[发明专利]加油卡客户流失预测方法

权利要求书

1.一种加油卡客户流失预测分析方法，其特征在于，包括步骤：

S1、收集一定期限内每个加油卡客户行为的原始数据，建立数据库；

S2、以颗粒度为月对所述原始数据进行整理汇总，计算出和加油卡客户流失行为相关的若干基本属性；

S3、对所述各基本属性进行离散化或布尔化处理；

S4、利用信息增益参量对所述各基本属性的重要性进行评估，筛选出若干重要属性；

S5、对所述各重要属性，利用多维关联规则，得到属性的频繁项集，并以每个频繁项集中的频繁项与该频繁维谓词集合并起来作为新属性；

S6、针对所述多维频繁项集的新属性，采用决策树方式建立模型；

S7、将实际已经流失的客户的数据输入所述决策树模型进行分析，比较分析结果和实际历史结果的差异，对所述决策树模型进行修正；

S8、根据修正后的决策树模型进行客户流失预测，发布预警信息。

2.如权利要求1所述的加油卡客户流失预测分析方法，其特征在于，步骤S1所述的加油卡客户行为的原始数据包括充值明细、圈存明细、加油明细、积分明细、沉淀资金。

3.如权利要求1所述的加油卡客户流失预测分析方法，其特征在于，步骤S2所述的和加油卡客户后续行为相关的若干基本属性，至少包括一定期限内的月平均消费额，以往充值的平均金额，最后一次充值距当前的时间，最后一次充值的金额，最后一次消费距当前的时间。

4.如权利要求1所述的加油卡客户流失预测分析方法，其特征在于，步骤S4包括以下步骤：

S41、计算任意基本属性的期望信息：

I(s₁，s₂，…，s_n)＝-∑p_ilog₂(p_i)(i＝1…m)

其中，数据库的数据集为S，m为S的基本属性数目，c_i为某基

本属性标号，p_i为任意基本属性c_i的概率，s_i为c_i上的样本数；

S42、由A划分为子集的熵：

E(A)=(s1j+s2j+...+smj)sI(s1j,···,smj)]]>

A为任意基本属性，具有v个不同的取值；

S43、计算信息增益Gain(A)＝I(s₁，s₂，…，s_n)-E(A)；

S44、设定阀值，去除信息增益很小的基本属性。