CN113570141A - 一种用户流失预警方法、系统、电子设备及存储介质 - Google Patents

一种用户流失预警方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN113570141A
CN113570141A CN202110862638.6A CN202110862638A CN113570141A CN 113570141 A CN113570141 A CN 113570141A CN 202110862638 A CN202110862638 A CN 202110862638A CN 113570141 A CN113570141 A CN 113570141A
Authority
CN
China
Prior art keywords
user
loss
early warning
reason
data
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.)
Pending
Application number
CN202110862638.6A
Other languages
English (en)
Inventor
王昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202110862638.6A priority Critical patent/CN113570141A/zh
Publication of CN113570141A publication Critical patent/CN113570141A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种用户流失预警方法、系统、电子设备及存储介质，其方法技术方案包括获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据；对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型；基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。本申请解决了现有用户流失分析方法无法及时并针对性干预的问题。

Description

一种用户流失预警方法、系统、电子设备及存储介质
技术领域
本发明属于知识图谱技术领域，尤其涉及一种用户流失预警方法、系统、电子设备及存储介质。
背景技术
对于互联网产品来说，用户流失数据对于产品运营与发展有极其重要的作用，而现有的用户流失分析模型多以对用户流失的可能性判断为主，缺乏用户流失原因分析，不能针对触发流失风险预警的用户在流失时间预期内及时进行干预，不能对不同原因造成的流失风险给出相对应的解决方案，无法进一步提升用户体验以提升用户留存率。
发明内容
本申请实施例提供了一种用户流失预警方法、系统、电子设备及存储介质，以至少解决现有用户流失分析方法无法及时并针对性干预的问题。
第一方面，本申请实施例提供了一种用户流失预警方法，包括：用户数据获取步骤，获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据；图谱模型训练步骤，对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型；用户流失预警步骤，基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
优选的，所述方法进一步包括：流失信息预测步骤，以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
优选的，所述用户数据获取步骤进一步包括：获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。
优选的，所述用户流失预警步骤进一步包括：根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
第二方面，本申请实施例提供了一种用户流失预警系统，适用于上述一种用户流失预警方法，包括：用户数据获取模块，获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据；图谱模型训练模块，对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型；用户流失预警模块，基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
在其中一些实施例中，所述系统进一步包括：流失信息预测模块，以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
在其中一些实施例中，所述用户数据获取模块进一步包括：获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。
在其中一些实施例中，所述用户流失预警模块进一步包括：根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的一种用户流失预警方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的一种用户流失预警方法。
本申请可应用于知识图谱技术领域。相比于相关技术，本申请实施例提供的一种用户流失预警方法，通过对于用户会话数据内容情感的提取和分析进行话题归纳，结合结构化数据(如用户消费量、消费额跟踪、用户注册时间、在APP内平均活跃时间、用户投诉记录等)，建立对于不同生命周期的用户，其流失风险与流失原因之间的关联关系模型，输出流失时间预期，通过设置流失预警规则，对于触发流失风险预警的用户在流失时间预期内及时进行干预，并对不同原因造成的流失风险给出相对应的解决方案。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的用户流失预警方法流程图；
图2为本发明的用户流失预警系统的框架图；
图3为本发明的电子设备的框架图；
以上图中：
1、用户数据获取模块；2、图谱模型训练模块；3、流失信息预测模块；4、用户流失预警模块；60、总线；61、处理器；62、存储器；63、通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下，结合附图详细介绍本发明的实施例：
图1为本发明的用户流失预警方法流程图，请参见图1，本发明用户流失预警方法包括如下步骤：
S1：获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据。
可选的，获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。可选的，用户行为数据包括用户消费量、消费额跟踪、用户注册时间、在APP内平均活跃时间，用户投诉记录。
在具体实施中，首先进行数据获取与沉淀，包括用户会话数据(非结构化数据)，如会话数据的内容提取、情感分析；用户行为数据(结构化数据)，如用户注册时间、用户平均活跃时长、用户投诉记录、用户消费量跟踪、用户消费额跟踪等。
S2：对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型。
在具体实施中，知识抽取由半自动化的众包方式完成。在一线员工进行销售/售后服务时，以及企业定期进行销售/售后复盘时，业务人员会根据用户的表现对于流失用户的流失原因进行判断，并以标签的形式存储为该用户的流失原因属性。从目前企业已有的用户行为数据、用户所处生命周期和标签数据(用户流失原因判断标签)中，按schema框架提取用户数据(包含实体和关系)作为图谱模型的训练样本，根据知识抽取的数据结果和预定义的schema构建知识图谱模型。
S3：以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
在具体实施中，以已流失客户的行为数据作为模型训练样本，构建用户流失模型。模型效果经过验证后，可以输入用户行为数据的测试数据集，预测用户的流失概率与预估流失时间。
S4：基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
可选的，根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
在具体实施中，利用图谱模型的关系判断能力进行基于训练数据进行的流失用户流失路径分析，知识图谱模型搭建好后，即可输入流失用户的行为数据和用户在流失前所处的生命周期，进行用户流失原因的推导。可选的，推导结果将进行人工校验。
在具体实施中，设置触发客户流失预警的规则，客户如触发流失预警，则推理该客户的预测用户流失原因并推送给相关客户服务人员。客户服务人员可以对应客户具体的流失原因进行相应的处理，根据预测客户流失时间提醒客户服务人员合理安排执行的时间。
本申请提供一具体实施例对路径的分析进行详细说明：训练数据为A客户，流失原因标签为对售后服务不满意，A客户流失的原因路径可能是：A用户为某品牌新用户->A用户为某游戏忠实玩家->某游戏与某品牌进行联名活动->A用户购买活动套餐->游戏礼包兑换失败->A用户求助客服->客服态度恶劣且未解决A用户问题->A用户流失。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供了一种用户流失预警系统，适用于上述的一种用户流失预警方法。如以下所使用的，术语“单元”、“模块”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件、或者软件和硬件的组合的实现也是可能并被构想的。
