本申請(qǐng)涉及數(shù)據(jù)管理技術(shù)領(lǐng)域，更具體地說(shuō)，涉及一種數(shù)據(jù)管理方法及裝置。

背景技術(shù)：

客戶流失，是指由于各種原因所導(dǎo)致的客戶與企業(yè)終止合作的情況。就銀行業(yè)而言，客戶在一定時(shí)間內(nèi)不再發(fā)生主動(dòng)交易，甚至注銷服務(wù)，均可視為客戶流失。

客戶流失對(duì)企業(yè)會(huì)帶來(lái)?yè)p失。以信用卡為例，它是當(dāng)今發(fā)展最快的一項(xiàng)金融業(yè)務(wù)之一，作為一種可在一定范圍內(nèi)替代傳統(tǒng)現(xiàn)金流通的電子貨幣，有著廣闊的發(fā)展前景，是各金融機(jī)構(gòu)的營(yíng)銷熱點(diǎn)。然而，在信用卡用戶不斷新增的同時(shí)，老信用卡用戶也在不斷流失。這些客戶有些已經(jīng)超過(guò)6個(gè)月以上沒有發(fā)生任何主動(dòng)交易，有些甚至已沒有有效的貸記卡。吸引一個(gè)新用戶，固然可以擴(kuò)大用戶群體，刺激消費(fèi)，相應(yīng)的增加收入。但是，吸引一個(gè)新客戶的成本遠(yuǎn)比挽留一名老客戶、延長(zhǎng)客戶的生命周期要高得多。

因此，本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)管理方法及裝置，以減少客戶流失，是亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本申請(qǐng)實(shí)施例提供一種數(shù)據(jù)管理方法及裝置，通過(guò)對(duì)客戶流失進(jìn)行預(yù)測(cè)、分群以及挽留的方式，減少客戶流失現(xiàn)象。

為了實(shí)現(xiàn)上述目的，現(xiàn)提出的方案如下：

一種數(shù)據(jù)管理方法，包括：

接收數(shù)據(jù)管理請(qǐng)求，所述數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)所述待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；所述目標(biāo)用戶集中包括所述待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶，其中，所述目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示所述目標(biāo)用戶為預(yù)流失客戶；

利用預(yù)先設(shè)置的聚類算法對(duì)所述目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

針對(duì)每個(gè)所述目標(biāo)用戶群，利用與所述目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)所述目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留。

優(yōu)選的，所述利用與所述目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)所述目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留包括：

獲取與所述目標(biāo)用戶群對(duì)應(yīng)的挽留策略；

響應(yīng)選擇操作，從所述目標(biāo)用戶群中確定與所述選擇操作對(duì)應(yīng)的待挽留目標(biāo)用戶群；

按照所述挽留策略，對(duì)所述待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留。

優(yōu)選的，還包括：

判斷當(dāng)前時(shí)間與對(duì)所述待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否滿足預(yù)設(shè)時(shí)間閾值；

當(dāng)是時(shí)，統(tǒng)計(jì)所述待挽留目標(biāo)用戶群中的流失客戶數(shù)量；

根據(jù)所述流失客戶數(shù)量以及所述待挽留目標(biāo)用戶群中的目標(biāo)用戶數(shù)量，計(jì)算所述待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

優(yōu)選的，所述客戶流失預(yù)測(cè)模型的生成過(guò)程包括：

獲取訓(xùn)練樣本集，所述訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本包括標(biāo)記信息以及屬性信息，其中，所述標(biāo)記信息指示所述訓(xùn)練樣本為流失客戶/未流失客戶；

針對(duì)所述訓(xùn)練樣本集中的每個(gè)所述訓(xùn)練樣本，對(duì)所述訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息；

對(duì)所述目標(biāo)屬性信息所屬的目標(biāo)屬性進(jìn)行自動(dòng)指標(biāo)篩選，得到至少一個(gè)最終目標(biāo)屬性；

