[发明专利]一种流失几率预测方法及装置

说明书

本申请公开了一种流失几率预测方法及装置，该方法包括：获得目标客户在目标观察时间区间的特征数据；根据所述目标客户在所述目标观察时间区间的特征数据和预先训练好的XGBoost模型，预测所述目标客户在目标表现时间区间内流失几率；所述目标表现时间区间的起始时间在所述目标观察时间区间的结束时间之后；所述XGBoost模型为根据训练样本进行训练的；所述训练样本包括客户集合在观察时间区间的特征数据和所述已标记的客户集合；所述流失客户为所述客户集合中的级别降低的客户。由此可见，本申请提供的方法，根据预先训练好的XGBoost模型，可以通过客户在目标观察时间内的特征数据，高效率地获得客户在表现时间内的流失几率。

技术领域

本申请涉及计算机领域，尤其涉及一种流失几率预测方法及装置。

背景技术

客户的预测流失概率已成为众多行业中需要数据信息，目前主要通过人工来根据客户信息预测客户的流失概率。但在一些场景中，客户的数量较为庞大，若通过人工来整理客户的信息，并计算客户流失的概率将消耗大量的人力，且效率较低。因此，如何提供一种效率较高的流失几率预测方法成为本领域急需解决的技术问题。

发明内容

为了解决上述技术问题，本申请提供了一种流失几率预测方法及装置，用于高效率地预测客户的流失几率。

为了实现上述目的，本申请实施例提供的技术方案如下：

本申请实施例提供了一种流失几率预测方法，所述方法包括：

获得目标客户在目标观察时间区间的特征数据；

根据所述目标客户在所述目标观察时间区间的特征数据和预先训练好的XGBoost模型，预测所述目标客户在目标表现时间区间内流失几率；所述目标表现时间区间的起始时间在所述目标观察时间区间的结束时间之后；

所述XGBoost模型为根据训练样本进行训练的；所述训练样本包括客户集合在观察时间区间的特征数据和所述已标记的客户集合；所述流失客户为所述客户集合中的级别降低的客户；所述表现时间区间的起始时间在所述观察时间区间的结束时间之后。

可选地，所述方法还包括：

确定所述客户集合中每个客户所属的群体类型；每一种群体类型具有对应的级别划分方式；

根据每一个客户所属的群体类型对应的级别划分方式，确定每一个客户的级别是否降级。

可选地，当所述特征数据包括多种特征数据类型时；所述方法还包括：

当所述目标客户在目标表现时间区间内流失几率超过预设阈值时，根据所述目标客户在所述目标观察时间区间的特征数据和预先训练好的XGBoost模型，获得所述多种特征数据类型中，权重最大的一种特征数据。

可选地，所述方法还包括：

获得目标客户集合的分析报告；所述分析报告包括，所述目标客户集合中流失几率超过所述预设阈值的流失客户名单以及流失原因；所述流失原因，由所述多种特征数据类型中最大权重的特征数据分析得到。

可选地，所述特征数据包括：

客户基本信息、客户金融资产信息、客户银行卡信息、客户交易信息、客户保险信息和银行代发客户工资信息中至少一种。

本申请实施例还提供了一种流失几率预测装置，所述装置包括：

获得模块，用于获得目标客户在目标观察时间区间的特征数据；

预测模块，用于根据所述目标客户在所述目标观察时间区间的特征数据和预先训练好的XGBoost模型，预测所述目标客户在目标表现时间区间内流失几率；所述目标表现时间区间的起始时间在所述目标观察时间区间的结束时间之后；