会员流失预测模型+会员特征分析模型+营销响应预测模型

会员流失预测模型

常见的属于流失的状态定义示例：
·会员已经退订公司的促销活动；
·会员打电话要求将自己的信息加入通知黑名单；
·会员已经连续6个月没有登录过网站；
·针对会员发送的关怀激励活动中没有任何有效反馈和互动；
·会员最近1年内没有任何订单。

上述流失状态可以归为两类：一类是会员有明确的表达，不再希望接收到公司的相关信息；
另一类是会员没有明确的表示，但是在业务关注的主要领域内，没有得到有效反馈。

**算法：**会员流失预测模型的实现方法属于分类算法，常用算法包括逻辑回归、支持向量机、随机森林等

注意
1，流失会员的样本分类一定是少数类，需要注意处理样本不均衡问题。
2对于流失会员的预测结果，得到概率性的输出可以结合流失预测,标签一起应用，因为业务方可以基于概率再结合业务经验做判断。
3对于参与训练模型的维度变量的选择，一定要结合业务经验，因为业务方对于特定场景的判断是影响训练模型和应用结果的关键因素之一。·输入的维度变量中一定要包含发生转化前的行为数据，假如业务定义为最近6个月没有订单的客户为流失客户，那么在做预测模型时需要将用户的匿名访问、登录、页面浏览、搜索、活动咨询等转化前的数据考虑在内，而不能只考虑订单转化本身。
4会员流失预警模型不是一次性的，而是周期性监视和运行的，例如每天、每周或至少是每月。通过会员流失模型得到每个会员是否属于流失标签后，可以将该结果给到会员运营人员，运营人员一般会根据业务经验做二次审查和确认，然后再通过会员挽回、激励等机制提升会员的忠诚度，延缓或防止会员流失。而关于如何挽回以及激励的问题，通常也是需要数据参与来帮助运营人员制定相应的策略，例如在合适的时间、以恰当的方式提供个性化的内容给特定会员，这些都需要数据的支持。

会员特征分析模型

会员特征分析模型是针对现有会员做特征分析。
·明确的特征，它提供了业务所要行动的细节要素，是一种具有极高落地价值的数据分析工作。
·模糊的特征，它指数据分析结果未提供详细的动作因素，仅指明了下一步行动方向或目标。

业务场景
（1）第一种是在没有任何前期经验或特定目标下触发，希望通过整体特征分析了解会员全貌。在这种模式下，可以通过一定方法先将用户划分为几个类别，然后再做基于类别的特征分析，常用实现方法和应用包括：
·聚类：通过聚类将用户划分为几个群组，然后再分析不同群组的典型特征和群组间的差异性。例如：公司的总体会员具有哪些特征？模
型结果：通过聚类方法将会员划分为3类，然后每个类别都有各自显著性特征，会员部门可根据不同类别做特定分析并指定群体性策略。
·统计分析：先将整体用户做统计分析，包括描述性统计、频数分布等，了解整体数据概括。
（2）第二种是有明确的业务方向，希望找到能达到事件目标的会员特征，用于做进一步的会员运营。对于这类分析模型，常用的实现方法和应用包括：
·分类：利用分类规则例如决策树找到符合目标的关键变量以及对应的变量值，进而确定会员特征。例如，收入＞5400元，最近购买时间是5个月之前，总订单金额在4300元以下的会员最可能购买商品。
·关联：使用关联规则找到不同属性、项目间的关联发生或序列发生关系，然后将会员的属性特征（频繁项集）提供给运营。例如：购买X商品的客户一般是来自于上海、购物频率为1周3次、客单价为100元以下。
·异常检测：使用非监督式的异常检测方法，从一堆数据中找到异常数据样本，然后将这些数据样本特征提供给运营做进一步确认和审查。例如：异常客户的特征往往是每次订单的商品数量超过4件、地域集中在江苏和浙江、一般拥有超过3个以上的子账户。

会员特征分析模型输出的上述两类结果，第一类结果往往作为辅助于、启发性和提示性结果，用于为运营提供进一步业务动作的思考，这
种一般开始于数据工作项目的开始或业务方对数据主题的先验经验不足的情况下；第二类结果则可以作为运营下一步动作的直接“触点”。

营销响应预测模型

营销响应预测模型是针对营销活动展开的，通常在做会员营销活动之前，通过营销响应预测模型分析找到可能响应活动的会员特征以及整体响应的用户比例、数量和可能带来的销售额。

步骤
步骤1 从所有会员上随机选择一定量的会员样本，具体数量要根据企业实际情况而定，一般情况下，至少要有1000条数据以上（同时要兼顾总体会员数量）才能满足模型训练的需要。
步骤2 然后针对选择的会员样本通过一定媒介和渠道发送营销活动信息，例如手机短信、电子邮件等。需要注意的是，一定要记录好营
销活动发送的时间、频率、信息等关键运营要素，这些需要跟后期的实施保持一致。
步骤3 收集营销活动数据。在收集数据时需要注意数据收集的周期，通常情况下，一般电子邮件的有效周期为1～7天，时间过短可能无法被用户看到；手机短信的有效期一般是1天左右，时间太长用户一般会忽略。
经过上述步骤收集到分类所需的样本集之后，接着就需要通过分类模型做营销响应预测，这是典型的二分类问题。

·基于模型找到最可能产生购买转化行为的会员规则特征。例如最近一次购买时间在3个月以内、会员等级为3级以上、总订单金额大于3000、订单量大于10的客户。通过这些条件直接从数据库中筛选对应的会员列表，并可以对该会员列表发送营销活动。
·基于模型预测可能产生的订单转化数量、转化率（例如选择10000个客户，会有4000个客户产生转化），以及有转化客户的客单价（通过训练样本集选择有转化客户，然后用订单金额/会员量计算得到）大体计算出此次发送会员能得到的营销收入。这些信息可以作为此次营销活动计划提报的数据量化指标和资源申请的数据支持。