一種終端用戶流失預(yù)警方法與裝置制造方法
【專(zhuān)利摘要】本發(fā)明提供一種終端用戶流失預(yù)警方法及裝置，該方法包括：獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)；計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值；若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。通過(guò)對(duì)歷史流失數(shù)據(jù)進(jìn)行分析，確定與用戶流失強(qiáng)相關(guān)的用戶屬性，從而事先進(jìn)行用戶流失預(yù)警。
【專(zhuān)利說(shuō)明】一種終端用戶流失預(yù)警方法與裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)領(lǐng)域中的數(shù)據(jù)挖掘技術(shù)，尤其涉及一種終端用戶流失預(yù)警方法
與裝置。
【背景技術(shù)】
[0002]隨著移動(dòng)通信產(chǎn)品的豐富多樣化，終端用戶流失成為運(yùn)營(yíng)商面對(duì)的嚴(yán)峻問(wèn)題，現(xiàn)有技術(shù)中的用戶流失預(yù)警機(jī)制建設(shè)主要依靠聚到信息支撐和后臺(tái)信息支撐來(lái)完成。其中渠道信息支撐是指在客戶咨詢過(guò)程中，根據(jù)對(duì)客戶的滿意度調(diào)查，實(shí)現(xiàn)用戶流失的預(yù)警。后臺(tái)信息支撐是指各類(lèi)用戶信息記錄，記錄用戶在入網(wǎng)、繳費(fèi)、投訴咨詢和離網(wǎng)過(guò)程中的信息，提供給營(yíng)業(yè)和服務(wù)前端，然后依靠熟悉業(yè)務(wù)知識(shí)、具有豐富經(jīng)驗(yàn)和綜合分析能力的人員，根據(jù)已掌握的歷史資料和直觀材料，運(yùn)用個(gè)人的經(jīng)驗(yàn)和分析判斷能力，做出用戶流失預(yù)警。
[0003]現(xiàn)有技術(shù)主要依靠人工經(jīng)驗(yàn)判斷，易受人的知識(shí)、經(jīng)驗(yàn)和能力的多少大小的束縛和限制，缺乏可量化的精確描述。

【發(fā)明內(nèi)容】

[0004]針對(duì)傳統(tǒng)技術(shù)的上述缺陷，本發(fā)明實(shí)施例提供一種終端用戶流失預(yù)警方法與裝置。
[0005]本發(fā)明實(shí)施例提供一種終端用戶流失預(yù)警方法，包括:
[0006]獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)；
[0007]計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值；
[0008]若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。
[0009]本發(fā)明實(shí)施例提供一種終端用戶流失預(yù)警裝置，包括:
[0010]獲取模塊，用于獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)；
[0011]第一處理模塊，用于計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值，若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性；
[0012]第二處理模塊，用于根據(jù)所述強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。
[0013]在本實(shí)施例的技術(shù)方案中，終端用戶流失預(yù)警裝置通過(guò)與GB接口通信連接，獲取多維度用戶信息和采樣 數(shù)據(jù)。計(jì)算多維度信息中每個(gè)用戶屬性的信息增益，并判斷每個(gè)用戶屬性的信息增益是否大于預(yù)設(shè)相關(guān)性能閥值，保留大于預(yù)設(shè)相關(guān)性能閥值的用戶屬性作為強(qiáng)相關(guān)用戶屬性，然后計(jì)算每個(gè)強(qiáng)相關(guān)用戶屬性的用戶流失概率。根據(jù)歷史的采樣數(shù)據(jù)可以判斷現(xiàn)網(wǎng)中哪些用戶屬性屬于和用戶流失強(qiáng)相關(guān)的信息，從而針對(duì)具有這些用戶屬性的用戶進(jìn)行預(yù)警，提高了用戶流失預(yù)警的精準(zhǔn)度。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0014]圖1為本發(fā)明終端用戶流失預(yù)警方法第一實(shí)施例的流程圖；
