ｌ数日啦术 ｜ 应用研究 回归模型在睡眠客户预测中的应用 陈宝华柳炳祥万川南 （景德镇陶瓷学院信息工程学院江西景德镇３３３０００） 摘要：企业的客户关系管理工作好坏，直接影响到企业的核心竞争力，发现一个潜在的客户，往往比挽留一个客户所花费的成本要大的多，因此．发现 睡眠用户，并做好相应的客户关怀，挽留住即将流失的客户，就显得非常重要。论文利用ｌｏ百ｓ石ｃ回归模型，建立客户睡眠客户的预测模型，建模步骤分为 变量分析、变量变换、模型建立评估。从实验分析和结果上看，模型效果拟合较好，评价ｌ０ｇｉｓｔｉｃ回归模型结果好坏的ＫＯＣ、Ｋｓ曲线验证了该方法的 可行性和有效性，为睡眠用户的预测提供了一种分析的思路和方法。 关键词：睡眠客户预测模型ｌｏ￣ｓｆｉｃ 归模型 中图分类号：Ｆ１２３．９ 文献标识码：Ａ 文章编号：１ ００７．９４ １ ６（２０ １ ６）Ｏ８．００６９．０２ １引育 改善客户关系管理工作，提升客户价值。 睡眠用户的定义和模型目标变量的选定息息相关，而目标变量 是用模型确定业务问题的模型解释，这个过程本身就是业务问题转 ２数据处理 化统计模型问题过程。鉴于睡眠用户定义的重要性，睡眠用户的直 ２．１数据来源 接表现是停止交易，所以最后一次交易到无交易的时间是一个比较 论文数据来自于某第三方支付平台历史交易数据，对一些涉及 合理定义。为此从统计用户两次之间交易间隔来确定睡眠用户的定 商业机密的数据，如交易金额等进行线性变换，对用户个人隐私信 义。统计用户的最大交易间隔天数分布情况，从图１中可以看出，到 息进行剔除。 当用户最大交易间隔天数在９０天后，用户的最大交易间隔分布下降 ２．２数据预处理 平缓，而且７０％以上的用户的最大交易间隔小于等于９０天。 在建立模型之前，对重复数据进行了预处理。首先从业务的角 发现睡眠客户对于企业的客户管理工作非常重要，论文采用 度上，对用户的交易是主动性交易与被动性交易进行整理，从业务 ｌ０ｇｉＳｔｉｃ回归模型对睡眠客户进行分析，发现睡眠客户的特征，进而 的角度上理解主动交易更能反映用户的行为，所以数据删除被动交 易记录。对文本字段转换成数值字段，时间字段转换成标准时间格 式，即数据处理中截取、清洗、转换。 ２．３确定高价值客户 从业务的角度上，历史活跃度很低的用户，对企业的认可度可 能更小，对这样的用户营销收益不高。所以建立模型时，要考虑确定 什么样的用户是高价值用户。高价值的用户有一定的活跃度，而活 跃度主要表现在交易次数上。而为了确定有价值用户的规则，筛选 出在历史交易时期没有睡眠的用户，计算这些用户在６个月中的历 史交易情况，并对整体用户的分布趋势进行汇总统计分析，数据处 理结果如表１所示。 ３ ｌｏｇｉｓｔｉｃ回归模型在睡眠客户预测中的应用与分析 ３．１变量选取 对于本次建立的睡眠用户，预测模型的变量选取，主要是客户 属性变量与客户交易行为变量。其中客户属性变量有： 蛄蛀衄 ｉ ｓ１．