(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210734034.8 (22)申请日 2022.06.25 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 郭丽颍　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 李申 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 一种高潜客户识别方法、 电子 设备和存储介 质 (57)摘要 本申请公开了一种高潜客户识别方法、 电子 设备和存储介质， 包括： 获取银行现有客户特征 数据， 作为原始数据集； 将所述原始数据集拆分 为测试集与训练集， 训练得到组合机器学习二分 类模型； 将预约完成未开户客户特征数据输入至 所述组合机器学习二分类模型， 利用所述组合机 器学习二分类模 型预测客户开户意愿， 得到客户 开户意愿预测结果； 将所述客户开户意愿预测结 果排序， 将高于阈值的客户推荐至外呼平台。 通 过上述方案， 能根据客户特征建立预测模型， 对 预约完成未开户的高潜客户进行筛选， 实现对预 约完成未开户的高潜客户进行整体评估、 预测和 管理， 将模型识别出的高潜客户对接到外呼平 台， 提升客户满意度及开户率， 并降低再次营销 成本。 权利要求书2页 说明书10页 附图1页 CN 115099934 A 2022.09.23 CN 115099934 A 1.一种高潜客户识别方法， 其特 征在于， 包括： 获取银行现有客户特 征数据， 作为原 始数据集； 将所述原 始数据集拆分为测试集与训练集， 训练得到组合机器学习二分类模型； 将预约完成未开户客户特征数据输入至所述组合机器学习二分类模型， 利用所述组合 机器学习二分类模型 预测客户开户意愿， 得到客户开户意愿预测结果； 将所述客户开户意愿预测结果 排序， 将高于阈值的客户推荐至 外呼平台。 2.如权利要求1所述的高潜客户识别方法， 其特 征在于， 所述组合机器学习二分类模型， 包括： 梯度提升树模型和线性回归 模型， 所述训练得到组合机器学习二分类模型， 包括： 利用所述训练集对所述梯度提升树模 型和所述线性回归模型进 行超参数模型调优， 确定所述梯度提升树模型和所述线性回归模 型的各项参数； 以及， 利用所述测试集对得到的所述组合机器学习二分类模型进行有效性评估。 3.如权利要求2所述的高潜客户识别方法， 其特 征在于， 所述输入至组合机器学习二分类模型， 包括： 将预约未开户客户特征数据集输入至所 述梯度提升树模型， 得到第一预测结果， 将所述第一预测结果输入至所述线性回归模型， 得 到第二预测结果。 4.如权利要求3所述的高潜客户识别方法， 其特 征在于， 所述梯度提升树模型， 包括， 若干个弱学习器， 其中， 每个弱学习器包括一个第一结点， 若干第二结点及若干第三结点； 所述将预约完成未开户客户特 征数据集输入至梯度提升树模型， 包括： 将所述预约完成未开户客户特征数据集输入至所述梯度提升树模型的不同弱学习器 中的第一结点， 所述不同弱学习器中的第一结点根据预设规则进行分裂， 得到若干所述不 同弱学习器的第二结点， 所述若干第二结点根据预设规则不断向下分裂， 得到若干所述不 同弱学习器的第三结点； 对所述第三结点输出的结果进行归一化处理， 得到所述第一预测结果； 将所述第一预 测结果， 输入至所述线性回归 模型， 得到第二预测结果。 5.如权利要求4所述的高潜客户识别方法， 其特征在于， 所述输入至线性回归模型， 以 得到第二预测结果， 包括： 将所述第一预测结果， 输入至所述线性回归模型， 利用所述线性回归模型进行二分类 预测， 得到所述第二预测结果， 利用所述第二预测结果预测客户开户意愿。 6.如权利要求2任一项所述的高潜客户识别方法， 其特 征在于， 对得到的所述组合机器学习二分类模型进行有效性评估， 包括： 计算所述组合机器学习二分类模型的AUC值， 判断所述AUC值是否大于预设数值， 若是， 利用所述组合机器学习二分类模型 预测客户开户意愿， 否则， 利用所述超参数调优重新确定所述组合机器学习二分类模型的各项参数， 更新所述组 合机器学习二分类模型， 并重新计算所述AUC值， 直至所述AUC值大于所述预设数值。 7.如权利要求1所述的高潜客户识别方法， 其特 征在于， 所述将预测结果高于阈值的客户推荐至 外呼平台， 包括： 将所述预测结果高于阈值的客户数据输出至 外呼团队， 以及，权　利　要　求　书 1/2 页 2 CN 115099934 A 2以AI外呼、 短信和/或以人工致电的方式对所述预测结果高于阈值的客户进行再次营 销。 8.如权利要求1所述的高潜客户识别方法， 其特征在于， 所述获取银行现有客户特征数 据， 包括： 利用机器人流程自动化技术， 获取性别， 职业， 年龄， 城市， 开户方式， 预约渠道， 网点银 行签约标识， 第三方支付方式， 风测答题， 信用卡申请等数据。 9.一种电子设备， 其特征在于， 包括相互耦接的存储器和处理器， 所述处理器用于执行 所述存储器中存 储的程序指令， 以实现权利要求1至8任一项所述的高潜客户识别方法。 10.一种非易失性计算机可读存储介质， 其上存储有程序指令， 其特征在于， 所述程序 指令被处 理器执行时实现权利要求1至8任一项所述的高潜客户识别方法。权　利　要　求　书 2/2 页 3 CN 115099934 A 3