[发明专利]一种信用卡客户行为的预测方法

说明书

本发明涉及一种信用卡客户行为的预测方法，包括如下步骤：使用预训练好的信用卡客户行为预测模型对潜在的客诉行为进行预测，其中，所述的预训练好的信用卡客户行为预测模型的获取包括如下步骤：获取历史的客户信用卡逾期记录，按照预设的客诉判断条件划分为正样本和负样本，获取各个样本对应客户的筛选后的多种特征，并通过缺失值填充、独热编码和数据装箱，构建训练集；构建基于聚类和装袋的XGBoost分类模型，并使用所述训练集进行训练，通过调参获取所述预训练好的信用卡客户行为预测模型。与现有技术相比，本发明化被动变为主动，预测客诉准确度高，模型鲁棒性高。

技术领域

本发明涉及数据处理领域，尤其是涉及一种信用卡客户行为的预测方法。

背景技术

对于信用卡逾期类客户的投诉处理，卡中心现有处理方案都是事后人工进行处理，其流程为投诉产生-与客户沟通协商-双方签署方案-客户履约/违约。

逾期客户因为各种原因产生投诉行为，其投诉记录转到相应部门后，工作人员与其进行沟通，形成还款共识方案，双方签署共识方案，最后客户按照签署的方案进行履约。

而对于逾期客户的潜在客诉预测，主要是通过人工对投诉历史记录进行分析，总结投诉规律，比如，通过逾期客户的年龄，职业，收入分布，征信情况，消费情况等进行分析，人为判断客户的投诉倾向。

中国专利申请号CN202210524254.8提供了一种基于评分卡的国网用电客户欺诈风险预测方法，方案要点是，S1、数据获取，梳理用户基础账号信息、用户行为信息、活动参与信息等数据，校验数据的完整性、准确性，建立用电客户特征库；S2、数据清洗；S3、特征工程；S4、采用评分卡算法创建模型并训练验证；S5、根据评分卡的输出结果，对用户的风险等级进行划分，并配置不同的处置策略。但是，该申请解决的技术问题是目前缺少对欺诈团伙的风控手段，传统的风控规则引擎无法有效识别、拦截欺诈份子，只能采取活动下架等方式处理，运营活动客户体验差，与本申请所要解决的问题不同。

上述现有方案，主要有如下几点问题：

(1)由于历史数据量大，维度多，以人工方式进行分析处理，实施难度大，效率低；

(2)以人工方式只能通过对数据的抽样分析，其准确性低，效果差，处理成本高。

基于以上问题，需要探索一种技术方案，以提供一种预测客诉准确度高的信用卡客户行为的预测方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种信用卡客户行为的预测方法，基于数据驱动的方式对客户行为进行预测，同时能够提升逾期客户潜在的客诉行为预测的准确性及处理效率，有效压降逾期客户的客诉量指标。

本发明的目的可以通过以下技术方案来实现：

本发明提供了一种信用卡客户行为的预测方法，包括如下步骤：

使用预训练好的信用卡客户行为预测模型对潜在的客诉行为进行预测，其中，所述的预训练好的信用卡客户行为预测模型的获取包括如下步骤：

获取历史的客户信用卡逾期记录，按照预设的客诉判断条件划分为正样本和负样本，获取各个样本对应客户的筛选后的多种特征，并通过缺失值填充、独热编码和数据装箱，构建训练集；

构建基于聚类和装袋的XGBoost分类模型，并使用所述训练集进行训练，通过调参获取所述预训练好的信用卡客户行为预测模型。

作为优选的技术方案，所述的客诉判断条件为：

从逾期起，至逾期5-10个月内任意时间点发生投诉行为，若符合客诉判断条件则为正样本，否则为负样本。

作为优选的技术方案，获取各个样本对应客户的多种特征之后，还包括：