一种基于决策树模型判断积分会员流失预警的方法和系统

摘要

基于积分会员历史数据，通过对已流失的积分会员进行数据建模，根据积分会员的活跃度、积分余额、积分获取历史记录、积分消耗记录等属性，构建已流失积分会员的数据模型。通过大数据和深度机器学习，使用决策树模型，利用积分会员历史数据，对模型进行训练，并通过K折交叉验证与GridSearch网格搜索对训练进行参数调优，使积分会员流失模型，趋近真实情况，最后利用训练好的模型，对当前未流失的的会员进行流失风险预判。本发明方法和系统包括：已流失积分会员模型及数据模块、积分大数据及及决策树模型学习模块、现有会员模型信息采集模块、预警配置及结果集合模块。

说明书

技术领域

本发明涉及积分应用技术领域，特别是涉及一种基于决策树模型判断积分会员流失预警的方法和系统。

背景技术

积分业务本质是为了提升用户在业务系统中的忠诚度而构建的一种具备较好粘性感知的业务形态。在积分运营过程中，减少积分会员的流失，是积分运营过程中非常重要的一项工作。而大多数积分系统，均停留在利用传统IT能力，对已经流失的积分用户进行事后分析，无法做到对高流失风险系数的积分用户做到事先预判、事前干预。随着大数据技术、机器学习技术的成熟，可以通过大数据和机器学习技术，对已流失积分用户进行分析，构建流失预警数据模型并进行学习训练，结合用户在积分业务轨迹中的各种状态信息，进行追溯和量化分析，提前判定具备流失风险的用户，提交积分系统进行干预处理，达到较好的用户流失风险预警效果。

发明内容

本发明提供了一种基于决策树模型判断积分会员流失预警的方法和系统。基于积分会员历史数据，通过对已流失的积分会员进行数据建模，根据积分会员的活跃度、积分余额、积分获取历史记录、积分消耗记录等属性，构建已流失积分会员的数据模型。通过大数据和深度机器学习，使用决策树模型，利用积分会员历史数据，对模型进行训练，并通过K折交叉验证与GridSearch网格搜索对训练进行参数调优，使积分会员流失模型，趋近真实情况，最后利用训练好的模型，对当前未流失的的会员进行流失风险预判。本发明方法和系统包括：已流失积分会员模型及数据模块、积分大数据及及决策树模型学习模块、现有会员模型信息采集模块、预警配置及结果集合模块。

1、已流失积分会员模型及数据模块：基于已流失会员信息，构建已流失积分会员模型。模型数据包括活跃度、积分余额、积分获取历史记录、积分消耗记录等信息。并根据模型导入已流失积分会员数据。

2、积分大数据及及决策树模型学习模块：利用决策树模型，对已流失积分会员模型数据进行学习和训练，通过K折交叉验证与GridSearch网格搜索对训练进行参数调优，使积分会员流失模型，趋近真实情况。利用大数据技术，对现有会员模型信息采集模块已采集的用户模型数据进行处理，并利用训练好的模型，对当前未流失的的会员进行流失风险预判。将预判结果输出给预警配置及结果集合模块。

3、现有会员模型信息采集模块：按照会员模型，定期对现有会员信息进行采集和汇总，作为积分大数据及及决策树模型学习模块进行持续判定的输入依据。

预警配置及结果集合模块：接受积分大数据及及决策树模型学习模块对预警阀值的设置，并对积分大数据及及决策树模型学习模块输出的风险判定结果集进行存储，便于系统对已经达到流失风险级别的用户针对性的干预处理。

附图说明

图1为一种基于决策树模型判断积分会员流失预警的方法和系统结构图。

图2为一种基于决策树模型判断积分会员流失预警的方法和系统系统主要服务流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施实例中，一种基于决策树模型判断积分会员流失预警的方法和系统，本发明方法和系统包括：已流失积分会员模型及数据模块（1）、积分大数据及及决策树模型学习模块（2）、现有会员模型信息采集模块（3）、预警配置及结果集合模块（4）。

1、已流失积分会员模型及数据模块（1）：基于已流失会员信息，构建已流失积分会员模型。模型数据包括活跃度、积分余额、积分获取历史记录、积分消耗记录等信息。并根据模型导入已流失积分会员数据。

2、积分大数据及及决策树模型学习模块（2）：利用决策树模型，对已流失积分会员模型数据进行学习和训练，通过K折交叉验证与GridSearch网格搜索对训练进行参数调优，使积分会员流失模型，趋近真实情况。利用大数据技术，对现有会员模型信息采集模块已采集的用户模型数据进行处理，并利用训练好的模型，对当前未流失的的会员进行流失风险预判。将预判结果输出给预警配置及结果集合模块（4）。

3、现有会员模型信息采集模块（3）：按照会员模型，定期对现有会员信息进行采集和汇总，作为积分大数据及及决策树模型学习模块（2）进行持续判定的输入依据。

4、预警配置及结果集合模块（4）：接受积分大数据及及决策树模型学习模块（2）对预警阀值的设置，并对积分大数据及及决策树模型学习模块（2）输出的风险判定结果集进行存储，便于系统对已经达到流失风险级别的用户针对性的干预处理。

系统主要服务流程如图2所示。