[發明專利]客戶流失的預測方法、裝置、電子設備及計算機存儲介質

在審

• 申請號: 202110486434.7
• 申請日: 2021-04-30
• 公開（公告）號: CN113159787A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 申亞坤;周慧婷;劉燁敏;譚瑩坤
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06Q10/04;G06Q10/06
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李慧引

1.一種客戶流失的預測方法，其特征在于，包括：

獲取當前季度交易記錄；其中，所述當前季度交易記錄中包括當前季度中至少一個客戶的交易記錄；

針對每一個所述客戶，根據所述客戶的交易記錄確定得到所述客戶的交易情感分析結果；

結合所述交易情感分析結果以及風險承受能力，得到所述客戶的流失風險值；其中，客戶的流失風險值，表明該客戶流失的概率；所述風險承受能力為根據客戶的開戶情況、交易記錄確定得到；

將所述流失風險值大于閾值的客戶，確定為目標客戶；

針對每一個所述目標客戶，將所述目標客戶的第一歷史交易記錄輸入至所述目標客戶的分析模型中，得到所述目標客戶的下一次交易的預測交易值；其中，所述目標客戶的第一歷史交易記錄為所述目標客戶截止當前的所有交易記錄；所述分析模型由所述目標客戶的第二歷史交易記錄對統計回歸模型進行訓練得到；所述目標客戶的第二歷史交易記錄為截止對所述統計回歸模型進行訓練時的交易記錄；

根據所述目標客戶的下一次交易的預測交易值以及所述目標客戶的累計交易值，判斷所述目標客戶是否為流失風險客戶；

若判斷出所述目標客戶為流失風險客戶，則根據所述流失風險客戶的客戶等級以及所述流失風險客戶的風險承受能力，為所述流失風險客戶提供對應的預防方案。

2.根據權利要求1所述的預測方法，其特征在于，所述分析模型的訓練方法，包括：

針對每一個所述目標客戶，將所述目標客戶的第二歷史交易記錄中的前N次交易的交易信息輸入至統計回歸模型中，得到第N+1次交易的預測交易值；

利用所述第N+1次交易的預測交易值與第N+1次交易的真實交易值之間的誤差，對所述統計回歸模型進行不斷調整，直至調整后的所述統計回歸模型輸出的第N+1次交易的預測交易值與第N+1次交易的真實交易值之間的誤差滿足預設的收斂條件時，將所述調整后的統計回歸模型確定為所述目標客戶的分析模型。

3.根據權利要求2所述的預測方法，其特征在于，所述將所述調整后的統計回歸模型確定為所述目標客戶的分析模型之后，還包括：

在預設的時間點，確定所述目標客戶最新的第二歷史交易記錄；

根據所述目標客戶最新的第二歷史交易記錄，重新訓練所述目標客戶的分析模型。

4.根據權利要求1所述的預測方法，其特征在于，所述風險承受能力確定方法，包括：

獲取所述客戶的開戶信息；

根據所述開戶信息確定風險承受初始值；

將所述客戶每一次歷史交易的產品信息對應的權重值與所述風險承受初始值的和，作為所述客戶的風險承受值；

根據預設的風險承受值-風險承受能力的對應關系，確定所述客戶的風險承受能力；其中，所述風險承受值越高，所述風險承受能力越強。

5.根據權利要求1所述的預測方法，其特征在于，所述針對每一個所述客戶，根據所述客戶的交易記錄確定得到所述客戶的交易情感分析結果，包括：

計算得到所述客戶每一次交易的收益率以及所述客戶歷史交易記錄的平均收益率；

若所述客戶的收益率呈下降趨勢，則根據所述客戶的收益率的下降趨勢以及所述客戶歷史交易記錄的平均收益率，確定所述客戶的情感分析結果。

6.根據權利要求1所述的預測方法，其特征在于，所述結合所述交易情感分析結果以及風險承受能力，得到所述客戶的流失風險值，包括：

在預設的風險承受能力-交易情感分析結果-流失風險值的對應關系中，查找得到所述客戶的交易情感分析結果和所述客戶的風險承受能力，對應的流失風險值，作為所述客戶的流失風險值。

7.根據權利要求1所述的預測方法，其特征在于，所述若判斷出所述目標客戶為流失風險客戶，則根據所述流失風險客戶的客戶等級以及所述流失風險客戶的風險承受能力，為所述流失風險客戶提供對應的預防方案之后，還包括：

接收所述流失風險客戶針對所述預防方案的回饋信息；

若所述回饋信息表明所述流失風險客戶同意所述預防方案，則調低所述流失風險客戶的流失風險等級。