基于數(shù)據(jù)驅(qū)動(dòng)的酒店線上客戶(hù)群體流失預(yù)測(cè)模型應(yīng)用研究

張馭思，于明亮

（上海理工大學(xué)，上海 200093）

0 引 言

目前我國(guó)網(wǎng)絡(luò)建設(shè)發(fā)展極為迅速，涉及到互聯(lián)網(wǎng)經(jīng)濟(jì)的產(chǎn)業(yè)均迎來(lái)快速發(fā)展，線上客戶(hù)數(shù)量的不斷提高使得企業(yè)的經(jīng)營(yíng)重點(diǎn)逐漸從產(chǎn)品/服務(wù)本身向維持現(xiàn)有客戶(hù)資源偏移。以酒店服務(wù)業(yè)務(wù)為例，目前的綜合性酒店旅行服務(wù)企業(yè)大多通過(guò)線上APP 和網(wǎng)站以數(shù)字信息的形式為數(shù)量龐大的會(huì)員提供全方位的酒店旅行信息。通過(guò)對(duì)我國(guó)目前相關(guān)企業(yè)進(jìn)行研究發(fā)現(xiàn)，目前針對(duì)線上酒店預(yù)定平臺(tái)的服務(wù)調(diào)研主要聚焦在客戶(hù)的滿(mǎn)意度管理，有關(guān)交易行為和消費(fèi)轉(zhuǎn)化率等信息在一定程度上被忽略。

對(duì)于客戶(hù)數(shù)據(jù)進(jìn)行分析，進(jìn)而對(duì)其流失傾向進(jìn)行分析總結(jié)，能夠企業(yè)的客戶(hù)關(guān)系維護(hù)和管理提供理論指導(dǎo)與數(shù)據(jù)支撐。研究者曾采用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和貝葉斯模型分別客戶(hù)流失傾向進(jìn)行分析和預(yù)測(cè)，通過(guò)與實(shí)際數(shù)據(jù)對(duì)比驗(yàn)證了模型的有效性。隨后，有研究者開(kāi)始在現(xiàn)有模型中添加插件模塊以?xún)?yōu)化算法，提升預(yù)測(cè)精度，Xu等研究者將模糊語(yǔ)言和貝葉斯模型進(jìn)行融合，將模糊信息以概率的形式精確呈現(xiàn)，使信息缺失、模糊的流失客戶(hù)數(shù)據(jù)分析成為可能。近年來(lái)，模型間的耦合被證明在某些領(lǐng)域擁有比傳統(tǒng)單一模型更高的預(yù)測(cè)準(zhǔn)確性。Aron等人將邏輯回歸模型和決策樹(shù)模型耦合，通過(guò)實(shí)驗(yàn)及驗(yàn)證分析，表明耦合模型在精度和可靠性、可解釋性方面均有著比各自獨(dú)立模型預(yù)測(cè)結(jié)果更好的表現(xiàn)。在數(shù)據(jù)處理過(guò)程中，Sebastiaan 團(tuán)隊(duì)在數(shù)據(jù)前期處理中引入最大利潤(rùn)度這一概念，并作為模型的評(píng)價(jià)和分析指標(biāo)，以該標(biāo)準(zhǔn)進(jìn)化算法并驅(qū)動(dòng)決策樹(shù)模型，獲得了同時(shí)考慮企業(yè)成本和利潤(rùn)的更合理且解釋性更強(qiáng)的模型。

上述研究對(duì)在企業(yè)客戶(hù)管理和運(yùn)營(yíng)方面的提升和完善具有十分積極的推進(jìn)作用，但針對(duì)酒店線上客戶(hù)流失的分析模型亟待構(gòu)建。本文以線上綜合服務(wù)型酒店對(duì)現(xiàn)有客戶(hù)流失運(yùn)營(yíng)管理為主題，以高效預(yù)測(cè)客戶(hù)流失為目的，通過(guò)對(duì)諸多算法進(jìn)行比較，將數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)理論融入管理理論，實(shí)現(xiàn)學(xué)科的融合，為線上酒店解決用戶(hù)流失問(wèn)題提供具有參考價(jià)值的理論模型和數(shù)據(jù)支持。

