SaCa RealRec客户挖掘案例分析:中国银行客户流失(8)
时间:2025-07-11
时间:2025-07-11
客户挖掘案例分析,中国银行
分析影响因子与流失率之间的关联特征
– 数据有效性分析
– 直方图分布
– 相关性检验(pearson相关系数、spearman相关系数)
– 卡方检验(影响因子的重要度)
– 影响因子之间的相关性分析
增加训练样本量
交易历史数据的利用
扩展
– 抓取用户的社交网络数据,分析用户兴趣,挖掘潜在客户
另外,存在一个问题,模型的推广性不强。由于构建模型的思路是由5,6,7三个月的数据来预测8月份的流失率,也就是说模型很有可能针对8月份的效果比较好,那么预测9月份会是什么效果,用6,7,8月份的数据代到上边的模型里去吗?
正确的做法不应该把具体的月份代入到模型里去,而应该有1,2,3月预测4月的数据,2,3,4月预测5月的数据,以此类推。
还需要注意的一个问题是,由于银行的很多产品具有季度性,银行的考核也有季度性由此带来业务上的一些优惠等措施,对流失率影响比较大,在选取数据构建模型时都应该有所考虑。
上一篇:中国医科大学药理学试题