• 悠悠
    2021-01-29
    一、定义什么算流失用户,确定指标 消费金额、消费频率、登录频次、浏览时长,(其中对于电商,消费金额、消费频率应该是最重要的一个指标,因为电商的存在意义就是消费) 二、判断流失用户 是二分类问题,要么是流失用户,要么不是流失用户。可以采用一些分类算法建立模型,来判断是否流失用户。 三、评估模型 要尽可能多找出流失用户进行召回,把部分非流失用户判断成流失用户也是可以的。 要提高召回率, 准确率相对降低也没关系。 准确率=预测对的/所有 召回率=预测对的流失用户/所有流失用户

    作者回复: 思路很好!对于产品经理来说,首先需要明确做一件事情的目的是什么,领导预期达到的目标是怎么样的。然后明确指标的计算口径。 其次,对于判断流失用户,大部分场景都定义为分类问题。在实际操作中,也可能当做一个回归问题来处理(如,我们判断用户多久之后会流失)。一般来说,分类问题,使用KS比较多。 最后,模型的评估,一般来说我们给到业务评估指标会使用精确率和召回率。这是一对的指标。精确率和准确率是两个不一样的指标,注意不要弄混了。 由于一般来说,流失用户在整个用户群体中占比不会太大,所以一般不使用准确率指标。

    共 6 条评论
    7
  • Geek_d54869
    2023-05-26 来自北京
    1.根据业务特性,对流失用户行为特征进行定义,比如30天未登录,90天未消费; 2.构建特征工程,特征30天内访问次数,90天内消费次数,目标结果:流失、非流失用户;考虑用逻辑回归建模 3.评估模型 特征的稳定性PSI ;模型的统计指标:覆盖度、人群分布等;模型的性能指标,由于是对潜在流失用户的召回,我们更看中的是覆盖更多流失用户,所以精确率要求不高,召回率可以高一点,模型性能指标考虑KS。
    
    1
  • Rosa rugosa
    2021-03-15
    1,模型特征的评估:模型的稳定性指标PSI; 2,模型的评估: (1)统计性指标:覆盖度(不追求大,检测模型合理性),人群分部(检测模型合理性) (2)模型性能和稳定性:因为是分类模型,所以用到的指标有:混淆矩阵,KS,AUC。要求召回率高,精确率高,AUC值大。
    共 1 条评论
    1
  • Geek_d54869
    2023-05-26 来自北京
    课后问题说的不清楚 流失用户的召回 让人理解对于已流失用户的召回 没有算法的空间了 题目改成潜在流失用户的召回就好了
    
    
  • Jace
    2021-12-25
    最后讲的召回率有问题吧 应该是识别出来的坏人占真正坏人的比例吧
    共 1 条评论
    