[發明專利]一種基于XGBoost與MLP的客戶流失預測方法

在審

• 申請號: 202211156957.6
• 申請日: 2022-09-22
• 公開（公告）號: CN115482039A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 唐琪;張昊;朱儀;蔣敏;范昌華;張取義
• 申請（專利權）人: 中電科申泰信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 無錫派爾特知識產權代理事務所(普通合伙) 32340
• 代理人: 楊立秋

本發明涉及一種基于XGBoost與MLP的客戶流失預測方法，所述預測方法使用環境在申威平臺上，且能夠改善客戶流失預測系統的準確性以及時效性，所述預測方法分為兩個階段：第一階段，提取客戶數據中的數值型特征，使用XGBoost算法計算出葉子節點的編號，并轉換為one?hot向量；第二階段，使用MLP處理葉子節點的one?hot向量和原始離散特征轉化的one?hot向量，獲得預測結果。與傳統的客戶流失預測算法相比，該算法能夠大幅提高預測準確率。同時，該方法支持并行計算，依靠申威CPU強大的并行計算能力，能大幅改善時效性。

技術領域

本發明涉及數據處理技術，尤其是指一種基于XGBoost與MLP的客戶流失預測方法。

背景技術

隨著社會的快速發展以及產品的日趨同質化，企業之間的競爭日趨激烈，對于一家富有活力且經營正常的公司來說，客戶是其最重要的資產之一。在業務多元化、市場飽和化以及經濟全球化的背景下，企業吸引新客戶的成本遠遠高于保留老客戶，因此防止老客戶的流失能夠有效地提高企業的利潤，越來越多的企業開始意識到保留現有客戶的重要性。作為以客戶為導向的經營策略中不可缺少的一部分，如何精準識別那些具有高度流失概率的客戶，具有至關重要的意義。因此，基于客戶的歷史信息來構建針對客戶流失的早期預警系統成為了企業發展的重點。

通過客戶流失預測系統，企業能夠及時發現潛在的流失客戶并制定相應的策略，來改善客戶不滿意度并防止客戶的流失。具體而言，客戶流失預測就是根據客戶的歷史信息來計算其未來流失的概率值，即終止與公司關系的可能性，這些概率值可以被用來將客戶從最不可能流失到最可能流失進行排序，并對最容易流失的客戶進行促銷優惠活動。在一項研究中，一家擁有500萬客戶的公司通過客戶流失預測系統對10％的潛在流失客戶進行了營銷保留活動，由此獲得了數十萬美元的額外利潤。

然而，由于客戶歷史數據存在復雜度高、冗余度高以及維度高的特點，如何構建預測模型成為了數據挖掘領域中一個重要的課題。近些年來，隨著數據挖掘算法的不斷優化，客戶流失預測領域也得到了長足的發展，預測算法精度不斷提高，對于客戶歷史特征的理解也不斷深入。信息化的快速推進，也使得各式各樣的營銷手段層出不窮，客戶經常會收到各種優惠活動，如“分期免息”，“打折促銷”與“加送贈品”等。這些手段極大的影響了客戶的忠誠度，企業若不能及時發現，并制定相應的策略，極有可能喪失在市場中的競爭力。因此，構建一個精準的客戶流失預測系統對企業來說，具有極高的戰略價值，特別是服務同質化嚴重的行業。

與新客戶相比，長期客戶往往能使企業更具備競爭力，因此構建客戶流失預測系統有著極為現實的意義，其總結如下：(1)成功的企業往往與現有的客戶有著長期的關系，這使得這些企業能專注于提高自身的服務質量，而不是一味地吸引新客戶，因為新客戶最典型的特征就是流失率高；(2)流失的客戶會影響他們社交網絡中其他的客戶；(3)在利潤方面，長期客戶傾向于購買更多的產品或者服務；(4)在成本方面，由于企業充分掌握了長期客戶的信息，并且了解他們的需求，所以降低了服務成本；(5)競爭性的營銷活動對長期客戶的影響較低；(6)保留一個長期客戶的成本往往比吸引新客戶的成本低數倍。

在當今的大數據時代，各家企業的客戶數據都有高數量、高維度、高價值的特點，同時由于涉及客戶隱私，所以需要兼顧保密性。由于以上特性，構建一個完整客戶流失預測系統除了要保證預測準確度外，還要具備較強的計算能力和安全性，因此本發明選擇國產的申威3231雙路服務器作為底層平臺。經過多年的發展，申威CPU處理器的國產化產業鏈布局完整，軟硬件產品可堪重用，在國家多項重大專項項目的支持以及產業界持續的努力下，形成了以自主研發的申威CPU為核心的國產生態體系。不同于海光、兆芯與鯤鵬等其他使用國外指令集架構的國產芯片，申威CPU使用國產自研架構，具備較高的安全性，不會受到國外斷供的影響。比如，基于申威3231CPU的雙路服務器擁有64個核，可以提供強有力的計算支持。

發明內容

為此，本發明所要解決的技術問題在于改善當前客戶流失預測系統的準確性低以及時效性差的問題，同時使用國產的申威服務器作為基礎平臺，解決國產芯片受制于國外的問題。