【技术实现步骤摘要】
本专利技术涉及人工智能领域，尤其涉及一种客户流失预测方法及装置。
技术介绍
1、随着经济快速发展、利率市场化进程加快以及买方市场的形成，银行业的竞争发展到白热化程度，尤其是针对客户资源的争夺。据研究显示，一个新客户的获客成本远高于即将流失老客户的挽留成本，在这种背景下，银行越来越重视客户流失预测和客户挽留工作。怎样才能提前预测客户是否具有较高的流失概率，从而采取有效的营销措施、制定合理的营销策略来挽留这些客户，这已成为银行在客户经营和业务发展方面亟需解决的问题。
2、目前，国内大多数银行都已经高度关注客户流失的问题，但对于客户流失的分析基本无法预测，往往在客户流失之后才能发现，预测效果差。并且多通过客户经理个人能力挽留客户，使得挽留效果差且效率低下。
技术实现思路
1、针对现有技术中的问题，本专利技术提供的一种客户流失预测方法及装置，可以自动化预测客户流失值，从而确定客户的流失倾向，提高客户流失预测的准确性和效率，以及通过查找与流失类型对应的挽留策略，可以提高成功挽留客户的概率。
2、为解决上述技术问题，本专利技术提供以下技术方案：
3、第一方面，本专利技术提供一种客户流失预测方法，所述方法包括：获取银行目标客户的基础数据，所述基础数据包括所述目标客户的属性数据和银行行为数据；根据所述基础数据输入预先训练好的流失预测模型，得到所述目标客户的流失预测值；根据所述流失预测值确定所述目标客户的流失类型；查找与所述流失类型对应的目标挽留策略；执行所述目标
4、可选的，所述属性数据包括开户日期和年龄，所述银行行为数据包括月内日均余额、当前现金余额、月日均变化情况、活期月日均占比、代发金额占比、近6个月取款金额均值、近6个月转入交易金额均值、近3个月转入交易金额均值、近6个月取款次数均值、近3个月取款次数均值、保证金金额和近1个月取款次数中的任一项或多项。
5、可选的，所述流失类型包括高流失倾向类型和低流失倾向类型，所述根据所述流失预测值确定所述目标客户的流失类型包括：判断所述流失预测值是否低于第一预设阈值，若是，确定所述目标客户的流失类型为低流失倾向类型，若否，确定所述目标客户的流失类型为高流失倾向类型。
6、可选的，本专利技术提供的客户流失预测方法还包括：根据所述基础数据和预设价值评价指标确定所述目标客户的价值类型，所述价值类型包括高价值类型和低价值类型。
7、可选的，所述查找与所述流失类型对应的目标挽留策略包括：查找与所述目标客户的流失类型和价值类型所对应的所述目标挽留策略。
8、可选的，所述挽留策略包括沟通方式和挽留话术，所述执行所述目标挽留策略包括：按照所述目标挽留策略中的所述沟通方式向所述目标客户发送所述挽留话术。
9、可选的，所述流失预测模型的训练过程包括：获取各客户的相关数据；对所述相关数据进行预处理得到目标相关数据；从所述目标相关数据中确定候选自变量；根据所述候选自变量确定目标变量；将所述目标变量输入至预设模型，判断是否满足预设收敛条件，若满足，则得到所述流失预测模型，若不满足，继续将所述目标变量输入至预设模型并判断是否满足收敛条件，直至满足预设收敛条件。
10、可选的，所述根据所述候选自变量确定目标变量包括：对所述候选自变量进行分组；根据各分组中正样本在当前分组中的比例、负样本在当前分组中的比例、正样本数据量、负样本数据量、正样本总量和负样本总量计算各分组的证据权重，所述正样本表示流失客户，所述负样本表示保持客户；根据各分组的证据权重、各分组中正样本在当前分组中的比例和负样本在当前分组中的比例计算各分组的信息价值；选择所述信息价值超过第二预设阈值的分组中所包括的候选自变量作为所述目标变量。
11、可选的，所述预设模型为xgboost模型。
12、可选的，所述相关数据包括客户基本信息、客户所持产品信息、客户资产信息和客户交易行为信息；所述客户基本信息包括性别、年龄、学历、开户日期、职业和婚姻状况；所述客户所持产品信息包括是否持有理财产品、客户持有理财产品的持有金额、是否持有基金产品、持有基金产品的持有金额、是否持有保险产品、持有保险产品持有金额、是否在银行代发、在银行代发的代发金额、理财产品金额和理财产品金额的占比；客户资产信息包括近6个月的月日均资产aum、人民币存款金额、活期存款金额、定期存款金额、近6个月的月日均资产aum占比、人民币存款占比、活期存款占比、定期存款占比、近6个月的月内日均余额、当前现金余额、近3个月活期月日均占比和代发金额占比；所述客户交易行为信息包括各个月的转入交易次数、转出交易次数、转出金额、存款交易次数、存款金额、近6个月取款金额均值、近6个月转入交易金额均值、近3个月转入交易金额均值、近6个月取款次数均值、近3个月取款次数均值、保证金金额和近1个月取款次数。