ｅ ＝＝：４：＝： 图２ ＲＯＣ曲线 图３ＫＳ曲线 收稿日期：２０１６—０６—２４ 作者简介：陈宝华（１９９４－－），男，江西崇仁人，景德镇陶瓷大学信息工程学院硕士研究生，主要研究方向：数据挖掘与群智能算法。 应用研究 表１非睡眠用户交易次数汇总 表２逐步选择汇总 目标事件的观测中被正确分类的比例；灵敏度十实际上属于目标事 件的观测被正确分类的比例；Ｋ—Ｓ统计分布是用来衡量模型的辨识 能力。ｓｌｅｅｐ＝Ｏ（￣睡眠）曲线是模型预测值小于某个值时ｓｌｅｅｐ＝Ｏ（￣ 睡眠）的累计观测数占比分布；ｓｌｅｅｐ＝ｌ（睡眠）曲线是模型预测值小于 某个值时ｓｌｅｅｐ＝ｌ（睡眠）的累计观测数占比分布；Ｄ值在０到１之间， Ｄ值越大，模型的辨识能力越强。此模型两条曲线的最大垂直距离， ＥＰＫ－Ｓ统计值Ｄ＝Ｏ．６２５，说明该模型辨识能力较好。 ４结语 通过对变量的标准化系数比较各变量的影响程度。最后一次交 易后余额，最近三月消费次数，最近三个月消费笔数占比，最近三个 月交易金额占个月总交易额百分比，最近三个月转账笔数占比，实名 等级０，最近三月转账金额占比与最近４—６个月转账金额占比变化比 例的标准化系数分别是－０．８７８１，－０．４０４１，Ｏ．３３ｏ５，－０．２００５，０．１７７３， ０．１３８２，０．１０３６，即这些变量的影响程度呈现递减趋势。 从实际业务角度上验证，ＪｉｎｅＰＣｈａｎｇｅ３（最近三月转账金额占 比与最近４＿６个月转账金额占比之差）越大，表示最近三月转账金额 增加，Ｐｒｅｄ值变大，睡眠可能性增加。ＮｕｍＰｅｒｃｅｎｔ３２（最近三个月消 费笔数占比）越大，表示最近三月消费相对增加睡眠可能性增加。 ＮｕｍＰｅｒｃｅｎｔ３３（最近三月转账笔数占比）越大，表示最近三月转账相 对增加睡眠可能性增加。Ｓｕｍ３Ｐ６（最近三个月交易金额占六个月总 交易额百分比）越大，表示最近的交易相对之前更活跃，睡眠可能性 降低。ＲｅａｌＮａｍｅ等于０，表示非高级实名用户，相对高级实名用户睡 眠可能性更大。Ｎｕｍ３２（最近三月消费次数）越大，表示消费频率较 大，用户更不容易进入睡眠。ＡｆｔｅｒＡｍｔ（最后一次交易后余额）越大， 表示用户的粘性更大，更不容易进入睡眠状态。 论文利用ｌｏｇｉｓｔｉｃ回归模型，建立客户睡眠客户预测模型，建模 步骤分为变量分析、变量变换、模型建立评估。从ＲＯＣ、ＫＳ曲线上可 以看出，模型效果拟合较好。实验中也有一些不足之处，首先是数据 收集还存在不足，根据行为分析，对用户的行为特征除交易行为，还 有个人偏好、性别、年龄、消费能力、学历等因素未考虑，直接影响到 模型预测的精度，有待今后进一步完善。 参数 Ｉｎｔｅｒｃｅｐｔ ｎ出鹰 协“值ｌ Ｉ ８１７ 酥琳ｊ毙麓 Ｗａｌｄ＃矗 Ｐｒ一＃疗 抓 魅他憾计 ０ ２１４８ ７ｌ ５∞Ｓ ０００１ ＪｉｎｅＰＣｈａｎｇｅ３ ｕ ｅｒｃｅｔ１ ３２ １ １ ０ ６５０８ ２ １２９５ ０ １４９．１ ０ １８４８ １８ ９６８９ １３，３ １７９３ ０∞ｌ ‘Ｏ００１ ０ １０３６ ０ ３８０５ Ｎ￣ｉｌａｅｒｃｅｎｔ３３ ＳｕｍａＰ￣ ｌ ｉ ｌ Ｓ嘶４ 一１．