用户流失预警

目前,国内商业银行面临客户流失率面临增多趋势,部分可达20%甚至更高。而获得新客户的成本,可达维护现有客户的5倍。因此从海量客户交易记录中挖掘出对流失有影响的信息,建立高效的客户流失预警体系及量化模型,合理预测客群的潜在流失风险,成为现代商业银行在高速信息处理能力之下的理想选择。

目前,国内商业银行面临客户流失率面临增多趋势,部分可达20%甚至更高。而获得新客户的成本,可达维护现有客户的5倍。因此从海量客户交易记录中挖掘出对流失有影响的信息,建立高效的客户流失预警体系及量化模型,合理预测客群的潜在流失风险,成为现代商业银行在高速信息处理能力之下的理想选择。

本方案使用分布式人工智能平台Maxim AI,通过对已流失的客户数据进行建模形成流失预警方案模型。将现有客户数据代入到模型中计算客户的流失可能性。以客户流失模型为基础,对客户流失的可能性进行计算,并匹配相应挽留级别,将流失预警及服务结果推送至客户端,并由业务人员进行相应的重点客户关注工作。

Maxim AI平台集成了多种机器学习算法,包括广义线性模型,分布式随机森林,梯度提升模型,朴素贝叶斯,K-means,主成分分析,深度学习等。

客户在使用过程中可以先将数据放入不同的算法模型中训练,选出最优的模型。

在覆盖银行全量在线交易数据情况下,国内某大型保险公司投产利用MaximAI平台建模得到的流失预警模型,上线后保单签约率 较之前增长5.3%,客户流失率明显降低,为该企业成功挽留上百万客户。