本文為您介紹如何通過PAI提供的使用者特徵演算法,快速構建使用者流失模型。
背景資訊
業務發展過程中的重要環節包括開拓新使用者和保留老使用者。通過建立使用者流失預警風控模型,可以預測潛在流失使用者,從而提前通過營運手段防範使用者流失。
對於使用者流失預警監控,主流預警方案均是基於規則實現的,缺少智能化的預測手段和機制,不能準確挖掘潛在流失使用者。
解決方案
PAI提供了一套基於標籤資料的特徵編碼、分類模型訓練及模型評估的完整方案,具體要求如下:
人力要求:需要具備基礎建模的背景知識。
開發週期:1~2天。
資料要求:上千條的標籤資料,該資料標記了歷史客戶在哪種特徵情況下流失。
資料集
本工作流程資料來源於真實的電信領域客戶行為脫敏資料,包含使用者基本資料及使用者流失屬性,共7043條樣本資料。工作流程的樣本資料如下。特徵資料包括如下欄位。
參數 | 描述 |
customerid | 使用者ID。 |
gender | 性別。 |
SeniorCitizen | 是否為市民,其中:
|
Partner | 是否有Partner。 |
Dependents | 是否存在從屬關係。 |
tenure | 客戶在該公司的使用時間長度。 |
PhoneService | 是否提供手機服務。 |
MultipleLine | 是否存在多條線路。 |
InternetService | 互連網服務商。例如DSL或Fiber optic。 |
OnlineSecurity | 是否存在互連網線上安全問題。 |
OnlineBackup | 是否提供線上支援。 |
DeviceProtection | 是否提供裝置保護。 |
TechSupport | 是否申請過支援人員。 |
StreamingTV | 是否提供流TV。 |
StreamingMovies | 是否提供流電影。 |
Contract | 合約時限。例如Month-to-month或Two year。 |
PaperlessBilling | 是否有電子賬單。 |
PaymentMethod | 付款條件。 |
MonthlyCharges | 月消費。 |
TotalCharges | 總消費。 |
目標資料包括如下欄位。
參數 | 描述 |
churn | 使用者是否流失。 |
使用者流失預警風控
進入Designer頁面。
登入PAI控制台。
在左側導覽列單擊工作空間列表,在工作空間列表頁面中單擊待操作的工作空間名稱,進入對應的工作空間。
在工作空間頁面的左側導覽列選擇 ,進入Designer頁面。
構建工作流程。
在Designer頁面,單擊預置模板頁簽。
在模板列表的流失使用者監控地區,單擊建立。
在建立工作流程對話方塊,配置參數(可以全部使用預設參數)。
其中:工作流程資料存放區配置為OSS Bucket路徑,用於儲存工作流程運行中產出的臨時資料和模型。
單擊確定。
您需要等待大約十秒鐘,工作流程可以建立成功。
在工作流程列表,雙擊流失使用者監控工作流程,進入工作流程。
系統根據預置的模板,自動構建工作流程,如下圖所示。
地區
描述
①
工作流程的資料集。
②
通過one-hot編碼組件和SQL指令碼實現特徵工程建模,將原始字元型特徵轉化為數值型。以目標欄位churn為例,未經處理資料為Yes或No,可以通過SQL語句將Yes轉化為1,將No轉化為0,樣本如下。
select (case churn when 'Yes' then 1 else 0 end) as churn from ${t1};
③
將資料分為訓練資料集和預測資料集。因為某使用者只有流失與不流失兩種可能性,所以使用者流失預警屬於二分類問題,可以使用二分類演算法進行處理。
④
使用二分類評估組件進行模型驗證,可以通過AUC、KS及F1Score等指標評估模型效果。
運行工作流程並查看模型效果。
單擊畫布上方的運行。
工作流程運行結束後,按右鍵畫布中的二分類評估,在捷徑功能表,單擊可視化分析。
在二分類評估對話方塊,單擊指標資料頁簽,即可查看模型評估指標資料。
AUC取值越接近1,表示模型的預測準確率越高。本文中的AUC取值達到0.8以上,即模型的預測準確率較高。