图2为根据本发明的用户流失预警系统的框架图，请参见图2，包括：
用户数据获取模块1：获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据。
可选的，获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。可选的，用户行为数据包括用户消费量、消费额跟踪、用户注册时间、在APP内平均活跃时间，用户投诉记录。
在具体实施中，首先进行数据获取与沉淀，包括用户会话数据(非结构化数据)，如会话数据的内容提取、情感分析；用户行为数据(结构化数据)，如用户注册时间、用户平均活跃时长、用户投诉记录、用户消费量跟踪、用户消费额跟踪等。
图谱模型训练模块2：对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型。
在具体实施中，知识抽取由半自动化的众包方式完成。在一线员工进行销售/售后服务时，以及企业定期进行销售/售后复盘时，业务人员会根据用户的表现对于流失用户的流失原因进行判断，并以标签的形式存储为该用户的流失原因属性。从目前企业已有的用户行为数据、用户所处生命周期和标签数据(用户流失原因判断标签)中，按schema框架提取用户数据(包含实体和关系)作为图谱模型的训练样本，根据知识抽取的数据结果和预定义的schema构建知识图谱模型。
流失信息预测模块3：以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
在具体实施中，以已流失客户的行为数据作为模型训练样本，构建用户流失模型。模型效果经过验证后，可以输入用户行为数据的测试数据集，预测用户的流失概率与预估流失时间。
用户流失预警模块4：基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
可选的，根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
在具体实施中，利用图谱模型的关系判断能力进行基于训练数据进行的流失用户流失路径分析，知识图谱模型搭建好后，即可输入流失用户的行为数据和用户在流失前所处的生命周期，进行用户流失原因的推导。可选的，推导结果将进行人工校验。
在具体实施中，设置触发客户流失预警的规则，客户如触发流失预警，则推理该客户的预测用户流失原因并推送给相关客户服务人员。客户服务人员可以对应客户具体的流失原因进行相应的处理，根据预测客户流失时间提醒客户服务人员合理安排执行的时间。
本申请提供一具体实施例对路径的分析进行详细说明：训练数据为A客户，流失原因标签为对售后服务不满意，A客户流失的原因路径可能是：A用户为某品牌新用户->A用户为某游戏忠实玩家->某游戏与某品牌进行联名活动->A用户购买活动套餐->游戏礼包兑换失败->A用户求助客服->客服态度恶劣且未解决A用户问题->A用户流失。
另外，结合图1描述的一种用户流失预警方法可以由电子设备来实现。图3为本发明的电子设备的框架图。
电子设备可以包括处理器61以及存储有计算机程序指令的存储器62。
具体地，上述处理器61可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器62可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器62可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器62可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器62可在数据处理装置的内部或外部。在特定实施例中，存储器62是非易失性(Non-Volatile)存储器。在特定实施例中，存储器62包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器62可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器61所执行的可能的计算机程序指令。
处理器61通过读取并执行存储器62中存储的计算机程序指令，以实现上述实施例中的任意一种用户流失预警方法。
在其中一些实施例中，电子设备还可包括通信接口63和总线60。其中，如图3所示，处理器61、存储器62、通信接口63通过总线60连接并完成相互间的通信。
通信端口63可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线60包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线60包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线60可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线60可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的一种用户流失预警方法。
另外，结合上述实施例中的一种用户流失预警方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种用户流失预警方法。
而前述的存储介质包括：U盘、移动硬盘、只读存储器(ReadOnly Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用户流失预警方法，其特征在于，包括：
用户数据获取步骤，获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据；
图谱模型训练步骤，对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型；
用户流失预警步骤，基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
2.根据权利要求1所述的用户流失预警方法，其特征在于，所述方法进一步包括：
流失信息预测步骤，以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
3.根据权利要求1所述的用户流失预警方法，其特征在于，所述用户数据获取步骤进一步包括：获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。
4.根据权利要求1所述的用户流失预警方法，其特征在于，所述用户流失预警步骤进一步包括：根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
5.一种用户流失预警系统，其特征在于，包括：
用户数据获取模块，获取非结构化形式的用户的用户会话数据，并获取结构化形式的用户行为数据；
图谱模型训练模块，对所述用户中流失用户的流失原因进行判断，并以标签的形式存储为所述流失用户的流失原因属性，根据所述流失用户对应的所述用户行为数据、所述流失用户所处的生命周期和所述流失原因属性训练一图谱模型；
用户流失预警模块，基于所述用户会话数据和所述用户行为数据设置一流失预警规则，若所述用户触发所述流失预警规则，则通过所述图谱模型对所述用户流失原因进行推导，根据所述用户流失原因对所述用户进行干预。
6.根据权利要求5所述的用户流失预警系统，其特征在于，所述系统进一步包括：
流失信息预测模块，以所述流失用户的所述用户行为数据为训练样本构建一用户流失模型，根据所述用户行为数据预测所述用户的流失概率和预估流失时间。
7.根据权利要求5所述的用户流失预警系统，其特征在于，所述用户数据获取模块进一步包括：获取所述用户会话数据包括对所述用户会话数据进行内容提取和情感分析。
8.根据权利要求5所述的用户流失预警系统，其特征在于，所述用户流失预警模块进一步包括：根据所述图谱模型分析所述流失用户的流失路径，并进一步推导所述用户流失原因。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的用户流失预警方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的用户流失预警方法。
CN202110862638.6A 2021-07-29 2021-07-29 一种用户流失预警方法、系统、电子设备及存储介质 Pending CN113570141A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110862638.6A CN113570141A (zh) 2021-07-29 2021-07-29 一种用户流失预警方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110862638.6A CN113570141A (zh) 2021-07-29 2021-07-29 一种用户流失预警方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113570141A true CN113570141A (zh) 2021-10-29

