本文为您介绍如何通过PAI提供的用户特征算法，快速构建用户流失模型。

背景信息

业务发展过程中的重要环节包括开拓新用户和保留老用户。通过建立用户流失预警风控模型，可以预测潜在流失用户，从而提前通过运营手段防范用户流失。

对于用户流失预警监控，主流预警方案均是基于规则实现的，缺少智能化的预测手段和机制，不能准确挖掘潜在流失用户。

解决方案

PAI提供了一套基于标签数据的特征编码、分类模型训练及模型评估的完整方案，具体要求如下：
  • 人力要求：需要具备基础建模的背景知识。
  • 开发周期：1~2天。
  • 数据要求：上千条的标签数据，该数据标记了历史客户在哪种特征情况下流失。

数据集

本工作流数据来源于真实的电信领域客户行为脱敏数据，包含用户基本信息及用户流失属性，共7043条样本数据。工作流的示例数据如下。用户流失预警实验数据特征数据包括如下字段。
参数描述
customerid用户ID。
gender性别。
SeniorCitizen是否为市民，其中：
  • 1：是市民。
  • 0：非市民。
Partner是否有Partner。
Dependents是否存在从属关系。
tenure客户在该公司的使用时长。
PhoneService是否提供手机服务。
MultipleLine是否存在多条线路。
InternetService互联网服务商。例如DSL或Fiber optic。
OnlineSecurity是否存在互联网在线安全问题。
OnlineBackup是否提供线上支持。
DeviceProtection是否提供设备保护。
TechSupport是否申请过技术支持。
StreamingTV是否提供流TV。
StreamingMovies是否提供流电影。
Contract合同时限。例如Month-to-month或Two year。
PaperlessBilling是否有电子账单。
PaymentMethod付款方式。
MonthlyCharges月消费。
TotalCharges总消费。
目标数据包括如下字段。
参数描述
churn用户是否流失。

用户流失预警风控

  1. 进入PAI-Designer页面。
    1. 登录PAI控制台。
    2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。
    3. 在工作空间页面的左侧导航栏选择模型开发和训练 > 可视化建模（Designer），进入Designer页面。
  2. 构建工作流。
    1. 在PAI-Designer页面，单击预置模板页签。
    2. 在工作流模板列表的流失用户监控区域，单击创建。
    3. 在新建工作流对话框，配置参数（可以全部使用默认参数）。
      其中：工作流数据存储配置为OSS Bucket路径，用于存储工作流运行中产出的临时数据和模型。
    4. 单击确定。
      您需要等待大约十秒钟，工作流可以创建成功。
    5. 在工作流列表，双击流失用户监控工作流，进入工作流。
    6. 系统根据预置的模板，自动构建工作流，如下图所示。
      用户流失工作流
      区域描述
      ①工作流的数据集。
      ②通过one-hot编码组件和SQL脚本实现特征工程建模，将原始字符型特征转化为数值型。以目标字段churn为例，原始数据为Yes或No，可以通过SQL语句将Yes转化为1，将No转化为0，示例如下。
      select (case churn  when 'Yes' then 1 else 0 end) as churn from  ${t1};
      ③将数据分为训练数据集和预测数据集。因为某用户只有流失与不流失两种可能性，所以用户流失预警属于二分类问题，可以使用二分类算法进行处理。
      ④使用二分类评估组件进行模型验证，可以通过AUC、KS及F1Score等指标评估模型效果。
  3. 运行工作流并查看模型效果。
    1. 单击画布上方的运行。
    2. 工作流运行结束后，右键单击画布中的二分类评估，在快捷菜单，单击可视化分析。
    3. 在二分类评估对话框，单击指标数据页签，即可查看模型评估指标数据。
      模型效果AUC取值越接近1，表示模型的预测准确率越高。本文中的AUC取值达到0.8以上，即模型的预测准确率较高。