[发明专利]筛选属性数据的方法及客户流失预警方法

说明书

筛选属性数据的方法及客户流失预警方法，属于数据处理领域，所述筛选属性数据的方法，包括：使用信息增益法筛选属性数据；使用点双列相关系数法筛选属性数据；根据信息增益法和点双列系数法分别得到若干个属性数据，并二者取交集得到筛选后的属性数据，效果：将信息增益法和点双列相关系数法两种自变量筛选方法结合起来，筛选准确性更好。

技术领域

本发明属于数据处理领域，涉及一种筛选属性数据的方法及客户流失预警方法

背景技术

目前，随着汽车经销商、维修站数量的不断增加，汽车售后服务市场的竞争愈发激烈，加之客户对服务价格的敏感性和进店服务的满意度的不断提升，使得4S店的客户流失率逐年攀升，客户大量的流失的直接后果便是经济上的损失，从更深程度来思考，这也会间接地影响到4S店的声誉，从而陷入收益与信誉不断降低的恶性循环。那么从4S店的角度思考，如何有效识别流失概率较高的客户，以及如何成功地实现客户的挽留是做好客户关系管理的重中之重。此外，随着数据挖掘技术的不断成熟以及4S店经营数据的不断积累，使得从数据的角度探索客户流失可能性提供了良好的基础。本文发明一种方法，在深入利用4S店经营数据的基础上，提出了一种基于决策树算法的客户流失预警模型，通过该模型4S店可以掌握未来一段时间内流失概率较高的客户名单，从而为客户关系维护提供了良好的条件。

发明内容

为了解决上述问题，本发明提出如下方案：.一种筛选属性数据的方法，包括：使用信息增益法筛选属性数据；使用点双列相关系数法筛选属性数据；根据信息增益法和点双列系数法分别得到若干个属性数据，并二者取交集得到筛选后的属性数据。

本发明还提出一种一种客户流失预警方法，其特征在于，包括：S1.采集客户的基本属性数据、购买车辆数据及售后进4S店行为数据；S2.确定目标变量、自变量；S3.筛选自变量；S4.构建决策树模型；S5.使用决策树模型实际预测，并在必要时发布流失报警；其中，筛选自变量，以本发明任一项所述的筛选属性数据的方法进行筛选。

有益效果：将信息增益法和点双列相关系数法两种自变量筛选方法结合起来，从而为分类模型的变量筛选方法提供了一种新的思路，以提高筛选准确性，此外，所选择的属性具有汽车行业客户关系管理的特色，从而使构建的决策树模型更具有行业适用性，为汽车行业客户关系管理提供了一种可行的客户流失预警方案。

附图说明

图1为客户流失预警流程图。

具体实施方式

本发明主要通过以下技术方案来实现：

1.收集每位客户的基本属性数据、购买车辆数据及售后进4S店行为数据，构建数据库

1)客户基本属性数据主要包括身份证号码、姓名、性别、年龄、省份、城市、联系方式、教育程度、兴趣好爱、行业等信息；

2)购买车辆数据主要包括底盘号、所属经销商、车型、售价等数据；

3)售后进4S店行为数据主要包括进店类型(例如维修、保养、出险、索赔等)、进店时间、进店消费金额、进店里程、人工费、备件费、结算日期、维保项目等。

2.数据清洗

1)缺失值处理：例如缺失的性别、年龄、省份、城市可以由身份证号码相应位数进行翻译后补充；缺失的车型可以根据底盘号进行翻译后补充；缺失的售价可以根据该车车型售价的均值进行补充；缺失的进店消费金额可以根据维保项目及项目单价进行计算后补充等；

2)噪声数据的识别与处理：由于数据采集、录入方面的原因，客户售后进店数据会存在部分噪声数据。首先，需要对该部分数据进行识别，本发明中主要使用DBSCAN算法(一种基于密度的聚类算法)识别噪声数据；其次，对于识别出来的离群点，使用分箱方法“光滑”数据。

3.确定目标变量