[發明專利]流失會員客群數據預測方法、模型訓練方法及裝置在審

申請號：	202010950478.6	申請日：	2020-09-11
公開（公告）號：	CN112232833A	公開（公告）日：	2021-01-15
發明（設計）人：	李偉杰;夏成成	申請（專利權）人：	蘇寧金融科技（南京）有限公司
主分類號：	G06Q30/00	分類號：	G06Q30/00;G06Q30/02;G06F16/2458
代理公司：	北京市萬慧達律師事務所 11111	代理人：	趙然
地址：	211800 江蘇省南京市江***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	流失會員數據預測方法模型訓練裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種流失會員客群數據預測模型訓練方法，其特征在于，所述方法包括：

統計分析會員流失數據，獲取預定義的會員流失樣本數據；

對所述會員流失樣本數據進行包括數據預處理和變量篩選在內的特征構建操作，得到特征變量數據；

將所述特征變量數據輸入預設機器學習分類模型進行訓練，得到訓練好的機器學習分類模型，所述機器學習分類模型用于預測流失會員客群。

2.根據權利要求1所述的方法，其特征在于，統計分析會員流失數據，獲取預定義的會員流失樣本數據，包括：

監測獲取預定周期內的會員流失數據；

對所述會員流失數據進行分析計算，獲取會員流失的建模數據時間窗參數與預測變量時間窗參數；

根據所述建模數據時間窗參數與所述預測變量時間窗參數，確定會員流失樣本數據的會員樣本分類條件；

根據所述會員樣本分類條件標注正樣本會員和負樣本會員，根據獲取到的所述正樣本會員的特征數據以及所述負樣本會員的特征數據，確定自變量建立特征寬表，得到所述會員流失樣本數據。

3.根據權利要求2所述的方法，其特征在于，所述會員流失數據包括流失用戶數、流失率、留存率、持續沉默環比、回訪用戶數、回訪率，所述特征數據包括會員基礎屬性、基礎日期、會員價值屬性、會員交易行為、會員瀏覽行為。

4.根據權利要求3所述的方法，其特征在于，所述會員基礎屬性包括用戶年齡、用戶學歷、月收入水平，所述基礎日期包括實名認證時間、首次快捷綁卡時間、首次訂單時間，所述會員價值屬性包括APP活躍度、客戶價值等級、首購產品類型，所述會員交易行為包括預定時間內的成功支付訂單數、預定時間內的線上購買訂單數、預定時間內的使用信用卡支付的金額，所述會員瀏覽行為包括預定時間內的瀏覽金融頁面的訪問次數、會員訪問深度_跳出率、會員訪問深度_頁面數。

5.根據權利要求1所述的方法，其特征在于，所述數據預處理包括：

數據清洗、數據衍生、缺失值處理、重復異常值處理、數據規整。

6.根據權利要求5所述的方法，其特征在于，

所述缺失值處理包括：刪除缺失值為90％的變量，根據預設業務意義規則填充缺失值；

所述重復異常值處理包括：刪除重復值、異常值和為1的唯一值；

所述數據規整包括：對數據進行歸一化、離散化、采樣。

7.根據權利要求1所述的方法，其特征在于，所述變量篩選包括：

進行相關性變量篩選，并根據利用隨機森林+交叉驗證計算的變量重要性指標進行變量篩選。

8.根據權利要求1至7任一項所述的方法，其特征在于，將所述特征變量數據輸入預設機器學習分類模型進行訓練，得到訓練好的機器學習分類模型包括：

按照預設比例條件設置模型訓練樣本和模型測試樣本；

將所述模型訓練樣本輸入隨機森林模型、迭代+決策樹組合模型進行訓練，獲得模型訓練結果；

根據所述模型訓練結果調整決策樹算法數的深度和學習器的迭代次數，并通過ROC及KS曲線進行模型檢驗，從而獲得訓練好的機器學習分類模型。