[发明专利]贬损客户预测方法和装置在审
申请号: | 201710087366.0 | 申请日: | 2017-02-17 |
公开(公告)号: | CN107798029A | 公开(公告)日: | 2018-03-13 |
发明(设计)人: | 曾凡刚 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06Q30/00 |
代理公司: | 广州华进联合专利商标代理有限公司44224 | 代理人: | 谢曲曲 |
地址: | 518052 广东省深*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 贬损 客户 预测 方法 装置 | ||
1.一种贬损客户预测方法,所述方法包括:
获取预设时间段内的客户信息;
根据所述客户信息中的NPS值确定对应的客户是否为贬损客户;
将所述客户是否为贬损客户作为目标变量,从所述客户信息中筛选出对该目标变量有影响的目标因素;
根据所述目标因素建立贬损客户识别模型,所述贬损客户识别模型用于预测目标客户是否为贬损客户。
2.根据权利要求1所述的方法,其特征在于,所述贬损客户识别模型用于预测目标客户是否为贬损客户的步骤,具体包括:
获取待预测的目标客户所对应的客户数据;
根据所述贬损客户识别模型和所述目标客户对应的客户数据,计算与该目标客户对应的贬损值;
当所述贬损值大于贬损阈值时,则预测对应的目标客户为贬损客户。
3.根据权利要求1所述的方法,其特征在于,所述将所述客户是否为贬损客户作为目标变量,从所述客户信息中筛选出对该目标变量有影响的目标因素的步骤包括:
将所述客户是否为贬损客户作为目标变量,获取所有可能影响所述目标变量的因素;
计算每个因素对所述目标变量的影响度;
根据所述影响度的大小筛选出对所述目标变量有影响的目标因素。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标因素建立贬损客户识别模型的步骤包括:
将所述目标因素作为入模变量建立逻辑回归模型;
将已确定是否为贬损客户的客户信息作为所述逻辑回归模型的训练数据,通过训练学习得到贬损客户识别模型。
5.根据权利要求1-4任一所述的方法,其特征在于,所述根据所述客户信息中的NPS值确定对应的客户是否为贬损客户的步骤包括:
判断所述客户信息中的NPS值是否大于预设阈值;
若是,则判定对应的客户为贬损客户,若否,则判定对应的客户为非贬损客户。
6.一种贬损客户预测装置,其特征在于,所述装置包括:
获取模块,用于获取预设时间段内的客户信息;
确定模块,用于根据所述客户信息中的NPS值确定对应的客户是否为贬损客户;
筛选模块,用于将所述客户是否为贬损客户作为目标变量,从所述客户信息中筛选出对该目标变量有影响的目标因素;
建立模块,用于根据所述目标因素建立贬损客户识别模型,所述贬损客户识别模型用于预测目标客户是否为贬损客户。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
计算模块,用于获取待预测的目标客户所对应的客户数据,采用所述贬损客户识别模型根据所述目标客户对应的客户数据计算与该目标客户对应的贬损值;
预测模块,用于当所述贬损值大于贬损阈值时,则预测对应的目标客户为贬损客户。
8.根据权利要求6所述的装置,其特征在于,所述筛选模块包括:
因素获取模块,用于将所述客户是否为贬损客户作为目标变量,获取所有可能影响所述目标变量的因素;
影响度计算模块,用于计算每个因素对所述目标变量的影响度;
目标因素筛选模块,用于根据所述影响度的大小筛选出对所述目标变量有影响的目标因素。
9.根据权利要求6所述的装置,其特征在于,所述建立模块包括:
模型建立模块,用于将所述目标因素作为入模变量建立逻辑回归模型;
训练模块,用于将已确定是否为贬损客户的客户信息作为所述逻辑回归模型的训练数据,通过训练学习得到贬损客户识别模型。
10.根据权利要求6-9任一所述的装置,其特征在于,所述确定模块还用于判断所述客户信息中的NPS值是否大于预设阈值,若是,则判定对应的客户为贬损客户,若否,则判定对应的客户为非贬损客户。
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平安科技(深圳)有限公司,未经平安科技(深圳)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/201710087366.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种应用下载统计方法和装置
- 下一篇:数据表的拆分方法和装置