Family

ID=78168865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110862638.6A Pending CN113570141A (zh) 2021-07-29 2021-07-29 一种用户流失预警方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113570141A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997371A (zh) * 2016-10-28 2017-08-01 华数传媒网络有限公司 单用户智慧图谱的构建方法
CN110111156A (zh) * 2019-05-14 2019-08-09 重庆天蓬网络有限公司 一种客户流失预警方法、系统、介质和电子设备
CN110851540A (zh) * 2019-10-28 2020-02-28 天津大学 一种基于金融业务图谱的商业银行客户流失预警方法
CN112989059A (zh) * 2019-12-17 2021-06-18 中国移动通信集团浙江有限公司 潜在客户识别方法及装置、设备及可读计算机存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997371A (zh) * 2016-10-28 2017-08-01 华数传媒网络有限公司 单用户智慧图谱的构建方法
CN110111156A (zh) * 2019-05-14 2019-08-09 重庆天蓬网络有限公司 一种客户流失预警方法、系统、介质和电子设备
CN110851540A (zh) * 2019-10-28 2020-02-28 天津大学 一种基于金融业务图谱的商业银行客户流失预警方法
CN112989059A (zh) * 2019-12-17 2021-06-18 中国移动通信集团浙江有限公司 潜在客户识别方法及装置、设备及可读计算机存储介质

Similar Documents

Publication Publication Date Title
CN108121795B (zh) 用户行为预测方法及装置
CN109544166B (zh) 一种风险识别方法和装置
WO2019056721A1 (zh) 信息推送方法、电子设备及计算机存储介质
TWI743773B (zh) 基於隱私資料保護的異常採集行為識別方法和裝置
CN109447156B (zh) 用于生成模型的方法和装置
CN105589783A (zh) 应用程序卡顿问题数据获取方法及装置
US11366757B2 (en) File pre-fetch scheduling for cache memory to reduce latency
CN109669798B (zh) 崩溃分析方法、装置、电子设备，及存储介质
US11676507B2 (en) Food description processing methods and apparatuses
CN111273891A (zh) 基于规则引擎的业务决策方法、装置及终端设备
CN112613938A (zh) 模型训练方法、装置及计算机设备
CN112712394A (zh) 客户线索共享方法、系统、计算机和可读存储介质
US20190156359A1 (en) Techniques to quantify effectiveness of site-wide actions
CN113570141A (zh) 一种用户流失预警方法、系统、电子设备及存储介质
CN116860583A (zh) 数据库的性能优化方法、装置、存储介质及电子设备
CN110634018A (zh) 一种流失用户的特征刻画方法、识别方法及相关装置
CN110263618A (zh) 一种核身模型的迭代方法和装置
US20210019553A1 (en) Information processing apparatus, control method, and program
CN114676788A (zh) 内容审核方法、服务器及存储介质
CN111182354B (zh) 视频评分推荐方法、装置、设备及计算机可读存储介质
CN110188297B (zh) 资源信息展示方法、计算设备及计算机存储介质
CN110990558B (zh) 电子书内容展示方法、计算设备及计算机存储介质
CN113655958A (zh) 应用数据的存储方法
CN112817952A (zh) 数据质量评估方法及系统
CN113420097A (zh) 一种数据分析方法、装置、存储介质及服务器

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