在PC流量逐漸轉(zhuǎn)移到移動(dòng)端,經(jīng)濟(jì)全球化增加了人們對于財(cái)經(jīng)資訊需求的背景下,財(cái)經(jīng)新聞APP用戶飛速增長的同時(shí)也面臨著用戶粘性不足,忠誠用戶占比少,用戶流失加劇的問題。如果能較為準(zhǔn)確的預(yù)測用戶是否會(huì)即將流失,在用戶流失前分析用戶流失原因,針對價(jià)值不同的每一類用戶制定相應(yīng)的策略進(jìn)行用戶挽回,一方面可以通過數(shù)據(jù)分析以及數(shù)據(jù)挖掘手段實(shí)現(xiàn)財(cái)經(jīng)新聞APP用戶精細(xì)化運(yùn)營目標(biāo);另一方面,面對財(cái)經(jīng)新聞APP用戶基數(shù)相對大的情況,可以降低獲取新用戶的壓力,在用戶競爭中保持優(yōu)勢。因此,用戶流失預(yù)測是提高用戶留存的前提,也是用戶增長以及用戶管理的關(guān)鍵環(huán)節(jié)。本文基于財(cái)經(jīng)新聞APP用戶基礎(chǔ)數(shù)據(jù)和用戶在APP內(nèi)產(chǎn)生的行為數(shù)據(jù),提出財(cái)經(jīng)新聞APP用戶流失預(yù)測的流程,主要研究內(nèi)容有以下三部分:第一部分,提取財(cái)經(jīng)新聞APP用戶流失預(yù)測特征變量。定義財(cái)經(jīng)新聞APP流失用戶,分析財(cái)經(jīng)新聞APP的消費(fèi)模式和經(jīng)營模式的特點(diǎn),結(jié)合RFM模型和時(shí)間窗口的概念,將財(cái)經(jīng)新聞APP用戶基礎(chǔ)數(shù)據(jù)和用戶行為日志數(shù)據(jù)進(jìn)行處理,構(gòu)造并篩選財(cái)經(jīng)新聞APP用戶流失預(yù)測的特征變量;第二部分,改進(jìn)的Stacking算法進(jìn)行財(cái)經(jīng)新聞APP用戶流失預(yù)測。對于經(jīng)...

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1K折交叉驗(yàn)證原理圖

北京交通大學(xué)碩士學(xué)位論文相關(guān)理論與技術(shù)13表2-1IV值的評價(jià)標(biāo)準(zhǔn)表Table2-1evaluationcriteriaofIVIV值變量預(yù)測能力<0.02無預(yù)測能力0.02~0.1預(yù)測能力較弱0.1~0.3預(yù)測能力一般0.3~0.5預(yù)測能力較強(qiáng)>0.5預(yù)測能力極高2.1.3K折....

圖2-2Boosting算法基本流程圖

北京交通大學(xué)碩士學(xué)位論文相關(guān)理論與技術(shù)17圖2-2Boosting算法基本流程圖Figure2-2basicprocessofBoostingBagging算法和Boosting算法的區(qū)別體現(xiàn)在以下5個(gè)方面：樣本選擇方面：Bagging算法采用有放回的隨機(jī)抽樣，Boosting算....

圖3-2活躍用戶登錄間隔代碼Figure3-2corecodeofactiveuserlogininterval

北京交通大學(xué)碩士學(xué)位論文財(cái)經(jīng)新聞APP用戶流失預(yù)測特征變量提取25播財(cái)經(jīng)知識(shí)，滿足用戶財(cái)經(jīng)技能的提升。有效行為包括用戶登錄和用戶訂閱直播課程兩種，由于用戶訂閱直播課程涉及財(cái)務(wù)方面數(shù)據(jù)，并且部分訂閱視頻是付費(fèi)較高的vip用戶能夠觀看的，考慮到研究的對象不僅是財(cái)經(jīng)新聞APP的vip用....

圖3-3登錄間隔與活躍用戶累計(jì)量級(jí)占比關(guān)系圖

北京交通大學(xué)碩士學(xué)位論文財(cái)經(jīng)新聞APP用戶流失預(yù)測特征變量提取26圖3-3登錄間隔與活躍用戶累計(jì)量級(jí)占比關(guān)系圖Figure3-3relationshipbetweenloginintervalandcumulativeproportionofactiveusers如上圖所示，在橫....

本文編號(hào)：3966101