[發(fā)明專(zhuān)利]一種非契約客戶(hù)流失預(yù)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110171347.2
• 申請(qǐng)日: 2021-02-04
• 公開(kāi)（公告）號(hào): CN112906960A
• 公開(kāi)（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 夏國(guó)恩;彭偉;柯利佳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣西智匯佳人力資源有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q30/02;G06K9/62;G06N3/04
• 代理公司: 昆明人從眾知識(shí)產(chǎn)權(quán)代理有限公司 53204
• 代理人: 周宇

本發(fā)明提供一種非契約客戶(hù)流失預(yù)測(cè)方法及系統(tǒng)，通過(guò)獲取非契約客戶(hù)的原始數(shù)據(jù)；進(jìn)而對(duì)非契約客戶(hù)的原始數(shù)據(jù)進(jìn)行清洗，獲得待約簡(jiǎn)數(shù)據(jù)；針對(duì)待約簡(jiǎn)數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)處理，獲得約簡(jiǎn)屬性集；再根據(jù)約簡(jiǎn)屬性集構(gòu)建至少兩個(gè)子分類(lèi)器模型；針對(duì)至少兩個(gè)子分類(lèi)器模型進(jìn)行線(xiàn)性集成，獲得預(yù)測(cè)模型；基于預(yù)測(cè)模型輸出預(yù)測(cè)結(jié)果，首先通過(guò)將多個(gè)子分類(lèi)器模型進(jìn)行線(xiàn)性集成，進(jìn)而降低了單個(gè)子分類(lèi)器模型的泛化誤差，從而提高每個(gè)子分類(lèi)器模型性能，同時(shí)減少訓(xùn)練時(shí)間，提高預(yù)測(cè)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及客戶(hù)流失預(yù)測(cè)領(lǐng)域，具體涉及一種非契約客戶(hù)流失預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)

根據(jù)企業(yè)與客戶(hù)在交易的過(guò)程中是否訂立契約，可以將客戶(hù)流失分為兩大類(lèi)：契約關(guān)系的客戶(hù)流失和非契約關(guān)系的客戶(hù)流失。在非契約關(guān)系中，商家與客戶(hù)關(guān)系是伴隨著客戶(hù)的初次交易行為而開(kāi)始的。客戶(hù)與商家之間不需要簽訂合約，商家對(duì)客戶(hù)的約束力較弱，客戶(hù)可以隨意的開(kāi)始和中置商業(yè)行為，客戶(hù)的購(gòu)買(mǎi)行為和流失行為的不確定性非常大。網(wǎng)絡(luò)客戶(hù)作為一種典型的非契約型客戶(hù)。其具有隨機(jī)性、廣泛性、轉(zhuǎn)移成本低等諸多特點(diǎn)。因此，針對(duì)網(wǎng)絡(luò)客戶(hù)，確定保持策略，同時(shí)分析網(wǎng)絡(luò)客戶(hù)特征，對(duì)潛在流失客戶(hù)進(jìn)行識(shí)別和預(yù)測(cè)是當(dāng)前網(wǎng)絡(luò)客戶(hù)管理和商務(wù)智能的重要研究問(wèn)題。

而現(xiàn)有技術(shù)，以統(tǒng)計(jì)學(xué)方法、傳統(tǒng)智能方法、統(tǒng)計(jì)學(xué)習(xí)方法、集成學(xué)習(xí)方法等為基礎(chǔ)，其預(yù)測(cè)模型通常是針對(duì)契約客戶(hù)流失進(jìn)行預(yù)測(cè)。然而，由于非契約客戶(hù)具備大數(shù)據(jù)特性。其采用現(xiàn)有針對(duì)契約客戶(hù)的方式進(jìn)行流失預(yù)測(cè)，往往會(huì)降低計(jì)算的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明提供一種非契約客戶(hù)流失預(yù)測(cè)方法及系統(tǒng)，用于降低預(yù)測(cè)時(shí)間，提高預(yù)測(cè)精度。

本發(fā)明第一個(gè)方面提供一種非契約客戶(hù)流失預(yù)測(cè)方法，包括：

獲取非契約客戶(hù)的原始數(shù)據(jù)；

對(duì)所述非契約客戶(hù)的原始數(shù)據(jù)進(jìn)行清洗，獲得待約簡(jiǎn)數(shù)據(jù)；

針對(duì)所述待約簡(jiǎn)數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)處理，獲得約簡(jiǎn)屬性集；

根據(jù)所述約簡(jiǎn)屬性集構(gòu)建至少兩個(gè)子分類(lèi)器模型；

針對(duì)所述至少兩個(gè)子分類(lèi)器模型進(jìn)行線(xiàn)性集成，獲得預(yù)測(cè)模型；

基于所述預(yù)測(cè)模型輸出預(yù)測(cè)結(jié)果。

可選地，所述對(duì)所述非契約客戶(hù)的原始數(shù)據(jù)進(jìn)行清洗，獲得待約簡(jiǎn)數(shù)據(jù)，具體包括：

根據(jù)自組織特征映射網(wǎng)絡(luò)對(duì)所述非契約客戶(hù)的原始數(shù)據(jù)的連續(xù)屬性值進(jìn)行離散化處理，獲得所述待約簡(jiǎn)數(shù)據(jù)。

可選地，所述至少兩個(gè)子分類(lèi)器模型包含第一子分類(lèi)器模型、第二子分類(lèi)器模型、第三子分類(lèi)器模型以及第四子分類(lèi)器模型。

可選地，所述第一子分類(lèi)器模型的計(jì)算公式：

其中，所述x_i為輸入結(jié)點(diǎn)；所述y_l為輸出結(jié)點(diǎn)；所述w_ji和所述θ_j為輸入層與隱層結(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值和閥值；所述v_lj和所述θ_l為隱層結(jié)點(diǎn)與輸出層結(jié)點(diǎn)間的網(wǎng)絡(luò)權(quán)值和閥值。

可選地，所述第二子分類(lèi)器模型的計(jì)算公式：

其中，所述i＝1,2,…,h，所述h為隱含層的結(jié)點(diǎn)數(shù)；所述j＝1,2,…,n，n為輸出層結(jié)點(diǎn)數(shù)；所述為第p個(gè)輸入樣本；所述p＝1,2,…,P，所述P為樣本總數(shù)；所述c_i為網(wǎng)絡(luò)隱含層結(jié)點(diǎn)的中心；所述w_ij為隱含層到輸出層的連接權(quán)值；所述σ為高斯函數(shù)的方差；所述y_j為第j個(gè)結(jié)點(diǎn)的實(shí)際輸出。

可選地，所述第三子分類(lèi)器模型的計(jì)算公式：