[发明专利]一种客户流失预警方法、系统、介质和电子设备

说明书

本发明提供一种客户流失预警方法、系统、介质及电子设备。所述方法包括：获取客户的历史信息数据，该历史信息数据包括基本属性数据、行为属性数据、业务属性数据及情感数据；清洗所述历史信息数据中的异常数据；分析不同客户的基本属性数据、行为属性数据及业务属性数据，构建客户流失预警模型；采用所述情感数据评价所述客户流失预警模型效果；通过所述客户流失预警模型预测出即将流失客户；采用RFM模型对即将流失客户进行分类，制定客户挽留策略。

技术领域

本发明涉及数据分析预警技术领域，具体而言，涉及一种客户流失预警方法、系统、介质和电子设备。

背景技术

根据对客户价值的调查研究(Rosenberg和&Czepiel，1983)表明，开发一个新客户的成本是维持一个老客户成本的6倍，显然，老客户的留存对平台的发展至关重要，可见，建立用户流失预警机制类来防止客户流失显得极为需要。目前，在用户流失预警方面，主要通过Flume和Stream Sets数据系统采集数据，但是在流失的定义方面，由于不同的客户属性(B端客户和C端客户)其流失周期不同，目前没有一个统一标准；在预警模型方面，现有算法主要有逻辑回归、决策树、随机森林等算法，但是算法的不同其预警的精度也会有所差异。

因此，在长期的研发当中，发明人对客户流失预警进行了大量的研究，提出了一种客户流失预警方法，以解决上述技术问题之一。

发明内容

本发明的目的在于提供一种客户流失预警方法、系统、介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：

一种客户流失预警方法，该方法应用于客户流失预警系统，所述客户流失预警系统包括数据获取模块、数据清洗模块、数据建模模块、模型评价模块、客户预测模块、策略制定模块，该方法包括：

步骤1，数据获取模块获取客户的历史信息数据，该历史信息数据包括基本属性数据、行为属性数据、业务属性数据及情感数据；

步骤2，数据清洗模块清洗所述历史信息数据中的异常数据；

分析不同客户的基本属性数据、行为属性数据及业务属性数据，构建客户流失预警模型；

步骤3，模型评价模块采用所述情感数据评价所述客户流失预警模型效果；

步骤4，客户预测模块通过所述客户流失预警模型预测出即将流失客户；

步骤5，策略制定模块采用RFM模型对即将流失客户进行分类，制定客户挽留策略。

进一步的，所述基本属性数据包括客户ID、客户类型、客户注册时间。

进一步的，所述行为属性数据包括客户是否浏览过店铺、在平台网站的停留时间及是否有过咨询行为。

进一步的，所述业务属性数据包括提交订单时间、提交订单数额、订单来源渠道、成交订单时间、成交订单数额、是否撤销、订单所属类目、业务模式、近一年提交订单次数及成交订单次数。

进一步的，所述情感数据包括客户撤销原因及评价数据。

进一步的，所述异常数据包括：历史信息数据中的空数据、重复数据、不符合逻辑数据。

进一步的，所述客户流失预警模型为一随机森林训练模型。

一种客户流失预警系统，该系统用于实现所述的预警方法，该系统包括：

数据获取模块，用于获取客户的历史信息数据，该历史信息数据包括基本属性数据、行为属性数据、业务属性数据及情感数据；

数据清洗模块，用于清洗所述历史信息数据中的异常数据；

数据建模模块，用于分析不同客户的基本属性数据、行为属性数据及业务属性数据，构建客户流失预警模型；