[0015]圖2為本發(fā)明終端用戶流失預(yù)警方法第二實(shí)施例的流程圖；
[0016]圖3為本發(fā)明終端用戶流失預(yù)警方法第三實(shí)施例的流程圖；
[0017]圖4為本發(fā)明終端用戶流失預(yù)警裝置第一實(shí)施例的結(jié)構(gòu)示意圖；
[0018]圖5為本發(fā)明終端用戶流失預(yù)警裝置第二實(shí)施例的結(jié)構(gòu)示意圖；
[0019]圖6為本發(fā)明終端用戶流失預(yù)警裝置第三實(shí)施例的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0020]圖1為本發(fā)明終端用戶流失預(yù)警方法第一實(shí)施例的流程圖，如圖1所示，本發(fā)明實(shí)施例提供的終端用戶流失預(yù)警方法由終端用戶流失預(yù)警裝置執(zhí)行，該終端用戶流失預(yù)警裝置設(shè)置于網(wǎng)絡(luò)側(cè)的服務(wù)器上，與GB接口通信連接。
[0021]終端用戶流失預(yù)警裝置可以采用軟件和/或硬件的形式來(lái)實(shí)現(xiàn)，該方法包括:
[0022]步驟S100，獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)；
[0023]步驟S102，計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益；
[0024]步驟S106，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值，若高于所述預(yù)設(shè)相關(guān)性能閥值，則進(jìn)入步驟S108 ；
[0025]步驟S108，將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。
[0026]具體地，終端用戶流失預(yù)警裝置與GB接口通信連接，通過(guò)GB接口獲取多維度用戶信息和采樣數(shù)據(jù)。
[0027]其中多維度用戶信息包括用戶背景信息，如用戶的性別，年齡，主資費(fèi)品牌，地市，區(qū)縣，網(wǎng)齡，VIP等級(jí)等；用戶消費(fèi)信息，如月份，總流量，總消費(fèi)，語(yǔ)音消費(fèi)，數(shù)據(jù)消費(fèi)等；用戶位置信息，如用戶常駐小區(qū)，農(nóng)村/城市，學(xué)校/住宅區(qū)/工業(yè)區(qū)等；用戶終端信息，如終端品牌，型號(hào)，制式，操作系統(tǒng)等。采樣數(shù)據(jù)為全網(wǎng)數(shù)據(jù)，包括全網(wǎng)每個(gè)月的離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及具有每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)。例如，全網(wǎng)每個(gè)月的離網(wǎng)用戶數(shù)為988856，在網(wǎng)用戶數(shù)為52554784，月消費(fèi)200元以上的離網(wǎng)用戶數(shù)為1256，在網(wǎng)用戶數(shù)為456852。
[0028]計(jì)算多維度用戶信息中每個(gè)用戶屬性的信息增益，信息增益用戶表示每個(gè)用戶屬性和用戶流失的相關(guān)性，信息增益越大，表明該用戶屬性的和用戶流失的相關(guān)性越高。
[0029]根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值，若小于預(yù)設(shè)相關(guān)性能閥值則說(shuō)明該用戶屬性為弱相關(guān)用戶屬性，刪除該用戶屬性；若高于所述預(yù)設(shè)相關(guān)性能閥值，則將用戶信息作為強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)強(qiáng)相關(guān)用戶屬性的用戶流失概率。
