[发明专利]汽车4S店客户流失的预警方法和装置

说明书

本申请涉及一种汽车4S店客户流失的预警方法和装置；所述方法包括：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。本申请的方案根据门店积累的与客户消费行为有关的大量数据，进行深入的分析和挖掘，通过模型的方法克服了传统手段分析维度单一的问题，从而有效增加了预警的准确度和及时性。

技术领域

本申请涉及数据挖掘技术领域，具体涉及一种汽车4S店客户流失的预警方法和装置。

背景技术

汽车市场的激烈竞争已经转移到汽车售后市场，在此背景下，争夺客户并保持客户忠诚成了4S站的主要课题。然而面对激烈的竞争，客户关系变得愈加脆弱。因此，对客户是否即将流失进行预测，进而更准确的掌握客户的行为，提高整体客户的留存率，甚至找出影响客户流失的关键因子，对于车企来说显得极为重要了。

相关技术中，目前4S店对于客户是否即将流失的判断主要是基于客户最近一次进店的时间，此方法分析维度单一，无法有效利用车企和4S店内积累的大量数据，导致对车主的流失预警不及时、不准确。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种汽车4S店客户流失的预警方法和装置。

根据本申请实施例的第一方面，提供一种汽车4S店客户流失的预警方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。