在用户增长解决方案中，通过流失用户召回子解决方案可以对用户进行流失预测，从而对高风险流失用户进行召回。本文介绍如何使用PAI-Studio提供的算法组件，构建用户流失预测召回模型。

背景信息

用户增长解决方案包含流失用户召回、用户LTV预测及买量预测等多个子解决方案。通过用户增长解决方案，您可以更精细化地进行流量运营。PAI团队在相关领域具有丰富实践经验，通过机器学习手段帮助多家互联网公司提升其流失用户召回率达30%以上。

在用户增长解决方案中，需要使用阿里云计算平台的多款产品：
  • 底层计算引擎使用MaxCompute（阿里云自研大数据平台）或EMR（开源Hadoop体系）计算引擎。
  • 数仓层使用DataWorks工具，供数据工程师开发用户标签。
  • 模型训练层使用PAI-Studio或EMR-DS等建模工具。
架构图如下所示。用户增长解决方案架构图

数据准备

在App流失用户召回场景中，首先需要准备一份用户登录相关的数据，数据具体说明如下。
参数 类型 描述
app_key STRING App唯一标识
Umid STRING 设备ID
install_channel STRING 首次安装渠道
app_channel STRING App当前渠道
sdk_version STRING SDK版本
app_version STRING App当前版本
event_name STRING 自定义事件名字
svr_timestamp STRING 服务器时间戳
pre_app_version STRING 升级前版本
screen_width Bigint 分辨率宽度
screen_height Bigint 分辨率高度
os_version STRING 操作系统版本
device_brand STRING 设备品牌
device_model STRING 设备机型
country STRING 国家
province STRING 省
city STRING 城市
is_wifi STRING 是否使用Wi-Fi，其中：
  • 0：使用Wi-Fi
  • 1：未使用Wi-Fi
imei STRING IMEI
idfa STRING IDFA
is_new_install STRING 新老用户，其中：
  • 0：老用户
  • 1：新用户
cli_timestamp BIGINT 客户端时间戳
event_kv_json STRING 参数和参数值数据，JSON结构。
session_id STRING 会话ID
provider STRING 用户通过第三方账号登录时的标识符
puid STRING App用户账号ID
android_id STRING Android ID
oaid STRING OAID（匿名设备标识符）
system_properties STRING 系统属性（扩展字段）
event_type STRING 事件类型，其中：
  • 0：自定义事件
  • 1：预制事件

构建实验

在PAI-Studio中，已经预置了新用户流失召回实验模板。您可以从实验模板快速创建实验，并在此实验基础上通过拖拽形式构建自定义实验。PAI-Studio提供100余种机器学习算法组件供您使用，在流失预测用户召回场景中，需要使用One-Hot编码、逻辑回归、预测及二分类评估等组件。

  1. 进入PAI-Studio控制台。
    1. 登录PAI控制台。
    2. 在左侧导航栏，选择模型开发和训练 > Studio-可视化建模。
    3. 在PAI可视化建模页面，单击进入机器学习。进入机器学习
  2. 构建并运行实验。
    1. 在PAI-Studio控制台的左侧导航栏，单击首页。
    2. 在模板列表，单击用户增长-新用户流失召回下的从模板创建。
    3. 在新建实验页面，配置参数（您也可以全部使用默认参数）。
      参数 描述
      名称 输入新用户流失召回。
      项目 不支持修改。
      描述 输入计算新用户流失的概率，通过短信等服务触达方式召回用户。
      位置 选择我的实验。
    4. 单击确定。
    5. 等待大约十秒钟，实验即可创建完成，如下图所示。
      新用户流失召回实验图
      序号 描述
      ① 获取注册日期字段。
      本文中的用户流失召回方案通过用户在注册日期当天的行为，预测未来七天该用户是否会再次登录。如果未来七天该用户不登录，则判断为流失用户，因此需要先确定注册日期。您可以通过SQL JOIN方式获取每个用户的注册日期，例如add注册日期组件配置的如下SQL脚本。
      SELECT a.*,b.registration_date
,datediff(TO_DATE(a.ds,'yyyymmdd'),
TO_DATE(b.registration_date,'yyyymmdd'),'dd')+1 day
FROM  ${t1} a
JOIN ${t2} b
on a.umid=b.umid;
      ② 构建训练和预测数据。