針對(duì)每個(gè)所述訓(xùn)練樣本，根據(jù)所述訓(xùn)練樣本的標(biāo)記信息以及每個(gè)所述最終目標(biāo)屬性對(duì)應(yīng)的所述訓(xùn)練樣本的目標(biāo)屬性信息，利用預(yù)設(shè)模型構(gòu)建算法，構(gòu)建客戶流失預(yù)測(cè)模型。

優(yōu)選的，當(dāng)所述預(yù)設(shè)模型構(gòu)建算法為決策樹算法時(shí)，所述對(duì)所述訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息包括：

確定所述訓(xùn)練樣本中的各個(gè)目標(biāo)連續(xù)屬性信息；

對(duì)各個(gè)所述目標(biāo)連續(xù)屬性信息依次進(jìn)行離散化處理、屬性變換，得到第一目標(biāo)屬性信息；

將得到的各個(gè)所述第一目標(biāo)屬性信息確定為目標(biāo)屬性信息。

優(yōu)選的，當(dāng)所述預(yù)設(shè)模型構(gòu)建算法為邏輯回歸算法時(shí)，所述對(duì)所述訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息包括：

確定所述訓(xùn)練樣本中的各個(gè)目標(biāo)連續(xù)屬性信息；

對(duì)各個(gè)所述目標(biāo)連續(xù)屬性信息依次進(jìn)行離散化處理、屬性變換，得到第一目標(biāo)屬性信息；

確定所述訓(xùn)練樣本中的各個(gè)類別類屬性信息；

對(duì)各個(gè)所述類別類屬性信息進(jìn)行二元化處理，得到第二目標(biāo)屬性信息；

將得到的各個(gè)所述第一目標(biāo)屬性信息和第二目標(biāo)屬性信息確定為目標(biāo)屬性信息。

一種數(shù)據(jù)管理裝置，包括：

數(shù)據(jù)管理請(qǐng)求接收單元，用于接收數(shù)據(jù)管理請(qǐng)求，所述數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

客戶流失預(yù)測(cè)單元，用于利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)所述待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；所述目標(biāo)用戶集中包括所述待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶，其中，所述目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示所述目標(biāo)用戶為預(yù)流失客戶；

目標(biāo)用戶分群?jiǎn)卧?，用于利用預(yù)先設(shè)置的聚類算法對(duì)所述目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

挽留單元，用于針對(duì)每個(gè)所述目標(biāo)用戶群，利用與所述目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)所述目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留。

優(yōu)選的，所述挽留單元包括：

挽留策略獲取單元，用于獲取與所述目標(biāo)用戶群對(duì)應(yīng)的挽留策略；

待挽留目標(biāo)用戶群確定單元，用于響應(yīng)選擇操作，從所述目標(biāo)用戶群中確定與所述選擇操作對(duì)應(yīng)的待挽留目標(biāo)用戶群；

挽留子單元，用于按照所述挽留策略，對(duì)所述待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留。

優(yōu)選的，還包括：

挽留成功率計(jì)算單元，用于判斷當(dāng)前時(shí)間與對(duì)所述待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否滿足預(yù)設(shè)時(shí)間閾值；以及，當(dāng)是時(shí)，統(tǒng)計(jì)所述待挽留目標(biāo)用戶群中的流失客戶數(shù)量；以及，根據(jù)所述流失客戶數(shù)量以及所述待挽留目標(biāo)用戶群中的目標(biāo)用戶數(shù)量，計(jì)算所述待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

