一种客户流失预警方法和装置制造方法及图纸

本发明专利技术提供了一种客户流失预警方法和装置，涉及人工智能，该方法包括：获取客户画像信息和客户行为信息；建立BP神经网络模型，预设期望输出样本集；根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。本发明专利技术可以预测客户在业务中潜在流失风险隐患，以便客户经理提前降低客户流失采取应对措施，减少流失发生的概率。减少流失发生的概率。减少流失发生的概率。

【技术实现步骤摘要】
一种客户流失预警方法和装置


[0001]本专利技术涉及人工智能
，尤其涉及一种客户流失预警方法和装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前在客户流失预警这块，一般是通过多个银行系统根据客户的交易信息进行跑批得到不同行为下可能存在异常的客户名单，再由客户经理依据自己的经验进行筛选从而进行客户维护；由于批量处理的数据大多数不具有实时性，因此会存在当批后报表生成时，此时风险已成问题事实，不能提前通知到客户经理，很难提前制定应对计划来规避或控制客户流失风险。
[0004]当前银行客户经理在维护客户的过程中，主要是通过银行多个系统批后报表数据进行客户行为分析，尤其对于各系统竖井现状，会导致这部分数据获取不能很及时；更多情况下，报表数据信息只能简单的按照统一的标准进行排序并没有考虑不同的客户群体间的差异，客户经理不能直接盲目使用，还需结合客户的信息进行筛选和维护，费时费力的同时，还无法提前预测客户流失风险。
[0005]因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。

技术实现思路

[0006]本专利技术实施例提供一种客户流失预警方法，预测客户在业务中潜在流失风险隐患，以便客户经理提前降低客户流失采取应对措施，减少流失发生的概率，该方法包括：
[0007]获取客户画像信息和客户行为信息；
[0008]建立BP神经网络模型，预设期望输出样本集；
[0009]根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；
[0010]根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。
[0011]本专利技术实施例还提供一种客户流失预警装置，包括：
[0012]信息获取模块，用于获取客户画像信息和客户行为信息；
[0013]BP神经网络模型建立模块，用于建立BP神经网络模型，预设期望输出样本集；
[0014]模型训练模块，用于根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；
[0015]客户流失风险信息确定模块，用于根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。
[0016]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种客户流
失预警方法。
[0017]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种客户流失预警方法。
[0018]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种客户流失预警方法。
[0019]本专利技术实施例提供的一种客户流失预警方法和装置，包括：获取客户画像信息和客户行为信息；建立BP神经网络模型，预设期望输出样本集；根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。基于决策树和BP神经网络的客户流失预警方法，旨在通过客群画像的海量数据，分析客户的业务行为，如转账行为、支付行为、登录间隔、资产变更等，建立客户流失模型，预测客户流失的风险率，及时通知客户经理进行客户挽留工作。通过采集客群信息和客户实时行为数据集，建立BP神经网络，通过多次训练BP网络，输出多客户群下的客户流失阈值指标；从而预测客户在业务中潜在流失风险隐患，以便客户经理提前降低客户流失采取应对措施，减少流失发生的概率。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0021]图1为本专利技术实施例一种客户流失预警方法示意图。
[0022]图2为本专利技术实施例一种客户流失预警方法的建立BP神经网络模型过程示意图。
[0023]图3为本专利技术实施例一种客户流失预警方法的BP神经网络模型训练过程示意图。
[0024]图4为本专利技术实施例一种客户流失预警方法的BP神经网络模型进行训练过程示意图。
[0025]图5为运行本专利技术实施的一种客户流失预警方法的计算机设备示意图。
[0026]图6为本专利技术实施例一种客户流失预警装置示意图。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0028]图1为本专利技术实施例一种客户流失预警方法示意图，如图1所示，本专利技术实施例提供一种客户流失预警方法，预测客户在业务中潜在流失风险隐患，以便客户经理提前降低客户流失采取应对措施，减少流失发生的概率，该方法包括：
[0029]步骤101：获取客户画像信息和客户行为信息；
[0030]步骤102：建立BP神经网络模型，预设期望输出样本集；
[0031]步骤103：根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；
[0032]步骤104：根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。
[0033]本专利技术实施例提供的一种客户流失预警方法，包括：获取客户画像信息和客户行为信息；建立BP神经网络模型，预设期望输出样本集；根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。基于决策树和BP神经网络的客户流失预警方法，旨在通过客群画像的海量数据，分析客户的业务行为，如转账行为、支付行为、登录间隔、资产变更等，建立客户流失模型，预测客户流失的风险率，及时通知客户经理进行客户挽留工作。通过采集客群信息和客户实时行为数据集，建立BP神经网络，通过多次训练BP网络，输出多客户群下的客户流失阈值指标；从而预测客户在业务中潜在流失风险隐患，以便客户经理提前降低客户流失采取应对措施，减少流失发生的概率。
[0034]神经网络：它是一种模仿人类神经网络行为特征，进行分布式并行信息处理的算法数学模型。BP神经网络：一种误差后向传播神经网络，是神经网络模型中使用最广泛的一类；它分为输入层、隐藏层和输出层的一种网络拓扑结构。
[0035]随着机器学习和大数据分析在银行业的广泛应用，客户的画像属性和客户的行为属性在系统中的获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户流失预警方法，其特征在于，包括：获取客户画像信息和客户行为信息；建立BP神经网络模型，预设期望输出样本集；根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果；根据预设期望输出样本集与实际输出结果，确定客户流失风险信息。2.如权利要求1所述的方法，其特征在于，获取客户画像信息，包括：获取客户学历数据、客户年龄数据、客户收入数据、客户资产数据及客户地域数据作为客户画像信息。3.如权利要求1所述的方法，其特征在于，获取客户行为信息，包括：获取登录天数数据、消费次数数据、转账数额数据及最近一次购买产品距今时长数据作为客户行为信息。4.如权利要求1所述的方法，其特征在于，建立BP神经网络模型，包括：预设输入节点信息项和输出节点信息项，设定隐藏层层数；根据预设的输入节点信息项和输出节点信息项和设定的隐藏层层数，建立BP神经网络模型。5.如权利要求1所述的方法，其特征在于，根据客户画像信息和客户行为信息，对BP神经网络模型进行训练，得到客户流失预警模型，确定实际输出结果，包括：将客户画像信息和客户行为信息输入BP神经网络模型进行训练；在训练的过程中多次调整隐藏层之间的权重系数，直至权重系数达到预设目标，停止训练，将当前训练的BP神经网络模型作为客户流失预警模型，确定实际输出结果。6.如权利要求1所述的方法，其特征在于，根据预设期望输出样本集与实际输出结果，确定客户流失风险信息，包括：根据预设期望输出样本集与实际输出结果，确定不同客群流失风险阈值；将实际输出结果中超出对应客群的流失风险阈值客户，标记为流失风险客户，确定客户流失风险信息。7.如权利要求1所述的方法，其特征在于，还包括：对获取的客户画像信息和客户行为信息进行数据过滤，将无效数据滤除，确定来源数据一致性的客户画像信息和客户行为信息。8.一种客户流失预警装置，其特征在于，包括：信息获取模块，用于获取客户画像信息和客户行为信息；BP神经网络模型建立模块，用于建立BP神经网络模型，预设期望输出样本集；模型训练模块，用于根据客户画像信息和客户行为信息，对BP神经网络模型进行...

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