３７ ０ ２Ｔｆ２ Ｏ １５∞ ４５ ２９０５ ７９ ８８９４ ０００１ 、．Ｏ００１ ０ ｔ？珏 －０ ０∞§ ＲｅａｌＮａｍｅ Ｎｌｌｍ３２ ０ １ ｉ ０ ６９２１ 呻０５，Ｉ ０ ０８２６ Ｏ ００５６７ ７０ ２９０７ ８９ ２０２５ ０００１ ０００１ ０ｌ３８２ ・０＇ｉ０４１ ＡＦＴＥＲＡ￣Ｔ ｉ ～０＋５９６ ０ ０２８６ ４３３ ａ０３３ －Ｌ Ｏ００１ —０ ８７８１ ＣＵＳＴＯＭＥＲ＿ＮＯ，用户实名等级，注册时间；客户交易行为变量有： 交易金额，交易类型，交易时间，每次交易前余额，每次交易后余额， 交易类型（涉及商业机密数据，所以将金额数据进行线性变换处理）， 还有一些衍生变量。 ３．２变量处理 原始数据繁杂冗余，不能直接用于建模。数据处理过程包括缺 失处理、变量类型转换、日期型变量处理、错误变量处理、异常值处 理、相关性变量处理、变量选择。其中缺失值处理的方法是，当交易 数据为缺失时，用零来代替，代表没有发生交易，是一个合理的解 释。所以，本文的原始变量缺失则用零代替。变量的删减的方法是， 删除变量是一个非常慎重的问题，但是若是存在较强相关性的情况 下，ｌｏｇｉｓｉｔｃ回归结果是不满意的。因为变量过多，一次性进行变量 相关性分析结果，显得过于繁杂，不利于找出其中的规律。为此，先 进行变量重要性分析，将变量相关ｌ生分成两阶段进行。第一个阶段， 先分析三个维度中变量的相关性分析。第二阶段，在完成第一阶段 参考文献 分析之后，剩余的变量全在一起分析变量相关性。 ３．３模型建立 ［１］赵小宁，李凤霞．因子分析法和聚类分析法在网上银行客户满意 按上面的分析，对变量进行选取及变量的处理后，进入建模阶 度研究中的应用［Ｊ］．时代金融，２Ｏ１ ５（３）． 段。实验所选变量主要体现用户交易行为变化、最近交易行为、用户 ［２］李凡．数据挖掘技术的研究与应用［０］．西安电子科技大学。２００２． 身份特征来拟合用户是否会进入睡眠状态。将整理好的数据按５０％ ［３］杜建军，李海玉。马蓉等．数据预处理与决策树在客户行为分析中 比例随机抽样，分别得到训练集和测试集。实验模型是基于ＳＡＳ软件 的应用［Ｊ］．信息技术，２００８（１ ２）． 中的ＰＲＯＣ ＬＯＧＩＳＴＩＣ过程来实现的。选取逐步回归估计的方式， ［４］蒋斌．数据挖掘技术在客户关系管理中的运用［Ｊ］．云南大学学报 模型估计结果如表２所示。ｌｏｇｉｓｔｉｃ回归分析的极大似然估计分析， （自然科学版），２００６（１ ２）． 如表３所示。 ［５］郭立硕，王兆刚，李星．基于因子分析和聚类分析上市房地产公司 ３．４模型评估 的财务风险评价［Ｊ］．中小企业管理与科技，２０１ ５（１）． 评价ｌｏｇｉｓｔｉｃ回归模型结果好坏，主要有Ｋ—Ｓ曲线、ＲＯＣ曲线等 方法，图２、图３是本次实验所建立模型的Ｋ－Ｓ曲线、ＲＯＣ曲线。ＲＯＣ 曲线横坐标为（卜特异度），纵坐标为灵敏度。特异度是实际上属于非