優(yōu)選的，還包括客戶流失預(yù)測(cè)模型生成單元，用于獲取訓(xùn)練樣本集，所述訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本包括標(biāo)記信息以及屬性信息，其中，所述標(biāo)記信息指示所述訓(xùn)練樣本為流失客戶/未流失客戶；以及，針對(duì)所述訓(xùn)練樣本集中的每個(gè)所述訓(xùn)練樣本，對(duì)所述訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息；以及，對(duì)所述目標(biāo)屬性信息所屬的目標(biāo)屬性進(jìn)行自動(dòng)指標(biāo)篩選，得到至少一個(gè)最終目標(biāo)屬性；以及，針對(duì)每個(gè)所述訓(xùn)練樣本，根據(jù)所述訓(xùn)練樣本的標(biāo)記信息以及每個(gè)所述最終目標(biāo)屬性對(duì)應(yīng)的所述訓(xùn)練樣本的目標(biāo)屬性信息，利用預(yù)設(shè)模型構(gòu)建算法，構(gòu)建客戶流失預(yù)測(cè)模型。

本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)管理方法及裝置，通過(guò)接收攜帶待預(yù)測(cè)用戶集的數(shù)據(jù)管理請(qǐng)求，利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集，并對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群得到至少一個(gè)目標(biāo)用戶群，進(jìn)而對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留的方式，實(shí)現(xiàn)了對(duì)客戶流失的預(yù)測(cè)、分群以及挽留，減少了客戶流失現(xiàn)象。

附圖說(shuō)明

為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請(qǐng)的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本申請(qǐng)實(shí)施例提供的一種數(shù)據(jù)管理方法流程圖；

圖2為本申請(qǐng)實(shí)施例提供的一種利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留的方法流程圖；

圖3為本申請(qǐng)實(shí)施例提供的一種客戶流失預(yù)測(cè)模型的生成方法流程圖；

圖4為本申請(qǐng)實(shí)施例提供的一種對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法流程圖；

圖5為本申請(qǐng)實(shí)施例提供的一種對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法流程圖；

圖6為本申請(qǐng)實(shí)施例提供的一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖；

圖7為本申請(qǐng)實(shí)施例提供的一種挽留單元的詳細(xì)結(jié)構(gòu)示意圖；

圖8為本申請(qǐng)實(shí)施例提供的另一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖；

圖9為本申請(qǐng)實(shí)施例提供的又一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖，對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請(qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。

實(shí)施例：

圖1為本申請(qǐng)實(shí)施例提供的一種數(shù)據(jù)管理方法流程圖。

如圖1所示，該方法包括：

S101、接收數(shù)據(jù)管理請(qǐng)求，數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，待預(yù)測(cè)用戶集中包括至少一個(gè)待預(yù)測(cè)用戶。

S102、利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，目標(biāo)用戶集中包括待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶。其中，目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示目標(biāo)用戶為預(yù)流失客戶。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，客戶流失預(yù)測(cè)模型對(duì)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)時(shí)，需要用到待預(yù)測(cè)用戶的屬性信息。因此，同樣需要數(shù)據(jù)管理請(qǐng)求中攜帶的待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶均攜帶客戶流失預(yù)測(cè)模型需要用到的各個(gè)最終目標(biāo)屬性信息。

S103、利用預(yù)先設(shè)置的聚類算法對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

S104、針對(duì)每個(gè)目標(biāo)用戶群，利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，當(dāng)?shù)玫街辽僖粋€(gè)目標(biāo)用戶群(每個(gè)目標(biāo)用戶群中包括至少一個(gè)目標(biāo)用戶)后，可針對(duì)每個(gè)目標(biāo)用戶群，利用與該目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)該目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留。

圖2為本申請(qǐng)實(shí)施例提供的一種利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留的方法流程圖。

如圖2所示，該方法包括：

S201、獲取與目標(biāo)用戶群對(duì)應(yīng)的挽留策略；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，與目標(biāo)用戶群對(duì)應(yīng)的挽留策略包括：與該目標(biāo)用戶群對(duì)應(yīng)的優(yōu)惠方案。

