云服务网站用户复访行为预测模型研究

摘要：

[目的]为了解用户的兴趣与需求,提升在线推荐和网站运营效果,利用用户浏览和操作等行为数据来预测用户行为具有重要的价值.[方法]通过云服务网站用户行为数据采集、特征选择、挖掘分析,基于逻辑回归(LR)算法和XGBoost决策树算法去训练用户行为模型,并对用户的复访行为进行预测分析.基于云服务网站真实用户行为数据对两个模型进行多维度的数值评估.[结果]发现LR模型的拟合度和准确率都更胜一筹,这与以往较多认为XGBoost模型更优的结果不同,这是由行为数据结构的特点造成的.[结论]本文的研究有利于对云服务网站用户复访行为进行预测,以对潜在价值用户制定个性化的运营决策,提升用户体验.

关键词：用户行为、预测、机器学习、逻辑回归、决策树

所属期刊栏目：4

分类号：TP391;TP181;F832.4

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：124-130