[0030]在本實(shí)施例的技術(shù)方案中，終端用戶流失預(yù)警裝置通過(guò)與GB接口通信連接，獲取多維度用戶信息和采樣數(shù)據(jù)。計(jì)算多維度信息中每個(gè)用戶屬性的信息增益，并判斷每個(gè)用戶屬性的信息增益是否大于預(yù)設(shè)相關(guān)性能閥值，保留大于預(yù)設(shè)相關(guān)性能閥值的用戶屬性作為強(qiáng)相關(guān)用戶屬性，然后計(jì)算每個(gè)強(qiáng)相關(guān)用戶屬性的用戶流失概率。根據(jù)歷史的采樣數(shù)據(jù)可以判斷現(xiàn)網(wǎng)中哪些用戶屬性屬于和用戶流失強(qiáng)相關(guān)的信息，從而針對(duì)具有這些用戶屬性的用戶進(jìn)行預(yù)警，提高了用戶流失預(yù)警的精準(zhǔn)度。
[0031]圖2為本發(fā)明終端用戶流失預(yù)警方法第二實(shí)施例的流程圖，如圖2所示，該方法由終端用戶流失預(yù)警裝置執(zhí)行，終端用戶流失預(yù)警裝置可以采用軟件和/或硬件的形式來(lái)實(shí)現(xiàn)，該方法包括:
[0032]步驟S200，采集GB接口信令數(shù)據(jù)、IMEI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)；
[0033]終端用戶流失預(yù)警裝置與GB接口通信連接，通過(guò)GB接口采集GB接口信令數(shù)據(jù)、國(guó)際移動(dòng)設(shè)備身份碼(International Mobile Equipment Identity,簡(jiǎn)稱(chēng)IMEI)終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)。其中GB接口信令數(shù)據(jù)是指與用戶上網(wǎng)行為和感知相關(guān)的GB接口信令，主要包括以下數(shù)據(jù):1、體現(xiàn)客戶終端感受的信令數(shù)據(jù)，例如客戶終端等級(jí)、GPRS連接平均時(shí)間、GPRS連接成功率、客戶接入性能(PDP激活)成功率，首頁(yè)顯示時(shí)間、網(wǎng)頁(yè)登陸成功率；2、體現(xiàn)客戶移動(dòng)性能的信令數(shù)據(jù)，例如路由更新成功率、路由更新時(shí)長(zhǎng)、小區(qū)重選時(shí)長(zhǎng)、客戶數(shù)據(jù)業(yè)務(wù)傳遞性能下載速率、下載成功率、數(shù)據(jù)包重傳率、數(shù)據(jù)包丟包率、數(shù)據(jù)包亂序率、無(wú)線網(wǎng)絡(luò)時(shí)延、網(wǎng)絡(luò)側(cè)發(fā)起的去激活數(shù)、網(wǎng)絡(luò)側(cè)(SGSN發(fā)起)發(fā)起的去激活數(shù)等；3、用戶位置信息，例如行政區(qū)域，城鎮(zhèn)/農(nóng)村，區(qū)域?qū)傩?，如學(xué)校/商業(yè)區(qū)等。
[0034]MEI終端數(shù)據(jù)是指用戶終端識(shí)別信息，通過(guò)此信息可以識(shí)別出終端的品牌型號(hào)、制式(如 GSM、TD_SCDMA、WCDNMA 等)、上網(wǎng)功能(如支持 GPRS, EDGE、HSDPA, WIFI 等)、操作系統(tǒng)(如安卓、10S、WP8、塞班等)等。
[0035]經(jīng)分?jǐn)?shù)據(jù)是指由經(jīng)分系統(tǒng)輸出的相關(guān)數(shù)據(jù)，如用戶使用數(shù)據(jù)業(yè)務(wù)的流量、價(jià)值、每用戶平均收入等。
[0036]步驟S202，根據(jù)所述GB接口信令數(shù)據(jù)、頂EI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)提取所述多維度用戶信息和所述采樣數(shù)據(jù)；
[0037]通過(guò)對(duì)GB接口信令數(shù)據(jù)、頂EI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)進(jìn)行數(shù)據(jù)歸納，提取出多維度用戶信息和采樣數(shù)據(jù)。其中多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性；采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)。
[0038]步驟S204，根據(jù)所述離網(wǎng)用戶總數(shù)和所述在網(wǎng)用戶總數(shù)，計(jì)算所述采樣數(shù)據(jù)的期
謝目息;
[0039]步驟S206，根據(jù)每個(gè)所述用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)，計(jì)算每個(gè)所述用戶屬性的客戶流失因子；
