馬文斌，陳碩峰

(廣西財(cái)經(jīng)學(xué)院 教務(wù)處，廣西 南寧 530007)

0 引言

隨著互聯(lián)網(wǎng)的進(jìn)一步普及，網(wǎng)上購物已經(jīng)成為人們購買產(chǎn)品和服務(wù)的一種更重要的方式。根據(jù)第48次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2021年6月，我國網(wǎng)民規(guī)模達(dá)10.11億，網(wǎng)絡(luò)零售成為消費(fèi)新引擎，上半年交易規(guī)模達(dá)6.11萬億元。但是，電子商務(wù)客戶是典型的非契約客戶[1]，其關(guān)系終止難以有效判斷，具有不確定性，流失率較高。

客戶是企業(yè)的核心競(jìng)爭(zhēng)力，提高客戶留存率是保持其競(jìng)爭(zhēng)力的有效途徑。客戶流失預(yù)測(cè)是客戶留存的重要手段，也是客戶管理關(guān)系的重要環(huán)節(jié)。如何建立預(yù)測(cè)精準(zhǔn)的客戶流失預(yù)測(cè)模型是當(dāng)前學(xué)術(shù)界和行業(yè)界關(guān)心的問題。

當(dāng)前研究主要將客戶流失預(yù)測(cè)視為一種兩類分類問題，利用機(jī)器學(xué)習(xí)方法構(gòu)建預(yù)測(cè)模型。根據(jù)使用方法的不同，主要分為以下兩方面。

一是基于統(tǒng)計(jì)學(xué)的預(yù)測(cè)方法。此類方法簡(jiǎn)單高效，具有較好的可解釋性，如Pareto/NBD模型[2]、邏輯回歸[3]、貝葉斯分類器[4]等，但是其泛化能力較差。

二是基于人工智能的方法。支持向量機(jī)[5-8]、神經(jīng)網(wǎng)絡(luò)[9-12]、隨機(jī)森林[13-14]等人工智能方法具有較好的泛化能力，進(jìn)一步提高了客戶流失預(yù)測(cè)模型的分類能力。

借助先進(jìn)的人工智能方法，上述客戶流失預(yù)測(cè)方面的研究取得了一定的進(jìn)展，但在電子商務(wù)客戶流失預(yù)測(cè)方面的研究還不多，且多采用單個(gè)模型進(jìn)行預(yù)測(cè)，對(duì)流失預(yù)測(cè)的識(shí)別能力有限。

為提高電子商務(wù)客戶流失預(yù)測(cè)的精確率，基于集成學(xué)習(xí)思想，提出一種融合多個(gè)模型的流失預(yù)測(cè)模型。該模型以多個(gè)準(zhǔn)確率較高的分類方法為基分類器，以投票法為集成策略。實(shí)驗(yàn)結(jié)果表明，相比單個(gè)預(yù)測(cè)模型，該模型具有更好的預(yù)測(cè)能力。

1 多模型融合的客戶流失預(yù)測(cè)模型

集成學(xué)習(xí)是機(jī)器學(xué)習(xí)中一個(gè)重要的研究方向，其基本結(jié)構(gòu)是先構(gòu)建多個(gè)基分類器，然后利用適當(dāng)?shù)慕M合策略將它們的結(jié)果進(jìn)行整合，常可獲得比單個(gè)分類器更好的泛化能力。為提高客戶流失預(yù)測(cè)的準(zhǔn)確度，本文基于Bagging集成思想，選擇多個(gè)泛化能力強(qiáng)且存在差異性的模型進(jìn)行融合，以期獲得更好的預(yù)測(cè)結(jié)果。模型結(jié)構(gòu)圖如圖1所示。

圖1 模型結(jié)構(gòu)

本文模型首先將電子商務(wù)客戶數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，然后利用隨機(jī)欠采樣方法對(duì)訓(xùn)練集進(jìn)行類別再平衡，獲得類別平衡的新訓(xùn)練集，接著在平衡訓(xùn)練集上學(xué)習(xí)多個(gè)基模型，最后利用投票法將所有基模型的輸出進(jìn)行融合，形成最終的預(yù)測(cè)結(jié)果。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 數(shù)據(jù)預(yù)處理

