[发明专利]基于联邦学习的客户流失预测方法及装置

说明书

本发明公开了一种基于联邦学习的客户流失预测方法及装置，该方法包括：构建训练数据组；根据所有外部训练客户数据，对外部数据分析模型进行训练，得到目标外部数据分析模型并确定对应的外部数据分析参数；根据所有内部训练客户数据，对内部数据分析模型进行训练，得到目标内部数据分析模型并确定对应的内部数据分析参数；根据所有外部数据分析参数以及所有内部数据分析参数，对客户流失预测模型中的目标模型参数进行更新，得到目标流失预测模型；采集客户数据集合；将客户数据集合输入至目标流失预测模型，得到客户流失预测结果。可见，实施本发明能够有利于提高对客户流失进行预测的准确性，以及能够有利于提高对客户流失进行预测的效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于联邦学习的客户流失预测方法及装置。

背景技术

随着互联网技术的飞速发展，基于互联网的商业也随之发展，电子商务的竞争也越来越激烈。对于电商商户而言，如何维持稳定的客源是商店营业和收益的重要一部分，客户流失对商户利润的影响巨大，所以当前客户流失问题也受到了各大商户的广泛关注。目前，对于客户流失的预测问题基于是通过人为将购买数据以及历史售卖数据进行对比，并基于对比结果进行客户流失的预测。但是，这种基于人为的客户流失预测方法存在准确性低下以及效率低下的问题。可见，提供一种新的客户流失预测方法以提高客户流失预测的准确性和效率显得尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种基于联邦学习的客户流失预测方法及装置，能够有利于提高对客户流失进行预测的准确性，以及能够有利于提高对客户流失进行预测的效率。

为了解决上述技术问题，本发明第一方面公开了一种基于联邦学习的客户流失预测方法，所述方法包括：

构建训练数据组，所述训练数据组包括外部训练客户数据和内部训练客户数据；

根据所有所述外部训练客户数据，对预先确定出的外部数据分析模型进行训练，得到目标外部数据分析模型，并确定所述目标外部数据分析模型对应的外部数据分析参数；

根据所有所述内部训练客户数据，对预先确定出的内部数据分析模型进行训练，得到目标内部数据分析模型，并确定所述目标内部数据分析模型对应的内部数据分析参数；

根据所有所述外部数据分析参数以及所有所述内部数据分析参数，对预先确定出的客户流失预测模型中的目标模型参数进行更新，得到目标流失预测模型；

采集客户数据集合；所述客户数据集合包括至少一位客户的客户数据组，每个所述客户的客户数据组包括该客户的外部数据以及该客户的内部数据；

将所述客户数据集合输入至所述目标流失预测模型，得到客户流失预测结果。

作为一种可选的实施方式，在本发明第一方面中，所述将所述客户数据集合输入至所述目标流失预测模型，得到客户流失预测结果之后，所述方法还包括：

确定与所述客户流失预测结果相匹配的至少一个第一目标客户；

对于每个第一目标客户，根据该第一目标客户的客户数据组，分析该第一目标客户的流失因子；其中，每个所述第一目标客户的流失因子包括该第一目标客户对应的流失原因；

获取每个所述第一目标客户在预设历史时长段内的使用数据；

对于每个所述第一目标客户，根据该第一目标客户的流失因子以及该第一目标客户在所述预设历史时长段内的使用数据，确定该第一目标客户的挽留参数，并根据该第一目标客户的挽留参数，对该第一目标客户执行与该第一目标客户的挽留参数相匹配的挽留操作。

作为一种可选的实施方式，在本发明第一方面中，所述将所述客户数据集合输入至所述目标流失预测模型，得到客户流失预测结果之后，所述方法还包括：

根据所述客户流失预测结果，确定每个所述客户的流失概率，并根据每个所述客户的流失概率，从所有所述客户中确定出至少一位第二目标客户；其中，所述第二目标客户的流失概率低于预设的流失概率阈值；