(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211181162.0 (22)申请日 2022.09.27 (71)申请人 欧冶云商股份有限公司 地址 201999 上海市宝山区漠河路6 00弄1 号5层A501-A507室 (72)发明人 程夏莹　文扬　王来　黄天立　 王汇丰　宋希　盛颖涵　朱彭生　 万仕龙　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 夏健君 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 30/00(2012.01) G06N 20/00(2019.01)G06K 9/62(2022.01) (54)发明名称 一种针对B2B平台用户的会员流失预警方法 和系统 (57)摘要 本发明涉及一种针对B2B 平台用户的会员流 失预警方法和系统， 包括接收B2B平台的原始数 据并进行数据清洗和预处理； 在原始数据中对部 分数据进行流失用户和非流失用户的标注， 得到 训练样本； 并通过非监督机器学习模 型进行自动 化数据标注， 扩充训练样本； 根据原始数据构建 特征， 采用保留数据原始属性的特征筛选方法， 从业务完整度和数据质量层面进行特征筛选； 基 于召回率评价指标从多个经典机器学习方法中 进行模型筛选； 根据筛选出的特征和模型， 基于 训练样本进行模 型迭代优化； 根据训练好的模型 进行流失概率计算， 根据计算出的流失概率发出 预警提示。 与现有技术相比， 本发明具有可以实 现会员流失概率的精准量化， 数据处理效率高、 预测结果 准确等优点。 权利要求书2页 说明书7页 附图1页 CN 115511525 A 2022.12.23 CN 115511525 A 1.一种针对B2B平台用户的会员流失预警方法， 其特 征在于， 包括以下步骤： 大数据提取和清洗步骤： 接收B2B平台的原始数据并进行数据清洗和预处理， 所述B2B 平台的原 始数据包括会员基础信息、 交易数据、 行为数据、 违约数据和用户负面体验数据； 数据标注步骤： 在所述原始数据中对部分数据进行流失用户 和非流失用户的标注， 得 到训练样本； 并通过非监 督机器学习模型进行自动化数据标注， 扩充所述训练样本； 特征筛选步骤： 根据 所述原始数据构建特征， 采用保留数据原始属性的特征筛选方法， 从业务完整度和数据质量层面进行 特征筛选； 模型选择步骤： 基于召回率评价指标从多个经典机器学习方法中进行模型筛 选； 主模型构建步骤： 根据筛 选出的特 征和模型， 基于训练样本进行模型迭代优化； 流失预警步骤： 根据训练好的模型对各个会员的B2B平台数据进行流失概率计算， 根据 计算出的流失概 率发出预警提示。 2.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 所 述数据清洗和预处理过程包括对原始数据进行缺失值处理、 异常数据处理、 标准化、 归一 化、 信息量分析、 数据分布和类别特 征编码处 理。 3.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 所 述保留数据原始属性的特征筛选方法包括方差分析、 相关系数法、 卡方检验法、 信息熵、 基 尼系数、 过 滤法和嵌入法。 4.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 从 业务完整度层面进行 特征筛选具体为： 筛 选预先设定的重要特 征； 从数据质量层面进行特征筛选具体为： 在特征筛选过程中， 结合方差、 标准差、 数据缺 失程度、 特 征相关性及通过集成算法训练筛 选相结合的方式进行。 5.根据权利要求4所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 所 述重要特征包括： 账户信息、 采购数据、 负面信息、 采购偏好、 行为数据、 违约数据、 工商财经 数据、 时长行情数据和天气季节数据。 6.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 根 据原始数据构建的特征包括： 会员用户的交易数据、 卖家的挂货数据、 平台的功能数据、 金 融服务、 后期的售后、 物流、 仓储、 票据、 大盘数据、 天气数据以及工商信息 。 7.根据权利要求1所述的一种针对B2B平台用户的会员流失预警方法， 其特征在于， 筛 选出的模型为XGbo ost算法模型。 8.一种针对B2B平台用户的会员流失预警系统， 其特 征在于， 包括： 大数据提取和清洗模块， 被配置为： 接收B2B平台的原始数据并进行数据清洗和预处 理， 所述B2B平台的原始数据包括会员基础信息、 交易数据、 行为数据、 违约数据和用户负面 体验数据； 数据标注模块， 被配置为： 在所述原始数据中对部分数据进行流失用户 和非流失用户 的标注， 得到训练样本； 并通过非监督机器学习模 型进行自动化数据标注， 扩充 所述训练样 本； 特征筛选模块， 被配置为： 根据所述原始数据构建特征， 采用保留数据原始属性的特征 筛选方法， 从业 务完整度和数据质量层面进行 特征筛选； 模型选择模块， 被配置为： 基于召回率评价指标从多个经典机器学习方法中进行模型权　利　要　求　书 1/2 页 2 CN 115511525 A 2筛选； 主模型构建模块， 被配置为： 根据筛选出的特征和模型， 基于训练样本进行模型迭代优 化； 流失预警模块， 被配置为： 根据训练好的模型对各个会员的B2B平台数据进行流失概率 计算， 根据计算出的流失概 率发出预警提示。 9.根据权利要求8所述的一种针对B2B平台用户的会员流失预警系统， 其特征在于， 所 述数据清洗和预处理过程包括对原始数据进行缺失值处理、 异常数据处理、 标准化、 归一 化、 信息量分析、 数据分布和类别特 征编码处 理； 所述保留数据原始属性的特征筛选方法包括方差分析、 相关系数法、 卡方检验法、 信 息 熵、 基尼系数、 过 滤法和嵌入法。 10.根据权利要求8所述的一种针对B2B平台用户的会员流失预警系统， 其特征在于， 从 业务完整度层面进行 特征筛选具体为： 筛 选预先设定的重要特 征； 从数据质量层面进行特征筛选具体为： 在特征筛选过程中， 结合方差、 标准差、 数据缺 失程度、 特 征相关性及通过集成算法训练筛 选相结合的方式进行。权　利　要　求　书 2/2 页 3 CN 115511525 A 3