編輯導讀：企業為了更精準地定位用戶，通常會開展自己的用戶洞察項目。既包括分析現有用戶特徵，也包括尋找符合目標特徵的用戶。更進一步，想要針對用戶進行精細化運營，則可以用邏輯迴歸算法。本文對此進行了五個方面的分析，希望對你有幫助。
隨著用戶數據的豐富，越來越多的公司開始開展自己的用戶洞察項目。所謂用戶洞察，其輸出主要是兩種，其一是現有用戶的畫像：通俗的講就是通過現有用戶群去分析自己的目標用戶特徵；其二是目標用戶的挖掘：以用戶畫像為標準，去尋找符合目標特徵的用戶。
而這裡的目標落實到業務層面，其實可以是正面的也可以是負面的。正面的如註冊目標、活躍目標、下單目標、復購目標等，毫無疑問，找到這些意向的用戶，能幫助我們提升業績；而負面的流失目標、沉睡目標、投訴目標，也自有其價值，我們預先知道可能產生這類行為的用戶，就能未雨綢繆提前做好應對措施。
但是如果僅僅知道用戶是否是我們的目標用戶還不夠，我們還需要知道其意向度。比如同樣是下單目標用戶：60%的下單可能和90%的下單可能，對我們的價值肯定是不一樣的。從精細化運營考慮，這兩個用戶有必要採用不同的運營策略。
而要想在給用戶進行分類的同時，又想知道他屬於某個類的置信度，那邏輯迴歸算法能較好的滿足我們的需求。
邏輯迴歸（Logistic Regression）是一種用於解決二分類（0 or 1）問題的機器學習方法，用於估計某種事物的可能性。比如某用戶購買某商品的可能性，某病人患有某種疾病的可能性，以及某廣告被用戶點擊的可能性等。
這次我們以挖掘某出行類產品的用戶下單意向為需求，來介紹邏輯迴歸算法的實際應用。
一、需求背景
基於現有用戶的下單情況，來預測新用戶的下單的可能性。
二、特徵圈定
首先我們要根據經驗圈定出可能對用戶下單產生影響的特徵。
我們可以將相關特徵分為通用特徵和業務特徵。通用特徵即無論分析何種場景都可以參考的特徵，業務特徵指僅適用於具體分析場景的特徵。
因為此次分析的場景是：分析用戶租賃汽車類出行工具的可能性，其相關特徵可以從如下幾方面考慮。
通用特徵：
業務特徵：
對於汽車租賃類產品，用戶租賃的目的一是日常上下班代步，二是節假日出行。
那麼基於上下班代步需求，他的業務特徵可以是：
而節假日出行，可提煉的特徵：
除此之外，還有一種特徵我們也需要考慮：APP用戶行為。
三、特徵數據獲得
“巧婦難為無米之炊”，要想做數據挖掘前提必然是有足夠的數據源，而數據的獲得可以分為自有和外採兩類。
對於大部分的通用特徵，我們往往通過註冊、身份認證等渠道可以讓用戶主動給提供。而經濟水平特徵的獲得可以通過短信分析，若用戶未授權的短信權限的話，也可以通過所居住小區的平均房價預估用戶經濟水平。用戶小區通過夜間GPS定位判斷，房價則可以通過爬蟲獲得。
業務特徵中的APP用戶行為，可以通過APP埋點獲得，用戶的訪問路徑：註冊-登錄-首頁-車輛列表頁-車輛詳情頁-預訂頁-支付頁等等。而通勤距離時間、節假日出行這些數據，可以通過向第三方採購。移動聯通這種通訊公司往往可以通過信號基站獲得用戶的這類數據。
四、建立基模
我們圈定了憑經驗推測的特徵數據後，就可以進行建模了。上述的特徵雖說是我們全憑經驗所得，並不一定都會影響用戶下單。即使有所關聯，其相關程度也會分個三六九等，而且可能特徵與特徵之間也會有一定的相關性，所有這些問題，我們後續都需要進行相應處理。
但是這些並不影響，我們先用所有特徵構建一個基礎模型，得到最原始的擬合情況，作為我們後續不斷調整的一個參照組。
五、特徵工程
1. 數據標準化
很多算法對特徵的數量級都是敏感的，邏輯迴歸也不例外。因此，我們最好將數據集中的特徵轉換成相同的量綱，從而消除不同量綱對算法造成的負面影響，我們將這個過程稱為數據標準化。
實際上，即使原本數據的量綱已經是一樣的了，多一步標準化也不會產生負面影響。
在scikit-learn中，常用的標準化方式為：
- 均值標準差標準化（StandardScaler）
- 最小最大值標準化（MinMaxScaler）
2. 去除多重共線性
在多元線性迴歸中，自變量與應變量應該要存在線性關係，但是如果自變量之間存在線性關係，那麼這種情況我們就稱之為多重共線性。多重共線性會造成權重的不穩定性，甚至會出現擬合後的權重與相關係數呈現相反的結果。
不過多重共線性並不會影響擬合優度，如果我們僅追求模型的擬合優度，而不考慮權重係數的大小，則可以不處理多重共線性。
我們一般使用方差膨脹係數（VIF）來檢測多元線性迴歸中的多重共線性。如果變量之間存在多重共線性，則得到的VIF值就會較高，當VIF值大於10時，就意味著存在嚴重的多重共線性。
VIF的計算我們可以直接調用python的statsmodels.stats.outliers_influence 包裡的variance_inflationfactor方法。
3. RFECV特徵選擇法
在建立模型時，特徵並非越多越好，有些特徵可能對模型質量沒有什麼改善，我們可以直接刪除這類特徵，所以特徵選擇是建模非常重要的一個環節。
特徵選擇的方法很多，這次我們介紹RFECV方法。
RFECV分成兩個部分：
- RFE:遞歸特徵消除，用來對特徵進行重要性評級
- CV：交叉驗證，在特徵評級後，通過交叉驗證，獲得最佳數量的特徵
其具體過程如下：
RFE階段：
- 初始的特徵集（若之前操作有進行特徵刪除，則最新的特徵為初始特徵集）作為所有可用的特徵
- 使用當前特徵進行建模，然後計算每個特徵的重要性
- 刪除最不重要的一個（或多個特徵），更新特徵集
- 跳轉到步驟2，直到完成所有的特徵重要性評級
CV階段：
- 根據RFE階段確定的特徵重要性，依次選擇不同數量的特徵
- 對選定的特徵進行交叉驗證
- 確定平均分最高的特徵數量，完成特徵選擇
在上述多步清洗操作過程中，我們可以每完成一個環節，看一下新模型的擬合優度。有時候處理的步驟並非越多，擬合優度就越好。我們可以根據實際需要，選擇合適擬合優度的模型，對那些未下單用戶進行預估，得到其最終下單的可能性。
＃專欄作家＃
唐豪傑，人人都是產品經理專欄作家，微信公眾號：弈囈（ID:YiYi_TANG7980)，互聯網運營從業
本文由 @唐豪傑 原創發佈於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議
