如何通过PAI提供的算法构建用户流失模型_人工智能平台 PAI(PAI)-阿里云帮助中心

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。

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：

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。

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与训练 > 可视化建模（Designer），进入Designer页面。

构建工作流。

在PAI-Designer页面，单击预置模板页签。
在模板列表的流失用户监控区域，单击创建。
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。
单击确定。
您需要等待大约十秒钟，工作流可以创建成功。
在工作流列表，双击流失用户监控工作流，进入工作流。

系统根据预置的模板，自动构建工作流，如下图所示。

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。

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。
  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。