数据驱动的互联网卡用户离网预测及干预算法研究

作     者：钱凯 

作者单位：中南大学 

学位级别：硕士

导师姓名：吕丰

授予年度：2023年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

主      题：离网预测 用户偏好 用户干预 深度学习 强化学习 

摘      要：互联网卡是最近通信运营商和互联网公司合作提出的一种新的商业模式,可以享受由合作互联网公司应用产生流量费用的大幅折扣或减免。然而,因为中国互联网卡市场竞争日趋激烈,需求逐步饱和等多种原因,用户离网/流失问题也日益严重,造成了较大的经济损失。为了全流程自动化高效地挽留住用户,本文针对互联网卡用户离网预测、离网原因推断和用户挽留问题展开研究。但是,要解决这些问题存在以下三个挑战:1)通信运营商的互联网卡用户规模较大,分布全国各地,异构特征显著,数据类型丰富,速度增长快,因此如何精准且全面地预测出其中潜在的离网用户成为了一个十分重要的挑战。2)互联网卡用户的离网原因高达上百种且只有少部分的离网用户有记录离网原因,如何在少量标注数据的情况下,如何合理、高效地表征用户离网偏好成为了一个棘手的挑战。3)由于缺乏用户干预交互记录,并且通信运营商等企业在实际干预过程中给予的预算往往是有限的。因此如何向预离网用户匹配合适的挽留措施,既能解决用户使用过程中的痛点,同时又不会让企业方付出过高的成本是一个极大的挑战。为解决上述挑战,本文设计一种用户偏好感知的挽留框架(UPRF,User Preference-Aware Retention Framework),具体而言,UPRF框架包含以下三部分内容:1)基于自注意力机制的互联网卡用户离网预测模块。首先对离网行为等做了详细的数据分析,接着从用户数据中分别提取了用户画像特征和序列特征,最后设计和实现了一种融合主成分分析算法和自注意力机制的互联网卡用户离网预测模型。2)基于排名加权归一化技术的离网偏好表征模块。首先抽取了5类能够被数据反映的离网原因,其次挑选了与这些离网原因相关的偏好特征,接着设计并实现了基于等频分箱的双重排名离散化算法,得到原始离网偏好向量,最后使用用户自适应权重归一化算法表征预离网用户的离网偏好。3)资源有限上下文的用户偏好感知挽留策略匹配模块。首先将挽留策略匹配问题建模成多臂老虎机问题,然后接收由上述模块给出的离网风险和离网偏好,使用基于领域知识的分布初始化奖励生成模型,最后训练基于资源有限上下文的偏好感知的挽留策略匹配算法。最后,大量数据驱动的实验表明UPRF框架可以精准全面地预测潜在离网用户,有效提高挽留用户数和运营商收入总和。与最好的基准模型对比,其分别提升了 12%,25%和23%。此外,大量的健壮性测试也表明UPRF框架在不同参数设置的情况下都具有较好的性能表现。图38幅,表3个,参考文献112篇