[发明专利]客户流失预测方法、装置及存储介质

权利要求书

1.一种客户流失预测方法，其特征在于，所述方法包括：

按照预设业务的虚拟资源余额对客户进行分类，得到多个客户群；所述多个客户群包括：储蓄型主活期型客户、储蓄型主定期型客户、储蓄型定活均衡型客户、投资储蓄均衡型客户以及投资理财型客户；

针对每一个所述客户群，获取属于所述客户群的客户在预设历史时间段内的特征数据，其中，所述特征数据包括原始特征数据，及基于所述原始特征数据得到的衍生特征数据，且所述原始特征数据和所述衍生特征数据均包含多个维度的特征；

对所述特征数据进行预处理，得到所述客户群的模型训练样本；

利用机器学习网络，对所述模型训练样本进行训练，得到所述客户群的客户流失预测模型；

所述获取属于所述客户群的客户在预设历史时间段内的特征数据，包括：

按照行业标准，获取属于所述客户群的客户在预设历史时间段内的第一数量个原始特征数据；

通过预设的至少一个特征衍生方式，对相应的原始特征数据进行处理，得到第二数量个衍生特征数据；

所述对所述特征数据进行预处理，得到所述客户群的模型训练样本，包括：

按照预设特征处理方式，对所述特征数据进行预处理，得到所述客户群的初始训练样本，其中，所述预设特征处理方式包括缺失值填充方式、盖帽处理方式、群体稳定性指标验证方式及连续型特征分箱方式中的一个或多个组合；

利用多个机器学习网络对所述初始训练样本进行训练，得到相应的模型训练结果；

依据所述模型训练结果，对所述初始训练样本进行排序；

依据排序结果，针对每一类所述初始训练样本，选择第三数量个特征数据确定为待入模训练样本；

对确定出的待入模训练样本进行聚类处理，从得到的每一类待入模训练样本中选择相关性较高的第四数量个待入模训练样本；

由选择出的不同类型的待入模训练样本构成所述客户群的模型训练样本。

2.根据权利要求1所述的方法，其特征在于，针对每一个所述客户群，所述方法还包括：

获取属于所述客户群的客户在预设历史时间段内，所述预设业务的虚拟资源余额的变化信息；

按照客户流失规则，利用所述变化信息确定出相应客户的流失标签；

按照预设比例，确定出所述客户群中的训练客户集和测试客户集，所述训练客户集和所述测试客户集包含的客户均携带有相应的流失标签；

所述获取属于所述客户群的客户在预设历史时间段内的特征数据，包括：

获取属于所述客户群的训练客户集中的客户，在预设历史时间段内的特征数据。

3.根据权利要求2所述的方法，其特征在于，所述利用机器学习网络，对所述模型训练样本进行训练，得到所述客户群的客户流失预测模型，包括：

利用多个机器学习网络，对所述模型训练样本进行训练，得到相应的待选预测模型；

依据所述客户群的测试客户集中各客户的流失标签，得到不同待选预测模型的预测准确率；

将最高预测准确率对应的待选预测模型确定为所述客户群的客户流失预测模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取待测客户群中的待测客户在预设历史时间段内的特征数据；

将所述特征数据输入所述待测客户群对应的客户流失预测模型，得到各待测客户的流失概率及具有最大流失权重的特征数据；

将所述各待测客户的流失概率及具有最大流失权重的特征数据，发送至预设业务人员的绑定终端进行展示。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

利用所述各待测客户的流失概率及流失权重最大的特征数据，生成相应的客户挽留策略；

所述将所述各待测客户的流失概率及流失权重最大的特征数据，发送至预设业务人员的绑定终端进行展示，包括：

将所述各待测客户的流失概率、流失权重最大的特征数据及客户挽留策略，发送至预设业务人员的绑定终端进行展示。