基于SHAP解釋方法的智慧養老服務平臺用戶流失預測研究

【摘要】：[目的]構建智慧養老服務平臺用戶流失預測模型，并使用SHAP解釋方法分析不同特征的影響。[方法]本研究基于智慧養老服務平臺用戶2019—2021年3年超過30萬條社區居家養老服務訂單數據，基于改進的RFM模型（RFM-MLP)、馬斯洛需求層次理論、安德森模型并結合Boruta算法確定用戶價值特征、服務選擇特征、個人特征3類共11個特征。建立5種機器學習模型，從中選擇效果最好的XGBoost模型預測用戶流失，運用SHAP解釋方法完成了特征影響全局解釋、特征依賴分析、單樣本解釋分析。[結果]研究結果發現，模型預測結果準確率和F1-score均達到87%左右，家政服務購買次數、留存天數、年齡等是預測養老服務平臺用戶流失的重要特征。[局限]只選取了一個地區的數據進行分析，數據和算法復雜度上還有提升空間。[結論]SHAP解釋方法可以兼顧機器學習預測模型的精度和解釋性，有助于為智慧養老服務平臺在運營策略和內容設計方面的優化提供依據。