本申請涉及人工智能領域，具體而言，涉及一種代發客戶資金流失的處理方法、裝置及電子設備。

背景技術：

1、金融機構的代發客群，存在著代發資金留存率較低、代發客戶貢獻不高等問題，由于金融機構的一線網點不能完全掌握發薪時間，無法統籌規劃客戶維護工作，另外客戶的代發資金流失時間不明確，網點不了解客戶資金使用習慣，無法及時上門維護。

2、相關技術中，對代發客戶資金流失的處理方法是依靠人工分析客戶交易行為、篩選代發客群的方式，不僅效率低下且準確率也難以保證。采用機器學習方法在代發客戶資金流失預測方面也存在局限性。相關技術中的資金流失預測方法預測不夠精確。網點根據流失清單進行挽留時，部分代發資金早已轉走。

3、針對相關技術中對代發客戶資金流失的預測不夠精確，導致代發客戶資金流失較高的問題，目前尚未提出有效的解決方案。

技術實現思路

1、本申請的主要目的在于提供一種代發客戶資金流失的處理方法、裝置及電子設備，以解決相關技術中對代發客戶資金流失的預測不夠精確，導致代發客戶資金流失較高的問題。

2、為了實現上述目的，根據本申請的一個方面，提供了一種代發客戶資金流失的處理方法。該方法包括：獲取目標客戶的基礎信息數據和預設周期內的資金代發數據，其中，基礎信息數據包括至少以下之一：身份信息數據、資金分布數據和用戶行為數據，資金代發數據包括至少以下之一：平均代發金額、最大代發金額和平均流失金額；將基礎信息數據和資金代發數據輸入到資金流失預測模型，得到目標客戶在目標日期的預測資金流失率，其中，資金流失預測模型由多組訓練樣本訓練得到，每組訓練樣本包括基礎信息數據、歷史資金代發數據和資金流失率，目標日期為目標客戶獲取代發資金的預設天數之后的日期；在預測資金流失率大于等于資金流失率閾值的情況下，將目標客戶確定為資金流失客戶；基于基礎信息數據和資金代發數據確定目標資金挽留策略，對資金流失客戶執行目標資金挽留策略。

3、可選地，資金流失預測模型由以下方式訓練得到：確定代發客戶群體，獲取代發客戶群體的基礎信息數據和歷史資金代發數據；從歷史資金代發數據中確定每個代發客戶在目標日期的資金流失率；將每個代發客戶的基礎信息數據、歷史資金代發數據和資金流失率確定為一組訓練樣本，得到代發客戶群體的多組訓練樣本；基于多組訓練樣本訓練機器學習模型，得到資金流失預測模型。

4、可選地，基于基礎信息數據和資金代發數據確定目標資金挽留策略包括：基于基礎信息數據和資金代發數據確定目標客戶的相似客戶群體；獲取相似客戶群體在目標周期內執行的多個資金挽留策略，并確定每個資金挽留策略的挽留成功率，得到一組挽留成功率；將一組挽留成功率中的最大挽留成功率對應的資金挽留策略確定為目標資金挽留策略。

5、可選地，基于基礎信息數據和資金代發數據確定目標客戶的相似客戶群體包括：獲取每個代發客戶的基礎信息數據和資金代發數據，將每個代發客戶的基礎信息數據和資金代發數據轉換為第一特征向量，得到一組第一特征向量；將目標客戶的基礎信息數據和資金代發數據轉換為第二特征向量；計算第二特征向量與每個第一特征向量之間的相似度；將相似度大于等于相似度閾值的第一特征向量對應的代發客戶確定為相似客戶，將所有識別出的相似客戶的集合，定義為相似客戶群體。

6、可選地，在對資金流失客戶執行目標資金挽留策略之后，該方法還包括：確定目標客戶在目標日期的實際資金流失率，并判斷實際資金流失率是否大于等于資金流失率閾值；在實際資金流失率大于等于資金流失率閾值的情況下，確定目標資金挽留策略挽留失?。辉趯嶋H資金流失率小于資金流失率閾值的情況下，確定目標資金挽留策略挽留成功；基于目標資金挽留策略的挽留結果更新目標資金挽留策略的挽留成功率。

7、可選地，在得到目標客戶在目標日期的預測資金流失率之后，該方法還包括：在預測資金流失率小于資金流失率閾值的情況下，確定目標客戶在目標日期的實際資金流失率，并判斷實際資金流失率是否大于等于資金流失率閾值；在實際資金流失率小于資金流失率閾值的情況下，確定目標客戶的資金流失率預測結果為準確；在實際資金流失率大于等于資金流失率閾值的情況下，確定目標客戶的資金流失率預測結果為錯誤；統計模型更新周期內資金流失預測模型的資金流失率預測結果的準確率，在準確率小于準確率閾值的情況下，更新資金流失預測模型。

