以提升流失用户挽回的转化率和留存率;进而结合社交模型、分享意愿以及时间预测的方法,以分享的方式改善营销活动投放环节的触达准确率和转化率。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图6为本说明书一个实施例提供的流失用户的挽回装置的结构示意图,如图6所示,上述流失用户的挽回装置可以包括:获取模块61、预测模块62、排序模块63和效果跟踪模块64;
其中,获取模块61,用于当网络平台的流失用户的数量大于或等于预定阈值时,获取上述流失用户中的高价值流失用户;
预测模块62,用于根据上述高价值流失用户的历史行为预测上述高价值流失用户再次对业务产生诉求的第一时间;
获取模块61,还用于获取上述高价值流失用户的候选分享者集合和上述集合中的候选分享者对上述高价值流失用户的分享意愿度;
预测模块62,还用于根据上述集合中候选分享者的历史行为预测候选分享者再次对业务产生诉求的第二时间;
排序模块63,用于根据第一时间、第二时间和候选分享者对上述高价值流失用户的分享意愿度,对上述集合中的候选分享者进行排序;
效果跟踪模块64,用于当候选分享者再次访问业务时,向候选分享者推送分享任务,在候选分享者完成上述分享任务之后,根据候选分享者在上述集合中的排序结果,对候选分享者进行奖励。
图6所示实施例提供的流失用户的挽回装置可用于执行本说明书图2所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图7为本说明书另一个实施例提供的流失用户的挽回装置的结构示意图,与图6所示的流失用户的挽回装置相比,图7所示的流失用户的挽回装置中,获取模块61可以包括:模型构建子模块611和候选获取子模块612;
其中,模型构建子模块611,用于根据高价值流失用户的行为数据和社交属性数据构建社交模型;
候选获取子模块612,用于利用上述社交模型获取高价值流失用户的候选分享者集合和上述集合中的候选分享者对上述高价值流失用户的分享意愿度。
进一步地,上述流失用户的挽回装置还可以包括:
判别模块65,用于在获取模块61获取上述流失用户中的高价值流失用户之前,根据业务逻辑判断网络平台的用户是否流失。
本实施例中,获取模块61可以包括:归因分析子模块613和用户价值获取子模块614;
归因分析子模块613,用于对流失用户进行归因分析,获取上述流失用户的流失原因;
用户价值获取子模块614,用于在根据上述流失原因确定上述流失用户为非正常流失之后,获取流失用户流失前的用户价值,根据上述用户价值获取上述流失用户中的高价值流失用户;其中,上述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
本实施例中,归因分析子模块613,具体用于根据上述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对上述流失用户进行归因分析,获取上述流失用户的流失原因。
用户价值获取子模块614,具体用于根据上述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取上述流失用户流失前的价值参数,上述价值参数包括以下之一或组合:流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;以及根据流失用户流失前的价值参数,确定上述流失用户流失前的用户价值。
图7所示实施例提供的流失用户的挽回装置可用于执行本申请图2~图5所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图8为本说明书一个实施例提供的电子设备的结构示意图,如图8所示,上述电子设备可以包括至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,上述处理器调用上述程序指令能够执行本说明书图2~图5所示实施例提供的流失用户的挽回方法。
其中,上述电子设备可以为服务器,例如:云服务器,本实施例对上述电子设备的形式不作限定。
图8示出了适于用来实现本说明书实施方式的示例性电子设备的框图。图8显示的电子设备仅仅是一个示例,不应对本说明书实施例的功能和使用范围带来任何限制。
如图8所示,电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器410,通信接口420,存储器430,以及连接不同组件(包括存储器430、通信接口420和处理单元410)的通信总线440。
通信总线440表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,或者使用多种总线结构中的任意总线结构的局域总线。举例来说,通信总线440可以包括但不限于工业标准体系结构(industry standardarchitecture,ISA)总线,微通道体系结构(micro channel architecture,MAC)总线,增强型ISA总线、视频电子标准协会(video electronics standards association,VESA)局域总线以及外围组件互连(peripheral component interconnection,PCI)总线。
电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器430可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(random access memory,RAM)和/或高速缓存存储器。存储器430可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本说明书图2~图5所示实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器430中,这样的程序模块包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块通常执行本说明书图2~图5所描述的实施例中的功能和/或方法。
处理器410通过运行存储在存储器430中的程序,从而执行各种功能应用以及数据处理,例如实现本说明书图2~图5所示实施例提供的流失用户的挽回方法。
本说明书实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行本说明书图2~图5所示实施例提供的流失用户的挽回方法。
上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(read only memory,ROM)、可擦式可编程只读存储器(erasable programmable read onlymemory,EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、射频(radio frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(localarea network,LAN)或广域网(wide area network,WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本说明书的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本说明书实施例中所涉及的终端可以包括但不限于个人计算机(personal computer,PC)、个人数字助理(personal digital assistant,PDA)、无线手持设备、平板电脑(tablet computer)、手机、MP3播放器、MP4播放器等。
