目前，國內(nèi)商業(yè)銀行面臨客戶流失率面臨增多趨勢，部分可達(dá)20%甚至更高。而獲得新客戶的成本，可達(dá)維護(hù)現(xiàn)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(yù)警體系及量化模型，合理預(yù)測客群的潛在流失風(fēng)險(xiǎn)，成為現(xiàn)代商業(yè)銀行在高速信息處理能力之下的理想選擇。

方案介紹

本方案使用分布式人工智能平臺(tái)MaximAI，通過對已流失的客戶數(shù)據(jù)進(jìn)行建模形成流失預(yù)警方案模型。將現(xiàn)有客戶數(shù)據(jù)代入到模型中計(jì)算客戶的流失可能性。以客戶流失模型為基礎(chǔ)，對客戶流失的可能性進(jìn)行計(jì)算，并匹配相應(yīng)挽留級(jí)別，將流失預(yù)警及服務(wù)結(jié)果推送至客戶端，并由業(yè)務(wù)人員進(jìn)行相應(yīng)的重點(diǎn)客戶關(guān)注工作。

方案功能

MaximAI平臺(tái)集成了多種機(jī)器學(xué)習(xí)算法，包括廣義線性模型，分布式隨機(jī)森林，梯度提升模型，樸素貝葉斯，K-means，主成分分析，深度學(xué)習(xí)等。

客戶在使用過程中可以先將數(shù)據(jù)放入不同的算法模型中訓(xùn)練，選出最優(yōu)的模型。

方案優(yōu)勢

在覆蓋銀行全量在線交易數(shù)據(jù)情況下，國內(nèi)某大型保險(xiǎn)公司投產(chǎn)利用MaximAI平臺(tái)建模得到的流失預(yù)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(yè)成功挽留上百萬客戶。