论文部分内容阅读
在PC流量逐渐转移到移动端,经济全球化增加了人们对于财经资讯需求的背景下,财经新闻APP用户飞速增长的同时也面临着用户粘性不足,忠诚用户占比少,用户流失加剧的问题。如果能较为准确的预测用户是否会即将流失,在用户流失前分析用户流失原因,针对价值不同的每一类用户制定相应的策略进行用户挽回,一方面可以通过数据分析以及数据挖掘手段实现财经新闻APP用户精细化运营目标;另一方面,面对财经新闻APP用户基数相对大的情况,可以降低获取新用户的压力,在用户竞争中保持优势。因此,用户流失预测是提高用户留存的前提,也是用户增长以及用户管理的关键环节。本文基于财经新闻APP用户基础数据和用户在APP内产生的行为数据,提出财经新闻APP用户流失预测的流程,主要研究内容有以下三部分:第一部分,提取财经新闻APP用户流失预测特征变量。定义财经新闻APP流失用户,分析财经新闻APP的消费模式和经营模式的特点,结合RFM模型和时间窗口的概念,将财经新闻APP用户基础数据和用户行为日志数据进行处理,构造并筛选财经新闻APP用户流失预测的特征变量;第二部分,改进的Stacking算法进行财经新闻APP用户流失预测。对于经典的Stacking集成预测算法从初级分类器类概率与类别同时输出以及添加精度加权两个方面进行改进,得到预测精确度更高的财经新闻APP用户流失预测模型;第三部分,财经新闻APP用户流失预测案例研究。以截至2019年3月11日的S财经新闻APP的用户相应数据进行财经新闻APP用户流失预测的案例研究,并对模型效果进行验证,明确了财经新闻APP用户流失预测在财经新闻APP用户精细化运营流程中所处的位置,并简要讨论了财经新闻APP用户精细化运营流程中财经新闻APP用户流失预测结果的应用方向。通过对比实验,可以证明本文提出的财经新闻APP用户流失预测特征变量应用于改进的Stacking模型时其预测效果优于随机森林、支持向量机、Ada Boost和普通Stacking集成算法,同时,本文案例研究环节中对于用户流失预测结果的后续应用进行了讨论,是对预测流失用户的目的挽回用户,做的更深一层的分析,对于实际用户运营问题的解决有积极意义。