[0040]步驟S208，根據(jù)所述采樣數(shù)據(jù)的期望信息和每個(gè)所述用戶屬性的客戶流失因子，計(jì)算每個(gè)用戶屬性的信息增益，所述信息增益等于所述期望信息約減所述客戶流失因子；
[0041]根據(jù)所述 離網(wǎng)用戶總數(shù)和所述在網(wǎng)用戶總數(shù)，計(jì)算所述采樣數(shù)據(jù)的期望信息。例如:sl, S2…Sm為米樣的樣本，I (SI, S2…Sm)為該米樣樣本分類(lèi)的期望信息。本次用戶流失相關(guān)性分析在里，m= 2，I (SI，S2…..Sm) = I (SI，S2) ；S1為離網(wǎng)用戶數(shù)；S2為在網(wǎng)用戶數(shù)。期望信息的計(jì)算方法為:
【權(quán)利要求】
1.一種終端用戶流失預(yù)警方法，其特征在于，包括: 獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)； 計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益 是否低于所述預(yù)設(shè)相關(guān)性能閥值； 若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。
2.根據(jù)權(quán)利要求1所述的終端用戶流失預(yù)警方法，其特征在于，所述獲取多維度用戶信息和采樣數(shù)據(jù)，包括: 采集GB接口信令數(shù)據(jù)、IMEI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)； 根據(jù)所述GB接口信令數(shù)據(jù)、MEI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)提取所述多維度用戶信息和所述采樣數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的終端用戶流失預(yù)警方法，其特征在于，所述計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，包括: 根據(jù)所述離網(wǎng)用戶總數(shù)和所述在網(wǎng)用戶總數(shù)，計(jì)算所述采樣數(shù)據(jù)的期望信息； 根據(jù)每個(gè)所述用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)，計(jì)算每個(gè)所述用戶屬性的客戶流失因子； 根據(jù)所述采樣數(shù)據(jù)的期望信息和每個(gè)所述用戶屬性的客戶流失因子，計(jì)算每個(gè)用戶屬性的信息增益，所述信息增益等于所述期望信息約減所述客戶流失因子。
4.根據(jù)權(quán)利要求3所述的終端用戶流失預(yù)警方法，其特征在于，每個(gè)所述用戶屬性的客戶流失因子等于每個(gè)搜書(shū)用戶屬性的熵。
5.根據(jù)權(quán)利要求1所述的終端用戶流失預(yù)警方法，其特征在于，所述根據(jù)所述強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率，包括: 根據(jù)所述離網(wǎng)用戶總數(shù)計(jì)算用戶離網(wǎng)概率； 根據(jù)每個(gè)所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)，計(jì)算滿足所述強(qiáng)相關(guān)用戶屬性的用戶概率； 根據(jù)每個(gè)強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶數(shù)計(jì)算滿足所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶概率； 根據(jù)所述用戶離網(wǎng)概率、所述強(qiáng)相關(guān)用戶屬性的用戶概率和所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶概率，通過(guò)貝葉斯算法計(jì)算每個(gè)所述強(qiáng)相關(guān)屬性的用戶流失概率。