S202、響應(yīng)選擇操作，從目標(biāo)用戶群中確定與選擇操作對(duì)應(yīng)的待挽留目標(biāo)用戶群；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，目標(biāo)用戶群中包括至少一個(gè)目標(biāo)用戶，響應(yīng)選擇操作，從目標(biāo)用戶群中確定與選擇操作對(duì)應(yīng)的待挽留目標(biāo)用戶群。其中，該待挽留目標(biāo)用戶群中包括其所屬的目標(biāo)用戶群中的所有/部分目標(biāo)用戶。

S203、按照挽留策略，對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，按照挽留策略，對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的方式包括：分別向待挽留目標(biāo)用戶群中的每個(gè)目標(biāo)用戶發(fā)送提醒信息，具體的，該提醒信息為從預(yù)先設(shè)置的多個(gè)提醒信息中，搜索到的與待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略所對(duì)應(yīng)提醒信息。

進(jìn)一步的，在本申請(qǐng)實(shí)施例提供的一種數(shù)據(jù)管理方法中，還包括：判斷當(dāng)前時(shí)間與對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否滿足預(yù)設(shè)時(shí)間閾值；以及，當(dāng)是時(shí)，統(tǒng)計(jì)待挽留目標(biāo)用戶群中的流失客戶數(shù)量；以及，根據(jù)流失客戶數(shù)量以及待挽留目標(biāo)用戶群中的目標(biāo)用戶數(shù)量，計(jì)算待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，還可判斷當(dāng)前時(shí)間與對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否大于預(yù)設(shè)時(shí)間閾值；當(dāng)是時(shí)，統(tǒng)計(jì)當(dāng)前時(shí)間待挽留目標(biāo)用戶群中的流失客戶數(shù)量，并將待挽留目標(biāo)用戶群中的目標(biāo)用戶總數(shù)減去流失客戶數(shù)量得到待挽留目標(biāo)用戶群中未流失客戶數(shù)量，進(jìn)而將未流失客戶數(shù)量除以待挽留目標(biāo)用戶群中的用戶總數(shù)得到的結(jié)果作為待挽留目標(biāo)用戶所屬目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

圖3為本申請(qǐng)實(shí)施例提供的一種客戶流失預(yù)測(cè)模型的生成方法流程圖。

如圖3所示，該方法包括：

S301、獲取訓(xùn)練樣本集，訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本包括標(biāo)記信息以及屬性信息。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，標(biāo)記信息指示訓(xùn)練樣本為流失客戶/未流失客戶。

具體的，每個(gè)訓(xùn)練樣本包括的標(biāo)記信息均指示該訓(xùn)練樣本的客戶類型(如該訓(xùn)練樣本為流失客戶或者未流失客戶)。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，每個(gè)訓(xùn)練樣本包括一個(gè)標(biāo)記信息和若干個(gè)屬性信息。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，屬性信息包括屬性以及屬性的屬性值。比如，訓(xùn)練樣本的每個(gè)屬性信息包括訓(xùn)練樣本的對(duì)應(yīng)該屬性信息的屬性以及訓(xùn)練樣本在該屬性的屬性值。

S302、針對(duì)訓(xùn)練樣本集中的每個(gè)訓(xùn)練樣本，對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，每個(gè)訓(xùn)練樣本包括的屬性信息為至少一個(gè)，對(duì)訓(xùn)練樣本中屬性信息進(jìn)行數(shù)據(jù)處理，可得到若干個(gè)目標(biāo)屬性信息，其中，目標(biāo)屬性信息包括對(duì)應(yīng)該目標(biāo)屬性信息的新的屬性(也就是目標(biāo)屬性)以及該目標(biāo)屬性的屬性值。

S303、對(duì)目標(biāo)屬性信息所屬的目標(biāo)屬性進(jìn)行自動(dòng)指標(biāo)篩選，得到至少一個(gè)最終目標(biāo)屬性；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，當(dāng)?shù)玫饺舾蓚€(gè)目標(biāo)屬性信息后，可對(duì)每個(gè)目標(biāo)屬性信息所屬的目標(biāo)屬性(也就是該目標(biāo)屬性信息對(duì)應(yīng)的目標(biāo)屬性)進(jìn)行自動(dòng)指標(biāo)篩選，以得到至少一個(gè)最終目標(biāo)屬性。

