客户流失的预测方法、装置、电子设备及计算机存储介质制造方法及图纸

本申请提供了一种客户流失的预测方法、装置、电子设备及计算机存储介质，该方法包括：获取当前季度中至少一个客户的交易记录；根据客户的交易记录以及风险承受能力确定客户的流失风险值；将目标客户的第一历史交易记录输入至目标客户的分析模型中，得到目标客户的下一次交易的预测交易值；目标客户为流失风险值大于阈值的客户；根据目标客户的下一次交易的预测交易值以及目标客户的累计交易值，判断目标客户是否为流失风险客户；若目标客户为流失风险客户，根据流失风险客户的客户等级以及流失风险客户的风险承受能力，为流失风险客户提供对应的预防方案。以达到精准的预测出可能流失的客户，并提供相应的预防方案，防止该客户流失的目的。

【技术实现步骤摘要】
客户流失的预测方法、装置、电子设备及计算机存储介质
本申请涉及计算机
，特别涉及一种客户流失的预测方法、装置、电子设备及计算机存储介质。
技术介绍
目前市场竞争日益激烈，银行间的产品或服务差异越来越小，越来越多的银行将“以产品为中心”转向“以客户为中心”。相关研究发现，赢得一个新客户所花费的成本是保留住一个老客户的5至6倍。因此，保留住老客户，提前预测出潜在的流失客户，进而防止因客户流失而引发的经营危机，对于提高企业的竞争力具有战略意义。
技术实现思路
有鉴于此，本申请提供了一种客户流失的预测方法、装置、电子设备及计算机存储介质，用于精准的预测出可能流失的客户，并提供相应的预防方案，防止该客户流失。本申请第一方面提供了一种客户流失的预测方法，包括：获取当前季度交易记录；其中，所述当前季度交易记录中包括当前季度中至少一个客户的交易记录；针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果；结合所述交易情感分析结果以及风险承受能力，得到所述客户的流失风险值；其中，客户的流失风险值，表明该客户流失的概率；所述风险承受能力为根据客户的开户情况、交易记录确定得到；将所述流失风险值大于阈值的客户，确定为目标客户；针对每一个所述目标客户，将所述目标客户的第一历史交易记录输入至所述目标客户的分析模型中，得到所述目标客户的下一次交易的预测交易值；其中，所述目标客户的第一历史交易记录为所述目标客户截止当前的所有交易记录；所述分析模型由所述目标客户的第二历史交易记录对统计回归模型进行训练得到；所述目标客户的第二历史交易记录为截止对所述统计回归模型进行训练时的交易记录；根据所述目标客户的下一次交易的预测交易值以及所述目标客户的累计交易值，判断所述目标客户是否为流失风险客户；若判断出所述目标客户为流失风险客户，则根据所述流失风险客户的客户等级以及所述流失风险客户的风险承受能力，为所述流失风险客户提供对应的预防方案。可选的，所述分析模型的训练方法，包括：针对每一个所述目标客户，将所述目标客户的第二历史交易记录中的前N次交易的交易信息输入至统计回归模型中，得到第N+1次交易的预测交易值；利用所述第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差，对所述统计回归模型进行不断调整，直至调整后的所述统计回归模型输出的第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差满足预设的收敛条件时，将所述调整后的统计回归模型确定为所述目标客户的分析模型。可选的，所述将所述调整后的统计回归模型确定为所述目标客户的分析模型之后，还包括：在预设的时间点，确定所述目标客户最新的第二历史交易记录；根据所述目标客户最新的第二历史交易记录，重新训练所述目标客户的分析模型。可选的，所述风险承受能力确定方法，包括：获取所述客户的开户信息；根据所述开户信息确定风险承受初始值；将所述客户每一次历史交易的产品信息对应的权重值与所述风险承受初始值的和，作为所述客户的风险承受值；根据预设的风险承受值-风险承受能力的对应关系，确定所述客户的风险承受能力；其中，所述风险承受值越高，所述风险承受能力越强。