用户流失预警在很多领域得到关注,目前主流的用户流失预警模型使用的是分类法。新用户拉新成本较高,用户流失特征不明显,流失率也不低。如果能对用户是否流失做出比较准确的预判,对不同流失概率的用户有针对性的设计挽留策略,保持用户留存,对于企业来说有着重大的意义。“互联网+出行”的网约车领域发展迅猛,但用户特征选取、特征处理和流失预测的相关研究较少,而精准的用户流失预测能为企业制定相关策略提供决策支持。本文通过某“纯运力”网约车平台的B端用户数据,包括用户基本信息和订单行为信息,对时间序列订单信息进行特征衍生,初步发现流失用户相比正常用户更注重平台奖励,流失用户与正常用户做单能力和工作天数上也有明显差异。在此分析基础上,本文探讨了网约车B端用户的关键特征提取方法,使用L1正则化的Logistic回归和Lightgbm的特征重要度筛选出10个重要特征,并使用Logistic回归、随机森林和XGBoost模型建立流失预测模型。结果表明,本文提取的特征对预测结果有很好的区分度,三种预测模型在本文的网约车B端用户流失场景下均有较好的表现。最后结合实际应用,选择测试集上对流失用户召回率和AUC值更高Logistic回归模型输出所有用户的流失概率,为流失用户的挽回提供决策依据。案例企业应用该模型可提前识别有流失风险的用户,并降低用户召回成本。