[发明专利]客户流失预测的深度学习方法及装置

说明书

本发明公开了一种客户流失预测的深度学习方法及装置。根据设定的规则对采集的存量数据标注流失和续费标签，并把已经做完流失续费标签的客户按照比例分为训练样本和测试样本，利用预测模型对训练样本中的流失和续费两种不同类型的客户学习所选取的客户的特征得到训练模型，把训练模型代入到测试样本中，根据训练模型预测结果与测试样本中的流失续费标记作比较，评估训练模型的预测准确率，选取准确率较高的模型作为实际应用中的模型。使用本发明的方法能够准确判断客户流失的概率，提高流失判断精度，降低人工盲目回访成本。

技术领域

本发明属于人工智能领域，具体地说，是一种客户流失预测的深度学习方法及装置。

背景技术

随着技术的发展，人们在享受电视节目等视频服务(产品)方面,无论从节目内容还是从接收途径上,都得到了极大的丰富,已经不仅仅局限于通过电视收看视频节目,广电系统垄断视频节目制作、传输的时代已一去不复返。近年来，电信企业等纷纷将触角伸向了这块领域，对于广电的下一代核心产品--数字电视而言将面临着来自各方面的激烈竞争，广电有线电视面临着客户流失、竞争力下降和资源未充分利用等经营危机，客户流失也成为广电管理最棘手的问题，影响广电发展及企业效益，如何进行流失预警并有针对性的对客户挽回是目前广电宽带亟需解决的问题。并伴随着信息时代的来临，企业营销焦点从以产品为中心转变为以客户为中心，客户关系管理成为企业的核心问题。客户关系管理的关键问题是客户是否流失，通过对客户的流失与否的预测，对企业流失的客户制定优化的个性化服务方案，采取不同的营销手段，实现企业利润最大化目标。

根据相关调查数据显示，“客户保有率”增加5％将有可能为运营商带来 85％的收入增长；挽留成功一位老客户的成本只占发展一位新客户成本的1/5；向老客户推荐新产品的成功率为向客户的3倍。由此可见，建立合理的客户流失预警模型，对客户进行分群，制定相应的营销策略，对不同的客户群提供个性化的客户服务是必须和有效的。

现有对流失和续费客户的判断标准主要根据人工经验，根据客户到期是否续费来主观判断客户的流失与否进行电话回访与关注，不但需要消耗较多的人力，还会存在判断失误，有的客户还没到期就已经流失到别的运营商了，等人工发现到期未续费时客户已经在别的运营商缴费，挽留回来的困难大幅度增加。

发明内容

本发明的目的在于提供一种客户流失预测的深度学习方法及装置，根据客户的基本信息和使用行为信息等数据，判断客户流失的概率，提高流失判断精度，降低人工盲目回访成本。

实现本发明的技术解决方案为：一种客户流失预测的深度学习方法，根据设定的规则对采集的存量数据标注流失和续费标签，并把已经做完流失续费标签的客户按照比例分为训练样本和测试样本，利用预测模型对训练样本中的流失和续费两种不同类型的客户学习所选取的客户的特征得到训练模型，把测试样本代入到训练模型中，根据训练模型预测结果与测试样本中的流失续费标记作比较，评估训练模型的预测准确率，选取准确率较高的模型作为实际应用中的模型。

其中，所选取客户的历史信息和学习客户的特征包括客户基本特征、客户行为特征、设备信息特征和消费购买特征。

客户基本特征包括客户地理位置、客户账龄、客户级别、客户年龄、客户类型、客户下的用户数和客户下的互动用户数；

客户行为特征包括最近1个月的直播观看次数、最近1个月的直播观看天数、最近1个月的直播观看时长、最近1个月回看观看次数、最近1个月回看观看天数、最近1个月的开机天数、最近1个月的开机次数、最近3个月的开机天数、最近3个月的开机次数、距离最近一次观看的天数，其中选取最近1个月和3 个月的时间段是综合计算广电流失客户观看行为统计分析和指标的时效性考虑所得；

设备信息特征主要为设备的使用年限和设备的更换频率；

消费购买特征主要为客户近一个月的订购的产品个数、客户近三个月的订购产品个数、客户近一个月的出账金额，客户近三个月出账金额；