01 建模概览

To DN：
01 建模概览
02标准建模流程:数据准备
02标准建模流程:样本定义与数据集构建
02标准建模流程:特征工程
02标准建模流程:模型构建

概述

不同业务场景虽然具备大致的建模流程，即分为数据清洗、标签定义、样本划分、特征工程和建模及调优几个步骤，但是细分的逻辑上存在些差异。

应用

1 流失预警

一般是让模型学习已经流失用户在流失前N个月的行为特征，然后用模型来预测目前活跃用户的潜在流失概率，对高概率用户进行用户维护。

1.1样本的定义

不同业务场景对流失用户的定义不大相同：电信运营商对流失用户的定义为最近1月已经销号的用户；资讯APP的流失用户定义为用户连续1个月没有访问

1.2 数据集构建

不同定义的时间窗口的选择也不相同，以连续3个月未登录的用户为例，该场景的表现期为3个月，观察期可以为近6个月。假如我们有近一年的用户行为数据，2021/7/1-2021/10/31连续未登录的用户作为训练集的表现期，2021/1/1-2021/6/30为训练集的观察期，2021/11/1-2022/1/31连续未登陆的用户作为测试集的表现期，2021/5/1-2021/10/31作为测试集的观察期。

2 潜客线索质量评估

通过业务逻辑/聚类算法/RFM模型等算法对用户进行分群，根据不同的用户群特征实现不同的推荐策略

2.1 样本定义

以电商广告推荐场景为例，若使用RFM模型，可选取用户广告点击率、购物深度、点击商品平均价格三个维度来衡量用户价值标准：广告点击率——反应用户在平台的活跃程度、购物深度——体现用户在平台上的持续购物深度、点击商品价格均值——体现用户的潜在消费能力。
通过设定不同的区间，可将用户划分为以下几类：
● 重要价值用户——用户活跃度高、点击广告商品价位高，这部分用户对企业的潜在贡献价值很高，属于企业的优质用户
● 重要发展用户——用户活跃度较低，与企业交易很频繁，点击广告商品价位高，但存在一定的流失风险，该类高价值用户是企业利润的潜在来源
● 重要挽留用户——用户活跃度较低，与企业的交易频率较低，点击广告商品价位较高，这类用户有很高的潜在价值，可采取针对性营销手段吸引他们，提高其广告商品点击率
● 一般价值用户——用户活跃度高，点击广告商品价位低，购买能力有限，属于价格敏感型用户
● 一般挽留用户——用户活跃度低，点击广告商品价位低，该部分用户已无法立刻为企业产生价值

2.2 数据集构建

根据分群后用户制定不同的推荐策略后，进行ABtest，一部分用户采用原有的推荐策略，另一部分用户采用分群后对应的策略，观察业务指标的变化情况。