[发明专利]贬损客户预测方法和装置

说明书

技术领域

本发明涉及计算机处理领域，特别是涉及一种贬损客户预测方法和装置。

背景技术

NPS(Net Promoter Score，净推荐值)是一个客户向其他人推荐的可能性得分，它是客户忠诚度的反映。确定一个客户的NPS值是通过直截了当的向客户问一个问题：“您是否愿意向朋友或同事推荐该公司的产品？”，根据愿意推荐的程度让客户在0-10之间打分，根据得分情况来建立客户忠诚度的3个范畴：推荐者(得分在9-10之间)，被动者(得分在7-8之间)，贬损者(得分在0-6之间)。其中，推荐者是指具有狂热忠诚度的人，他们会主动将产品推荐给其他人；被动者是指总体满意但并不狂热，将会考虑其他竞争对手的产品；贬损者是指使用不满意甚至会破坏公司名声。可见，贬损客户是会直接破坏公司名声的一类客户。传统的贬损客户的确定是通过调研得到的，此时客户可能已经对公司的名声造成了破坏。如果能够及时发现潜在的贬损客户，然后有针对性的干预,则将有利于提高客户的NPS值。因此，亟待需要一种能够提前预测客户是否为贬损客户的方法。

发明内容

基于此，有必要针对上述问题，提出一种能够预测客户是否为贬损客户的贬损客户预测方法和装置。

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。

在其中一个实施例中，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。

在其中一个实施例中，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；根据影响度的大小筛选出对所述目标变量有影响的目标因素。

在其中一个实施例中，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。

在其中一个实施例中，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。

一种贬损客户预测装置，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。

在其中一个实施例中，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。

在其中一个实施例中，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，用于根据影响度的大小筛选出对所述目标变量有影响的目标因素。

在其中一个实施例中，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。

在其中一个实施例中，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。