[發(fā)明專利]客戶流失預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911086869.1
• 申請(qǐng)日: 2019-11-08
• 公開(kāi)（公告）號(hào): CN110837931B
• 公開(kāi)（公告）日: 2023-01-31
• 發(fā)明（設(shè)計(jì)）人: 趙維平;趙存超;李現(xiàn)偉;吳正良
• 申請(qǐng)（專利權(quán)）人: 中國(guó)農(nóng)業(yè)銀行股份有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/0201;G06F18/23;G06F18/24;G06N20/00
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 夏菁

1.一種客戶流失預(yù)測(cè)方法，其特征在于，所述方法包括：

按照預(yù)設(shè)業(yè)務(wù)的虛擬資源余額對(duì)客戶進(jìn)行分類，得到多個(gè)客戶群；所述多個(gè)客戶群包括：儲(chǔ)蓄型主活期型客戶、儲(chǔ)蓄型主定期型客戶、儲(chǔ)蓄型定活均衡型客戶、投資儲(chǔ)蓄均衡型客戶以及投資理財(cái)型客戶；

針對(duì)每一個(gè)所述客戶群，獲取屬于所述客戶群的客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的特征數(shù)據(jù)，其中，所述特征數(shù)據(jù)包括原始特征數(shù)據(jù)，及基于所述原始特征數(shù)據(jù)得到的衍生特征數(shù)據(jù)，且所述原始特征數(shù)據(jù)和所述衍生特征數(shù)據(jù)均包含多個(gè)維度的特征；

對(duì)所述特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述客戶群的模型訓(xùn)練樣本；

利用機(jī)器學(xué)習(xí)網(wǎng)絡(luò)，對(duì)所述模型訓(xùn)練樣本進(jìn)行訓(xùn)練，得到所述客戶群的客戶流失預(yù)測(cè)模型；

所述獲取屬于所述客戶群的客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的特征數(shù)據(jù)，包括：

按照行業(yè)標(biāo)準(zhǔn)，獲取屬于所述客戶群的客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的第一數(shù)量個(gè)原始特征數(shù)據(jù)；

通過(guò)預(yù)設(shè)的至少一個(gè)特征衍生方式，對(duì)相應(yīng)的原始特征數(shù)據(jù)進(jìn)行處理，得到第二數(shù)量個(gè)衍生特征數(shù)據(jù)；

所述對(duì)所述特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述客戶群的模型訓(xùn)練樣本，包括：

按照預(yù)設(shè)特征處理方式，對(duì)所述特征數(shù)據(jù)進(jìn)行預(yù)處理，得到所述客戶群的初始訓(xùn)練樣本，其中，所述預(yù)設(shè)特征處理方式包括缺失值填充方式、蓋帽處理方式、群體穩(wěn)定性指標(biāo)驗(yàn)證方式及連續(xù)型特征分箱方式中的一個(gè)或多個(gè)組合；

利用多個(gè)機(jī)器學(xué)習(xí)網(wǎng)絡(luò)對(duì)所述初始訓(xùn)練樣本進(jìn)行訓(xùn)練，得到相應(yīng)的模型訓(xùn)練結(jié)果；

依據(jù)所述模型訓(xùn)練結(jié)果，對(duì)所述初始訓(xùn)練樣本進(jìn)行排序；

依據(jù)排序結(jié)果，針對(duì)每一類所述初始訓(xùn)練樣本，選擇第三數(shù)量個(gè)特征數(shù)據(jù)確定為待入模訓(xùn)練樣本；

對(duì)確定出的待入模訓(xùn)練樣本進(jìn)行聚類處理，從得到的每一類待入模訓(xùn)練樣本中選擇相關(guān)性較高的第四數(shù)量個(gè)待入模訓(xùn)練樣本；

由選擇出的不同類型的待入模訓(xùn)練樣本構(gòu)成所述客戶群的模型訓(xùn)練樣本。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，針對(duì)每一個(gè)所述客戶群，所述方法還包括：

獲取屬于所述客戶群的客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)，所述預(yù)設(shè)業(yè)務(wù)的虛擬資源余額的變化信息；

按照客戶流失規(guī)則，利用所述變化信息確定出相應(yīng)客戶的流失標(biāo)簽；

按照預(yù)設(shè)比例，確定出所述客戶群中的訓(xùn)練客戶集和測(cè)試客戶集，所述訓(xùn)練客戶集和所述測(cè)試客戶集包含的客戶均攜帶有相應(yīng)的流失標(biāo)簽；

所述獲取屬于所述客戶群的客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的特征數(shù)據(jù)，包括：

獲取屬于所述客戶群的訓(xùn)練客戶集中的客戶，在預(yù)設(shè)歷史時(shí)間段內(nèi)的特征數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用機(jī)器學(xué)習(xí)網(wǎng)絡(luò)，對(duì)所述模型訓(xùn)練樣本進(jìn)行訓(xùn)練，得到所述客戶群的客戶流失預(yù)測(cè)模型，包括：

利用多個(gè)機(jī)器學(xué)習(xí)網(wǎng)絡(luò)，對(duì)所述模型訓(xùn)練樣本進(jìn)行訓(xùn)練，得到相應(yīng)的待選預(yù)測(cè)模型；

依據(jù)所述客戶群的測(cè)試客戶集中各客戶的流失標(biāo)簽，得到不同待選預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確率；

將最高預(yù)測(cè)準(zhǔn)確率對(duì)應(yīng)的待選預(yù)測(cè)模型確定為所述客戶群的客戶流失預(yù)測(cè)模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括：

獲取待測(cè)客戶群中的待測(cè)客戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入所述待測(cè)客戶群對(duì)應(yīng)的客戶流失預(yù)測(cè)模型，得到各待測(cè)客戶的流失概率及具有最大流失權(quán)重的特征數(shù)據(jù)；

將所述各待測(cè)客戶的流失概率及具有最大流失權(quán)重的特征數(shù)據(jù)，發(fā)送至預(yù)設(shè)業(yè)務(wù)人員的綁定終端進(jìn)行展示。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

利用所述各待測(cè)客戶的流失概率及流失權(quán)重最大的特征數(shù)據(jù)，生成相應(yīng)的客戶挽留策略；

所述將所述各待測(cè)客戶的流失概率及流失權(quán)重最大的特征數(shù)據(jù)，發(fā)送至預(yù)設(shè)業(yè)務(wù)人員的綁定終端進(jìn)行展示，包括：

將所述各待測(cè)客戶的流失概率、流失權(quán)重最大的特征數(shù)據(jù)及客戶挽留策略，發(fā)送至預(yù)設(shè)業(yè)務(wù)人員的綁定終端進(jìn)行展示。