(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 202210808585.4 (22)申请日 2022.07.11 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 李甜甜　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王云晓 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06K 9/62(2022.01) G06F 16/9535(2019.01) (54)发明名称 用户流失的预警方法、 装置、 电子设备及计 算机存储介质 (57)摘要 本申请提供一种用户流失的预警方法、 装 置、 电子设备及计算机存储介质， 可应用于人工 智能领域、 大数据领域或金融领域， 该方法包括： 首先， 获取用户的画 像信息； 然后， 将所述用户的 画像信息输入至用户分类模型， 输出得到所述用 户的类别； 其中， 所述用户的类别分为： 重要保持 用户、 重要发展用户、 重要挽留用户、 一般用户以 及低价值用户； 之后， 依据所述用户的类别对所 述用户进行分析， 得到与用户流失概率相关的信 息； 将所述与用户流失概率相关的信息输入至用 户流失预测模 型中， 输出得到所述用户的流失概 率； 若所述用户的流失概率大于阈值， 则生成用 户流失的预警信息。 从而可以有效的对用户流失 进行预警。 权利要求书3页 说明书9页 附图5页 CN 115186896 A 2022.10.14 CN 115186896 A 1.一种用户流失的预警方法， 其特 征在于， 包括： 获取用户的画像信息； 其中， 所述画像信息包括年龄、 性别、 城市、 学历、 账户信息、 银行 交易流失信息、 理财产品持有信息和金融资产信息； 将所述用户的画像信 息输入至用户分类模型， 输出得到所述用户的类别； 其中， 所述用 户的类别分为： 重要保持用户、 重要发展用户、 重要挽留用户、 一般用户以及低价值用户； 所 述用户分类模型由至少一个第一训练样本数据对有理函数模型进 行训练得到； 所述第一训 练样本数据包括训练样本用户的画像信息以及训练样本用户的真实类别； 依据所述用户的类别对所述用户进行分析， 得到与用户流失概 率相关的信息； 将所述与用户流失概率相关的信 息输入至用户流失预测模型中， 输出得到所述用户的 流失概率； 其中， 所述用户流失预测模型 由至少一个第二训练样本数据对逻辑回归模型进 行训练得到； 所述第二训练样本数据包括与训练样本用户流 失概率相关的信息以及训练样 本用户的真实流失结果； 若所述用户的流失概 率大于阈值， 则生成用户流失的预警信息 。 2.根据权利要求1所述的预警方法， 其特 征在于， 所述用户分类模型的构建方法， 包括： 构建第一训练样本集； 其中， 所述第 一训练样本集包括至少一个第一训练样本数据； 所 述第一训练样本数据包括所述训练样本用户的画像信息以及训练样本用户的真实类别； 将所述训练样本用户的画像信 息输入至有理函数模型中， 输出得到所述训练样本用户 的预测类别； 利用所述训练样本用户的预测类别与所述训练样本用户的真实类别之间的误差对所 述有理函数模型中的参数进行调整， 直至所述训练样本用户的预测类别与所述训练样本用 户的真实类别之间的误差满足预设的收敛 条件， 将所述有理函数模型作为用户分类模型。 3.根据权利要求1所述的预警方法， 其特征在于， 所述用户流失预测模型的构建方法， 包括： 构建第二训练样本集； 其中， 所述第 二训练样本集包括至少一个第二训练样本数据； 所 述第二训练样本数据包括与训练样本用户流失概率相关的信息以及训练样本用户的真实 流失结果； 将所述与训练样本用户流失概率相关的信 息输入至逻辑 回归模型中， 输出得到所述训 练样本用户的预测流失概 率； 根据所述所述训练样本用户的预测流失概率， 生成所述训练样本用户的预测流失结 果； 利用所述训练样本用户的预测流失结果与所述训练样本用户的真实流失结果之间的 误差对所述逻辑回归模型中的参数进 行调整， 直至所述训练样本用户的预测流失结果与所 述训练样本用户的真实流 失结果之 间的误差满足预设的收敛条件， 将所述逻辑回归模型作 为用户流失预测模型。 4.根据权利要求1所述的预警方法， 其特征在于， 所述依据 所述用户的类别对所述用户 进行分析， 得到与用户流失概 率相关的信息， 包括： 依据所述用户的类别， 利用统计分析方法对用户进行分信息， 得到与用户流失概率相 关的信息 。 5.根据权利要求1所述的预警方法， 其特征在于， 所述用户流失的预警信 息包括所述用权　利　要　求　书 1/3 页 2 CN 115186896 A 2户的类别， 所述若所述用户的流失概率大于阈值， 则生成用户流失的预警信息之后， 还包 括： 向所述用户推送所述用户的类别对应的热门产品。 6.一种用户流失的预警装置， 其特 征在于， 包括： 获取单元， 用于获取用户的画像信息； 其中， 所述画像信息包括年龄、 性别、 城市、 学历、 账户信息、 银 行交易流失信息、 理财产品持有信息和金融资产信息； 第一输入单元， 用于将所述用户的画像信息输入至用户分类模型， 输出得到所述用户 的类别； 其中， 所述用户的类别分为： 重要保持用户、 重要发展用户、 重要挽留用户、 一般用 户以及低价值用户； 所述用户分类模型由至少一个第一训练样本数据对有理函数模型进 行 训练得到； 所述第一训练样本数据包括训练样本用户的画像信息以及训练样本用户的真实 类别； 分析单元， 用于依据所述用户的类别对所述用户进行分析， 得到与用户流失概率相关 的信息； 第二输入单元， 用于将所述与用户流失概率相关的信息输入至用户流失预测模型中， 输出得到所述用户的流失概率； 其中， 所述用户流失预测模型由至少一个第二训练样本数 据对逻辑回归模型进 行训练得到； 所述第二训练样本数据包括与训练样本用户流 失概率相 关的信息以及训练样本用户的真实流失结果； 预警单元， 用于若所述用户的流失概 率大于阈值， 则生成用户流失的预警信息 。 7.根据权利要求6所述的预警装置， 其特 征在于， 所述用户分类模型的构建单 元， 包括： 第一训练样本集构建单元， 用于构建第一训练样本集； 其中， 所述第 一训练样本集包括 至少一个第一训练样本数据； 所述第一训练样本数据包括所述训练样本用户的画像信息以 及训练样本用户的真实类别； 第三输入单元， 用于将所述训练样本用户的画像信息输入至有理函数模型中， 输出得 到所述训练样本用户的预测类别； 第一调整单元， 用于利用所述训练样本用户的预测类别与所述训练样本用户的真实类 别之间的误差对所述有理函数模型中的参数进 行调整， 直至所述训练样本用户的预测类别 与所述训练样本用户的真实类别之 间的误差满足预设的收敛条件， 将所述有理函数模型作 为用户分类模型。 8.根据权利要求6所述的预警装置， 其特征在于， 所述用户流失预测模型的构建单元， 包括： 第二训练样本集构建单元， 用于构建第二训练样本集； 其中， 所述第 二训练样本集包括 至少一个第二训练样本数据； 所述第二训练样本数据包括与训练样本用户流 失概率相关的 信息以及训练样本用户的真实流失结果； 第四输入单元， 用于将所述与训练样本用户流失概率相关的信 息输入至逻辑 回归模型 中， 输出得到所述训练样本用户的预测流失概 率； 生成单元， 用于根据所述所述训练样本用户的预测流失概率， 生成所述训练样本用户 的预测流失结果； 第二调整单元， 用于利用所述训练样本用户的预测流失结果与 所述训练样本用户的真 实流失结果之 间的误差对所述逻辑回归模型中的参数进行调整， 直至所述训练样本用户的权　利　要　求　书 2/3 页 3 CN 115186896 A 3