1 數(shù)據(jù)選取及預(yù)處理

本文實(shí)驗(yàn)的原始數(shù)據(jù)來(lái)源于攜程用戶(hù)的脫敏訪問(wèn)數(shù)據(jù)，構(gòu)建模型之前，需對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、整合與構(gòu)建，最后按照既定標(biāo)準(zhǔn)進(jìn)行格式化。

1.1 數(shù)據(jù)讀取

本次實(shí)驗(yàn)樣本共有689 945 條數(shù)據(jù)，變量總結(jié)歸納為三類(lèi)相關(guān)指標(biāo)：訂單、客戶(hù)行為和酒店相關(guān)指標(biāo)，如圖1所示，除去標(biāo)簽列和id 列共有49 項(xiàng)特征。

圖1 變量分類(lèi)

1.2 數(shù)據(jù)預(yù)處理

1.2.1 異常值處理

在數(shù)據(jù)獲取過(guò)程中往往會(huì)出現(xiàn)某些數(shù)據(jù)點(diǎn)的異常，這在后期建模過(guò)程中會(huì)影響模型的準(zhǔn)確性，因此應(yīng)提前進(jìn)行篩選處理。本文以customer_value_profit 和ctrip_profits 為例將處理前后的數(shù)據(jù)散點(diǎn)圖對(duì)比如圖2所示。

圖2 異常值處理前后的數(shù)據(jù)散點(diǎn)圖變化

1.2.2 相關(guān)性分析及PCA 降維

在建模之前還需要對(duì)數(shù)據(jù)的相關(guān)性進(jìn)行分析，進(jìn)而降低建模過(guò)程的數(shù)據(jù)維度，根據(jù)圖1我們可以看到訂單相關(guān)指標(biāo)只涉及四個(gè)小類(lèi)且明顯彼此間相關(guān)性不高，因此本文僅注重用戶(hù)特征的相關(guān)性分析，相關(guān)性矩陣熱度圖如圖3所示。

圖3 用戶(hù)特征的相關(guān)性矩陣熱度圖

我們將數(shù)據(jù)維度從最開(kāi)始的（689 945，49）降至（689 845，41），數(shù)據(jù)條數(shù)未改變，將建模input 的變量維度從49 降至41。隨后將數(shù)據(jù)標(biāo)準(zhǔn)化之后，開(kāi)始建模計(jì)算。

2 建模及評(píng)估分析

2.1 邏輯回歸模型

首先我們采用邏輯回歸模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，得到模型的準(zhǔn)確率為0.737 4，ROC 曲線如圖4所示，AUC 值為0.7，精確度、召回率等信息如表1所示。

圖4 邏輯回歸模型的ROC 曲線

表1 邏輯回歸模型相關(guān)信息

2.2 樸素貝葉斯模型

我們隨后采用樸素貝葉斯模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，得到該模型的預(yù)測(cè)準(zhǔn)確率為0.637 1，ROC 曲線如圖5所示，AUC 值為0.67，精確度、召回率等信息如表2所示。

圖5 樸素貝葉斯模型的ROC 曲線

表2 樸素貝葉斯模型相關(guān)信息

2.3 支持向量機(jī)模型

我們繼續(xù)采用支持向量機(jī)模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，得到該模型的預(yù)測(cè)準(zhǔn)確率為0.550 2，ROC 曲線如圖6所示，AUC 值為0.49，精確度、召回率等信息如表3所示。

