基于数据挖掘的电商客户流失预测建模方法研究

吴 涛

(安徽工业职业技术学院，安徽 铜陵 244000)

近年来电商市场竞争异常激烈，电子商务的特殊性和竞争的激烈性，导致其客户流失率高达90%以上，客户流失是电子商务应用所面临的棘手问题。因此如何有效挽留客户，成为企业急待解决的问题。传统的流失客户挽留方法是在客户流失之后才采取措施挽救，这是因为在客户流失前期没有快速、准确地捕捉客户即将流失的“信号”，采取相应地措施。在客户流失之后再做挽留，其维护成本高并且成功率低。近些年，数据挖掘技术发展迅速，该技术可自动从大量的数据样本中寻找数据间隐藏的特殊关系。面对传统客户挽留方法的不足，数据挖掘技术提供了有效的解决方案，它可以对历史海量数据进行学习，建立客户流失预测模型，动态地捕捉客户即将流失的信号，使得电商平台在客户流失之前提前介入，采取针对性、个性化的营销策略，从而有效地挽留客户。本文运用数据挖掘技术中的决策树、支持向量机算法分别对电商客户流失进行建模预测，旨在寻找预测精度高的模型。

1 数据挖掘方法

1.1 决策树

决策树算法原理简单、计算量小、泛化能力强，可有效的找出变量间的相互关系，已被广泛应用于数据挖掘技术中。但是决策树算法具有两个缺点。一是对于各类别样本数量不一致的数据，其稳定性与抗震荡性较差，决策树中的信息增益结果偏向于具有更多数值的特征。二是决策树内部节点的判别具有明确性，会带来一定的误差。

决策树构造分2步进行：第1步，决策树的生成，是由训练样本集生成决策树的过程；第2步，决策树的剪枝，是对上一阶段生成的决策树进行检验、校正和修正的过程。

2.2 支持向量机

支持向量机(Support Vector Machine,SVM)是一种对数据进行二分类的广义线性分类器，它在解决小样本、非线性、高维度问题中具有绝对的优势。

在二分类问题中，SVM通过在n维空间中找到一个能够实现二分类的最优超平面H(满足wT·x+b=0)，并且能够使得两类中距离最近的点间隔尽量大。其中，H0(满足wT·x+b=1)和H1(满足wT·x+b=-1)与H平行，且分别经过两类样本中距离H最近的样本，则对于任意点xi满足式(1)的条件

(1)

s.t.yi(wT·xi+b)≥1,i=1,2,…,n

(2)

将Lagrange乘子法引入公式(2)中，可得：

(3)

其中，ai为拉格朗日乘子。求得最优w和b后，可得决策函数为：

(4)

若解决非线性分类问题，可通过内积核函数，将数据映射到高维空间，进而在高维空间中将非线性问题转化为线性问题。

2 样本数据选取

客户流失的特征体现在如下3个方面：消费总频率低，消费总金额少，最后购买日期与当前日期相距的天数长，故本文构造的客户流失特征分别为消费总频率F( Frequency)，消费总金额M( monetary) ，最后购买日期与当前日期相距的天数R( Recency)。本文电子商务客户流失分析选用2018年某电商平台客户交易数据库中的2000个订单数据，其中非流失客户有580个，流失客户有1420个，并将非流失客户量化为0，流失客户量化为1。

3 模型建立与评估

3.1 决策树预测模型建立

决策树预测模型建立的具体步骤为：

(1)导入数据。数据文件每组数据分4个字段：前3个字段分别为电子商务客户的消费总频率F( Frequency)，消费总金额M( monetary) ，最后购买日期与当前日期相距的天数R( Recency)变量，第4个字段为客户流失状态。共2000组数据，为不失一般性，随机选取1600组数据作为训练集，剩余400组数据作为测试集。

(2)创建决策树分类器。利用MATLAB自带函数ClassificationTree.fit，即可基于训练数据创建一个决策分类器。

(3)仿真测试。利用MATLAB自带工具箱函数predict，即可对测试集数据进行仿真实验。

(4)找出叶子节点所含的最小样本数。如图1所示，本文将叶子节点所包含的最小样本数(minleaf)设置为10，此时交叉验证误差最小。

(5)剪枝。通过剪枝操作，使决策树分类器更加简化，同时交叉验证误差不变。根据训练数据创建剪枝后的决策树分类器，如图2所示。

图1 叶子节点含有的最小样本数对决策树性能的影响

图2 剪枝后的决策树分类器

3.2 支持向量机预测模型建立

将电子商务客户的消费总频率F(Frequency)，消费总金额M(monetary) ，最后购买日期与当前日期相距的天数R(Recency)3个变量作为输入特征值，客户流失状态作为输出特征值。随机选择1600组数据作为SVM模型的训练样本，剩余400组数据作为测试样本。具体步骤为：

(1)归一化处理。用MATLAB中的mapminmax函数来对2000组样本数据进行归一化处理，防止特征值范围过大或过小，影响模型的精确度。其中归一化的范围为[0,1]。

(2)选择SVM的类型选为C-SVC，核函数选取精度较高的RBF函数。

(3)惩罚参数C与核函数参数g的选取两者。对预测精度的影响较大，本文采用K-fold交叉验证(K-fold Cross Validation，K-CV)的参数优化方法选择最优参数，如图3、图4所示。

(4)将最佳参数(C，g)和训练样本代入SVC中，并得到精度较高的SVC模型。SVC模型预测结果,如图5所示。

图5 SVC模型预测结果

3.3 模型的评估

决策树、支持向量机预测结果如表1所列。对表1预测结果进行分析，得到的结论如下：①相较于决策树分类模型，支持向量机模型分类准确率更高。这主要是由于本文样本数据量较少，支持向量机在解决小样本问题中具有绝对的优势。②决策树分类精度较低，可能是因为本文数据样本中各类别样本数量不均衡，非流失客户数量远远少于流失客户数量，决策树中信息增益结果偏向于具有更多数值的特征，故决策树用在电子商务客户流失预测中还有待优化。

表1 模型对预测样本预测精度比较

4 结束语

本文的研究结果可为电商平台提供决策支持，平台可以根据预测结果采取相应措施挽留客户，有效减少客户的流失，具有较强的实用性。随着电商网络的发展，电商行业产生的客户信息数据进一步增多，未来可考虑使用更深层次的数据挖掘技术处理海量数据。