13、第二方面，本专利技术提供一种客户流失预测装置，所述装置包括：特征向量获取模块，适于获取银行目标客户的基础数据，所述基础数据包括所述目标客户的属性数据和银行行为数据；流失预测模块，适于根据所述基础数据输入预先训练好的流失预测模型，得到所述目标客户的流失预测值；流失类型确定模块，适于根据所述流失预测值确定所述目标客户的流失类型；挽留策略查找模块，适于查找与所述流失类型对应的目标挽留策略；挽留策略执行模块，适于执行所述目标挽留策略，以挽留所述目标客户。
14、第三方面，本专利技术提供一种电子设备，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，处理器执行程序时实现上述方法的步骤。
15、第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
16、从上述描述可知，本专利技术提供的客户流失预测方法，获取银行目标客户的基础数据，根据所述基础数据确定特征向量，并将基础数据输入预先训练好的流失预测模型，得到目标客户的流失预测值，根据流失预测值确定目标客户的流失类型，根据流失类型确定目标挽留策略，并执行目标挽留策略，以挽留目标客户。可以看出，本专利技术可以自动化预测客户流失值，从而确定客户的流失倾向，提高客户流失预测的准确性和效率。并且，通过查找与流失类型对应的挽留策略，从而选取更加合适的挽留措施，并基于该挽留策略挽留客户，可以提高成功挽留客户的概率，并且自动化地执行挽留策略也可提高挽留效率。
本文档来自技高网...【技术保护点】
1.一种客户流失预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的客户流失预测方法，其特征在于，所述属性数据包括开户日期和年龄，所述银行行为数据包括月内日均余额、当前现金余额、月日均变化情况、活期月日均占比、代发金额占比、近6个月取款金额均值、近6个月转入交易金额均值、近3个月转入交易金额均值、近6个月取款次数均值、近3个月取款次数均值、保证金金额和近1个月取款次数中的任一项或多项。
3.如权利要求1所述的客户流失预测方法，其特征在于，所述流失类型包括高流失倾向类型和低流失倾向类型，所述根据所述流失预测值确定所述目标客户的流失类型包括：
4.如权利要求1所述的客户流失预测方法，其特征在于，所述方法还包括：
5.如权利要求4所述的客户流失预测方法，其特征在于，所述查找与所述流失类型对应的目标挽留策略包括：
6.如权利要求5所述的客户流失预测方法，其特征在于，所述挽留策略包括沟通方式和挽留话术，所述执行所述目标挽留策略包括：
7.如权利要求1所述的客户流失预测方法，其特征在于，所述流失预测模型的训练过程
8.如权利要求7所述的客户流失预测方法，其特征在于，所述根据所述候选自变量确定目标变量包括：
9.如权利要求7所述的客户流失预测方法，其特征在于，所述预设模型为XGBoost模型。
10.如权利要求7所述的客户流失预测方法，其特征在于，所述相关数据包括客户基本信息、客户所持产品信息、客户资产信息和客户交易行为信息；
11.一种客户流失预测装置，其特征在于，所述装置包括：
12.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至10中任一项所述客户流失预测方法的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述客户流失预测方法的步骤。
...【技术特征摘要】
1.一种客户流失预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的客户流失预测方法，其特征在于，所述属性数据包括开户日期和年龄，所述银行行为数据包括月内日均余额、当前现金余额、月日均变化情况、活期月日均占比、代发金额占比、近6个月取款金额均值、近6个月转入交易金额均值、近3个月转入交易金额均值、近6个月取款次数均值、近3个月取款次数均值、保证金金额和近1个月取款次数中的任一项或多项。
3.如权利要求1所述的客户流失预测方法，其特征在于，所述流失类型包括高流失倾向类型和低流失倾向类型，所述根据所述流失预测值确定所述目标客户的流失类型包括：
4.如权利要求1所述的客户流失预测方法，其特征在于，所述方法还包括：
5.如权利要求4所述的客户流失预测方法，其特征在于，所述查找与所述流失类型对应的目标挽留策略包括：
6.如权利要求5所述的客户流失预测方法，其特征在于，所述挽留策略包括沟通方式和挽留话术，所述执行所述目标...
【专利技术属性】
技术研发人员：王天宇，李志林，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
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。