[发明专利]用户流失原因的获取方法、装置、计算机设备和存储介质

说明书

本申请涉及一种用户流失原因的获取方法、装置、计算机设备和存储介质。所述方法包括：获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；根据各用户特征的流失值占比，获取用户流失原因。采用本方法能够实现对用户的流失原因的准确获取。

技术领域

本申请涉及计算机应用技术领域，特别是涉及一种用户流失原因的获取方法、装置、计算机设备和存储介质。

背景技术

随着科技的发展，为了满足人们在工作和生活上的需求，出现了越来越多的应用程序。对于开发者而言，通常希望开发出来的应用程序与用户具有较高的粘合度。一个应用程序在上线后，常常会出现用户流失的情况。因此，用户流失预警分析愈加成为用户关系管理中的重要一环；对用户流失进行预警分析首先需要获取用户流失的原因。

然而，传统技术中，在用户流失预警领域使用的机器学习算法通常都存在解释性差的问题，即流失预警模型通常只能给出用户是否将会流失这一结果，无法准确获取每个用户的流失原因，这将给后续的用户挽留增加难度。因此，如何准确获取用户的流失原因，已成为亟待解决的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确获取用户的流失原因的用户流失原因的获取方法、装置、计算机设备和存储介质。

一种用户流失原因的获取方法，所述方法包括：

获取流失用户数据；所述流失用户数据包括流失用户的不少于一项用户特征；

根据所述流失用户数据，通过预设的流失值计算公式，计算各用户特征的流失值；所述流失值是用于量化所述用户特征与用户流失之间关系的参数；

根据各用户特征的流失值，计算各用户特征的流失值占比；所述流失值占比是各项用户特征的流失值占总流失值的比重；所述总流失值是各项用户特征的流失值的和；

根据各用户特征的流失值占比，获取用户流失原因。

在其中一个实施例中，还包括：将目标用户数据输入至预先训练好的流失用户判断模型，输出流失用户数据；

所述流失用户判断模型是根据样本用户数据和样本用户的流失标签进行训练获取的；所述样本用户数据包括样本用户的不少于一项用户特征；所述流失标签是用于表征所述样本用户是否为流失用户的参数。

在其中一个实施例中， 将所述流失用户数据代入预设的流失值计算公式，获取每项用户特征的流失值；

所述流失值计算公式为：

其中，“！”表示阶乘，“| |”表示集合中包含元素的个数，F表示全部用户特征的集合，表示从F集合中剔除第i个特征后剩下的特征集合，S表示F的子集，表示将第i个特征加入特征子集S后训练的流失用户判断模型，表示基于用户特征子集S训练的流失用户判断模型。

在其中一个实施例中，用0替换各用户特征的流失值中小于0的数据，计算各用户特征的流失值的和作为总流失值；

计算各用户特征的流失值与所述总流失值的比值，作为各用户特征的流失值占比。

在其中一个实施例中，将各用户特征的流失值占比进行降序排列，生成流失值序列；

将所述流失值序列从最大值开始依次累加，获取所述流失值的累加值；

当所述累加值大于或等于预设的累加阈值时，将所述累加值对应的用户特征作为用户流失特征；