【技术实现步骤摘要】
本申请涉及客户流失预测领域，且更为具体地，涉及一种基于机器学习的客户流失预测系统及方法。
技术介绍
1、在当今激烈竞争的市场环境中，企业在寻求新客户时通常需要投入大量精力。据数据显示，开发一个新客户所需的时间几乎是维护一个老客户的近6倍。同时，向老客户推荐产品或服务的成功率约为50％，而向新客户推荐的成功率仅为15％。这表明，保持现有客户关系、避免客户流失对企业至关重要。
2、目前，国内许多企业已经高度重视客户流失问题，但对客户流失的分析往往无法提前预测，通常只有在客户流失后才能察觉，预测效果较差。此外，大多数企业依赖个别客户经理的个人能力来挽留客户，导致挽留效果不佳且效率低下。
3、因此，期望一种基于机器学习的客户流失预测系统及方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于机器学习的客户流失预测系统及方法，其首先获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据，然后利用深度学习技术，对二者进行特征提取和关联分析，最后通过分类器，以判断目标客户是否存在流失倾向，以提前发现客户流失的迹象，并采取针对性的挽留措施，降低客户流失率。
2、根据本申请的一个方面，提供了一种基于机器学习的客户流失预测系统，其包括：
3、企业目标客户数据获取模块，用于获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据；
4、企业目标客户数据提取模块，用于从
5、目标客户流失倾向判断模块，用于基于所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量，判断目标客户是否存在流失倾向。
6、根据本申请的另一方面，提供了一种基于机器学习的客户流失预测方法，其包括：
7、获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据；
8、从所述由数据库采集的企业目标客户的基础数据和所述由数据库采集的企业目标客户行为数据中提取目标客户基础数据文本理解特征向量和企业目标客户行为关联特征向量；
9、基于所述目标客户基础数据文本理解特征向量和所述企业目标客户行为关联特征向量，判断目标客户是否存在流失倾向。
10、与现有技术相比，本申请提供的一种基于机器学习的客户流失预测系统及方法，其首先获取由数据库采集的企业目标客户的基础数据和由数据库采集的企业目标客户行为数据，然后利用深度学习技术，对二者进行特征提取和关联分析，最后通过分类器，以判断目标客户是否存在流失倾向，以提前发现客户流失的迹象，并采取针对性的挽留措施，降低客户流失率。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的客户流失预测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的客户流失预测系统，其特征在于，所述企业目标客户数据提取模块，包括：
3.根据权利要求2所述的基于机器学习的客户流失预测系统，其特征在于，所述客户基础数据特征提取单元，包括：
4.根据权利要求3所述的基于机器学习的客户流失预测系统，其特征在于，所述基础数据文本编码预处理子单元，包括：
5.根据权利要求4所述的基于机器学习的客户流失预测系统，其特征在于，所述客户行为数据特征提取单元，包括：
6.根据权利要求5所述的基于机器学习的客户流失预测系统，其特征在于，所述目标客户流失倾向判断模块，包括：
7.根据权利要求6所述的基于机器学习的客户流失预测系统，其特征在于，所述目标客户特征优化单元，包括：
8.根据权利要求7所述的基于机器学习的客户流失预测系统，其特征在于，所述目标客户流失倾向生成单元，包括：
9.一种基于机器学习的客户流失预测方法，其特征在于，包括：
10.根据权利要求9所述
...【技术特征摘要】
1.一种基于机器学习的客户流失预测系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的客户流失预测系统，其特征在于，所述企业目标客户数据提取模块，包括：
3.根据权利要求2所述的基于机器学习的客户流失预测系统，其特征在于，所述客户基础数据特征提取单元，包括：
4.根据权利要求3所述的基于机器学习的客户流失预测系统，其特征在于，所述基础数据文本编码预处理子单元，包括：
5.根据权利要求4所述的基于机器学习的客户流失预测系统，其特征在于，所述客户行为数据特征提取单元，包括：
6.根据权利要求5所述的基于机器学习的客户流失预测系...
【专利技术属性】
技术研发人员：谷昊，顾嘉润，夏东伟，
申请(专利权)人：江苏丰赛智能科技有限公司，
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。