摘要

本篇基于FICO评分卡，找出用户在完成预定动作之后，订单成功率最高的头部流量客户，以便于公司跟进，提升用户体验，促进房东出租房源。本篇选取Python作为主要软件，在算法和模型的选择上，先选取合适的算法包，再选取合适的变量，最后再次进行回归。变量选择的方式用的是逻辑回归中的逐步回归原则，入模变量均用WOE的方式离散化。

结论

第一，交互信息是订单成功的关键。结果显示，最重要的变量均出自于交互信息类别，分别为交互频次、聊天时长和房东回复速度，这三个变量很大程度上决定了用户订单成功率评，三个变量总共贡献了评分卡67%的分数。第二，模型AUC值0.97，KS达到81%，PSI为0.03。首先，python statsmodels算法呈现极其微弱的过拟合趋势，对输入数据的要求严格，要求特征矩阵严格非奇异。其次，本篇选择了机器学习sklearn的逻辑回归算法建模，指标区分度佳，AUC达到0.97，KS值81%，人群稳定性指标PSI为0.03。第三，评分最高的20%头部流量中，99%的订单会成功。

应用

基于结论3：评分最高的20%头部流量中，99%的订单会成功。从应用角度来说，若用户成立订单之后，评分在进入前20%，则有99%的概率订单可以促成。另外，评分中值可以召回97%的成功订单，若对中值以上用户推送活动，可以覆盖97%潜在成功订单。