【技术实现步骤摘要】
本申请涉及金融科技(fintech)的人工智能，尤其涉及一种客户流失预测方法、装置、设备、存储介质及程序产品。
技术介绍
1、随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求。
2、金融机构的客户从结构上来看，可以分为新增，存量，流失三部分。对于金融机构来说，客户的流失是无法避免的，那么，对客户流失进行判别的目的，除了为了管理客户列表，便于客户维护，更是为了减少客户流失。然而目前，通常是以一段时间内(例如三个月)不提款作为流失客户的判别标准，这种判别是事后的判别，在通过这种方式判断客户流失之后，客户流失往往已成事实，难以改变，即使再针对性的施加产品和营销措施，也难以再挽回这部分客户。而若要对流失客户进行预测，由于金融机构拥有的客户数据是多种多样的，且数量级巨大，为了适应有限的计算资源，通常只会选取少数几种客户数据进行预测，导致预测准确性较低。
技术实现思路
1、本申请的主要目的在于提供一种客户流失预测方法、装置、设备、存储介质及程序产品，旨在解决现有技术对客户流失进行预测的准确性较低的技术问题。
2、为实现上述目的，本申请提供一种客户流失预测方法，所述客户流失预测方法包括以下步骤：
3、获取客户的目标样本数据，从所述目标样本数据中提取不同领域的多种目标样本特征；
4、根据预设的领域与专家模型组之间的映射关系，确定各所述目标样本特征各自对应的目标专家模型
5、根据各所述流失概率分组预测结果确定所述客户的目标流失概率。
6、本申请还提供一种客户流失预测装置，所述客户流失预测装置包括：
7、获取模块，用于获取客户的目标样本数据，从所述目标样本数据中提取不同领域的多种目标样本特征；
8、预测模块，用于根据预设的领域与专家模型组之间的映射关系，确定各所述目标样本特征各自对应的目标专家模型组，将各所述目标样本特征分别输入各自对应的目标专家模型组中，获得多个流失概率分组预测结果，其中，每一个目标专家模型组中包含有至少一个专家模型；
9、流失概率确定模块，用于根据各所述流失概率分组预测结果确定所述客户的目标流失概率。
10、本申请还提供一种电子设备，所述电子设备为实体设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述的客户流失预测方法的程序，所述的客户流失预测方法的程序被处理器执行时可实现如上述的客户流失预测方法的步骤。
11、本申请还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有实现客户流失预测方法的程序，所述的客户流失预测方法的程序被处理器执行时实现如上述的客户流失预测方法的步骤。
12、本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的客户流失预测方法的步骤。
13、本申请提供了一种客户流失预测方法、装置、设备、存储介质及程序产品，通过获取客户的目标样本数据，从所述目标样本数据中提取不同领域的多种目标样本特征，实现了对目标样本数据的分领域特征提取，提取到覆盖多个不同领域的多种目标样本特征，提高了模型输入的全面性，进而通过根据预设的领域与专家模型组之间的映射关系，确定各所述目标样本特征各自对应的目标专家模型组，将各所述目标样本特征分别输入各自对应的目标专家模型组中，获得多个流失概率分组预测结果，其中，每一个目标专家模型组中包含有至少一个专家模型，实现了分别基于不同领域的目标样本特征对客户流失概率进行分组预测，进而通过根据各所述流失概率分组预测结果确定所述客户的目标流失概率，实现了客户流失概率的预测。这样，首先，相比于将全量的目标样本特征输入到每一个模型进行预测的方式，本申请通过部署不同的专家模型利用不同领域的目标样本特征进行预测，使得不同领域的目标样本特征仅输入到本领域对应的目标专家模型组中进行预测，可以成倍的降低计算量，故而，在计算资源相同的情况下，可以成倍地提高用于预测的目标样本数据的数据量；在此基础上，在实际预测过程中，通过分组的方式，使得基于不同领域的目标样本特征进行预测的每个专家模型组均输出流失概率分组预测结果，可以保证各个领域的目标样本特征均用于进行预测，相比于将不同领域的目标样本特征输入不同的专家模型，但不对专家模型进行分组，在实际预测过程中从全部专家模型中筛选出部分专家模型进行预测的方式，可以避免实际进行预测的专家模型集中利于部分领域的目标样本特征进行预测的情况，提高了预测用目标样本特征的全面性。因此，本申请可以在相同计算资源的情况下，利用更海量的目标样本数据，基于更全面的目标样本特征，对客户流失概率进行预测，故而可以提高客户流失概率的预测准确性，所以克服了由于金融机构拥有的客户数据是多种多样的，且数量级巨大，为了适应有限的计算资源，通常只会选取少数几种客户数据进行预测，导致预测准确性较低的技术缺陷，提升了对客户流失进行预测的准确性。
本文档来自技高网...【技术保护点】
1.一种客户流失预测方法，其特征在于，所述客户流失预测方法包括以下步骤：
2.如权利要求1所述的客户流失预测方法，其特征在于，所述将各所述目标样本特征分别输入各自对应的目标专家模型组中，获得多个流失概率分组预测结果的步骤包括：
3.如权利要求2所述的客户流失预测方法，其特征在于，所述确定各所述专家模型各自对应的专家权重的步骤包括：
4.如权利要求3所述的客户流失预测方法，其特征在于，每组专家模型组中分别包含有第一路由网络，所述获取各个专家模型各自对应的特征权重的步骤包括：
5.如权利要求2所述的客户流失预测方法，其特征在于，所述根据各所述流失概率分组预测结果确定所述客户的目标流失概率的步骤包括：
6.如权利要求5所述的客户流失预测方法，其特征在于，所述根据各所述流失概率分组预测结果以及各所述流失概率分组预测结果各自对应的目标专家权重，确定所述客户的目标流失概率的步骤包括：
7.如权利要求1-6中任一项所述的客户流失预测方法，其特征在于，所述获取客户的目标样本数据，从所述目标样本数据中提取不同领域的多种目标样本
8.一种客户流失预测装置，所述客户流失预测装置应用于客户流失预测方，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有实现客户流失预测方法的程序，所述实现客户流失预测方法的程序被处理器执行以实现如权利要求1至7中任一项所述的客户流失预测方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述客户流失预测方法的步骤。
...【技术特征摘要】
1.一种客户流失预测方法，其特征在于，所述客户流失预测方法包括以下步骤：
2.如权利要求1所述的客户流失预测方法，其特征在于，所述将各所述目标样本特征分别输入各自对应的目标专家模型组中，获得多个流失概率分组预测结果的步骤包括：
3.如权利要求2所述的客户流失预测方法，其特征在于，所述确定各所述专家模型各自对应的专家权重的步骤包括：
4.如权利要求3所述的客户流失预测方法，其特征在于，每组专家模型组中分别包含有第一路由网络，所述获取各个专家模型各自对应的特征权重的步骤包括：
5.如权利要求2所述的客户流失预测方法，其特征在于，所述根据各所述流失概率分组预测结果确定所述客户的目标流失概率的步骤包括：
6.如权利要求5所述的客户流失预测方法，其特征在于，所述根据各所述流失概率分组预测结果以及各所述流失概率分组预测...
【专利技术属性】
技术研发人员：王萌，郑文琛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。