在這一步中，系統(tǒng)對(duì)初步得到的多個(gè)目標(biāo)屬性進(jìn)行自動(dòng)指標(biāo)篩選，在降低維度的同時(shí)選取最有區(qū)分度的最終目標(biāo)屬性。系統(tǒng)中使用信息增益算法(InfoGainAttributeEval)和相關(guān)系數(shù)屬性選擇算法(CFSSubsetAttributeEval)來(lái)進(jìn)行這個(gè)步驟，將最終目標(biāo)屬性篩選至20個(gè)。

以系統(tǒng)優(yōu)化得到的默認(rèn)值為例，所使用的20個(gè)最終目標(biāo)屬性參見表1。

表1客戶流失預(yù)測(cè)模型輸入最終目標(biāo)屬性

在本申請(qǐng)實(shí)施例中，優(yōu)選的，用戶可根據(jù)需要自行進(jìn)行篩選，結(jié)果因數(shù)據(jù)的不同而可能有所不同。

S304、針對(duì)每個(gè)訓(xùn)練樣本，根據(jù)訓(xùn)練樣本的標(biāo)記信息以及每個(gè)最終目標(biāo)屬性對(duì)應(yīng)的訓(xùn)練樣本的目標(biāo)屬性信息，利用預(yù)設(shè)模型構(gòu)建算法，構(gòu)建客戶流失預(yù)測(cè)模型。

圖4為本申請(qǐng)實(shí)施例提供的一種對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法流程圖；

如圖4所示的對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法應(yīng)用于預(yù)設(shè)模型構(gòu)建算法為決策樹算法的情況下。

具體的，如圖4所示，該方法包括：

S401、確定訓(xùn)練樣本中的各個(gè)目標(biāo)連續(xù)屬性信息；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，針對(duì)每個(gè)訓(xùn)練樣本而言，從該訓(xùn)練樣本的所有屬性信息中，確定出哪些屬性信息是連續(xù)的屬性信息，進(jìn)而將確定出的每個(gè)連續(xù)的屬性信息作為一個(gè)目標(biāo)連續(xù)屬性信息。

S402、對(duì)各個(gè)目標(biāo)連續(xù)屬性信息依次進(jìn)行離散化處理、屬性變換，得到第一目標(biāo)屬性信息；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，對(duì)各個(gè)目標(biāo)連續(xù)屬性信息進(jìn)行離散化處理的方法包括：等頻度離散化處理方法和/或基于最小描述距離的離散化處理方法。

具體的，對(duì)于目標(biāo)連續(xù)屬性新進(jìn)行離散化處理(discretization)。具體的，本步驟主要處理那些對(duì)目標(biāo)確定的指導(dǎo)作用遜于離散值的屬性信息。用戶可選擇等頻度離散化處理(Equal Frequency Discretization)和基于最小描述長(zhǎng)度的離散化處理(Minimum Description Length)。優(yōu)選的，默認(rèn)情況下使用基于最小描述距離的離散化處理。

等頻度離散化處理是一種無(wú)監(jiān)督學(xué)習(xí)，需要預(yù)先設(shè)定劃分區(qū)域的個(gè)數(shù)K，然后算法自動(dòng)計(jì)算根據(jù)頻度合重新將數(shù)據(jù)分布。經(jīng)過(guò)反復(fù)實(shí)驗(yàn)，優(yōu)選的，固定將屬性分成3個(gè)區(qū)域。

