SaCa RealRec客户挖掘案例分析：中国银行客户流失(8)

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。