[發明專利]一種客戶屬性分析方法

在審

• 申請號: 202110171315.2
• 申請日: 2021-02-04
• 公開（公告）號: CN112905951A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 夏國恩;彭偉;柯利佳
• 申請（專利權）人: 廣西智匯佳人力資源有限公司
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06Q30/02;G06Q50/30
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 周宇

本發明提供一種客戶屬性分析方法，通過預測模型，獲取客戶數據的損失函數值、復雜度和屬性維度。進而根據屬性維度獲取客戶數據中不同的特征數據子集，為每個特征數據子集添加對應的模型解釋標簽，最終，根據損失函數值、復雜度和模型解釋標簽獲得客戶數據的滿意評價結果。通過客戶數據的滿意評價結果可以有效地識別出流失客戶和非流失客戶，從而提高數據的解釋性，防止客戶的流失。

技術領域

本發明涉及客戶流失預測領域，具體涉及一種客戶屬性分析方法。

背景技術

隨著電商、服務商技術的不斷優化，與客戶流失相關的數據呈現規模逐步增大、數據屬性維數多、非線性、非正態性、時間序列特征等諸多特點。而現有的工智能仿真技術雖然具有一定的學習和泛化能力，但其建立模型結構不易確定，理論上也很難保證模型的預測能力。

而對于客戶流失分析的技術領域來說，需將客戶屬性分為流失客戶和非流失客戶。而如果在分析過程中對兩者的識別發生錯誤，則將會造成分析結論的嚴重錯誤。其中，對于企業而言，分析模型將流失客戶錯誤地識別為了費流失客戶是會造成非常嚴重的經濟損失。

因此，在客戶流失分析過程中，如何準確地識別客戶屬性，成為了亟待解決的問題。

發明內容

本發明提供一種客戶屬性分析方法，用于準確識別客戶屬性。

本發明第一個方面提供一種客戶屬性分析方法，其特征在于，包括：

通過預測模型，獲取客戶數據的損失函數值、復雜度和屬性維度；

根據所述屬性維度獲取所述客戶數據中不同的特征數據子集，為每個所述特征數據子集添加對應的模型解釋標簽；

根據所述損失函數值、所述復雜度和所述模型解釋標簽獲得所述客戶數據的滿意評價結果。

可選地，獲取所述客戶數據的損失函數值，滿足如下公式：

s_m＝(E_max-E)/(E_max-E_min)；

E＝P₁*L₁*T₁+P₂*L₂*T₂；

其中，所述P₁為所述客戶數據中正類占比，所述P₂為所述客戶數據中負類占比，所述L₁為將一個正類客戶數據錯分為負類所造成的損失，所述L₂為將一個負類客戶數據錯分為正類所造成的損失，所述T₁為第一類錯誤率，所述T₂為第二類錯誤率，所述第一類錯誤為將流失客戶判別為非流失客戶；所述第二類錯誤為將非流失客戶判別為流失客戶。

可選地，獲取所述客戶數據的復雜度，滿足如下公式：

s_c＝g(c)＝(C_max-C)/(C_max-C_min),s_c∈[0,1]

其中，當C＝C_max時，則s_c＝1；g(c)為復雜度函數，所述C_min為復雜度的最小值，所述C_max為復雜度的最大值。

可選地，獲取所述客戶數據的屬性維度，滿足如下公式：

s_d＝f(d)＝(d_max-d)/(d_max-d_min),s_d∈[0,1]