[發明專利]一種經紀人離職預估系統及方法

在審

• 申請號: 201810124425.1
• 申請日: 2018-02-07
• 公開（公告）號: CN108491956A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 楊也康;侯晏龍;蔡白銀
• 申請（專利權）人: 鏈家網（北京）科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/16
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

本發明提供了一種經紀人離職預估系統及方法，系統包括：候選經紀人篩選模塊、特征工程模塊、算法預估模塊和模型解釋模塊；候選經紀人篩選模塊，用于將試用期經紀人和轉正經紀人進行篩選；特征工程模塊，用于構建試用期經紀人特征、轉正經紀人特征、市場特征、大區特征、經紀人所在門店特征、經紀人基礎特征、經紀人業績特征、經紀人行為特征和展位特征；算法預估模塊，用于提供多模型共同決策的預估方案，綜合每個模型的預估結果生成最終的預估結果；模型解釋模塊，用于采用LIME算法解釋各模型的預估結果以及最終的預估結果。本發明提供的經紀人離職預估系統，能夠自動對經紀人離職情況進行準確預估，省時省力，且可提供可解釋的預估結果。

技術領域

本發明涉及計算機技術領域，具體涉及一種經紀人離職預估系統及方法。

背景技術

經紀人作為整個二手房交易中重要環節，承擔著連接業主與客戶的核心角色。然而隨著市場行情的波動，公司管理機制的調整，經紀人管理始終面臨著招聘成本高，培養時間長，離職預估居高不下的問題。

當前線下的人員管理方式仍較為傳統，需要人工統計經紀人每月的房源、客源帶看量和業績收入，采用排名的方式篩選靠后的經紀人。

這種處理方式面臨三大問題：首先，數據維度單一。只能找到業績較低的經紀人，而業績低與市場行情相關，因此低業績的經紀人并非全部計劃離職。此外，經過線下調研發現，收入因素只占離職原因的一小部分，其他如門店的環境，對上級的滿意度等等都影響著經紀人在職狀態；其次，無法提供可解釋原因。目前線下提供的高離職概率經紀人都是收入排名靠后的，當大區總監與經紀人溝通嘗試保留經紀人時，無法提前制定針對該經紀人的保留方案。最后，人工成本較高，需要經過人工信息采集，數據核算，錄入系統等步驟。

發明內容

針對現有技術中的缺陷，本發明提供一種經紀人離職預估系統及方法，本發明提供的經紀人離職預估系統，能夠自動對經紀人離職情況進行準確預估，省時省力，且可提供可解釋的預估結果。

為實現上述目的，本發明提供以下技術方案：

第一方面，本發明提供了一種經紀人離職預估系統，包括：候選經紀人篩選模塊、特征工程模塊、算法預估模塊和模型解釋模塊；

其中，所述候選經紀人篩選模塊，用于將試用期經紀人和轉正經紀人進行篩選；

所述特征工程模塊，用于構建試用期經紀人特征、轉正經紀人特征、市場特征、大區特征、經紀人所在門店特征、經紀人基礎特征、經紀人業績特征、經紀人行為特征和展位特征；

所述算法預估模塊，用于提供多模型共同決策的預估方案，綜合每個模型的預估結果生成最終的預估結果；

其中，所述多模型包括XGBoost模型、LightGBM模型和RNN模型；

具體地，所述XGBoost模型、LightGBM模型和RNN模型，分別用于根據輸入的試用期經紀人特征、市場特征、大區特征、門店特征、基礎特征、業績特征、行為特征和展位特征對試用期經紀人的離職情況進行預估；

所述XGBoost模型、LightGBM模型和RNN模型，分別用于根據輸入的轉正經紀人特征、市場特征、大區特征、門店特征、基礎特征、業績特征、行為特征和展位特征對轉正經紀人的離職情況進行預估；

所述模型解釋模塊，用于采用LIME算法解釋各模型的預估結果以及最終的預估結果。

進一步地，所述特征工程模塊在構建各種特征時，對缺失值進行處理，對異常值進行修復，并采用LOF算法與iForest算法檢測數據中的離群點，以得到高質量的特征數據。

進一步地，所述特征工程模塊在構建各種特征時，還用于對離散類型的特征進行One-Hot特征編碼，且對于皮爾遜系數高于預設閾值的相關特征進行特征交叉處理。