该数据包括用户画像、偏好预测、流失风险等级三大维度的结构化、可操作知识集合，其核心价值在于将原始数据转化为支持企业决策管理的数据。将用户的静态属性与动态行为通过 “流失风险预测得分” 和 “用户流失风险等级” 进行量化，实现客户生命周期的精细化管理。企业制定差异化策略，对“高风险”用户推送高价格优惠券及专属客户回访，对“中风险”用户进行轻度触达，可实现对潜在流失风险的高价值客户进行精准、低成本的干预与挽留，显著优化客户维系预算的投入产出比。
1、数据采集：通过采集于自有平台内用户授权的历史交易数据、行为日志数据及基础属性数据。 2、数据处理：对直接个人用户ID标识符进行加密哈希处理，无法回溯到特定个人。对缺失、异常及逻辑错误的数据进行识别、清洗与填充，确保数据质量与一致性。将来自不同数据源的表进行关联与整合，形成以用户ID为主键的、统一的全量用户行为记录表。 3、本数据产品采用的“梯度提升决策树算法（Gradient Boosting Decision Tree）”，基于用户的历史行为，通过统计与规则模型，将其动态偏好固化为稳定标签。用户偏好预测模型通过进行多目标分类，以固化后的用户画像（性别、年龄段、历史地域偏好、交通偏好等）及近期活跃度作为模型输入特征模型输出为每个用户对不同偏好标签的预测概率，最终汇集成结构化的 “偏好预测” 字段。用户流失风险预测模型采用二分类模型，以用户是否在后续周期内流失为目标变量进行训练。核心特征为用户活跃度指标，模型为每个用户计算出一个0-1之间的 “流失风险预测得分”。得分越高，代表流失可能性越大。对“流失风险预测得分”设置阈值区间，进行分段。0-3为低风险，4-6为中风险，7-9为高风险。这是一个基于规则的后处理过程。为确保预测的时效性，本数据产品设定了“预测有效期”。整套数据处理与模型预测流程每月自动执行一次，对全量用户数据进行更新，确保企业始终基于最新、最准确的预测进行决策。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户ID |
-- | -- |
性别 |
-- | -- |
年龄段 |
-- | -- |
常用出发地 |
-- | -- |
目的地 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户ID | 265975 |
| 性别 | 女 |
| 年龄段 | 45-55 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/7166754