(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211272915.9 (22)申请日 2022.10.18 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 童楚婕　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 李艳艳 (51)Int.Cl. G06Q 30/02(2012.01) G06F 17/18(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 客户终身价 值分析方法及装置 (57)摘要 本发明公开了一种客户终身价值分析方法 及装置， 涉及人工智能技术领域， 其中该方法包 括： 获取客户数据； 将客户信息、 客户交易行为数 据输入客户群体 分类模型， 输出客户所属客户群 体； 根据客户所属客户群体， 获取客户所属客户 群体的客户平均使用月数和预测月留存率； 将客 户交易行为数据输入回归模型， 输出预测的客户 月购买金额； 所述回归模型根据历史客户交易行 为数据和历史客户月购买金额训练得到； 根据客 户所属客户群体的客户平均使用月数、 预测月留 存率和预测的客户月购买金额， 分析输出客户终 身价值。 本发明可 以预测客户终身价值， 输出准 确、 可靠的客户终身价 值。 权利要求书3页 说明书9页 附图4页 CN 115511536 A 2022.12.23 CN 115511536 A 1.一种客户终身价 值分析方法， 其特 征在于， 包括： 获取客户数据； 所述 客户数据包括 客户信息、 客户交易行为数据； 将客户信息、 客户交易行为数据输入客户群体分类模型， 输出客户所属客户群体； 所述 客户群体分类模型根据历史客户信息、 历史客户交易行为数据和历史客户所属客户群体对 机器学习模型训练得到； 根据客户所属客户群体， 获取客户所属客户群体的客户平均使用月数和预测月留存 率； 所述客户群体的客户平均使用月数和预测月留存率根据属于相同客户群体中的多个客 户的客户交易行为数据计算得到； 将客户交易行为数据输入回归模型， 输出预测的客户月购买金额； 所述回归模型根据 历史客户交易行为数据和历史客户月购买金额训练得到； 根据客户所属客户群体的客户平均使用月数、 预测月留存率和预测的客户月购买金 额， 分析输出客户终身价 值。 2.如权利要求1所述的方法， 其特 征在于， 所述 客户信息包括 客户性别和/或年龄 。 3.如权利要求1所述的方法， 其特征在于， 所述客户交易行为数据包括如下之一或任意 组合： 客户购买金额； 客户购物类别； 客户点击行为数据； 客户加入购物车 行为数据。 4.如权利要求1所述的方法， 其特征在于， 所述客户群体分类模型依据利用K均值聚类 算法搭建的机器学习模型训练得到 。 5.如权利要求1所述的方法， 其特征在于， 所述客户所属客户群体的预测月留存率按如 下方式计算得到： 当待预测月份为未来的第 一个月份时， 将待预测月份之前的预设月数的实际月留存率 的平均值， 作为 客户所属客户群 体的预测月留存率； 当待预测月份为未来的第 二及以后的月份时， 将待预测月份之前的预设月数的实际月 留存率和预测月留存率的平均值， 作为 客户所属客户群 体的预测月留存率。 6.如权利要求5所述的方法， 其特 征在于， 所述实际月留存率按如下 方式计算得到： 设置基期和待计算日期； 所述基期为实 际月留存率计算的起始日期， 所述待计算日期 为待计算实际月留存率月份的第一天； 获取基期当天的客户所属客户群 体人数； 获取待计算日期的上述 客户所属客户群 体人数中的留存人 数； 将待计算日期的上述客户所属客户群体人数中的留存人数与基期当天的客户所属客 户群体人数的比值作为实际日留存率； 将基期和待计算日期依次向后推一天， 依次类推， 计算待计算实 际月留存率月份的每 天的实际日留存率； 将待计算实际月留存率月份的每天的实际日留存率的平均值作为待计算实际月留存 率月份的实际月留存率。 7.如权利要求6所述的方法， 其特征在于， 将在待预测日期完成预设行为的客户人数作权　利　要　求　书 1/3 页 2 CN 115511536 A 2为留存人 数。 8.如权利要求6所述的方法， 其特 征在于， 还 包括： 当客户为新客户时， 将新客户的客户信息输入客户群体分类模型， 输出新客户所属客 户群体； 根据新客户所属客户群体， 获取新客户所属客户群体的客户平均使用月数、 预测月留 存率和平均历史月购买金额； 将平均历史月购买金额输入回归 模型， 输出 预测的新 客户月购买金额； 根据新客户所属客户群体的客户平均使用月数、 预测月留存率和预测的新客户月购买 金额， 分析输出新 客户终身价 值。 9.如权利要求1所述的方法， 其特征在于， 根据客户所属客户群体的客户平均使用月 数、 预测月留存率和预测的客户月购买金额， 按如下公式计算输出客户终身价 值： 其中， n表示 客户所属客户群 体的客户平均使用月数， i表示从1到n的整数。 10.一种客户终身价 值分析装置， 其特 征在于， 包括： 数据获取模块， 用于获取客户数据； 所述 客户数据包括 客户信息、 客户交易行为数据； 客户所属客户群体计算模块， 用于将客户信息、 客户交易行为数据输入客户群体分类 模型， 输出客户所属客户群体； 所述客户群体分类模型根据历史客户信息、 历史客户交易行 为数据和历史客户所属客户群 体对机器学习模型训练得到； 预测月留存率计算模块， 用于根据客户所属客户群体， 获取客户所属客户群体的客户 平均使用月数和预测月留存率； 所述客户群体的客户平均使用月数和预测月留存率根据属 于相同客户群 体中的多个客户的客户交易行为数据计算得到； 预测购买金额计算模块， 用于将客户交易行为数据输入回归模型， 输出预测的客户月 购买金额； 所述回归 模型根据历史客户交易行为数据和历史客户月购买金额训练得到； 客户终身价值预测模块， 用于根据客户所属客户群体的客户平均使用月数、 预测月留 存率和预测的客户月购买金额， 分析输出客户终身价 值。 11.如权利要求10所述的装置， 其特 征在于， 所述 客户信息包括 客户性别和/或年龄 。 12.如权利要求10所述的装置， 其特征在于， 所述客户交易行为数据包括如下之一或任 意组合： 客户购买金额； 客户购物类别； 客户点击行为数据； 客户加入购物车 行为数据。 13.如权利要求10所述的装置， 其特征在于， 所述客户群体分类模型依据利用K均值聚 类算法搭建的机器学习模型训练得到 。 14.如权利要求10所述的装置， 其特征在于， 所述客户所属客户群体的预测月留存率按 如下方式计算得到： 当待预测月份为未到来的第 一个月份时， 将待预测月份之前的预设月数的实际月留存 率的平均值， 作为 客户所属客户群 体的预测月留存率；权　利　要　求　书 2/3 页 3 CN 115511536 A 3