監(jiān)控

開(kāi)發(fā)者 在實(shí)踐的過(guò)程中，基于大數(shù)據(jù)進(jìn)行用戶行為預(yù)測(cè)會(huì)有兩大難點(diǎn)： 第一，開(kāi)發(fā)者需要使用多種手段對(duì)目標(biāo)問(wèn)題進(jìn)行分解；第二，數(shù)據(jù)在特定的問(wèn)題上會(huì)有不同的表現(xiàn)。

（1）提取出所有用戶的歷史付費(fèi)記錄，這些付費(fèi)記錄可能僅占所有記錄的千分之幾，數(shù)據(jù)量會(huì)非常小；

（2）有些數(shù)據(jù)在變換后，才會(huì)有更好的使用效果，比如年齡，可以變換成少年、中年、老年等特征；

預(yù)測(cè)

7

（1）選擇適當(dāng)?shù)膮?shù)進(jìn)行建模；

（2）模型訓(xùn)練好后，統(tǒng)計(jì)模型的精確度、召回率、AUC等指標(biāo)，來(lái)評(píng)價(jià)模型；

6

（3）提取非付費(fèi)用戶的歷史數(shù)據(jù)，這里可以根據(jù)產(chǎn)品的需求，添加條件、或無(wú)條件地進(jìn)行提取，比如提取活躍并且非付費(fèi)用戶，或者不加條件地直接進(jìn)行提取；

（1）明確需要進(jìn)行預(yù)測(cè)的問(wèn)題；

以上就是“個(gè)數(shù)”對(duì)用戶行為進(jìn)行預(yù)測(cè)的整體流程。總的來(lái)說(shuō)， 分析和建模的關(guān)鍵在于大數(shù)據(jù)的收集和對(duì)大數(shù)據(jù)細(xì)節(jié)的處理 。在進(jìn)行用戶行為預(yù)測(cè)的整個(gè)過(guò)程中，可供技術(shù)人員選擇的方法和模型都有很多，而對(duì)于實(shí)際的應(yīng)用者來(lái)說(shuō)， 沒(méi)有最好的選擇，只有更合適的選擇。

（3）交叉特征的生成，比如“中年”和“女性”兩種特征，就可以合并為一個(gè)特征進(jìn)行使用。

4

目標(biāo)問(wèn)題分解

構(gòu)建模型的特征

5

選用相關(guān)的模型進(jìn)行建模

3

（1）計(jì)算特征飽和度，進(jìn)行飽和度過(guò)濾；

（1）原始的數(shù)據(jù)可能能夠直接作為特征使用；

計(jì)算特征的相關(guān)性

（3）如果覺(jué)得模型的表現(xiàn)可以接受，就可以在驗(yàn)證集上做驗(yàn)證，驗(yàn)證通過(guò)后，歐洲服務(wù)器租用 云服務(wù)器，進(jìn)行模型保存和預(yù)測(cè)。

“個(gè)數(shù)”利用數(shù)據(jù)分析建模，對(duì)用戶行為進(jìn)行預(yù)測(cè)的大概流程包括以下幾點(diǎn)：

1

2

最后，運(yùn)營(yíng)人員還需要對(duì)每次預(yù)測(cè)的結(jié)果進(jìn)行關(guān)鍵指標(biāo)監(jiān)控，及時(shí)發(fā)現(xiàn)并解決出現(xiàn)的問(wèn)題，防止出現(xiàn)意外情況，導(dǎo)致預(yù)測(cè)無(wú)效或預(yù)測(cè)結(jié)果出現(xiàn)偏差。

隨著智能手機(jī)的普及和APP形態(tài)的愈發(fā)豐富，移動(dòng)設(shè)備的應(yīng)用安裝量急劇上升。用戶在每天使用這些APP的過(guò)程中，也會(huì)產(chǎn)生大量的線上和線下行為數(shù)據(jù)。這些數(shù)據(jù)反映了用戶的興趣與需求，如果能夠被深入挖掘并且合理利用，可以指導(dǎo)用戶的運(yùn)營(yíng)。若能提前預(yù)測(cè)用戶下一步的行為，甚至提前得知用戶卸載、流失的可能性，則能更好地指導(dǎo)產(chǎn)品的優(yōu)化以及用戶的精細(xì)化運(yùn)營(yíng)。

大數(shù)據(jù)服務(wù)商個(gè)推旗下的應(yīng)用統(tǒng)計(jì)產(chǎn)品“個(gè)數(shù)”，可以從用戶屬性、使用行為、行業(yè)對(duì)比等多指標(biāo)多維度對(duì)APP進(jìn)行全面統(tǒng)計(jì)分析。除了基礎(chǔ)統(tǒng)計(jì)、渠道統(tǒng)計(jì)、埋點(diǎn)統(tǒng)計(jì)等功能外， 個(gè)數(shù)的一大特色能力是——可基于大數(shù)據(jù)進(jìn)行用戶行為預(yù)測(cè)，幫助運(yùn)營(yíng)者預(yù)測(cè)用戶流失、卸載、付費(fèi)的可能性，從而助力APP的精細(xì)化運(yùn)營(yíng)以及全生命周期管理。

（2）計(jì)算特征IV、卡方等指標(biāo)，用以進(jìn)行特征相關(guān)性的過(guò)濾。

加載上述保存的模型，并加載預(yù)測(cè)數(shù)據(jù)，亞洲服務(wù)器租用 歐洲服務(wù)器，進(jìn)行預(yù)測(cè)。

（2）分析付費(fèi)記錄，了解付費(fèi)用戶的構(gòu)成，比如年齡層次、性別、購(gòu)買力和消費(fèi)的產(chǎn)品類別等；

（4）分析非付費(fèi)用戶的構(gòu)成。

分析樣本數(shù)據(jù)

（2）明確未來(lái)一段時(shí)間的跨度。