可选的，所述针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果，包括：计算得到所述客户每一次交易的收益率以及所述客户历史交易记录的平均收益率；若所述客户的收益率呈下降趋势，则根据所述客户的收益率的下降趋势以及所述客户历史交易记录的平均收益率，确定所述客户的情感分析结果。可选的，所述结合所述交易情感分析结果以及风险承受能力，得到所述客户的流失风险值，包括：在预设的风险承受能力-交易情感分析结果-流失风险值的对应关系中，查找得到所述客户的交易情感分析结果和所述客户的风险承受能力，对应的流失风险值，作为所述客户的流失风险值。可选的，所述若判断出所述目标客户为流失风险客户，则根据所述流失风险客户的客户等级以及所述流失风险客户的风险承受能力，为所述流失风险客户提供对应的预防方案之后，还包括：接收所述流失风险客户针对所述预防方案的回馈信息；若所述回馈信息表明所述流失风险客户同意所述预防方案，则调低所述流失风险客户的流失风险等级。本申请第二方面提供了一种客户流失的预测装置，包括：第一获取单元，用于获取当前季度交易记录；其中，所述当前季度交易记录中包括当前季度中至少一个客户的交易记录；第一确定单元，用于针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果；第二确定单元，用于结合所述交易情感分析结果以及风险承受能力，得到所述客户的流失风险值；其中，客户的流失风险值，表明该客户流失的概率；所述风险承受能力为根据客户的开户情况、交易记录确定得到；第三确定单元，用于将所述流失风险值大于阈值的客户，确定为目标客户；输入单元，用于针对每一个所述目标客户，将所述目标客户的第一历史交易记录输入至所述目标客户的分析模型中，得到所述目标客户的下一次交易的预测交易值；其中，所述目标客户的第一历史交易记录为所述目标客户截止当前的所有交易记录；所述分析模型由所述目标客户的第二历史交易记录对统计回归模型进行训练得到；所述目标客户的第二历史交易记录为截止对所述统计回归模型进行训练时的交易记录；判断单元，用于根据所述目标客户的下一次交易的预测交易值以及所述目标客户的累计交易值，判断所述目标客户是否为流失风险客户；预测单元，用于若所述判断单元判断出，所述目标客户为流失风险客户，则根据所述流失风险客户的客户等级以及所述流失风险客户的风险承受能力，为所述流失风险客户提供对应的预防方案。可选的，所述分析模型的训练单元，包括：第二输入单元，用于针对每一个所述目标客户，将所述目标客户的第二历史交易记录中的前N次交易的交易信息输入至统计回归模型中，得到第N+1次交易的预测交易值；调整单元，用于利用所述第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差，对所述统计回归模型进行不断调整，直至调整后的所述统计回归模型输出的第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差满足预设的收敛条件时，将所述调整后的统计回归模型确定为所述目标客户的分析模型。可选的，所述客户流失的预测装置，还包括：更新数据单元，用于在预设的时间点，确定所述目标客户最新的第二历史交易记录；分析模型的训练子单元，用于根据所述目标客户最新的第二历史交易记录，重新训练所述目标客户的分析模型。可选的，所述风险承受能力确定单元，包括：第二获取单元，用于获取所述客户的开户信息；初始值确定单元，用于根据所述开户信息确定风险承受初始值；风险承受值确定单元，用于将所述客户每一次历史交易的产品信息对应的权重值与所述风险承受初始值的本文档来自技高网...

