[发明专利]汽车4S店客户流失的预警方法和装置

权利要求书

1.一种汽车4S店客户流失的预警方法，其特征在于，包括：

获取客户的历史数据，生成数据集；

根据所述历史数据构建初始自变量和因变量；

对初始自变量进行逻辑回归建模，并从所述初始自变量中筛选出若干个最终自变量；

采用所述最终自变量再次建立逻辑回归模型，获得预警模型；

将待预测的客户数据输入到所述预警模型中进行处理，获得预警结果。

2.根据权利要求1所述的方法，其特征在于，所述历史数据包括：预设时间范围内的基础行车数据、DMS数据，维保状态数据；

根据所述基础行车数据构建的自变量包括：每月平均里程、车型、车龄；

根据所述DMS数据构建的自变量包括：维保指标值、客户历史消费总金额、客户事故金额、客户索赔金额；

根据所述维保状态数据构建的自变量包括：维保期是否到期、到店平均时间间隔、维保期结束后月份数。

3.根据权利要求1所述的方法，其特征在于，根据所述历史数据构建的因变量Y为：客户是否流失；当客户为流失客户时，因变量Y＝1；

如果当前时间距离客户上次进店的时间超过预设的时间阈值，则将用户定义为流失客户；否则将用户定义为未流失客户。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述生成数据集，包括：

对所述历史数据进行数据质量控制，清洗掉噪声数据；

将清洗掉噪声后的数据进行标准化处理；

将标准化处理后的数据分为训练集和测试集。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述对初始自变量进行逻辑回归建模，包括：

建立如下逻辑回归模型：

其中，P为客户流失的概率，即因变量Y＝1的概率；X₁、X₂…X_n为初始自变量；β₀、β₁…β_n为截距项及各自变量对应的回归系数，β₀、β₁…β_n通过最大似然估计进行求解。

6.根据权利要求5所述的方法，其特征在于，所述通过最大似然估计进行求解，包括：

建立似然函数；

对似然函数取对数；

将取对数后的函数求导，令导数为0；

采用Newton-Raphson迭代获得参数β_i的估计值；i取值为0至n。

7.根据权利要求5所述的方法，其特征在于，所述从所述初始自变量中筛选出若干个最终自变量，包括：

对模型中各个初始自变量的显著性进行检验，筛选出与因变量有着显著关系的自变量，获得最终自变量。

8.根据权利要求7所述的方法，其特征在于，所述对模型中各个初始自变量的显著性进行检验，包括：

获取设定的显著性水平ɑ值；

计算每个初始自变量的t检验的p值；

只保留p值小于ɑ的初始自变量，以获得最终自变量。

9.根据权利要求7所述的方法，其特征在于，所述初始自变量包括：每月平均里程、车龄、车型、客户历史消费总金额、客户事故金额、客户索赔金额、索赔服务类指标值、事故服务类指标值、小修服务类指标值、一般保养服务类指标值、免费保养服务类指标值、维保期是否到期、到店平均时间间隔、维保期结束后月份数；

所述最终自变量包括：每月平均里程、索赔服务类指标值、小修服务类指标值、一般保养服务类指标值、免费保养服务类指标值、到店平均时间间隔、维保期结束后月份数。

10.一种汽车4S店客户流失的预警装置，其特征在于，包括：

获取模块，用于获取客户的历史数据，生成数据集；

构建模块，用于根据所述历史数据构建初始自变量和因变量；

筛选模块，用于对初始自变量进行逻辑回归建模，并从所述初始自变量中筛选出若干个最终自变量；

模型模块，用于采用所述最终自变量再次建立逻辑回归模型，获得预警模型；

预测模块，用于将待预测的客户数据输入到所述预警模型中进行处理，获得预警结果。