申请/专利权人：亿企赢网络科技有限公司

申请日：2024-01-05

公开（公告）日：2024-04-02

公开（公告）号：CN117808521A

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06F18/2415;G06F18/214;G06F18/27;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本申请提供一种客户流失率的预测方法，包括：获取不同时间段的用户的特征数据；将用户随机分为若干用户组；确定特征数据集中的训练集、验证集和测试集，训练一阶段的Catboost模型；获取一阶段的Catboost模型的超级参数，筛选出最佳特征集；将近期特征数据输入至一阶段的Catboost模型，得到未来流失概率均值的预测值；训练得到二阶段的Catboost模型，以预测财税产品的客户流失率。本申请通过在不同时间点对同一目标样本进行交叉采样后训练模型，确保在任意时间预测的可行性，增强模型对近期样本的学习效果。本申请还提供一种客户流失率的预测系统、存储介质和电子设备，具有上述有益效果。

主权项：1.一种客户流失率的预测方法，其特征在于，包括：获取距离财税产品到期前不同时间段的用户的特征数据；以设定时间点为基准，将所述用户随机分为若干用户组；每个所述用户组的特征数据构建一个对应的特征数据集；确定所述特征数据集中的训练集、验证集和测试集，训练一阶段的Catboost模型；利用贝叶斯优化方法获取所述一阶段的Catboost模型的超级参数，筛选出最佳特征集；其中，所述超级参数为影响所述一阶段的Catboost模型的可变参数；将所述财税产品的近期特征数据输入至所述一阶段的Catboost模型，利用时间序列预测模型根据历史流失概率均值数据进行训练，得到未来流失概率均值的预测值；根据所述超级参数、所述最佳特征集和所述未来流失概率均值的预测值，训练得到二阶段的Catboost模型；利用所述二阶段的Catboost模型预测所述财税产品的客户流失率。

全文数据：

权利要求：

百度查询： 亿企赢网络科技有限公司 客户流失率的预测方法、系统、存储介质和电子设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD