[發明專利]客戶流失預測方法、裝置及存儲介質

有效

• 申請號: 201911086869.1
• 申請日: 2019-11-08
• 公開（公告）號: CN110837931B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 趙維平;趙存超;李現偉;吳正良
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/0201;G06F18/23;G06F18/24;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 夏菁

本申請公開了一種客戶流失預測方法、裝置及計算機設備，在獲取客戶流失預測模型過程中，本申請是按照預設業務的虛擬資源余額對客戶進行分類，得到更加細化且體現客戶在該預設業務中個人喜好的多個客戶群，之后，針對每一個客戶群，將通過對相應客戶在預設歷史時間段內的多個維度的原始特征數據，及據此得到多個維度的衍生特征數據進行預處理，得到該客戶群的模型訓練樣本，極大豐富了模型訓練樣本的種類，這樣，利用機器學習算法，對這些模型訓練樣本進行訓練，大大提高了訓練得到的客戶流失模型的預測準確性，進而使得業務人員能夠據此準確且及時預先得知可能會流失的客戶名單，采取合適的政策對這些客戶進行挽留，降低客戶流失量。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種客戶流失預測方法、裝置、系統及存儲介質。

背景技術

在如今激烈的市場競爭環境中，企業想要發展新客戶往往需要花費較大的精力，據統計，發展一位新客戶要比維系一位舊客戶要多花費近6倍的時間，同時，企業向舊客戶推薦產品或服務的成功率在50％左右，而向新客戶推薦產品或服務的成功率僅15％。可見，維系好企業的現存客戶關系，避免客戶流失，對企業而言具有非常重要的意義。

對此，現有技術提出了對客戶流失情況進行預測，以使企業能夠提前制定相應的策略，留住可能會流失的舊客戶，然而，目前訓練出的客戶流失預測模型的預測結果(即客戶流失概率)準確性較低，并不能可靠幫助業務人員挽留真正流失的客戶。

發明內容

有鑒于此，本申請提供了一種客戶流失預測方法、裝置及計算機設備，提高訓練得到的客戶流失預測模型的預測準確性，據此能夠可靠幫助業務人員提前挽留可能要流失的客戶。

為實現上述目的，本申請提供了一種客戶流失預測方法，所述方法包括：

按照預設業務的虛擬資源余額對客戶進行分類，得到多個客戶群；

針對每一個所述客戶群，獲取屬于所述客戶群的客戶在預設歷史時間段內的特征數據，其中，所述特征數據包括原始特征數據，及基于所述原始特征數據得到的衍生特征數據，且所述原始特征數據和所述衍生特征數據均包含多個維度的特征；

對所述特征數據進行預處理，得到所述客戶群的模型訓練樣本；

利用機器學習網絡，對所述模型訓練樣本進行訓練，得到所述客戶群的客戶流失預測模型。

可選的，所述獲取屬于所述客戶群的客戶在預設歷史時間段內的特征數據，包括：

按照行業標準，獲取屬于所述客戶群的客戶在預設歷史時間段內的第一數量個原始特征數據；

通過預設的至少一個特征衍生方式，對相應的原始特征數據進行處理，得到第二數量個衍生特征數據。

可選的，所述對所述特征數據進行預處理，得到所述客戶群的模型訓練樣本，包括：

按照預設特征處理方式，對所述特征數據進行預處理，得到所述客戶群的初始訓練樣本，其中，所述預設特征處理方式包括缺失值填充方式、蓋帽處理方式、群體穩定性指標驗證方式及連續型特征分箱方式中的一個或多個組合；

利用多個機器學習網絡對所述初始訓練樣本進行訓練，得到相應的模型訓練結果；

依據所述模型訓練結果，對所述初始訓練樣本進行排序；

依據排序結果，針對每一類所述初始訓練樣本，選擇第三數量個特征數據確定為待入模訓練樣本；

對確定出的待入模訓練樣本進行聚類處理，從得到的每一類待入模訓練樣本中選擇相關性較高的第四數量個待入模訓練樣本；

由選擇出的不同類型的待入模訓練樣本構成所述客戶群的模型訓練樣本。

可選的，針對每一個所述客戶群，所述方法還包括：