包括；確定用戶發(fā)起訂單的時間間隔；確定所述用戶發(fā)起 訂單的時間間隔的時間波動值；W及基于所述時間間隔W及所述時間間隔的時間波動值， 確定所述用戶的流失預測模型。
[0030] 在一個實施例中，用戶的發(fā)起訂單的時間間隔如下式所示：
[003U SUSEl= a X SUSE L+ (1- a ) X USEs啞^le (式 1)
[003引其中SUS町表示預測該用戶的使用間隔，USE,"pi。表示用戶發(fā)起新訂單的時間間 隔，a為固定常數(shù)。在不同應用中，a可W取不同的值，例如在一個實施例中，a為7/8， 即（式 1)可 W表示為 SUSEl= T/SXSUSEL+l/SXUSEsample。
[003引 由式1可W看出，可W基于所述用戶新發(fā)起訂單的時間間隔化及前一次預測的時 間間隔，確定所述流失預測模型中的時間間隔。由式1表示的迭代算法的初始值可W根據(jù) 實際應用選取固定值，例如W 0或1為初始值。
[0034] 在一個實施例中，用戶發(fā)起訂單的時間間隔的時間波動值模型如下所示：
[003引 S呢LTAl= 0 X S呢LTA L+ (1- 0 ) X IU沈S哪le-SU沈LI (式 2)
[0036] 其中S呢LTA康示預測的用戶發(fā)起訂單的時間間隔的時間波動值，0為固定常數(shù)。 在不同應用中，0可W取不同的值，例如在一個實施例中，0為3/4,即（式2)可W表示為 S呢LTAl= 3/4XS呢LTAl+1/4X lUSEs哪le-SUSEj。
[0037] 如式2所示，可W基于所述用戶新發(fā)起訂單的時間間隔、所述流失預測模型中的 時間間隔W及前一次預測的時間間隔的波動值，確定所述流失預測模型中的時間間隔的波 動值。由式2表示的迭代算法的初始值可W根據(jù)實際應用選取固定值，例如W 0或1為初 始值。
[003引如上所示，針對每個用戶確定對應的流失預測模型會，并且基于該用戶的歷史數(shù) 據(jù)，根據(jù)（式1)和（式2)不斷進行迭代計算。基于對歷史數(shù)據(jù)的學習，不斷更新預測的該 用戶的使用間隔SUSE^W及用戶發(fā)起訂單的時間間隔的時間波動值SD化TA^。
[0039] 在一個實施例中，利用每個用戶發(fā)起訂單的時間間隔W及對應的時間間隔的波動 值，確定每個用戶的流失邊界。在一個示例中，流失邊界被定義為SUSE^+4XS呢LTA^。即如 果用戶使用間隔值大于SUSE^+4X S呢LTAy則判定用戶已經(jīng)流失。在不同的示例中，流失邊 界的定義可W根據(jù)具體應用改變。
[0040] W下，在表1中示出了實施圖1中的預測用戶流失的方法的實際運行數(shù)據(jù)值：
[0041]
【主權(quán)項】
1. 一種預測用戶流失的方法，包括： 基于歷史數(shù)據(jù)，針對每個用戶確定對應的流失預測模型； 基于所述確定的流失預測模型，確定每個用戶的流失邊界；以及 基于用戶發(fā)起新訂單的時間間隔，來更新對應的流失預測模型以及對應的流失邊界。
2. 根據(jù)權(quán)利要求1所述的方法，其中在用戶發(fā)起新訂單的時間間隔超過對應的流失邊 界時，確定所述用戶流失。
3. 根據(jù)權(quán)利要求2所述的方法，其中基于歷史數(shù)據(jù)，針對每個用戶確定對應的流失預 測模型包括： 確定用戶發(fā)起訂單的時間間隔； 確定所述用戶發(fā)起訂單的時間間隔的時間波動值；以及 基于所述時間間隔以及所述時間間隔的時間波動值，確定所述用戶的流失預測模型。
4. 根據(jù)權(quán)利要求3所述的方法，其中基于所述用戶新發(fā)起訂單的時間間隔以及前一次 預測的時間間隔，確定所述流失預測模型中的時間間隔。
5. 根據(jù)權(quán)利要求3所述的方法，其中基于所述用戶新發(fā)起訂單的時間間隔、所述流失 預測模型中的時間間隔以及前一次預測的時間間隔的波動值，確定所述流失預測模型中的 時間間隔的波動值。
6. 根據(jù)權(quán)利要求5所述的方法，其中確定每個用戶的流失邊界包括： 利用每個用戶發(fā)起訂單的時間間隔以及對應的時間間隔的波動值，確定每個用戶的流 失邊界。
7. -種預測用戶流失的設(shè)備，包括： 第一確定裝置，被配置為基于歷史數(shù)據(jù)，針對每個用戶確定對應的流失預測模型； 第二確定裝置，被配置為基于所述確定的流失預測模型，確定每個用戶的流失邊界；以 及 更新裝置，被配置為基于用戶發(fā)起新訂單的時間間隔，來更新對應的流失預測模型以 及對應的流失邊界。
8. 根據(jù)權(quán)利要求7所述的設(shè)備，其中所述設(shè)備進一步包括： 第三確定裝置，被配置為在用戶發(fā)起新訂單的時間間隔超過對應的流失邊界時，確定 所述用戶流失。
9. 根據(jù)權(quán)利要求8所述的設(shè)備，其中所述第一確定裝置包括： 第一確定模塊，被配置為確定用戶發(fā)起訂單的時間間隔； 第二確定模塊，被配置為確定所述用戶發(fā)起訂單的時間間隔的時間波動值；以及 第三確定模塊，被配置為基于所述時間間隔以及所述時間間隔的時間波動值，確定所 述用戶的流失預測模型。
10. 根據(jù)權(quán)利要求9所述的設(shè)備，其中所述第一確定模塊被配置為基于所述用戶新發(fā) 起訂單的時間間隔以及前一次預測的時間間隔，確定所述流失預測模型中的時間間隔。
11. 根據(jù)權(quán)利要求9所述的設(shè)備，其中所述第二確定模塊被配置為基于所述用戶新發(fā) 起訂單的時間間隔、所述流失預測模型中的時間間隔以及前一次預測的時間間隔的波動 值，確定所述流失預測模型中的時間間隔的波動值。
12. 根據(jù)權(quán)利要求11所述的設(shè)備，其中第二確定裝置進一步被配置為： 利用每個用戶發(fā)起訂單的時間間隔w及對應的時間間隔的波動值，確定每個用戶的流 失邊界。
【專利摘要】本公開的實施例公開了一種預測用戶流失的方法和設(shè)備。該方法包括：基于歷史數(shù)據(jù)，針對每個用戶確定對應的流失預測模型；基于所述確定的流失預測模型，確定每個用戶的流失邊界；以及基于用戶發(fā)起新訂單的時間間隔，來更新對應的流失預測模型以及對應的流失邊界。本公開的實施例能夠解決相關(guān)技術(shù)中預測方法難以敏感地、準確地預測用戶流失的問題。
【IPC分類】G06Q30-02
【公開號】CN104616173
【申請?zhí)枴緾N201510073140
【發(fā)明人】張彤
【申請人】北京嘀嘀無限科技發(fā)展有限公司
【公開日】2015年5月13日
【申請日】2015年2月11日