用戶流失預警

目前,國內商業銀行面臨客戶流失率面臨增多趨勢,部分可達20%甚至更高。而獲得新客戶的成本,可達維護現有客戶的5倍。因此從海量客戶交易記錄中挖掘出對流失有影響的信息,建立高效的客戶流失預警體系及量化模型,合理預測客群的潛在流失風險,成為現代商業銀行在高速信息處理能力之下的理想選擇。

目前,國內商業銀行面臨客戶流失率面臨增多趨勢,部分可達20%甚至更高。而獲得新客戶的成本,可達維護現有客戶的5倍。因此從海量客戶交易記錄中挖掘出對流失有影響的信息,建立高效的客戶流失預警體系及量化模型,合理預測客群的潛在流失風險,成為現代商業銀行在高速信息處理能力之下的理想選擇。

本方案使用分布式人工智能平臺Maxim AI,通過對已流失的客戶數據進行建模形成流失預警方案模型。將現有客戶數據代入到模型中計算客戶的流失可能性。以客戶流失模型為基礎,對客戶流失的可能性進行計算,并匹配相應挽留級別,將流失預警及服務結果推送至客戶端,并由業務人員進行相應的重點客戶關注工作。

Maxim AI平臺集成了多種機器學習算法,包括廣義線性模型,分布式隨機森林,梯度提升模型,樸素貝葉斯,K-means,主成分分析,深度學習等。

客戶在使用過程中可以先將數據放入不同的算法模型中訓練,選出最優的模型。

在覆蓋銀行全量在線交易數據情況下,國內某大型保險公司投產利用MaximAI平臺建模得到的流失預警模型,上線后保單簽約率 較之前增長5.3%,客戶流失率明顯降低,為該企業成功挽留上百萬客戶。

怎么靠英语网上赚钱