8、可選地，在確定目標客戶的資金流失率預測結果為準確之前，該方法還包括：計算預測資金流失率和實際資金流失率的差值，并判斷差值是否大于等于預設數值閾值；在差值大于等于預設數值閾值的情況下，確定目標客戶的資金流失率預測結果為錯誤；在差值小于預設數值閾值的情況下，確定目標客戶的資金流失率預測結果為準確。

9、為了實現上述目的，根據本申請的另一方面，提供了一種代發客戶資金流失的處理裝置。該裝置包括：獲取單元，用于獲取目標客戶的基礎信息數據和預設周期內的資金代發數據，其中，基礎信息數據包括至少以下之一：身份信息數據、資金分布數據和用戶行為數據，資金代發數據包括至少以下之一：平均代發金額、最大代發金額和平均流失金額；輸入單元，用于將基礎信息數據和資金代發數據輸入到資金流失預測模型，得到目標客戶在目標日期的預測資金流失率，其中，資金流失預測模型由多組訓練樣本訓練得到，每組訓練樣本包括基礎信息數據、歷史資金代發數據和資金流失率，目標日期為目標客戶獲取代發資金的預設天數之后的日期；第一確定單元，用于在預測資金流失率大于等于資金流失率閾值的情況下，將目標客戶確定為資金流失客戶；執行單元，用于基于基礎信息數據和資金代發數據確定目標資金挽留策略，對資金流失客戶執行目標資金挽留策略。

10、在本申請實施例中，采用獲取目標客戶的基礎信息數據和預設周期內的資金代發數據，其中，基礎信息數據包括至少以下之一：身份信息數據、資金分布數據和用戶行為數據，資金代發數據包括至少以下之一：平均代發金額、最大代發金額和平均流失金額；將基礎信息數據和資金代發數據輸入到資金流失預測模型，得到目標客戶在目標日期的預測資金流失率，其中，資金流失預測模型由多組訓練樣本訓練得到，每組訓練樣本包括基礎信息數據、歷史資金代發數據和資金流失率，目標日期為目標客戶獲取代發資金的預設天數之后的日期；在預測資金流失率大于等于資金流失率閾值的情況下，將目標客戶確定為資金流失客戶；基于基礎信息數據和資金代發數據確定目標資金挽留策略，對資金流失客戶執行目標資金挽留策略的方式，通過客戶的基礎信息數據和資金代發數據預測客戶在目標日期的資金流失率，進而基于資金流失率評估客戶是否為資金流失客戶，進而對資金流失客戶執行目標資金挽留策略，達到了提高對代發客戶資金流失的預測精確度的目的，從而實現了提高對代發客戶資金流失的挽回成功率的技術效果，進而解決了對代發客戶資金流失的預測不夠精確，導致代發客戶資金流失較高的技術問題。

技術特征：

1.一種代發客戶資金流失的處理方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述資金流失預測模型由以下方式訓練得到：

3.根據權利要求1所述的方法，其特征在于，基于所述基礎信息數據和所述資金代發數據確定目標資金挽留策略包括：

4.根據權利要求3所述的方法，其特征在于，基于所述基礎信息數據和所述資金代發數據確定所述目標客戶的相似客戶群體包括：

5.根據權利要求1所述的方法，其特征在于，在對所述資金流失客戶執行所述目標資金挽留策略之后，所述方法還包括：

6.根據權利要求1所述的方法，其特征在于，在得到所述目標客戶在目標日期的預測資金流失率之后，所述方法還包括：

7.根據權利要求6所述的方法，其特征在于，在確定所述目標客戶的資金流失率預測結果為準確之前，所述方法還包括：

8.一種代發客戶資金流失的處理裝置，其特征在于，包括：

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的可執行程序，其中，在所述可執行程序運行時控制所述計算機可讀存儲介質所在設備執行權利要求1至7中任意一項所述的代發客戶資金流失的處理方法。

10.一種電子設備，其特征在于，包括：

11.一種計算機程序產品，包括計算機指令，其特征在于，所述計算機指令被處理器執行時實現權利要求1至7中任意一項所述的代發客戶資金流失的處理方法的步驟。

技術總結
本申請公開了一種代發客戶資金流失的處理方法、裝置及電子設備。涉及人工智能領域，該方法包括：獲取目標客戶的基礎信息數據和預設周期內的資金代發數據；將基礎信息數據和資金代發數據輸入到資金流失預測模型，得到目標客戶在目標日期的預測資金流失率；在預測資金流失率大于等于資金流失率閾值的情況下，將目標客戶確定為資金流失客戶；基于基礎信息數據和資金代發數據確定目標資金挽留策略，對資金流失客戶執行目標資金挽留策略。通過本申請，解決了相關技術中對代發客戶資金流失的預測不夠精確，導致代發客戶資金流失較高的問題。

技術研發人員：高慧茹,蘭江,龔超
受保護的技術使用者：中國工商銀行股份有限公司
技術研發日：
技術公布日：2025/4/24