【技术保护点】
1.一种客户流失的预测方法，其特征在于，包括：/n获取当前季度交易记录；其中，所述当前季度交易记录中包括当前季度中至少一个客户的交易记录；/n针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果；/n结合所述交易情感分析结果以及风险承受能力，得到所述客户的流失风险值；其中，客户的流失风险值，表明该客户流失的概率；所述风险承受能力为根据客户的开户情况、交易记录确定得到；/n将所述流失风险值大于阈值的客户，确定为目标客户；/n针对每一个所述目标客户，将所述目标客户的第一历史交易记录输入至所述目标客户的分析模型中，得到所述目标客户的下一次交易的预测交易值；其中，所述目标客户的第一历史交易记录为所述目标客户截止当前的所有交易记录；所述分析模型由所述目标客户的第二历史交易记录对统计回归模型进行训练得到；所述目标客户的第二历史交易记录为截止对所述统计回归模型进行训练时的交易记录；/n根据所述目标客户的下一次交易的预测交易值以及所述目标客户的累计交易值，判断所述目标客户是否为流失风险客户；/n若判断出所述目标客户为流失风险客户，则根据所述流失风险客户的客户等级以及所述流失风险客户的风险承受能力，为所述流失风险客户提供对应的预防方案。/n...

【技术特征摘要】
1.一种客户流失的预测方法，其特征在于，包括：
获取当前季度交易记录；其中，所述当前季度交易记录中包括当前季度中至少一个客户的交易记录；
针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果；
结合所述交易情感分析结果以及风险承受能力，得到所述客户的流失风险值；其中，客户的流失风险值，表明该客户流失的概率；所述风险承受能力为根据客户的开户情况、交易记录确定得到；
将所述流失风险值大于阈值的客户，确定为目标客户；
针对每一个所述目标客户，将所述目标客户的第一历史交易记录输入至所述目标客户的分析模型中，得到所述目标客户的下一次交易的预测交易值；其中，所述目标客户的第一历史交易记录为所述目标客户截止当前的所有交易记录；所述分析模型由所述目标客户的第二历史交易记录对统计回归模型进行训练得到；所述目标客户的第二历史交易记录为截止对所述统计回归模型进行训练时的交易记录；
根据所述目标客户的下一次交易的预测交易值以及所述目标客户的累计交易值，判断所述目标客户是否为流失风险客户；
若判断出所述目标客户为流失风险客户，则根据所述流失风险客户的客户等级以及所述流失风险客户的风险承受能力，为所述流失风险客户提供对应的预防方案。


2.根据权利要求1所述的预测方法，其特征在于，所述分析模型的训练方法，包括：
针对每一个所述目标客户，将所述目标客户的第二历史交易记录中的前N次交易的交易信息输入至统计回归模型中，得到第N+1次交易的预测交易值；
利用所述第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差，对所述统计回归模型进行不断调整，直至调整后的所述统计回归模型输出的第N+1次交易的预测交易值与第N+1次交易的真实交易值之间的误差满足预设的收敛条件时，将所述调整后的统计回归模型确定为所述目标客户的分析模型。


3.根据权利要求2所述的预测方法，其特征在于，所述将所述调整后的统计回归模型确定为所述目标客户的分析模型之后，还包括：
在预设的时间点，确定所述目标客户最新的第二历史交易记录；
根据所述目标客户最新的第二历史交易记录，重新训练所述目标客户的分析模型。


4.根据权利要求1所述的预测方法，其特征在于，所述风险承受能力确定方法，包括：
获取所述客户的开户信息；
根据所述开户信息确定风险承受初始值；
将所述客户每一次历史交易的产品信息对应的权重值与所述风险承受初始值的和，作为所述客户的风险承受值；
根据预设的风险承受值-风险承受能力的对应关系，确定所述客户的风险承受能力；其中，所述风险承受值越高，所述风险承受能力越强。


5.根据权利要求1所述的预测方法，其特征在于，所述针对每一个所述客户，根据所述客户的交易记录确定得到所述客户的交易情感分析结果，包括：
计算得到所述客户每一次交易的收益率以及所述客户历史...

【专利技术属性】
技术研发人员：申亚坤，周慧婷，刘烨敏，谭莹坤，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11