6.一種終端用戶流失預(yù)警裝置，其特征在于，包括: 獲取模塊，用于獲取多維度用戶信息和采樣數(shù)據(jù)，所述多維度用戶信息中包括用戶背景屬性、用戶消費(fèi)屬性、用戶位置屬性以及用戶終端屬性，所述采樣數(shù)據(jù)中包括離網(wǎng)用戶數(shù)總數(shù)、在網(wǎng)用戶總數(shù)以及每個(gè)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)； 第一處理模塊，用于計(jì)算所述多維度用戶信息中每個(gè)用戶屬性的信息增益，根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值，若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性； 第二處理模塊，用于根據(jù)所述強(qiáng)相關(guān)用戶屬性，計(jì)算每個(gè)所述強(qiáng)相關(guān)用戶屬性的用戶流失概率。
7.根據(jù)權(quán)利要求6所述的終端用戶流失預(yù)警裝置，其特征在于，所述獲取模塊包括: 采集單元，用于采集GB接口信令數(shù)據(jù)、IMEI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)； 提取單元，根據(jù)所述GB接口信令數(shù)據(jù)、頂EI終端數(shù)據(jù)以及經(jīng)分?jǐn)?shù)據(jù)提取所述多維度用戶信息和所述采樣數(shù)據(jù)。
8.根據(jù)權(quán)利要求6所述的終端用戶流失預(yù)警裝置，其特征在于，所述第一處理模塊包括: 期望信息計(jì)算單元，用于根據(jù)所述離網(wǎng)用戶總數(shù)和所述在網(wǎng)用戶總數(shù)，計(jì)算所述采樣數(shù)據(jù)的期望信息； 客戶流失因子計(jì)算單元，用于根據(jù)每個(gè)所述用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)，計(jì)算每個(gè)所述用戶屬性的客戶流失因子； 信息增益計(jì)算單元，用于根據(jù)所述采樣數(shù)據(jù)的期望信息和每個(gè)所述用戶屬性的客戶流失因子，計(jì)算每個(gè)用戶屬性的信息增益，所述信息增益等于所述期望信息約減所述客戶流失因子； 信息增益判斷單元，用于根據(jù)預(yù)設(shè)相關(guān)性能閥值，判斷每個(gè)所述用戶屬性的信息增益是否低于所述預(yù)設(shè)相關(guān)性能閥值，若高于所述預(yù)設(shè)相關(guān)性能閥值，則將所述用戶屬性作為強(qiáng)相關(guān)用戶屬性。
9.根據(jù)權(quán)利要求8所述的終端用戶流失預(yù)警裝置，其特征在于，每個(gè)所述用戶屬性的客戶流失因子等于每個(gè)搜書(shū)用戶屬性的熵。
10.根據(jù)權(quán)利要求6所述的終端用戶流失預(yù)警裝置，其特征在于，所述第二處理模塊包括: 用戶離網(wǎng)概率計(jì)算單元，用于根據(jù)所述離網(wǎng)用戶總數(shù)計(jì)算用戶離網(wǎng)概率； 強(qiáng)相關(guān)用戶屬性的用戶概率計(jì)算單元，用于根據(jù)每個(gè)所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶數(shù)和在網(wǎng)用戶數(shù)，計(jì)算滿足所述強(qiáng)相關(guān)用戶屬性的用戶概率； 強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶概率計(jì)算單元，用于根據(jù)每個(gè)強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶數(shù)計(jì)算滿足所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶概率； 強(qiáng)相關(guān)用戶屬性的用戶流失概率計(jì)算單元，用于根據(jù)所述用戶離網(wǎng)概率、所述強(qiáng)相關(guān)用戶屬性的用戶概率和所述強(qiáng)相關(guān)用戶屬性的離網(wǎng)用戶概率，通過(guò)貝葉斯算法計(jì)算每個(gè)所述強(qiáng)相關(guān)屬性的用戶流失概 率。
【文檔編號(hào)】G06Q30/00GK103905229SQ201210578628
【公開(kāi)日】2014年7月2日 申請(qǐng)日期:2012年12月27日 優(yōu)先權(quán)日:2012年12月27日
【發(fā)明者】譚衛(wèi), 鄭伯勛, 曾為民, 楊荒, 楊霞, 馬國(guó)軍, 談澄秋, 何清, 許杰, 葉銳, 曾昂, 黃云飛, 徐泗洪 申請(qǐng)人:中國(guó)移動(dòng)通信集團(tuán)四川有限公司