[发明专利]一种银行客户资产流失挽回的方法、装置、设备及介质在审
申请号: | 202210759826.0 | 申请日: | 2022-06-30 |
公开(公告)号: | CN115018634A | 公开(公告)日: | 2022-09-06 |
发明(设计)人: | 徐梓丞;黄康;李敬文 | 申请(专利权)人: | 中国银行股份有限公司 |
主分类号: | G06Q40/02 | 分类号: | G06Q40/02;G06Q30/02;G06N20/00;G06N3/08;G06K9/62 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 马小青 |
地址: | 100818 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 银行 客户 资产 流失 挽回 方法 装置 设备 介质 | ||
1.一种银行客户资产流失挽回的方法,其特征在于,包括:
获取客户在预设时间段内的客户数据;所述客户数据包括个人客户标签数据、金融资产数据、对私交易数据和代付代收数据;所述代付代收数据包括代发薪、代缴费和贷款数据;所述客户为资产已流失的客户;
将所述客户数据输入客户资产流失挽回模型中,得到所述客户的资产流失挽回的概率和挽回采用的营销方式;所述客户资产流失挽回模型是根据多个客户的客户数据和实际挽回结果,对机器学习模型训练得到;所述实际挽回结果包括是否被挽回和挽回采用的营销方式;所述挽回采用的营销方式包括以下方式的至少一种:存款产品营销、第三方存管产品营销和理财基金类产品营销;
在所述客户的资产流失挽回的概率大于阈值时,确定所述客户为资产流失可挽回的客户。
2.根据权利要求1所述的方法,其特征在于,在所述将所述客户数据输入客户资产流失挽回模型中,得到所述客户的资产流失挽回的概率和挽回采用的营销方式之前,所述方法还包括:
根据多个客户的客户数据和实际挽回结果,构建样本集;
根据所述样本集采用梯度提升框架算法对机器学习模型进行训练,并利用高斯算法进行参数优化,得到客户资产流失挽回模型;
利用五轮五折交叉验证对所述客户资产流失挽回模型进行评估,得到阈值;
根据所述阈值确定所述样本集中的多个客户的预测挽回结果;所述预测挽回结果包括可挽回或不可挽回;
将所述预测挽回结果与所述样本集中的多个客户的实际挽回结果进行对比,若对比结果符合预设条件,则确定所述客户资产流失挽回模型训练完成。
3.根据权利要求2所述的方法,其特征在于,所述利用五轮五折交叉验证对所述客户资产流失挽回模型进行评估,得到阈值,包括:
利用五轮五折交叉验证,根据模型评估指标对所述客户资产流失挽回模型进行评估,得到阈值;所述模型评估指标包括ACC、AUC、特异性指标、业务人员营销能力中的至少一种。
4.根据权利要求2所述的方法,其特征在于,所述根据多个客户的客户数据和实际挽回结果,构建样本集,包括:
获取多个客户的客户数据和实际挽回结果;
对所述多个客户的客户数据进行特征衍生和重要性筛选,得到与客户资产流失挽回相关的特征数据;
根据所述特征数据和所述实际挽回结果构建样本集。
5.根据权利要求4所述的方法,其特征在于,所述根据所述特征数据和所述实际挽回结果构建样本集,包括:
在实际挽回结果为已被挽回时,将已被挽回的客户的特征数据和实际挽回结果组成正样本集合;
采用SMOTE上采样的方法对所述正样本集合进行扩充,得到正样本扩充集合;
在实际挽回结果为未被挽回时,将未被挽回的客户的特征数据和实际挽回结果组成负样本集合;
根据所述正样本扩充集合和所述负样本集合组成样本集。
6.根据权利要求5所述的方法,其特征在于,所述根据所述正样本扩充集合和所述负样本集合组成样本集,包括:
对所述负样本集合进行相似性计算,得到余弦距离和欧式距离;
根据所述余弦距离和所述欧式距离从所述负样本集合中筛选,得到负样本筛选集合;
根据所述正样本扩充集合和所述负样本筛选集合组成样本集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国银行股份有限公司,未经中国银行股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210759826.0/1.html,转载请声明来源钻瓜专利网。