而基于最小描述長(zhǎng)度離散化處理(MDL)是一種監(jiān)督學(xué)習(xí)，常常被應(yīng)用到?jīng)Q策樹建立的過(guò)程中。使用時(shí)算法會(huì)根據(jù)標(biāo)記類別計(jì)算信息熵值(Entropy)，然后選擇獲得最小信息量(最小描述長(zhǎng)度)的劃分方法，自動(dòng)分成若干個(gè)區(qū)域。

信息熵(Entropy)是表示一套數(shù)據(jù)集的平均信息量，簡(jiǎn)單說(shuō)來(lái)數(shù)據(jù)分布越單一信息量越小，數(shù)據(jù)平均分布式信息量最大。

可見，離散化處理之后的數(shù)據(jù)分布明顯有利于分類算法，離散化之后的取值對(duì)流失客戶和非流失客戶由于較強(qiáng)的分別。經(jīng)過(guò)反復(fù)試驗(yàn)，默認(rèn)情況下，采用基于最小描述距離的離散化處理。

在本申請(qǐng)實(shí)施例中，優(yōu)選的，針對(duì)每個(gè)目標(biāo)連續(xù)屬性信息而言，當(dāng)對(duì)該目標(biāo)連續(xù)屬性信息進(jìn)行離散化處理后，需對(duì)進(jìn)行離散化處理后的該目標(biāo)連續(xù)屬性信息進(jìn)行屬性變換以得到第一目標(biāo)屬性信息。

具體的，對(duì)離散化處理后的目標(biāo)連續(xù)屬性信息進(jìn)行屬性變換的方法包括：標(biāo)準(zhǔn)化屬性變換處理，或者，正常化屬性變換處理。

優(yōu)選的，對(duì)于部分連續(xù)屬性信息，數(shù)據(jù)分布有特定的區(qū)間，對(duì)數(shù)據(jù)的區(qū)間進(jìn)行重分布有利于K-Means等算法的距離計(jì)算和線性模型的學(xué)習(xí)。系統(tǒng)會(huì)進(jìn)行屬性變換，使其落入一定的數(shù)字范圍之內(nèi)。用戶可選擇標(biāo)準(zhǔn)化處理(Standardization)或正?；幚?Normalization)。默認(rèn)情況下，系統(tǒng)使用正常化處理。這里的標(biāo)準(zhǔn)化處理即是上述提到的標(biāo)準(zhǔn)化屬性變換處理，同樣，這里的正常化處理即是上述提到的正?；瘜傩宰儞Q處理。

標(biāo)準(zhǔn)化屬性變換處理使數(shù)據(jù)原數(shù)據(jù)減去平均值再除以標(biāo)準(zhǔn)差，因此生成的新數(shù)據(jù)的平均值為0，標(biāo)準(zhǔn)差為1。

$X_{new}=\frac{X_{old}-mean}{std}$

正?；瘜傩宰儞Q處理使原數(shù)據(jù)減去最小值除以最大值和最小值得差，產(chǎn)生的新分布在(0，1)之間。

$X_{new}=\frac{X_{old}-\min }{\max -\min }$

標(biāo)準(zhǔn)化屬性變換處理和正?；瘜傩宰儞Q處理都是對(duì)數(shù)據(jù)范圍的重分布，不會(huì)對(duì)分布本身進(jìn)行改變。但是為了計(jì)算距離時(shí)不偏袒某個(gè)指標(biāo)，使每一個(gè)指標(biāo)在統(tǒng)一的取值范圍內(nèi)，我們默認(rèn)使用正?；瘜傩宰儞Q處理。

S403、將得到的各個(gè)第一目標(biāo)屬性信息確定為目標(biāo)屬性信息。

圖5為本申請(qǐng)實(shí)施例提供的一種對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法流程圖；

如圖5所示的對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息的方法應(yīng)用于預(yù)設(shè)模型構(gòu)建算法為邏輯回歸算法的情況下。

