用户流失怎么办？三步教你搭建用户流失分析与预警模型 - 永洪社区

上传

点击文件名下载附件
二、流失原因分析

流失原因分析可从两个方面着手，一方面可利用构建的用户流失预测模型，定量的探索找出影响用户流失的主要原因，从而针对性的进行用户挽回。另一方面考虑到数据分析的局限性，采用用户调研问卷、竞品调研、客户反馈评价等定性的分析用户流失的原因。两者相结合，可帮助运营人员深入了解流失原因，为后续预防用户流失制定运营策略。
三、构建流失预警模型
在建立模型时，我们需要从历史数据中获取到一定时间内的用户基础数据（性别、年龄、地域、会员类型、用户来源等）、用户行为数据（登录天数、在线时长、登录频次等）以及用户消费数据（最近一单距今天数、累计单量、累计消费金额、客单价等），同时需要将用户按是否为流失用户贴标签。在数据预处理后可采用机器学习的方法建立模型，由于是二分类问题，同时需要用户的流失规则及各特征指标的重要性排序，因此可以选择随机森林、决策树、逻辑回归等算法。最后通过模型评价指标例如正确率、召回率、精确度等，筛选出最优模型进行模型部署，对未来用户流失做预警。接下来举一个电信的实例，众所周知，客户在电信运营商户群中的地位十分重要，如何有效地保留现有客户、开发潜在客户、回流已流失客户是电信运营商市场竞争中的三个重要环节，因此对电信客户流失进行预测尤为重要。

已知从运营商获取数据：
1、用户基础数据，包括性别、年龄、职业、教育程度、所在地区等；

2、用户的行为数据，包括入网时间、投诉次数、通话时长、基本月租、话费额等。

首先需要先定义流失用户，确定哪些用户的核心行为可以代表流失，是连续欠费不交还是号码长期不用？定义完核心行为后，就可以根据公式计算回流率，利用拐点理论找出流失周期，从而为用户贴标签。贴完标签后利用Yonghong Z-Suite中的深度分析模块建立的用户流失预警模型界面如下：
(, 下载次数: 56)