在本说明书所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本说明书各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (14)
1.一种流失用户的挽回方法,包括:
当网络平台的流失用户的数量大于或等于预定阈值时,获取所述流失用户中的高价值流失用户;
根据所述高价值流失用户的历史行为预测所述高价值流失用户再次对业务产生诉求的第一时间;
获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度,根据所述集合中候选分享者的历史行为预测所述候选分享者再次对业务产生诉求的第二时间;
根据所述第一时间、所述第二时间和所述候选分享者对所述高价值流失用户的分享意愿度,对所述集合中的候选分享者进行排序;
当所述候选分享者再次访问业务时,向所述候选分享者推送分享任务,在所述候选分享者完成所述分享任务之后,根据所述候选分享者在所述集合中的排序结果,对所述候选分享者进行奖励。
2.根据权利要求1所述的方法,其中,所述获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度包括:
根据所述高价值流失用户的行为数据和社交属性数据构建社交模型;
利用所述社交模型获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度。
3.根据权利要求1所述的方法,其中,所述获取所述流失用户中的高价值流失用户之前,还包括:
根据业务逻辑判断网络平台的用户是否流失。
4.根据权利要求1所述的方法,其中,所述获取所述流失用户中的高价值流失用户包括:
对所述流失用户进行归因分析,获取所述流失用户的流失原因;
在根据所述流失原因确定所述流失用户为非正常流失之后,获取所述流失用户流失前的用户价值,根据所述用户价值获取所述流失用户中的高价值流失用户;其中,所述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
5.根据权利要求4所述的方法,其中,所述对所述流失用户进行归因分析,获取所述流失用户的流失原因包括:
根据所述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对所述流失用户进行归因分析,获取所述流失用户的流失原因。
6.根据权利要求4所述的方法,其中,所述获取所述流失用户流失前的用户价值包括:
根据所述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取所述流失用户流失前的价值参数,所述价值参数包括以下之一或组合:所述流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;
根据所述流失用户流失前的价值参数,确定所述流失用户流失前的用户价值。
7.一种流失用户的挽回装置,包括:
获取模块,用于当网络平台的流失用户的数量大于或等于预定阈值时,获取所述流失用户中的高价值流失用户;
预测模块,用于根据所述高价值流失用户的历史行为预测所述高价值流失用户再次对业务产生诉求的第一时间;
所述获取模块,还用于获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度;
所述预测模块,还用于根据所述集合中候选分享者的历史行为预测所述候选分享者再次对业务产生诉求的第二时间;
排序模块,用于根据所述第一时间、所述第二时间和所述候选分享者对所述高价值流失用户的分享意愿度,对所述集合中的候选分享者进行排序;
效果跟踪模块,用于当所述候选分享者再次访问业务时,向所述候选分享者推送分享任务,在所述候选分享者完成所述分享任务之后,根据所述候选分享者在所述集合中的排序结果,对所述候选分享者进行奖励。
8.根据权利要求7所述的装置,其中,所述获取模块包括:
模型构建子模块,用于根据所述高价值流失用户的行为数据和社交属性数据构建社交模型;
候选获取子模块,用于利用所述社交模型获取所述高价值流失用户的候选分享者集合和所述集合中的候选分享者对所述高价值流失用户的分享意愿度。
9.根据权利要求7所述的装置,其中,还包括:
判别模块,用于在所述获取模块获取所述流失用户中的高价值流失用户之前,根据业务逻辑判断网络平台的用户是否流失。
10.根据权利要求7所述的装置,其中,所述获取模块包括:
归因分析子模块,用于对所述流失用户进行归因分析,获取所述流失用户的流失原因;
用户价值获取子模块,用于在根据所述流失原因确定所述流失用户为非正常流失之后,获取所述流失用户流失前的用户价值,根据所述用户价值获取所述流失用户中的高价值流失用户;其中,所述高价值流失用户包括流失前的用户价值大于或等于预定的价值阈值的用户。
11.根据权利要求10所述的装置,其中,
所述归因分析子模块,具体用于根据所述流失用户的业务数据、人群特征数据、用户行为数据和用户属性数据对所述流失用户进行归因分析,获取所述流失用户的流失原因。
12.根据权利要求10所述的装置,其中,
所述用户价值获取子模块,具体用于根据所述流失用户流失前的业务数据、用户行为数据和用户属性数据,获取所述流失用户流失前的价值参数,所述价值参数包括以下之一或组合:所述流失用户的使用频次、使用时间、停留时长、交易次数、交易金额和分享次数;以及根据所述流失用户流失前的价值参数,确定所述流失用户流失前的用户价值。
13.一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
14.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110108267.2A CN112767045B (zh) | 2021-01-27 | 2021-01-27 | 流失用户的挽回方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110108267.2A CN112767045B (zh) | 2021-01-27 | 2021-01-27 | 流失用户的挽回方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112767045A CN112767045A (zh) | 2021-05-07 |
CN112767045B true CN112767045B (zh) | 2022-05-24 |
Family
ID=75705979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110108267.2A Active CN112767045B (zh) | 2021-01-27 | 2021-01-27 | 流失用户的挽回方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767045B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706202A (zh) * | 2021-08-31 | 2021-11-26 | 杭州群核信息技术有限公司 | 一种基于低稳态用户识别及预警的召回策略生成方法 |