具體的，如圖5所示，該方法包括：

S501、確定訓(xùn)練樣本中的各個(gè)目標(biāo)連續(xù)屬性信息；

S502、對(duì)各個(gè)目標(biāo)連續(xù)屬性信息依次進(jìn)行離散化處理、屬性變換，得到第一目標(biāo)屬性信息；

S503、確定訓(xùn)練樣本中的各個(gè)類別類屬性信息；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，針對(duì)每個(gè)訓(xùn)練樣本而言，從該訓(xùn)練樣本的所有屬性信息中，確定出哪些屬性信息是類別類屬性信息。

S504、對(duì)各個(gè)類別類屬性信息進(jìn)行二元化處理，得到第二目標(biāo)屬性信息；

在本申請(qǐng)實(shí)施例中，優(yōu)選的，類別類屬性信息通常使用常用的1-of-K編碼進(jìn)而二元化處理，將一個(gè)變量轉(zhuǎn)換為K個(gè)。優(yōu)選的，K為8，參見表2。例如，作為類別類屬性信息的逾期程度由原理的一個(gè)屬性類別屬性變?yōu)榱?個(gè)二元屬性。

表2對(duì)類別類屬性進(jìn)行二元化處理

S505、將得到的各個(gè)第一目標(biāo)屬性信息和第二目標(biāo)屬性信息確定為目標(biāo)屬性信息。

圖6為本申請(qǐng)實(shí)施例提供的一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖。

如圖6所示，該裝置包括：

數(shù)據(jù)管理請(qǐng)求接收單元61，用于接收數(shù)據(jù)管理請(qǐng)求，數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

客戶流失預(yù)測(cè)單元62，用于利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；目標(biāo)用戶集中包括待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶，其中，目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示目標(biāo)用戶為預(yù)流失客戶；

目標(biāo)用戶分群?jiǎn)卧?3，用于利用預(yù)先設(shè)置的聚類算法對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

挽留單元64，用于針對(duì)每個(gè)目標(biāo)用戶群，利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留。

圖7為本申請(qǐng)實(shí)施例提供的一種挽留單元的詳細(xì)結(jié)構(gòu)示意圖。

如圖7所示，挽留單元包括：

挽留策略獲取單元71，用于獲取與目標(biāo)用戶群對(duì)應(yīng)的挽留策略；

待挽留目標(biāo)用戶群確定單元72，用于響應(yīng)選擇操作，從目標(biāo)用戶群中確定與選擇操作對(duì)應(yīng)的待挽留目標(biāo)用戶群；

挽留子單元73，用于按照挽留策略，對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留。

圖8為本申請(qǐng)實(shí)施例提供的另一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖。

如圖8所示，該裝置包括：

數(shù)據(jù)管理請(qǐng)求接收單元61，用于接收數(shù)據(jù)管理請(qǐng)求，數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

客戶流失預(yù)測(cè)單元62，用于利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；目標(biāo)用戶集中包括待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶，其中，目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示目標(biāo)用戶為預(yù)流失客戶；

目標(biāo)用戶分群?jiǎn)卧?3，用于利用預(yù)先設(shè)置的聚類算法對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

挽留單元64，用于針對(duì)每個(gè)目標(biāo)用戶群，利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留；

挽留成功率計(jì)算單元81，用于判斷當(dāng)前時(shí)間與對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否滿足預(yù)設(shè)時(shí)間閾值；以及，當(dāng)是時(shí)，統(tǒng)計(jì)待挽留目標(biāo)用戶群中的流失客戶數(shù)量；以及，根據(jù)流失客戶數(shù)量以及待挽留目標(biāo)用戶群中的目標(biāo)用戶數(shù)量，計(jì)算待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

圖9為本申請(qǐng)實(shí)施例提供的又一種數(shù)據(jù)管理裝置的結(jié)構(gòu)示意圖。

如圖9所示，該裝置包括：

客戶流失預(yù)測(cè)模型生成單元91，用于獲取訓(xùn)練樣本集，訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本包括標(biāo)記信息以及屬性信息，其中，標(biāo)記信息指示訓(xùn)練樣本為流失客戶/未流失客戶；以及，針對(duì)訓(xùn)練樣本集中的每個(gè)訓(xùn)練樣本，對(duì)訓(xùn)練樣本的屬性信息進(jìn)行數(shù)據(jù)預(yù)處理，得到目標(biāo)屬性信息；以及，對(duì)目標(biāo)屬性信息所屬的目標(biāo)屬性進(jìn)行自動(dòng)指標(biāo)篩選，得到至少一個(gè)最終目標(biāo)屬性；以及，針對(duì)每個(gè)訓(xùn)練樣本，根據(jù)訓(xùn)練樣本的標(biāo)記信息以及每個(gè)最終目標(biāo)屬性對(duì)應(yīng)的訓(xùn)練樣本的目標(biāo)屬性信息，利用預(yù)設(shè)模型構(gòu)建算法，構(gòu)建客戶流失預(yù)測(cè)模型；

數(shù)據(jù)管理請(qǐng)求接收單元61，用于接收數(shù)據(jù)管理請(qǐng)求，數(shù)據(jù)管理請(qǐng)求中攜帶待預(yù)測(cè)用戶集；

客戶流失預(yù)測(cè)單元62，用于利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型，分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集；目標(biāo)用戶集中包括待預(yù)測(cè)用戶集中的所有的目標(biāo)用戶，其中，目標(biāo)用戶進(jìn)行客戶流失預(yù)測(cè)的結(jié)果指示目標(biāo)用戶為預(yù)流失客戶；

目標(biāo)用戶分群?jiǎn)卧?3，用于利用預(yù)先設(shè)置的聚類算法對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群，得到至少一個(gè)含有特定用戶特征的目標(biāo)用戶群；

挽留單元64，用于針對(duì)每個(gè)目標(biāo)用戶群，利用與目標(biāo)用戶群對(duì)應(yīng)的挽留策略，對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留；

挽留成功率計(jì)算單元81，用于判斷當(dāng)前時(shí)間與對(duì)待挽留目標(biāo)用戶群中的各個(gè)目標(biāo)用戶進(jìn)行挽留的時(shí)間之間的時(shí)間間隔是否滿足預(yù)設(shè)時(shí)間閾值；以及，當(dāng)是時(shí)，統(tǒng)計(jì)待挽留目標(biāo)用戶群中的流失客戶數(shù)量；以及，根據(jù)流失客戶數(shù)量以及待挽留目標(biāo)用戶群中的目標(biāo)用戶數(shù)量，計(jì)算待挽留目標(biāo)用戶群所屬的目標(biāo)用戶群對(duì)應(yīng)的挽留策略的挽留成功率。

本申請(qǐng)?zhí)峁┮环N數(shù)據(jù)管理方法及裝置，通過(guò)接收攜帶待預(yù)測(cè)用戶集的數(shù)據(jù)管理請(qǐng)求，利用預(yù)先設(shè)置的客戶流失預(yù)測(cè)模型分別對(duì)待預(yù)測(cè)用戶集中的每個(gè)待預(yù)測(cè)用戶進(jìn)行客戶流失預(yù)測(cè)，得到目標(biāo)用戶集，并對(duì)目標(biāo)用戶集中的所有目標(biāo)用戶進(jìn)行分群得到至少一個(gè)目標(biāo)用戶群，進(jìn)而對(duì)目標(biāo)用戶群中的目標(biāo)用戶進(jìn)行挽留的方式，實(shí)現(xiàn)了對(duì)客戶流失的預(yù)測(cè)、分群以及挽留，減少了客戶流失現(xiàn)象。

最后，還需要說(shuō)明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來(lái)，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。

本說(shuō)明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。

對(duì)所公開的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本申請(qǐng)。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見的，本文中所定義的一般原理可以在不脫離本申請(qǐng)的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本申請(qǐng)將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。