用戶流失模型建立流失預測模型在很多行業(yè)都有引用到切實市場運行當中，而接下來就開門見山說一下游戲行業(yè)關于用戶流失模型建立。目標：關于游戲用戶流失，普片衡量指標有周流失與月流失，接下來研究問題有兩個：①關于付費用戶月登陸流失問題②關于付費用戶月付費流失（付費用戶月登陸流失定義：本月充值用戶在下個月不再有登陸行為。付費用戶月付費流失：本月充值用戶在下個月不在有付費行為。但有可能還有登陸行為，這部分用戶被稱為緘默付費用戶。）數(shù)據(jù)指標了解：影響流失普片判斷有：在線活躍、充值或消費活躍、還有玩家賬號一些屬性（假如細分還有副本活躍度，一些活動活躍度，或者社交數(shù)據(jù)等）。本文在做流失預測模型之前做以下數(shù)據(jù)準備：玩家ID玩家角色名等級注冊時間本月充值總額本月銅幣活躍（銅幣交易次數(shù)）本月綁定銅幣活躍（綁定銅幣交易次數(shù)）本月元寶活躍（元寶交易次數(shù)）本月活躍天數(shù)（登陸天數(shù)）本月登陸次數(shù)本月登陸總時長下月充值總額下月登陸天數(shù)以上是從數(shù)據(jù)庫中取出來基本指標，而進行分析指標能夠在這個基礎指標基礎上再進行豐富，比如：每活躍天在線時長=登陸總時長/活躍天數(shù)；每活躍天登陸次數(shù)=登陸次數(shù)/活躍天數(shù)；活躍度=活躍天數(shù)/本月已注冊時長（大家將發(fā)覺這里衍生“活躍度”指標在后面分析會起到神奇效果）。數(shù)據(jù)都準備好了之后，現(xiàn)在就開始建立模型，以下用到是SPSSModeler軟件。首先采取源節(jié)點來錄入數(shù)據(jù)，數(shù)據(jù)分為兩份，第一份為“11月預測12月”數(shù)據(jù)，第二份為“12月預測1月”數(shù)據(jù)。接著利用“導出”節(jié)點導出我們所需要衍生字段。因為這里“下月充值流失”是依照下月是否有充值來判斷轉(zhuǎn)換，下月充值為0即為流失則標志為T，不然為F（“下月登陸流失”同理）。利用導出節(jié)點，我們依次衍生了以下字段：下月充值流失下月登陸流失每活躍天銅幣交換次數(shù)每活躍天綁定銅幣交易次數(shù)每活躍天元寶交易次數(shù)每活躍天登陸次數(shù)每活躍天登陸時長每活躍天充值額度活躍度（登陸天數(shù)/本月已注冊天數(shù)）接下來就是對一些多出字段過濾還有數(shù)據(jù)清理（如包含空值數(shù)據(jù)，或者不合理數(shù)據(jù)，如活躍度>1為不合理數(shù)據(jù)）。添加“過濾”&“選擇”節(jié)點。把無用字段過濾掉（依照自己源數(shù)據(jù)來過濾，如這里下月充值（元寶）字節(jié)已經(jīng)轉(zhuǎn)換成“下月充值流失”字節(jié)，所以能夠刪除過濾掉），點擊確定。打開“選擇”節(jié)點，模式選擇“拋棄”，條件寫上一些需要去除數(shù)據(jù)，點擊確定。模型之前數(shù)據(jù)準備都基本完成了，最終添加一個類型節(jié)點。我們先研究是下月登陸流失，所以現(xiàn)將下月充值流失角色設為無，下月登陸流失設為目標，接下來就是選擇需要預測模型。這里選擇了貝葉斯與C5.0算法。貝葉斯這里利用了三種方法：TAN、Markov、Markov_FS分別添加三個貝葉斯節(jié)點，名字分別命名：TAN、Markov、Markov_FS（方便辨識）。TAN設置結構類型為TAN；Markov設置結構類型為MarkovBlanket；Markov_FS設置結構類型為MarkovBlanket而且勾選“包含特征選擇預處理步驟”。分別運行得到3個模型，最終連接一個“分析”節(jié)點，默認狀態(tài)下按運行。分析節(jié)點運行結果：大家能夠顯著發(fā)覺，利用貝葉斯三種方法準確率基本都為83%，這說明三種方法差異并不大。其實在通常預測來說，80%以上已經(jīng)算比很好結果了。不過這里將深入采取C5.0算法與其比較。添加C5.0算法節(jié)點，默認狀態(tài)下按運行，得到C5.0模型，點擊C5.0模型節(jié)點能夠看到每一個變量主要性，而“活躍度”這個變量主要性是最高。（這也說明了一些衍生字段對后期分析主要性）接下來再添加“分析”節(jié)點發(fā)覺準確率達成85%，比貝葉斯要稍微好點。（有一些情況對決議樹使用boosting方法或者進行截枝修剪嚴重性會得到愈加好效果）我們再用C5.0模型深入進行流失分析，添加“直方圖”節(jié)點：選擇字段levelOR注冊時間，交疊字段顏色選擇我們經(jīng)過C5.0預測出來“$C-下月登陸流失”字段，點擊運行。用這個方法能夠深入預測分析下月流失等級分布，或者注冊時間分布，或者更多關于玩家信息，原理一樣在這里不再做拓展。到這里流失預測模型已經(jīng)建好能夠投入使用了。接上我們需要預測1月份數(shù)據(jù)，我們能夠深入看到這個預測模型在下個月準確性仍能夠保持在85%左右，說明預測效果還是不錯，之后能夠直接進行一系列分析。（在這里說明一下，通常預測模型會伴