CN114191824A (zh) * | 2021-11-30 | 2022-03-18 | 上海乐畅信息技术有限公司 | 一种向用户发送好友召回信息的方法与设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015079460A1 (en) * | 2013-11-28 | 2015-06-04 | Gupta Lucky | System for computing contribution and providing appropriate incentives |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN111275503A (zh) * | 2020-03-20 | 2020-06-12 | 京东数字科技控股有限公司 | 一种获取流失用户召回成功率的数据处理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9165270B2 (en) * | 2000-12-20 | 2015-10-20 | International Business Machines Corporation | Predicting likelihood of customer attrition and retention measures |
US20160253688A1 (en) * | 2015-02-24 | 2016-09-01 | Aaron David NIELSEN | System and method of analyzing social media to predict the churn propensity of an individual or community of customers |
US10387883B2 (en) * | 2017-02-09 | 2019-08-20 | Visa International Service Association | Electronic transactional data based predictive system |
US20190266622A1 (en) * | 2018-02-27 | 2019-08-29 | Thinkcx Technologies, Inc. | System and method for measuring and predicting user behavior indicating satisfaction and churn probability |
-
2021
- 2021-01-27 CN CN202110108267.2A patent/CN112767045B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015079460A1 (en) * | 2013-11-28 | 2015-06-04 | Gupta Lucky | System for computing contribution and providing appropriate incentives |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN111275503A (zh) * | 2020-03-20 | 2020-06-12 | 京东数字科技控股有限公司 | 一种获取流失用户召回成功率的数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112767045A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11392968B2 (en) | System and method of analyzing social media to predict the churn propensity of an individual or community of customers | |
US9213996B2 (en) | System and method for analyzing social media trends | |
CN111405030B (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
CN111611478B (zh) | 信息推荐方法、装置和电子设备 | |
US10984432B2 (en) | Using media information for improving direct marketing response rate | |
US10939229B2 (en) | Cognitive geofence based notification | |
CN112767045B (zh) | 流失用户的挽回方法、装置和电子设备 | |
CN110909165A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN110148053B (zh) | 用户信贷额度评估方法、装置、电子设备和可读介质 | |
CN111552880A (zh) | 基于知识图谱的数据处理方法、装置、介质及电子设备 | |
US20140143013A1 (en) | System and method for analyzing social media trends | |
CN112269918B (zh) | 信息推荐方法、装置、设备及存储介质 | |
CN115983900A (zh) | 用户营销策略的构建方法、装置、设备、介质和程序产品 | |
CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
JP7454630B2 (ja) | ラベル推奨モデルのトレーニング方法及び装置、ラベル取得方法及び装置 | |
CN104679382B (zh) | 应用程序显示方法和装置 | |
CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
CN113391988A (zh) | 流失用户留存的方法、装置、电子设备及存储介质 | |
CN114186123A (zh) | 用于热点事件的处理方法、装置、设备及存储介质 | |
CN111078522A (zh) | 页面待优化区域的识别方法、装置、电子设备及存储介质 | |
CN113343090B (zh) | 用于推送信息的方法、装置、设备、介质和产品 | |
CN110648208B (zh) | 群组识别方法、装置和电子设备 | |
CN117573973A (zh) | 资源推荐方法、装置、电子设备以及存储介质 | |
CN114372821A (zh) | 地产销售中的用户行为数据处理方法和系统、介质 | |
CN118229427A (zh) | 风险团体识别方法、装置、电子设备、介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |