用户流失

摘要： 近年来,由于互联网的冲击,广电媒体的经营收入出现断崖式下滑。其深层次原因在于,互联网致使传统广电用户流失严重,进而导致其广告收入大幅度下降。在这种情况下,广电媒体应在尽可能延缓传统广电收入下滑的基础上积极布局网络视听新媒体,采取“大产业”经营思路,拓展收入来源。广电媒体的“大产业”思路主要体现在两个方面;一是在融合转型上突破“新闻办网”思路,注重生态系统打造;二是从广电产业积极拓展到多元产业,探索更多的可能性。

摘要： 发挥机器学习算法在分类预测方面的优势,通过实证研究探索付费知识直播用户流失预测模型,分析预测特征变量,为用户留存管理提供决策依据。以知乎Live为数据来源,从用户价值特征及评价特征两个维度出发,采集用户最近一次消费时间、月均消费次数、次均消费金额、首次消费时间及评分、评论文本共六项特征数据,基于六种机器学习算法构建预测模型,比较不同模型的预测效果。对比分析特征变量在用户流失预测中的贡献度,根据关键特征变量划分流失用户类型,提出相应留存策略。评分与评论文本情感对用户流失预测具有显著作用;基于集成学习的XGBoost用户流失预测模型综合表现最好,随机森林次之,集成学习优越的泛化性能得到验证;通过分析影响用户流失预测的重要变量,归纳总结出四类流失用户类型。

摘要： 在互联网时代,有线电视业务面临激烈的竞争。广电运营商既需要在质量和宣传上进行改进,吸引潜在用户,也要重视对流失用户的预测和挽留。基于有线电视用户数据,对用户的特征进行分析,提出基于Blending模型融合算法的流失预测算法,并与传统神经网络进行对比。实例分析结果表明,模型在较低的时间、算法复杂度下,达到了较高的精度以及鲁棒性。

摘要： 社会化阅读用户流失的影响因素及路径需要进行全面、系统的探讨。本文基于压力源-应变-后果理论框架并结合社会化阅读实际情况,构建了社会化阅读用户流失意愿模型。实证结果表明,用户的使用倦怠和不满意会直接导致流失意愿的形成,使用倦怠又受信息超载、社交超载和隐私关注等因素的影响,期望不一致、隐私关注、信息超载和社交超载等因素都会直接影响用户的不满意程度。据此,防止社会化阅读用户流失需要完善社交功能、提供高质量阅读信息资源、改善个性化服务和优化用户隐私保护。

摘要： 高校移动图书馆流失用户画像模型能够指导并帮助高校图书馆描绘具体的用户画像,理清用户流失因素,探索不同类型流失用户的特征,方便高校图书馆实施后续个性化管理方案。在"刺激-机体-反应"(S-O-R)理论的指导下,运用扎根理论分析访谈数据并提取用户流失因素、用户变化、用户行为、用户基本属性四个方面的用户画像标签,构建高校移动图书馆流失用户画像标签框架及模型;同时,理清流失用户画像标签间的关系,分析流失原因和流失心理,为高校移动图书馆了解用户流失形成机制、建立流失用户画像和采取应对措施提供参考。图3。表5。参考文献42。

摘要： 存量时代背景下,汽车企业保留置换用户对其发展至关重要。为了深入研究汽车品牌用户流失的影响因素,本文基于换购用户调研数据,从前车体验角度出发,重点研究品牌形象体验和产品体验对汽车品牌用户流失的影响。一、研究背景当前,中国汽车消费市场正在逐步由增量市场向存量市场转变,汽车置换消费对新车销量的贡献地位日益突出,2019年我国乘用车保有量为2.12亿辆.

摘要： [目的/意义]提升移动政务APP用户的使用体验,增强用户的使用黏性,预防用户流失.[方法/过程]以PPM理论框架为基础,构建了移动政务APP用户流失行为影响因素模型,据此设计调查问卷并进行实证研究.[结果/结论]结果显示,失望感和替代品吸引力是促使用户流失的影响因素,系统质量和社群影响等对于预防用户流失产生显著影响,而社会临场感和沉浸则是重要的"锚定"因素,据此提出了加强移动政务APP的宣传推广、优化用户体验等对策和建议.

摘要： 基于双加工理论与社会交换理论,从分析性要素、直觉性要素双重视角构建了微信公众号用户取消关注意向研究模型.通过网络问卷收集到443份有效用户数据,使用偏最小二乘结构方程模型进行假设检验.研究发现:分析性要素中感知无用性、真实成本、机会成本均正向影响取消关注意向;直觉性要素中信息过载、侵扰正向影响取消关注意向;微信公众号类型(功利型VS享乐型)在分析性要素、直觉性要素与取消关注意向的正向影响关系中起调节作用.

摘要： 由于电信领域的移动用户数量难以增长,企业把焦点放在如何维持现有用户上,因此移动用户流失与否关系到企业核心收益,如何预防用户流失成为电信领域的一个重大挑战.传统的潜在用户流失识别技术无法有效地识别精准的流失用户,而采用机器学习算法的用户流失预防技术则有更高的准确度.针对上述问题,提出了一种基于梯度提升决策树算法(GBDT)和逻辑回归(LR)算法的用户流失预防模型,对参数特征进行调整,对已有移动用户流失数据进行计算,能达到高于85.91％的用户流失预测准确度识别,与已有其他常用预测对比表明,该算法的识别速度和准确率均拥有更好的预测效果.

摘要： 针对电信运营商用户流失问题,运用了BP神经网络(BPNN)算法,建立了电信用户流失预测模型.模型的训练结果表明,在该应用场景下,基于BP神经网络建立的数据模型具有较好的准确率及可靠性.详细设计了BP神经网络模型的的每个模块,并给出了BPNN正向传播建立过程以及反向传播更新权重参数、偏置项的过程.对比了BPNN与常用的机器学习算法RF,KNN,SVM在准确率与召回率等指标方面的性能.实验证明,通过BPNN数据模型的应用,可以有效对用户流失做出预测,提高电信行业运营效率.

摘要： 伴随着三大运营商产品同质化、客户需求精细化、市场竞争白热化的发展态势,客户维系工作受到了严重的挑战,本文主要介绍如何实用梯度提升树构建全网用户流失预警模型,通过持续迭代降低拟合误差,提升模型识别准确度,实现精准的用户流失风险预警.

摘要： 基于广东移动天气短信2013年9月份的拍照数据,按照"用户流失情况、品牌分布、终端使用情况、话费使用情况"等维度设计了提数模型,对广东移动天气短信用户流失的原因进行了分析.结果表明:用户"主动"退订造成的,移动互联网以及同类产品的冲击,运营商营销策略转移,是广东移动用户流失的主要原因.最后,本文根据以上研究结果提出的应对的策略.

摘要： 本文介绍了社交网站这种新媒体发展的现状,界定了社交用户流失的概念及其行为分类.从流失行为的相关研究内容、流失行为研究的理论基础及流失行为的影响因素三个方面对用户流失行为研究进行了相关综述, 从用户个体行为、正在使用的系统(在用系统)及将要转移去的系统(转移系统)三个维度对要素进行划分。可以看出，用户和正在使用的系统产品或服务之间构成人-服务/产品的内部影响;用户与即将打算转移去的系统产品或服务之间也构成人-服务/产品的内部使用影响，而正在使用的和即将打算转移的系统产品或服务之问构成服务或产品的外部竞争影响。总结目前研究的成果,并指出不足之处.提出未来研究可以展开的方向,预期完善用户行为相关理论并为改善社会化媒体的发展提供指导.

摘要： 本文主要以广东移动天气短信2013年9月份的拍照数据为分析目标,按照"用户流失情况、品牌分布、终端使用情况、话费使用情况"等维度设计了提数模型,得出了基于以上维度的一系列流失分析结果,并得出一定结论,最后基于分析结论给出了天气短信业务下一步优化服务产品、调整营销策略的思路.

摘要： 用户数量及其活跃程度是网站成功的关键,而盛极一时的社交网站,在短时间内出现大范围的用户流失,背后的原因值得关注.本文基于S-O-R理论,以开心网流失用户作为研究对象,从激励理论的视角出发,运用扎根分析和民族志决策树的方法设计访谈内容,抽取用户流失要素并对关键要素进行整理分类.结果表明,用户流失要素主要包括关系、安全、经济、内容、网站设计及外部环境因素六个层面.最后,本文对用户流失的原因要素进行了深入讨论,并给出了从开展社交服务及提升社会网络结构方面着手，提升用户间的关系粘度，社交网站运营商需要加强服务的互惠性及实用性。对于社交网站的运营商需要提高用户回报期望值及转换成本，让网站和用户间建立一种互惠关系，不断完善社交网站平台的研发工作，提升平台的易用性，并从用户个性化视角改进已有模块及组件中的不足等对策，本研究提炼的用户流失要素,有效地扩展了社交网站用户流失方面的研究,可以为社交网站领域的运营商及管理者提供相应指导.

摘要： 用户流失一直是运营商很关心的问题,要解决该问题就要对易流失用户群进行准确高效的预测,并及时采取挽留措施.文章给出了一种基于贝叶斯方法以及决策树分类的组合的数据挖掘方法,并通过实际应用证明了该方法的有效性.

摘要： 东莞联通B2I业务发展迅猛,新增用户逐月递增.但是,部分区域用户的高流失问题日益突出.为减少用户流失,技术部联合业务部门利用大数据平台,分析定位出高流失预警区域,并以网格为单位多维度完成网络关联分析和建维优一体化优化.通过3个月的持续攻坚,流失比例整体呈下降趋势.

摘要： 社交网站发展只至今,发展机制日趋成熟,竞争也日益激烈,而决定社交网站发展是否成功的关键在于网站用户的持续使用行为.本文以开心网用户为研究对象,针对逐渐显现的社交网站用户流失问题,对社交网站用户的持续使用意向进行实证研究,以期能够反映用户持续使用意向的真实情况.本文通过加入感知趣味性、感知转换成本、沉浸体验与主观规范这四个影响因素来建立研究模型,使用结构方程模型进行验证假设.结果验证模型具有良好的解释能力,并且支持大部分假设,依据研究结果为网站运营商以及我国社交网络行业提供了一些参考与启示.

摘要： 目前小灵通用户流失严重,中国电信和中国联通左右为难。文章分析小灵通转网需要解决的问题,并提出小灵通保号转网的方案。

摘要： 政府用户是信息服务中一个既重要又相对特殊的群体,为有效避免用户流失,需要从业者遵循科学的业务原则和有效的管理方法,特别是在对特定需求的关注与了解、对信息反馈的把握和处理、有效沟通与维护、持续改进及关注竞争对手等服务策略的制定方面。

摘要： 本申请公开了一种产品流失用户的用户类别识别方法、系统、电子设备及计算机可读存储介质，该方法包括：获取产品流失用户的用户数据；根据用户数据中的消费数据，确定产品流失用户的价值级别；将用户数据中的目标属性字段代入预先建立的回流意向评估模型，计算产品流失用户的回流意向概率值；确定与回流意向概率值对应的回流意向级别；确定与回流意向级别和价值级别均对应的用户类别，以便按照对应于用户类别的目标召回方式对产品流失用户进行召回。本申请引入了数据分析处理技术对用户数据进行处理，以便针对不同类别的产品流失用户采用对应合理的针对性召回方案，不仅避免了人力召回成本的浪费，同时也有效保障了召回率和召回效率。

摘要： 本申请涉及数据处理技术，提供了一种基于流失用户的潜在用户预测方法、装置和计算机设备。所述方法包括：获取流失用户在指定时间段内的数据；根据获取的所述数据，通过多种潜在用户预测模型进行预测，获得与所述潜在用户预测模型对应的预测标签；确定各预测标签中满足预设条件的目标预测标签；当所述目标预测标签为指定目标标签时，将所述流失用户确定为潜在用户。采用本方法能够保证潜在用户的预测结果的稳定性，从而保证预测准确性。

摘要： 本发明实施例涉及互联网技术领域，公开了挖掘导致网络应用的用户流失的流失因子的方法及系统。其中，该方法包括：根据流失用户的数据全集，计算发生所述网络应用的用户流失的每个用户操作场景的流失用户数占总流失用户数的比重，并确定在所述比重上排名靠前的多个用户操作场景；分析所述多个用户操作场景的流失因子；根据所述流失因子所属的用户操作场景的流失用户占总流失用户的比重，计算所述流失因子的影响力权重值；判断所述流失因子的影响力权重值是否大于等于阈值，若大于等于阈值，则确定所述流失因子为主要流失因子。通过本发明实施例，能够基于网络应用的流水数据对用户进行聚类分析，以挖掘具体到网络应用各子模块的设计缺陷等细节问题。

摘要： 本申请公开了流失预测模型训练方法和用户流失预测方法。流失预测模型训练方法的一具体实施方式包括：获取训练样本，其中，训练样本包括样本用户的样本信息推送数据和样本流失标签；将样本信息推送数据作为输入，将样本流失标签作为输出，训练得到流失预测模型。该实施方式训练出的流失预测模型能够提前预测用户的流失概率，有助于在用户流失前帮助挽留用户。

摘要： 本申请涉及数据处理技术领域，同时适用于数字医疗及金融科技领域，公开了一种针对流失用户的流失因素确定方法、装置、电子设备及介质。通过应用本申请的技术方案，可以实现一种由预先构建的用户流失数据模型自动根据已流失用户的历史业务办理数据来识别出导致其流失的一个或多个业务维度。以使后续针对性的根据该一个或多个业务维度进行改进调整的技术方案。从而一方面避免了相关技术中存在的，依赖业务人员基于用户的业务数据对流失用户进行分析所导致的分析效率较低的问题。另一方面也可以根据由多层构建的用户流失数据模型来具体识别出在繁琐的业务办理过程中真正使得用户发生流失的某一个待改进的业务维度。进而在后续对该业务维度制定相应的应对策略。

摘要： 本发明实施例涉及互联网技术领域，公开了挖掘导致网络应用的用户流失的流失因子的方法及系统。其中，该方法包括：根据流失用户的数据全集，计算发生所述网络应用的用户流失的每个用户操作场景的流失用户数占总流失用户数的比重，并确定在所述比重上排名靠前的多个用户操作场景；分析所述多个用户操作场景的流失因子；根据所述流失因子所属的用户操作场景的流失用户占总流失用户的比重，计算所述流失因子的影响力权重值；判断所述流失因子的影响力权重值是否大于等于阈值，若大于等于阈值，则确定所述流失因子为主要流失因子。通过本发明实施例，能够基于网络应用的流水数据对用户进行聚类分析，以挖掘具体到网络应用各子模块的设计缺陷等细节问题。

摘要： 本发明公开了基于用户画像的互联网卡用户流失预测方法及系统，通过分析互联网卡用户与流失相关的身份特性以及行为特性，确定互联网卡用户的关键画像数据维度以及关键时序行为数据维度；关键画像数据维度包括表征互联网卡用户行为的不确定性和活跃度的活跃熵，关键时序行为数据维度包括表征互联网卡用户的异常行为的行为异常天数；从历史数据中获取不同用户对应维度的关键画像数据以及不同时期的关键时序行为数据构建训练数据集，并使用训练数据集训练构建的深度学习模型，再使用训练好的深度学习模型预测用户流失。本发明在选取训练数据的特征维度时，新增用户的活跃熵和行为异常天数来反映不同用户的流失行为规律，使得训练得到深度学习模型预测精度更高。

摘要： 本发明提供一种基于用户上网行为的电信用户流失预测方法及装置，该方法包括：获取目标用户的至少一个上网行为数据；对上网行为数据进行评价，确定与目标用户的上网行为相对应的评价参数；基于评价参数，预测目标用户是否为潜在流失用户，以及目标用户的流失概率。本发明基于用户的上网行为，在统计学的基础上，综合考虑用户的主观感受和意愿，从而能够提前预测潜在流失用户并全面、准确地评价用户流失的原因，结果真实可靠；同时，用户流失具有周期性，提前预测潜在流失用户，可以及时发现并采取相应的营销手段对这些用户进行挽留，针对性强，成功率高。

摘要： 本申请实施例提供了一种流失用户识别方法和系统，其中，所述的方法包括：获取用户的操作数据；根据预置的流失用户识别模型对所述用户的操作数据进行识别以得到流失概率；在所述流失概率大于预设阈值的情况下，确定所述用户为流失用户，并根据预置的流失类别判定模型对所述用户的操作数据进行处理以确定所述流失用户的流失类型。通过预先利用用户的操作数据训练得到预置的流失用户识别模型和预置的流失类别判定模型，利用训练得到的模型对用户的操作数据进行分析得到流失用户的流失类型，从而可以分析用户流失的原因以针对性地设计挽留策略，而且可以及时触发执行相应的挽留策略，避免挽留策略触达不及时，提升挽留用户的效果。

摘要： 本申请公开了一种用户流失预测方法，该方法包括：获取第一历史时段的用户操作历史数据，按关卡进度占比选取样本数据集；根据所述样本数据集进行用户流失预测模型的训练；利用训练好的所述模型对未来用户流失情况进行预测。本申请还公开了一种用户流失预测系统、电子装置和计算机可读存储介质。由此，能够根据用户关卡进度比例对历史样本进行抽样，保证模型训练样本的平衡性，使得所述模型适用于关卡类游戏。