      将数据分为两部分，一部分为已知行为和目标列的训练数据，用于训练流失用户预测模型。另一部分为测试集（可以替换成待预测样本），用于效果校验。训练集和测试集的数据特征加工模式需要保持一致。

      训练集数据分为特征列和目标列，其构建规则如下：
      • 目标列的构建规则
        SELECT  umid id,if(max(day)<=8,1,0) label
FROM    ${t1}
WHERE   day >= 1
group by umid;
        上述规则表明：如果未来7天该ID再次登录，则为非流失用户，即标记为1，否则标记为0。
      • 特征列的特征加工方法
        SELECT umid,
COUNT(if(day=1,1,0)) cnt_event1,
COUNT(if(day=2,1,0)) cnt_event2,
COUNT(if(day=3,1,0)) cnt_event3,
if(count(app_key)=1,1,0) app_key1,
max(app_key) app_key2,
max(install_channel) install_channel,
max(app_channel) app_channel,
max(sdk_version) sdk_version,
max(app_version) app_version,
max(screen_width) screen_width,
max(screen_height) screen_height,
max(os_version) os_version,
max(device_brand) device_brand,
max(device_model) device_model,
max(std_device_model) std_device_model,
………………………………………
COUNT(if(event_name="w_c_c_c",1,0)) w_c_c_c,
COUNT(if(event_name="w_o_i_v",1,0)) w_o_i_v,
COUNT(if(event_name="wifi_ad_c",1,0)) wifi_ad_c,
COUNT(if(event_name="wifi_settings",1,0)) wifi_settings
FROM ${t1} WHERE day <= 1 and ds<20201021 and ds>=20201006
group by umid;
      ③ 特征编码。
      One-Hot编码可以将类别变量转换为机器学习算法易于使用的形式，经过One-Hot转换后的格式如下图所示。One-Hot编码转换后的数据格式
      ④ 模型训练和评估。

      通过逻辑回归算法生成二分类模型，该模型可以对每个样本是否在未来7天流失进行预测。此外，通过AUC指标评估模型准确率，本文的AUC指标为0.65左右，该数值越高表示模型的准确性越高。

      您可以通过如下方式查看AUC指标：
      1. 实验运行结束后，右键单击画布中的二分类评估-1，在快捷菜单中，单击查看评估报告。
      2. 在评估报告对话框，单击图表或指标数据页签，即可查看AUC值。
    6. 单击画布上方的运行。
      系统已自动配置了实验的数据源及各算法组件的参数（单击画布中的组件，在右侧面板可以查看已配置的参数），您直接运行实验即可。
  3. 流失用户召回。
    训练完成的模型可以为用户的流失可能性打分，右键单击画布中的预测-1，在快捷菜单中，单击查看数据，即可查看预测结果。您可以通过预测结果的Prediction_detail字段判断用户的流失概率。
    以如下两个用户的预测结果为例，Prediction_detail字段表明第二个用户标记为0的概率大于第一个用户，因此第二个用户的流失风险更高。针对高风险的流失用户，可以通过短信或邮件的方式进行召回。
    Umid Prediction_detail Phone_number
    0007482ca2a10f164f6c4857a890**** { "0": 0.3562608594874275, "1": 0.6437391405125725} 1521*
    0009fae0f0717574dcbf60e52501**** { "0": 0.5325922140416991, "1": 0.4674077859583009} 138***

后续步骤

您可以将训练完成的模型部署为服务，从而进行在线调用。