專利名稱：加油卡客戶流失預測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及客戶流失預測分析，具體涉及石化零售行業(yè)加油卡用戶的流失預測分析。
背景技術(shù)：
中國的石化行業(yè)經(jīng)過多年的信息化建設，取得了巨大的經(jīng)濟效益和良好的社會效益。然而經(jīng)過一輪高速發(fā)展之后，尤其是隨著行業(yè)內(nèi)競爭的加劇，各運營商加油卡客戶的增長逐漸放慢，客戶呈現(xiàn)出動態(tài)亦增亦減趨勢，在每月都有客戶新開卡的情況下，也有大量客戶停止使用。每個月都有出現(xiàn)的零充值、零消費客戶，大量占用了客戶維護的信息資源， 客戶數(shù)量的增加卻不能帶來收入的增加，而發(fā)展新客戶的成本要遠遠大于挽留老客戶的成本，所以客戶流失分析的重要意義對石化運營商來說不言而喻。在當前運營基礎設施不斷改善，服務意識也逐步提升的情況下，對有價值客戶的關(guān)注和流失防范成為關(guān)注的焦點。目前，未有任何石化公司對加油卡客戶的流失進行系統(tǒng)化、規(guī)劃化分析并提出相應預警信息。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題就是為了克服現(xiàn)有技術(shù)缺陷而提供一種加油卡客戶流失預測方法。本發(fā)明的目的通過以下技術(shù)方案來實現(xiàn)，如

圖1所示一種加油卡客戶流失預測分析方法，包括步驟Si、收集一定期限內(nèi)每個加油卡客戶行為的原始數(shù)據(jù)，建立數(shù)據(jù)庫；S2、以顆粒度為月對所述原始數(shù)據(jù)進行整理匯總，計算出和加油卡客戶流失行為相關(guān)的若干基本屬性；S3、對所述各基本屬性進行離散化或布爾化處理；S4、利用信息增益參量對所述各基本屬性的重要性進行評估，篩選出若干重要屬性；S5、對所述各重要屬性，利用多維關(guān)聯(lián)規(guī)則，得到屬性的頻繁項集，并以每個頻繁項集中的頻繁項與該頻繁維謂詞集合并起來作為新屬性；S6、針對所述多維頻繁項集的新屬性，采用決策樹方式建立模型；S7、將實際已經(jīng)流失的客戶的數(shù)據(jù)輸入所述決策樹模型進行分析，比較分析結(jié)果和實際歷史結(jié)果的差異，對所述決策樹模型進行修正；S7、根據(jù)修正后的決策樹模型進行客戶流失預測，發(fā)布預警信息。其中，步驟Sl中加油卡客戶行為的原始數(shù)據(jù)包括充值明細、圈存明細、加油明細、 積分明細、沉淀資金。其中，步驟S2中和加油卡客戶后續(xù)行為相關(guān)的若干基本屬性，至少包括一定期限內(nèi)的月平均消費額，以往充值的平均金額，最后一次充值距當前時間，最后一次的充值的金額，最后一次消費距當前的時間。其中，步驟S4包括以下步驟S41、計算任意基本屬性的期望信息
權(quán)利要求
1.一種加油卡客戶流失預測分析方法，其特征在于，包括步驟s1、收集一定期限內(nèi)每個加油卡客戶行為的原始數(shù)據(jù)，建立數(shù)據(jù)庫；s2、以顆粒度為月對所述原始數(shù)據(jù)進行整理匯總，計算出和加油卡客戶流失行為相關(guān)的若干基本屬性；s3、對所述各基本屬性進行離散化或布爾化處理；s4、利用信息增益參量對所述各基本屬性的重要性進行評估，篩選出若干重要屬性；s5、對所述各重要屬性，利用多維關(guān)聯(lián)規(guī)則，得到屬性的頻繁項集，并以每個頻繁項集中的頻繁項與該頻繁維謂詞集合并起來作為新屬性；s6、針對所述多維頻繁項集的新屬性，采用決策樹方式建立模型；s7、將實際已經(jīng)流失的客戶的數(shù)據(jù)輸入所述決策樹模型進行分析，比較分析結(jié)果和實際歷史結(jié)果的差異，對所述決策樹模型進行修正；s8、根據(jù)修正后的決策樹模型進行客戶流失預測，發(fā)布預警信息。
2.如權(quán)利要求1所述的加油卡客戶流失預測分析方法，其特征在于，步驟Sl所述的加油卡客戶行為的原始數(shù)據(jù)包括充值明細、圈存明細、加油明細、積分明細、沉淀資金。
3.如權(quán)利要求1所述的加油卡客戶流失預測分析方法，其特征在于，步驟S2所述的和加油卡客戶后續(xù)行為相關(guān)的若干基本屬性，至少包括一定期限內(nèi)的月平均消費額，以往充值的平均金額，最后一次充值距當前的時間，最后一次充值的金額，最后一次消費距當前的時間。
4.如權(quán)利要求1所述的加油卡客戶流失預測分析方法，其特征在于，步驟S4包括以下步驟s41、計算任意基本屬性的期望信息
5.如權(quán)利要求1所述的加油卡客戶流失預測分析方法，其特征在于，所述步驟S6包括s61、對步驟S5中所述的每個新屬性計算信息增益，取信息增益最大的新屬性作為根節(jié)占.s62、為該新屬性的每一個取值建立一個樹的分叉；s63、對每一個分叉，選出樣本子集，對其余的新屬性計算信息增益，建立節(jié)點；s64、遞歸以上過程，直到?jīng)]有其余的新屬性，該節(jié)點定義為葉子節(jié)點；·565、將沒有樣本的葉子節(jié)點剪掉；·566、將該結(jié)點歸類為所含樣本中個數(shù)最多的類別。
6.如權(quán)利要求5所述的加油卡客戶流失預測分析方法，其特征在于，所述步驟S62包括如果該新屬性為布爾型，則取值為真或假。
全文摘要
本發(fā)明提供一種加油卡客戶流失預測分析方法，收集一定期限內(nèi)每個加油卡客戶行為的原始數(shù)據(jù)，建立數(shù)據(jù)庫；對原始數(shù)據(jù)進行整理匯總，計算出和加油卡客戶流失行為相關(guān)的若干基本屬性并進行布爾化處理，利用信息增益參量對屬性的重要性進行評估，利用多維關(guān)聯(lián)規(guī)則，得到屬性的頻繁項集，并對各頻繁項集內(nèi)的屬性進行合并，然后采用決策樹方式建立模型，并根據(jù)持續(xù)變化的加油卡客戶數(shù)據(jù)對決策樹模型進行修正，從而預測客戶流失情況，并發(fā)布預警信息。本發(fā)明綜合并改進了屬性關(guān)聯(lián)和決策樹模型，增加了決策樹生成效率和可理解性，屬性的合并具有石化行業(yè)特色，從而解決傳統(tǒng)決策樹模型無法解決的問題，為石化行業(yè)提出了一種可行的客戶流失預警方案。
文檔編號G06Q50/00GK102567807SQ20101060832
公開日2012年7月11日 申請日期2010年12月23日 優(yōu)先權(quán)日2010年12月23日
發(fā)明者張學東, 李強, 趙楊 申請人:上海亞太計算機信息系統(tǒng)有限公司