[發明專利]客戶流失預測方法及裝置、存儲介質及電子設備

在審

• 申請號: 202111414880.3
• 申請日: 2021-11-25
• 公開（公告）號: CN114022222A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 周光正;丁長林;劉昊;陳蘭歡
• 申請（專利權）人: 北京京東振世信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種客戶流失預測方法，其特征在于，包括：

獲取待預測客戶的流失屬性數據；

根據所述待預測客戶的流失屬性數據，確定所述待預測客戶的特征數據和標簽；

將所述待預測客戶的特征數據和標簽輸入至融合模型中，確定出所述待預測客戶的綜合流失概率；

根據所述綜合流失概率，確定出目標流失客戶。

2.根據權利要求1所述的方法，其特征在于，根據所述待預測客戶的流失屬性數據，確定所述待預測客戶的特征數據，包括：

根據所述流失屬性數據，確定所述待預測客戶的單量相關特征和包裹量相關特征；

其中，所述單量相關特征包括當前單量特征、歷史單量特征、單量環比特征和單量同比特征；

所述包裹量相關特征包括當前包裹量特征、歷史包裹量特征、包裹量環比特征和包裹量同比特征。

3.根據權利要求2所述的方法，其特征在于，所述當前單量特征包括：日粒度當前單量特征和周粒度當前單量特征；

所述歷史單量特征包括：日粒度歷史單量特征、周粒度歷史單量特征和月粒度歷史單量特征；

所述單量環比特征包括：日單量環比特征、周單量環比特征和月單量環比特征；

所述單量同比特征包括：日單量同比特征、周單量同比特征和月單量同比特征。

4.根據權利要求2所述的方法，其特征在于，所述當前包裹量特征包括：日粒度當前包裹量特征和周粒度當前包裹量特征；

所述歷史包裹量特征包括：日粒度歷史包裹量特征、周粒度歷史包裹量特征和月粒度歷史包裹量特征；

所述包裹量環比特征包括：日包裹量環比特征、周包裹量環比特征和月包裹量環比特征；

所述包裹量同比特征包括：日包裹量同比特征、周包裹量同比特征和月包裹量同比特征。

5.根據權利要求1-4中任一項所述的方法，其特征在于，根據所述待預測客戶的流失屬性數據，確定所述待預測客戶的特征數據，包括：

根據所述流失屬性數據，確定所述待預測客戶的數值型屬性特征和文字型屬性特征；

其中，所述文字型屬性特征是將文字型屬性轉換為數值特征后獲得的。

6.根據權利要求5所述的方法，其特征在于，將所述文字型屬性轉換為數值特征包括：

建立所有所述待預測客戶的屬性詞匯集合；

根據所述屬性詞匯集合，確定每個所述文字型屬性數據對應的詞向量，作為所述數值特征。

7.根據權利要求6所述的方法，其特征在于，建立所有所述待預測客戶的屬性詞匯集合包括：

根據所有所述待預測客戶的文字型屬性切分為類別屬性，以確定所述屬性詞匯集合。

8.根據權利要求1所述的方法，其特征在于，在所述待預測客戶為第一商家時，所述特征數據還包括網店經營特征；

其中，所述網店經營特征包括網店的用戶訪問量、頁面瀏覽量及網店用戶評分。

9.根據權利要求1所述的方法，其特征在于，確定所述待預測客戶的標簽包括：根據流失判斷標準確定所述待預測客戶的標簽；其中，

所述流失判斷標準包括在所述待預測客戶的當前預設期限內存在單量的情況下，如果后續預設期限內沒有單量，則確定所述待預測客戶的標簽為1；如果后續預設期限內有單量，則確定所述待預測客戶的標簽為0。

10.根據權利要求1所述的方法，其特征在于，將所述待預測客戶的特征數據和標簽輸入至融合模型中，確定出所述待預測客戶的綜合流失概率包括：

將所述待預測客戶的特征數據和標簽輸入至多個預測模型中，確定出每個所述預測模型對應的流失概率；

根據每個所述預測模型的流失概率和權重系數，確定出所述待預測客戶的綜合流失概率。