[发明专利]客户流失预测的深度学习方法及装置在审
| 申请号： | 201811370186.4 | 申请日： | 2018-11-17 |
| 公开（公告）号： | CN109636443A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 宋晶科;王华;林峰;孔令浚;王玉婷;宦琦;曾钧鹏;许萍;朱亦丹 | 申请（专利权）人： | 南京中数媒介研究有限公司 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 王玮 |
| 地址： | 210012 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 训练模型 测试样本 客户流失 训练样本 准确率 客户 预测 标签 数据标注 预测结果 预测模型 学习 采集 概率 评估 应用 | ||
【主权项】：
1.一种客户流失预测的深度学习方法，其特征在于，包括如下步骤：采集客户的存量数据进行存储，并对存量数据进行指标筛选，对筛选后的存量数据进行检查清洗，对清洗后的数据进行关联，得到有效数据；根据设定的规则对经过预处理的客户存量数据标注流失和续费标签；将已标注过流失和续费标签的客户按照比例划分为训练样本集和测试样本集；对训练样本集建立多个预测模型，利用预测模型对训练样本集中的流失客户和续费客户进行学习，得到训练模型；将测试样本集代入到训练模型中，训练模型预测结果与测试样本集中的流失续费标记作比较，评估训练模型的预测准确率，选取准确率高的模型作为实际应用中的模型；使用该模型预测未来的未知客户流失续费情况。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南京中数媒介研究有限公司，未经南京中数媒介研究有限公司许可，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/patent/201811370186.4/，转载请声明来源钻瓜专利网。
- 上一篇：喜好内容的确定方法、装置和存储介质
- 下一篇：一种卷烟货源自动测算及投放系统