客戶流失預(yù)測(cè)是在客戶的歷史行為數(shù)據(jù)上提取、選擇客戶特征，并運(yùn)用分類預(yù)測(cè)算法建立預(yù)測(cè)模型，預(yù)測(cè)客戶未來的狀態(tài)。本文實(shí)驗(yàn)所用的電信客戶行為數(shù)據(jù)來源于Kaggle網(wǎng)站，共有5 630個(gè)樣本，包含流失客戶948個(gè)，非流失客戶4 682個(gè)，兩類客戶的比例基本為1∶5，數(shù)據(jù)類別不平衡。原始數(shù)據(jù)共有18個(gè)特征，其中連續(xù)型特征13個(gè)，類別型特征5個(gè)，部分特征存在缺失值。通過填充缺失值、異常值處理、one-hot變換等數(shù)據(jù)預(yù)處理后，共取得34個(gè)可用特征。為便于評(píng)估預(yù)測(cè)模型性能，將數(shù)據(jù)隨機(jī)劃分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集占比80%，測(cè)試集占比20%。由于數(shù)據(jù)類別不平衡，文中實(shí)驗(yàn)采用隨機(jī)欠采樣方法對(duì)訓(xùn)練集進(jìn)行類別平衡處理。

2.2 基準(zhǔn)模型與參數(shù)設(shè)置

為評(píng)估本文方法的預(yù)測(cè)能力，實(shí)驗(yàn)采用XGBoost、LightGBM和隨機(jī)森林3種泛化能力較強(qiáng)的方法作為本文方法的基模型，并與支持向量機(jī)、決策樹等5種方法一起作為對(duì)比的基準(zhǔn)模型。8種基準(zhǔn)算法的實(shí)現(xiàn)主要使用基于Python的機(jī)器學(xué)習(xí)框架Scikit-Learn，xgboost和lightgbm，數(shù)據(jù)預(yù)處理主要使用Pandas數(shù)據(jù)分析庫。5種方法的參數(shù)設(shè)置如表1所示。

表1 方法參數(shù)設(shè)置

2.3 評(píng)價(jià)指標(biāo)

由于電子商務(wù)客戶數(shù)據(jù)是不平衡數(shù)據(jù)，因此準(zhǔn)確率并不能作為不平衡數(shù)據(jù)分類性能的評(píng)估指標(biāo)。實(shí)驗(yàn)采用F1值、召回率(Recall)、精確率(Precision)作為客戶流失預(yù)測(cè)模型的性能評(píng)估指標(biāo)。召回率表示被正確識(shí)別的流失客戶占實(shí)際流失客戶的比例，召回率越高，說明對(duì)流失客戶的預(yù)測(cè)越準(zhǔn)確；精確率表示被正確識(shí)別的流失客戶占識(shí)別為流失客戶的比例；F1值是關(guān)于召回率、精確率的綜合指標(biāo)，其值越大，代表模型的綜合分類能力越強(qiáng)。根據(jù)表1，召回率、精確率、F1值的計(jì)算公式如下：

(1)

(2)

(3)

表2 混淆矩陣

2.4 實(shí)驗(yàn)結(jié)果

表3是各個(gè)方法的評(píng)價(jià)指標(biāo)對(duì)比，由表中數(shù)據(jù)可知，本文方法在3個(gè)指標(biāo)上均有較好的表現(xiàn)。在F1值、Precision上均取得最高值，比XGBoost等對(duì)比算法平均高出8.45%，9.22%；在Recall上，與XGBoost、LightGBM持平，高于其余6種方法。總體而言，多模型融合后進(jìn)一步提高了模型的預(yù)測(cè)能力，有助于企業(yè)對(duì)流失客戶做出更為精準(zhǔn)的措施。

表3 評(píng)價(jià)指標(biāo)對(duì)比

3 結(jié)語

客戶流失預(yù)測(cè)是一個(gè)不斷發(fā)展的問題，過去的研究成果解決了客戶流失預(yù)測(cè)領(lǐng)域的一些重要問題，但仍存在一些不足。例如面對(duì)復(fù)雜度較高的電子商務(wù)客戶流失數(shù)據(jù)，單個(gè)模型的預(yù)測(cè)能力有限，很難取得理想的預(yù)測(cè)結(jié)果。為此，本文基于Bagging思想，提出一種基于多模型融合的電子商務(wù)客戶流失預(yù)測(cè)模型，該模型通過集成多個(gè)分類準(zhǔn)確度高、差異度高的單一模型的輸出結(jié)果，獲得更好的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明，與隨機(jī)森林等模型相比，該模型擁有更好的預(yù)測(cè)效果，有助于降低客戶流失率，提高企業(yè)的經(jīng)濟(jì)效益。由于條件所限，未能在大規(guī)模數(shù)據(jù)上驗(yàn)證文中提出的方法，下一步的研究中，搜集更大規(guī)模的數(shù)據(jù)用于分析預(yù)測(cè)大數(shù)據(jù)環(huán)境下的電子商務(wù)客戶流失問題。