[發明專利]一種基于RFM模型泛化特征的金融類客戶分級方法

在審

• 申請號: 202111588546.X
• 申請日: 2021-12-23
• 公開（公告）號: CN114386490A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 張超;張偉樂
• 申請（專利權）人: 江蘇鑫合易家信息技術有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q40/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 劉珊珊

本發明公開了數據分類技術領域的一種基于RFM模型泛化特征的金融類客戶分級方法，包括以下步驟：S1、采集客戶數據，隨機抽取預定比例的樣本數據進行交叉標注；其中，所述客戶數據包括RFM指標數據和針對特定場景的附加特征數據；S2、對標記數據進行特征處理，并進行機器學習模型訓練；S3、在機器學習模型中對全量客戶數據進行特定金融場所的分析處理，本發明通過RFM模型結合不同金融場景下增加的特定場景特征，通過隨機抽樣并進行數據標注的方式結合分類算法進行客戶分級，實現不同場景不同的客戶分級，能促進場景化營銷的精準性，特別適用于不同金融場景下的客戶精準性分級處理。

技術領域

本發明涉及數據分類技術領域，特別是涉及一種基于RFM模型泛化特征的金融類客戶分級方法。

背景技術

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。在眾多的客戶關系管理(CRM)的分析模式中，RFM模型是被廣泛提到的。該模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。最近一次消費(Recency)指上一次購買距指定時間過去了多久。消費頻率(Frequency)指顧客在限定的期間內所購買的次數。消費金額(Monetary)指顧客在限定期間內購買金額減去退貨金額的差值，也就是顧客帶來的凈收入。RFM就是從最近消費時間、消費頻率和消費金額三個維度去衡量客戶的價值，進而進行分級。

傳統RFM模型進行客戶分級：R表示最近一次消費時間(Recency)，可取最近一次消費記錄到當前時間的間隔，如7天、30天、90天未消費；F表示一定時間內消費頻率(Frequency)，一般是一個時間段內用戶消費頻率；M表示一定時間內累計消費金額(Monetary)，一般是取一個時間段內用戶消費金額；本質上是一種用三個分類維度，找判斷標準方法；通過三個維度的組合計算，能判定出客戶的分級，然后采取對應措施。

但本申請發明人在實現本申請實施例中發明技術方案的過程中，發現上述技術至少存在如下技術問題：

1、傳統RFM模型過度依賴人工進行客戶分級；

2、傳統RFM模型在建模時所考慮的數據特征比較少，不能在特定業務上反應實際金融客戶的分級情況。

基于此，本發明設計了一種基于RFM模型泛化特征的金融類客戶分級方法，以解決上述問題。

發明內容

為了解決目前背景技術提及的技術問題，本發明的目的是提供一種基于RFM模型泛化特征的金融類客戶分級方法。

為了實現上述目的，本發明采用如下技術方案：

一種基于RFM模型泛化特征的金融類客戶分級方法，包括以下步驟：

S1、采集客戶數據，隨機抽取預定比例的樣本數據進行交叉標注；其中，所述客戶數據包括RFM指標數據和針對特定場景的附加特征數據；

S2、對標記數據進行特征處理，并進行機器學習模型訓練；

S3、在機器學習模型中對全量客戶數據進行特定金融場所的分析處理。

優選的，所述交叉標注包括：

隨機打亂需要標注的樣本數據，通過多數原則標明抽取的客戶級別。

優選的，所述對標記數據進行特征處理包括：

對已經標注的數據進行歸一化處理，使每個特征的數據范圍收斂到相同數量級。

優選的，所述機器學習模型訓練包括：

將訓練數據輸入至分類算法供模型擬合訓練，并將得到模型通過隨機抽取數據驗證模型分類是否準確，其中，標注數據包括訓練數據和隨機抽取數據。

優選的，所述訓練數據和隨機抽取數據的數據量比優選為7:3。