System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及金融领域,特别是涉及一种用户流失的确定方法以及相关装置。
技术介绍
1、目前,随着社会的发展,越来越多的用户选择去购买保险产品,保险产品不仅能为用户提供一份保障,也能提高相关公司的自身的收益,为此相关公司也推出越来越多样的保险产品,以供用户选择。而保险的风险程度以及用户自身等诸多因素都很容易导致用户的流失,所以需要对用户的流失进行判定,以制定相应对策。
2、目前,可以根据用户的历史行为信息对用户进行分析,例如,不再与保险营销员接触、不再登录相关保险app、不再续保等脱保行为,可以判断为该用户流失,但是只有发生了明确脱保行为的用户才能定义为用户流失,因此,每次都是用户流失之后,才制定相应措施进行挽留,所以用户流失率较高。
技术实现思路
1、本申请提供一种用户流失的确定方法,以降低用户流失率,本申请还提供一种用户流失的确定装置。
2、第一方面,本申请提供一种用户流失的确定方法,包括:
3、获取第一时间段内用户的历史数据;
4、将所述历史数据输入至预先训练好的预测模型,输出所述用户的流失概率,所述预测模型为利用第二时间段内脱保车辆信息为正样本,第二时间段内续保车辆信息为负样本以及所述历史数据对初始预测模型进行训练获得;
5、当所述流失概率大于用户流失阈值时,确定所述用户流失。
6、可选的,所述历史数据包括:用户的基本信息、用户名下的保单信息、用户的车辆出险信息以及用户的满意程度信息。
7、可选的
8、利用逻辑回归构建二分类的初始预测模型;
9、根据所述正样本、所述负样本以及所述历史数据对所述初始预测模型进行迭代训练并在每次迭代过程中,调节对应的损失函数;
10、当所述损失函数达到最小值时,获得训练好的预测模型;
11、将所述历史数据输入至预先训练好的预测模型。
12、可选的,所述根据所述正样本、所述负样本以及所述历史数据对所述初始预测模型进行迭代训练,包括:
13、对所述二分类的初始预测模型进行l2正则化约束;
14、根据所述正样本、所述负样本以及所述历史数据对进行l2正则化约束之后的初始预测模型进行迭代训练。
15、可选的,所述方法还包括:
16、根据所述用户的历史数据对所述用户的流失原因进行分析,获得分析结果;
17、根据所述分析结果,确定对应的挽回策略。
18、可选的,所述根据所述分析结果,确定对应的挽回策略,包括:
19、根据所述分析结果,确定所述用户对应的多个挽回策略;
20、对所述用户对应的每个所述挽回策略进行贝叶斯统计,确定对应的挽回概率;
21、将所述多个挽回策略中挽回概率最高的作为目标挽回策略。
22、第二方面,本申请还提供一种用户流失的确定装置,所述装置包括:
23、获取模块,用于获取第一时间段内用户的历史数据;
24、输入模块,用于将所述历史数据输入至预先训练好的预测模型,输出所述用户的流失概率,所述预测模型为利用第二时间段内脱保车辆信息为正样本,第二时间段内续保车辆信息为负样本以及所述历史数据对初始预测模型进行训练获得;
25、第一确定模块,用于当所述流失概率大于用户流失阈值时,确定所述用户流失。
26、可选的,所述历史数据包括:用户的基本信息、用户名下的保单信息、用户的车辆出险信息以及用户的满意程度信息。
27、可选的,所述输入模块具体用于:
28、利用逻辑回归构建二分类的初始预测模型;
29、根据所述正样本、所述负样本以及所述历史数据对所述初始预测模型进行迭代训练并在每次迭代过程中,调节对应的损失函数;
30、当所述损失函数达到最小值时,获得训练好的预测模型;
31、将所述历史数据输入至预先训练好的预测模型。
32、可选的,所述输入模块具体用于:
33、对所述二分类的初始预测模型进行l2正则化约束;
34、根据所述正样本、所述负样本以及所述历史数据对进行l2正则化约束之后的初始预测模型进行迭代训练。
35、可选的,所述装置还包括:
36、分析模块,用于根据所述用户的历史数据对所述用户的流失原因进行分析,获得分析结果;
37、第二确定模块,用于根据所述分析结果,确定对应的挽回策略。
38、可选的,所示第二确定模块,具体用于:
39、根据所述分析结果,确定所述用户对应的多个挽回策略;
40、对所述用户对应的每个所述挽回策略进行贝叶斯统计,确定对应的挽回概率;
41、将所述多个挽回策略中挽回概率最高的作为目标挽回策略。
42、第三方面,本申请实施例提供了一种设备,所述设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行前述第一方面任一项所述的方法。
43、第四方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质中存储有代码,当所述代码被运行时,运行所述代码的设备实现前述第一方面任一项所述的方法。
44、相较于现有技术,本申请具有以下有益效果:
45、本申请可以获取第一时间段内用户的历史数据,将历史数据输入至预先训练好的预测模型,输出用户的流失概率,其中,预测模型为利用第二时间段内脱保车辆信息为正样本,第二时间段内续保车辆信息为负样本以及所述历史数据对初始预测模型进行训练获得,当流失概率大于用户流失阈值时,确定用户流失,这样可以通过获取一段时间的数据,通过预先训练好的预测模型对用户的流失概率进行预测,从而确定用户是否有流失趋势,也就是说可以将流失概率较大的用户确定为流失用户,从而可以制定相应的挽留措施,进而可以有效降低用户的流失率。
本文档来自技高网...【技术保护点】
1.一种用户流失的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述历史数据包括:用户的基本信息、用户名下的保单信息、用户的车辆出险信息以及用户的满意程度信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述历史数据输入至预先训练好的预测模型包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述正样本、所述负样本以及所述历史数据对所述初始预测模型进行迭代训练,包括:
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述分析结果,确定对应的挽回策略,包括:
7.一种用户流失的确定装置,其特征在于,包括:
8.根据权利要求7所述的装置,其特征在于,所述历史数据包括:用户的基本信息、用户名下的保单信息、用户的车辆出险信息以及用户的满意程度信息。
9.根据权利要求7所述的装置,其特征在于,所述输入模块具体用于:
10.根据权利要求9所述的装置,其特征在于,所述输入模块具体
...【技术特征摘要】
1.一种用户流失的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述历史数据包括:用户的基本信息、用户名下的保单信息、用户的车辆出险信息以及用户的满意程度信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述历史数据输入至预先训练好的预测模型包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述正样本、所述负样本以及所述历史数据对所述初始预测模型进行迭代训练,包括:
5.根据权利要求1-4任一项所述的方法,其...
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。