如何建立网站流失用户的预测模型

转载自其它网站


用户在一个网站中一般会经历新鲜期，沉迷期，消退期，离开网站。四个阶段。如何能够延长用户在网站的停留周期是我们作为产品人员需要迫切解决的问题。试想，如在用户消退期到达之前能够使用某种方法接着使用户重新进入新鲜期或者沉迷期，从而降低用户的流失。

要完成流失用户的预测，我们首先需要确定以下三点
－什么叫做流失？什么叫做正常？（比如用户多少时间不登陆，网站自己定义的用户活跃度）
－要分析哪些用户？（比如不同年龄段，不同性别的用户）
－分析窗口和预测窗口各为多大（用以前多久范围的数据来预测客户在以后多久范围内可能流失）

参照电信业和银行业采用的预测方法，大概的理论如下：
1.用户流失分析或用户流失预测：通过线下调研和数据挖掘，捕捉用户离开网站前的特征，针对不同的流失原因建立用户模型，预测用户流失的概率。这对用户的保护是十分重要和有效的分析手段。对于用户流失预测，从两个方面来看：一个是用户流失预警，一个是流失用户特征分析。
2.用户流失预警：利用现有的风险函数（如浴缸型风险函数）定义统一的预警模型，根据预警模型，用户在网站的数据自动匹配预警模型。
3.流失用户特征分析：通过决策数算法，分析流失用户特征，建立不同原因流失的用户模型，然后通过这些特征得到当前在网站活跃用户中匹配流失概率高的用户数据。

通过用户流失分析获得流失用户数据和潜在流失用户数据，根据这些用户数据提供一些新的营销内容或者功能 。快速反应，以此达到挽留流失概率高的用户，降低网站用户的流失率。

分析方法
1. 分析主题确定及数据指标的选择；
2. 数据仓库数据提取及清洗；
3. 不相关指标剔除；
4. 用训练数据建立模型；
5. 用测试数据检验模型；
6. 预测新的流失用户，并提取用户名单
对于网站来说我觉得，把所有用户数据都拿来挖掘。分析出那些数据是需要，那些数据不需要。

提出解决方案可以划分为四部分：发现挽留机会→制订挽留策略→实施挽留行动，收集用户反馈→评估挽留效果并调整模型和策略。