The invention provides a broker turnover prediction system and method, which comprises a candidate broker selection module, a feature engineering module, an algorithm prediction module and a model interpretation module, a candidate broker selection module for screening probation brokers and a transfer broker, and a feature engineering module for constructing a trial broker. The algorithm prediction module is used to provide the prediction scheme of multi-model decision-making and synthesize the prediction result of each model. The result generates the final prediction results; the model interpretation module is used to interpret the prediction results of each model and the final prediction results using LIME algorithm. The agent turnover prediction system provided by the invention can automatically predict the agent turnover situation accurately, save time and labor, and provide explanable prediction results.
【技术实现步骤摘要】
一种经纪人离职预估系统及方法
本专利技术涉及计算机
,具体涉及一种经纪人离职预估系统及方法。
技术介绍
经纪人作为整个二手房交易中重要环节,承担着连接业主与客户的核心角色。然而随着市场行情的波动,公司管理机制的调整,经纪人管理始终面临着招聘成本高,培养时间长,离职预估居高不下的问题。当前线下的人员管理方式仍较为传统,需要人工统计经纪人每月的房源、客源带看量和业绩收入,采用排名的方式筛选靠后的经纪人。这种处理方式面临三大问题:首先,数据维度单一。只能找到业绩较低的经纪人,而业绩低与市场行情相关,因此低业绩的经纪人并非全部计划离职。此外,经过线下调研发现,收入因素只占离职原因的一小部分,其他如门店的环境,对上级的满意度等等都影响着经纪人在职状态;其次,无法提供可解释原因。目前线下提供的高离职概率经纪人都是收入排名靠后的,当大区总监与经纪人沟通尝试保留经纪人时,无法提前制定针对该经纪人的保留方案。最后,人工成本较高,需要经过人工信息采集,数据核算,录入系统等步骤。
技术实现思路
针对现有技术中的缺陷,本专利技术提供一种经纪人离职预估系统及方法,本专利技术提供的经纪人离职预估系统,能够自动对经纪人离职情况进行准确预估,省时省力,且可提供可解释的预估结果。为实现上述目的,本专利技术提供以下技术方案:第一方面,本专利技术提供了一种经纪人离职预估系统,包括:候选经纪人筛选模块、特征工程模块、算法预估模块和模型解释模块;其中,所述候选经纪人筛选模块,用于将试用期经纪人和转正经纪人进行筛选;所述特征工程模块,用于构建试用期经纪人特征、转正经纪人特征、市场特征、大区特征、经 ...
【技术保护点】
1.一种经纪人离职预估系统,其特征在于,包括:候选经纪人筛选模块、特征工程模块、算法预估模块和模型解释模块;其中,所述候选经纪人筛选模块,用于将试用期经纪人和转正经纪人进行筛选;所述特征工程模块,用于构建试用期经纪人特征、转正经纪人特征、市场特征、大区特征、经纪人所在门店特征、经纪人基础特征、经纪人业绩特征、经纪人行为特征和展位特征;所述算法预估模块,用于提供多模型共同决策的预估方案,综合每个模型的预估结果生成最终的预估结果;其中,所述多模型包括XGBoost模型、LightGBM模型和RNN模型;具体地,所述XGBoost模型、LightGBM模型和RNN模型,分别用于根据输入的试用期经纪人特征、市场特征、大区特征、门店特征、基础特征、业绩特征、行为特征和展位特征对试用期经纪人的离职情况进行预估;所述XGBoost模型、LightGBM模型和RNN模型,分别用于根据输入的转正经纪人特征、市场特征、大区特征、门店特征、基础特征、业绩特征、行为特征和展位特征对转正经纪人的离职情况进行预估;所述模型解释模块,用于采用LIME算法解释各模型的预估结果以及最终的预估结果。
【技术特征摘要】
1.一种经纪人离职预估系统,其特征在于,包括:候选经纪人筛选模块、特征工程模块、算法预估模块和模型解释模块;其中,所述候选经纪人筛选模块,用于将试用期经纪人和转正经纪人进行筛选;所述特征工程模块,用于构建试用期经纪人特征、转正经纪人特征、市场特征、大区特征、经纪人所在门店特征、经纪人基础特征、经纪人业绩特征、经纪人行为特征和展位特征;所述算法预估模块,用于提供多模型共同决策的预估方案,综合每个模型的预估结果生成最终的预估结果;其中,所述多模型包括XGBoost模型、LightGBM模型和RNN模型;具体地,所述XGBoost模型、LightGBM模型和RNN模型,分别用于根据输入的试用期经纪人特征、市场特征、大区特征、门店特征、基础特征、业绩特征、行为特征和展位特征对试用期经纪人的离职情况进行预估;所述XGBoost模型、LightGBM模型和RNN模型,分别用于根据输入的转正经纪人特征、市场特征、大区特征、门店特征、基础特征、业绩特征、行为特征和展位特征对转正经纪人的离职情况进行预估;所述模型解释模块,用于采用LIME算法解释各模型的预估结果以及最终的预估结果。2.根据权利要求1所述的系统,其特征在于,所述特征工程模块在构建各种特征时,对缺失值进行处理,对异常值进行修复,并采用LOF算法与iForest算法检测数据中的离群点,以得到高质量的特征数据。3.根据权利要求1所述的系统,其特征在于,所述特征工程模块在构建各种特征时,还用于对离散类型的特征进行One-Hot特征编码,且对于皮尔逊系数高于预设阈值的相关特征进行特征交叉处理。4.根据权利要求1所述的系统,其特征在于,所述特征工程模块在构建各种特征时,还用于针对样本平衡问题,采用负样本欠采样与正样本过采样方法,以提升预估效果。5.根据权利要求1所述的系统,其特征在于,所述算法预估模块具体用于:分别采用XGBoost模型、LightGBM模型和RNN模型对经纪人进行离职预估得到预估结果后,将每个模型的预估结果分别乘以对应模型的权重系数,得到最终的预...
【专利技术属性】
技术研发人员:杨也康,侯晏龙,蔡白银,
申请(专利权)人:链家网北京科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。