表3 支持向量機(jī)模型相關(guān)信息

圖6 支持向量機(jī)模型的ROC 曲線

2.4 決策樹(shù)模型

我們繼續(xù)采用決策樹(shù)模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，得到該模型的預(yù)測(cè)準(zhǔn)確率為0.881 8，ROC 曲線如圖7所示，AUC 值為0.86，精確度、召回率等信息如表4所示。

圖7 決策樹(shù)模型的ROC 曲線

表4 決策樹(shù)模型相關(guān)信息

2.5 隨機(jī)森林模型

我們繼續(xù)采用隨機(jī)模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，得到該模型的預(yù)測(cè)準(zhǔn)確率為0.925 0，ROC 曲線如圖8所示，AUC 值為0.97，精確度、召回率等信息如表5所示。

圖8 隨機(jī)森林模型的ROC 曲線

表5 隨機(jī)森林模型相關(guān)信息

2.6 極端梯度提升（XGBoost）模型

最后，我們采用極端梯度提升模型對(duì)預(yù)處理后的數(shù)據(jù)集進(jìn)行建模分析，最終得到該模型的預(yù)測(cè)準(zhǔn)確率為0.925 0，ROC 曲線如圖9所示，AUC 值為0.97，精確度、召回率等信息如表6所示，可以看出極端梯度提升模型的ROC 曲線和隨機(jī)森林的ROC 曲線基本一致，具體比較將在下一節(jié)討論。

圖9 極端梯度提升模型的ROC 曲線

表6 極端梯度提升模型相關(guān)信息

2.7 模型比較

通過(guò)對(duì)模型預(yù)測(cè)準(zhǔn)確率的比較可以看出，隨機(jī)森林和極端梯度提升模型的準(zhǔn)確率最好，說(shuō)明在本文客戶(hù)流失信息預(yù)測(cè)方面隨機(jī)森林模型和極端梯度模型具有更好的表現(xiàn)，而支持向量機(jī)模型的準(zhǔn)確率最低，為0.550 2，說(shuō)明該模型相對(duì)而言并不適合客戶(hù)流失信息的預(yù)測(cè)研究。為了進(jìn)一步比較，我們進(jìn)將六類(lèi)模型的ROC 曲線繪制于如圖10 所示。

圖10 六種模型的ROC 曲線

隨機(jī)森林以及XGBoost 的的ROC 曲線表現(xiàn)最佳，但在訓(xùn)練過(guò)程中我們發(fā)現(xiàn)，XGBoost 明顯更加耗時(shí)，且其準(zhǔn)確率和AUC 值均低于隨機(jī)森林模型，因此我們認(rèn)為隨機(jī)森林模型更適用于本文酒店線上客戶(hù)流失的情況的預(yù)測(cè)和分析。

3 結(jié) 論

本文以酒店服務(wù)類(lèi)綜合性企業(yè)的現(xiàn)有客戶(hù)流失情況為研究對(duì)象，以線上綜合服務(wù)型酒店對(duì)現(xiàn)有客戶(hù)流失運(yùn)營(yíng)管理為主題，以高效預(yù)測(cè)客戶(hù)流失為目的，針對(duì)移動(dòng)通信用戶(hù)流失問(wèn)題進(jìn)行了定量分析。通過(guò)對(duì)邏輯回歸、樸素貝葉斯、支持向量機(jī)、決策樹(shù)、隨機(jī)森林、極端梯度提升（XGBoost）等諸多算法進(jìn)行比較，獲得更適合客戶(hù)管理的流失預(yù)測(cè)模型。通過(guò)不同模型運(yùn)行結(jié)果對(duì)比分析，發(fā)現(xiàn)隨機(jī)森林、極端梯度提升（XGBoost）比傳統(tǒng)的邏輯回歸、樸素貝葉斯、支持向量機(jī)、決策樹(shù)模型在各項(xiàng)評(píng)價(jià)指標(biāo)上均有較強(qiáng)的優(yōu)勢(shì)，為線上酒店解決用戶(hù)流失問(wèn)題提供支持。