申请/专利权人:王聚成
申请日:2023-11-08
公开(公告)日:2024-02-02
公开(公告)号:CN117495287A
主分类号:G06Q10/10
分类号:G06Q10/10;G06Q10/0637;G06Q50/50;G06F18/20;G06N3/0442;G06N3/045;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.02.02#公开
摘要:本发明涉及客户管理技术领域。具体为一种CRM客户管理方法及系统。在本发明中,首先,从CRM系统中获取电信客户数据,并采用SalpSwarm模型对客户数据进行分析,筛选出对预测结果具有重要影响的数据特征,避免了不相关特征对预测模型产生的负面影响;其次,为了搭建具有高准确度的预测模型,本发明提出一种客户流失预测模型。该模型将GNN网络和BiLSTM网络进行组合,以实现特征之间的相关性和时序性。其中,在该模型中采用流失注意力有效地防止了重要特征的丢失;最后,对于所述客户流失预测模型的优化,本发明提出了一种流失优化器,所述流失优化器通过自适应方式改变学习率,能够在训练过程中较好的优化模型,从而提升所述客户流失预测模型的性能。
主权项:1.一种CRM客户管理方法,其特征在于,包括:获取CRM系统中的电信客户数据,构建电信客户数据集;对所述电信客户数据集中的客户数据进行预处理,构建标准电信客户数据集;采用流失SalpSwarm模型对所述标准电信客户数据集进行特征选择,构建电信客户流失分析数据集;划分所述电信客户流失分析数据集为训练集和测试集;采用所述训练集训练客户流失预测模型;所述客户流失预测模型分为第一网络模块和第二网络模块;其中,所述第一网络模块采用GNN网络;所述第二网络模块采用BiLSTM网络;所述客户流失预测模型的训练过程包括:输入所述训练集的客户数据分别至所述第一网络模块和所述第二网络模块;更新所述第一网络模块的图节点信息,得到第一特征向量;更新所述第二网络模块的隐藏层状态,得到第二特征向量;连接所述第一特征向量和所述第二特征向量,得到第三特征向量;输入所述第三特征向量至流失注意力层,得到第四特征向量;所述第四特征向量经剩余隐藏层处理后,由预测层输出结果;计算训练过程中模型的损失值,并使用流失优化器优化模型;所述损失值达到收敛,得到最终客户流失预测模型;输入所述测试集至所述最终客户流失预测模型;输出预测客户流失概率值。
全文数据:
权利要求:
百度查询: 王聚成 一种CRM客户管理方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。