(19)中华 人民共和国 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 202111356830.4 (22)申请日 2021.11.16 (71)申请人 中国农业银行股份有限公司深圳市 分行 地址 518001 广东省深圳市罗湖区深南 东 路5008号 (72)发明人 刘锦平　 (74)专利代理 机构 广东广和律师事务所 4 4298 代理人 董红海 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06N 20/00(2019.01) (54)发明名称 一种掌银易流失客户促活成功概率预测方 法、 装置及存 储介质 (57)摘要 本发明提供了一种掌银易流失客户促活成 功概率预测的方法， 其特征在于： 通过基于专家 经验规则模型从当前全量客户集中筛选全量潜 在待评估客户集， 再进一步将待评估客户集中的 各个客户的特征数据输入XGBoot模型进行促活 成功概率预测计算， 并输出各个客户的促活成功 概率的预测结果， 选择预测促活成功概率的用户 开展促活活动。 将传统专家经验的规则模型与 XGBoost算法模型相结合， 先基于专家经验规则 模型筛选全量潜在客户， 再使用XGBoost模型进 一步筛选高潜力精准客群， 提高营销转化率。 基 于此方法的掌银易流失促活精准营销模型的营 销成功率提升约7.78倍， 有效提升营销效果， 缩 减营销成本 。 权利要求书1页 说明书6页 附图1页 CN 114418604 A 2022.04.29 CN 114418604 A 1.一种掌银易流失客户促活成功概率预测的方法， 其特征在于： 通过基于专家经验规 则模型从当前全量客户集中筛选全量潜在待评估客户集， 再进一步将待评估客户集中的各 个客户的特征数据输入 XGBoot模 型进行促活成功 概率预测计算， 并输出各个客户的促活成 功概率的预测结果， 选择预测促活成功概率的用户开展促活活动； 所述XGBoot模型预先通 过如下步骤进行训练： 根据专家经验建立的规则模型从历史数据中选取第T月为测试区间和第T月的前T个月 为训练区间， 其中第T月对训练区间中的客户开展了促活活动， 第T月被促活的客户为正样 本,设flag＝1； 第T月仍然未被促活的客户为负样 本,设标识flag＝0； 从训练区间中对负样 本采取随机欠采样 手法提取正样本10倍的训练数据量对 XGBoot模 型进行模型训练； 根据训 练输出的各个特征 的重要性得分进行特征筛选， 获得重要特征重新入模训练， 采用网格搜 索调参的方法优化XGBo ot模型参数。 2.根据权利要求1所述的掌银易流失客户促活成功概率预测的方法， 其特征在于采用 滚动训练法增加样本量， 对 XGBoot模 型进行滚动训练； 具体为在历史数据中， 将 选取的训练 区间的时间逐步逼近 到要预测的时间点。 3.根据权利要求2所述的掌银易流失客户促活成功概率的预测方法， 其特征在于在进 行XGBoot模型训练过程中， 持续监控XGBoot模型在训练集上的表现， 当监控到表现开始下 降时， 停止训练。 4.根据权利要求3所述的掌银易流失客户促活成功概率的预测方法， 其特征在于全量 客户预先进行数据清洗处理， 将异常值从数据集中剔除， 将全列为空或者方差为零的特征 剔除， 将年龄大于90和小于10岁的客户剔除； 同时去除对于模型训练没有意 义的特征。 5.一种实现掌银易流失客户促活成功概率预测方法的装置， 其特征在于采用了如权利 要求1至4任意 一项所述的实现掌银易 流失客户促活成功概 率预测方法。 6.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序当被处理器执行时使 所述处理器执行如权利要求1至4任一项 所述的实 现掌银易 流失客户促活成功概 率预测方法。权　利　要　求　书 1/1 页 2 CN 114418604 A 2一种掌银易流失客户促活成功概 率预测方法、 装置及存储 介质 技术领域 [0001]本发明涉及数据分析及数据挖掘应用领域， 更具体地说涉及一种掌银易流失客户 促活成功概 率预测方法、 装置及存 储介质。 背景技术 [0002]现有技术存在类型类似利用专家经验的方法及应用， 用于通过该系统实现基于对 现有的客户的过往数据进行分析， 从中预测出即将或可能流失的客户， 如具体到银行系统 中的借记卡客户清单或筛选出各类业务的目标客户。 这样银行可针对该预测清单进行有针 对性的处理， 或根据该预测清单对后续的目标客户数量等具有较准确的预测。 这样银行可 有针对性的进 行人力等资源的提前安排。 但是传统的专家系统主要是通过收集的专家经验 进行分析预测， 其整体预测的准确率较低， 且需要耗费大量的人力资源来完成， 因此成本 高， 且其给银行带来的帮助不大， 无法为银行提前进行有效的客户关系 管理提供有效的支 持。 容易出现遗漏目标客户或筛选出 的目标客户存在大量的误差， 保护大量的非真时目标 客户， 导致人力财力的浪费。 [0003]目前银行业中使用较多的是通过专家经验对高潜力客户进行预测， 预测结果的精 确率较低， 需要耗费大量的人力来完成， 且成功 率极低。 目前银行业在精准营销及客户维护 领域最常用的数据挖掘模型是XGBoost模型， 考虑算法的运行效率和预测能力， XGBoost算 法在各个评价标准中普遍优于传统算法。 由于掌银客群数量庞大， 实际参与 活动的客群占 比很小， 这容易导致模型训练过程中出现过拟合现象。 为了解决这个问题， 本文将传统专家 经验的规则模 型与XGBoost算法模 型相结合， 先基于专家经验规则模 型筛选全量潜在客户， 再使用XGBoost模 型进一步筛选高潜力精 准客群， 提高营销转化率。 基于此方法的掌银易流 失促活精准营销模型的营销成功率 提升约7.78倍， 有效提升营销效果， 缩 减营销成本 。 发明内容 [0004]本发明所要解决的技术问题是如何提供提高目标客户预测准确率， 满足银行的精 细化管理。 [0005]为了解决以上问题本发明提供了一种掌银易流失客户促活成功概率预测的方法， 其特征在于： 通过基于专家经验规则模型从当前全量客户集中筛选全量潜在待评估客户 集， 再进一步将待评估客户集中的各个客户的特征数据输入XGBoot模型进 行促活成功概率 预测计算， 并输出各个客户的促活成功概率的预测结果， 选择预测促活成功概率的用户开 展促活活动； 所述XGBo ot模型预先通过如下步骤进行训练： [0006]根据专家 经验建立的规则模型从历史数据中选取第T月为测试区间和第T月的前T 个月为训练区间， 其中第T月对训练区间中的客户开展了促活活动， 第T月被促活的客户为 正样本,设flag＝1； 第T月仍然未被促活的客户为负样 本,设标识flag＝0； 从训练区间中对 负样本采取随机欠采样 手法提取正样 本10倍的训练数据量对 XGBoot模 型进行模型训练； 根说　明　书 1/6 页 3 CN 114418604 A 3