SaCa RealRec客户挖掘案例分析:中国银行客户流失(8)

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。

SaCa RealRec客户挖掘案例分析:中国银行客户流失(8).doc 将本文的Word文档下载到电脑

精彩图片

热门精选

大家正在看

× 游客快捷下载通道(下载后可以自由复制和排版)

限时特价:7 元/份 原价:20元

支付方式:

开通VIP包月会员 特价:29元/月

注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信:fanwen365 QQ:370150219