一种客户流失率预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种客户流失率预测方法、装置、电子设备及存储介质，接收目标银行网点发送的客户流失率预测请求，客户流失率预测请求包括目标客户的基本信息；基于目标客户的基本信息，从目标银行网点的数据库中获取至少一个目标特征因子中每个目标特征因子的特征信息，目标特征因子为对客户流失率存在影响的特征因子；将各个目标特征因子的特征信息输入客户流失率预测模型，使客户流失率预测模型根据各个目标特征因子的特征信息进行客户流失率预测，得到目标客户的客户流失率，其中，客户流失率预测模型为利用目标银行网点中各个历史客户对应的各个目标特征因子的特征信息对DNN神经网络进行训练得到的。本发明专利技术能够提高预测潜在流失客户的准确率。在流失客户的准确率。在流失客户的准确率。

【技术实现步骤摘要】
一种客户流失率预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，更具体地说，涉及一种客户流失率预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着社会的不断发展，各个银行间的市场竞争越来越激烈，经研究发现，吸引一个新客户所花费的成本是留住一个老客户的几倍，因此，为了留住老客户，可以提前预测出潜在的流失客户。
[0003]在现有技术中，主要是依据银行工作人员对历史数据进行分析，确定潜在的流失客户。而通过工作人员对历史数据进行分析，容易因工作人员主观判断导致确定的潜在流失客户不准确。

技术实现思路

[0004]有鉴于此，本专利技术提供一种客户流失率预测方法、装置、电子设备及存储介质，以提高预测潜在流失客户的准确率为目的。
[0005]本专利技术第一方面公开一种客户流失率预测方法，所述方法包括：
[0006]接收目标银行网点发送的客户流失率预测请求，所述客户流失率预测请求包括目标客户的基本信息；
[0007]基于所述目标客户的基本信息，从所述目标银行网点的数据库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户流失率预测方法，其特征在于，所述方法包括：接收目标银行网点发送的客户流失率预测请求，所述客户流失率预测请求包括目标客户的基本信息；基于所述目标客户的基本信息，从所述目标银行网点的数据库中获取至少一个目标特征因子中每个所述目标特征因子的特征信息，所述目标特征因子为对客户流失率存在影响的特征因子；将各个所述目标特征因子的特征信息输入客户流失率预测模型，使所述客户流失率预测模型根据各个所述目标特征因子的特征信息进行客户流失率预测，得到所述目标客户的客户流失率，其中，所述客户流失率预测模型为利用所述目标银行网点中各个历史客户对应的各个目标特征因子的特征信息对DNN神经网络进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述目标客户的客户流失率大于预设客户流失率，确定所述目标客户为潜在流失客户，并输出报警信息；获取所述目标银行网点基于所述报警信息发送的所述目标客户的访问数据；对所述访问数据进行分析，生成并输出所述目标客户的流失原因。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标客户的基本信息，从所述目标银行网点的数据库中获取至少一个目标特征因子中每个所述目标特征因子的特征信息，包括：基于所述目标客户的基本信息，从所述目标银行网点的数据库中获取预设时间段内所述目标客户的历史数据；对所述历史数据进行数据清洗，得到目标历史数据；从所述目标历史数据中获取至少一个目标特征因子中每个所述目标特征因子的特征信息。4.根据权利要求1所述的方法，其特征在于，所述利用所述目标银行网点中各个客户对应的各个目标特征因子的特征信息对DNN神经网络进行训练得到客户流失率预测模型的过程，包括：针对所述目标银行网点中的每个历史客户而言，从所述数据库中获取所述历史客户的历史数据；对所述历史客户的历史数据进行清洗，得到所述历史客户的目标历史数据；从所述历史客户的目标历史数据中获取至少一个目标特征因子中每个所述目标特征因子的特征信息；将所述历史客户的各个所述目标特征因子的特征信息输入待训练的DNN神经网络，使所述待训练的DNN神经网络利用所述历史客户的各个所述目标特征因子的特征信息进行客户流失率预测，输出所述历史客户的客户流失率，以所述历史客户的客户流失率趋近于所述历史客户的目标客户流失率为训练目标，对所述待训练的DNN神经网络的参数进行调整，直至所述待训练的DNN神经网络达到收敛，得到客户流失率预测模型。5.一种客户流失率预测装置，其特征在于，所述装置包括：接收单元，用于接收目标银行点发送的客户流失率预测请求，所述客户流失率预测请求包括目标客户的基本信息；
第一获取单元，用于基于...

【专利技术属性】
技术研发人员：徐雪梅，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：