(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210915331.2 (22)申请日 2022.08.01 (71)申请人 睿智合创 （北京） 科技有限公司 地址 100000 北京市密云区鼓楼东大街3号 山水大厦3层313室-2 360(云创谷经济 开发中心集中办公区) (72)发明人 陈建　陈亚娟　周盈　王莹　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于客户分析和客户预测模型的场景 决策方法 (57)摘要 本发明提供了一种基于客户分析和客户预 测模型的场景决策方法， 包括： S1： 在客户全量数 据中筛选出合格建模数据； S2： 基于所述合格建 模数据和建模候选变量， 构建出最优客户预测模 型和最优弹性模型； S3： 基于求解场景搭建出决 策影响模型； S4： 基于所述最优客户预测模型和 所述最优弹性模 型以及所述决策影 响模型， 获得 场景决策结果； 用以基于对导入的数据进行筛选 后获得的建模数据搭建出的预测模型和弹性模 型， 再结合基于求解场景搭建出的决策影响模 型， 搭建出决策分析树， 实现在不同的场景下， 面 对不同客户和不同业务解释目的， 生成不同的场 景决策结果。 权利要求书3页 说明书14页 附图1页 CN 115496323 A 2022.12.20 CN 115496323 A 1.一种基于客户分析和客户预测模型的场景决策 方法， 其特 征在于， 包括： S1： 在客户全量数据中筛 选出合格建模数据； S2： 基于所述合格建模数据和建模候选变量， 构建出最优客户预测模型和最优弹性模 型； S3： 基于求 解场景搭建出决策影响模型； S4： 基于所述最优客户预测模型和所述最优弹性模型以及所述决策影响模型， 获得场 景决策结果。 2.根据权利要求1所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， S1： 在客户全量数据中筛 选出合格建模数据， 包括： S101： 获取 供分析的客户全量数据； S102： 设置 筛选条件， 基于所述筛 选条件在所述 客户全量数据中筛 选出合格建模数据。 3.根据权利要求2所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， S102： 设置筛选条件， 基于所述筛选条件在所述客户全量数据中筛选出合格建模数 据， 包括： 设置筛选条件， 基于所述筛选条件和初始筛选精度在所述客户全量数据中筛选出初始 建模数据； 基于所述初始建模数据评估筛 选过程， 获得筛 选评估结果； 基于所述筛 选评估结果， 在所述 客户全量数据筛 选出合格建模数据。 4.根据权利要求3所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， 基于所述初始建模数据评估筛 选过程， 获得筛 选评估结果， 包括： 基于所述筛选过程中的筛选条件确定出筛选属性， 确定出所述客户全量数据中每个待 筛选数据的属性信息， 并在所述属性信息中筛 选出所述筛选属性对应的待筛 选属性信息； 基于所述筛选条件确定出属性特征， 基于所述属性特征将所述客户全量数据中包含的 所有待筛选数据的待筛选属性信息进 行整理， 获得所述客户全量数据的待筛选属性信息集 合； 基于所述待筛选属性信息集合确定出所述筛选属性在所述客户全量数据对应的覆盖 范围， 确定出所述筛选条件的筛选属 性的筛选范围， 基于所述筛选范围和所述覆盖范围确 定出梯度划分细度； 基于所述梯度划分细度对所述待筛选属性信 息集合进行梯度划分， 获得第 一梯度划分 结果； 基于每个待筛选数据的待筛选属性信息的信息类别， 确定出表征值计算方式， 基于所 述待筛选属 性信息和对应的表征值计算方式计算出每个待筛选属 性信息的属 性信息表征 值； 基于所述第 一梯度划分结果对所有待筛选属性信 息的属性信 息表征值进行划分， 获得 每个划分梯度对应的属性信息表征值子集； 基于所述筛 选条件的筛 选属性的筛 选范围确定出属性信息表征值筛 选范围； 确定出所述属性信息表征值子集中满足所述属性信息表征值筛选范围的属性信息表 征值的第一总数以及对应属性信息表征值子集中包含的属性信息表征值的第二总数， 基于 所述第一总数和第二总数计算出 所述属性信息表征值子集的筛 选分布比例；权　利　要　求　书 1/3 页 2 CN 115496323 A 2基于所述待筛选属性信 息集合中的属性信 息表征值子集的分布顺序， 将所述筛选分布 比例排序， 获得筛 选比例序列； 基于所述筛选比例序列确定出所述客户全量数据中满足所述筛选条件的合格数据总 数在所述 客户全量数据总数中的合格占比； 基于所述初始建模数据的总数和所述初始建模数据总数， 计算出所述筛选过程的筛选 占比； 基于所述筛选占比和所述合格占比， 计算出筛选偏差， 将所述筛选偏差作为筛选评估 结果。 5.根据权利要求4所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， 基于所述筛 选评估结果， 在所述 客户全量数据筛 选出合格建模数据， 包括： 基于所述筛 选评估结果， 获得本次筛 选过程的筛 选偏差； 当所述筛选偏差大于筛选偏差阈值时， 则基于所述筛选偏差确定最新筛选精度， 基于 所述最新筛选精度在所述客户全量数据中筛选出最新建模数据， 并获得最新筛选评估结 果， 直至所述最新筛选评估结果中的最新筛选偏差不大于偏差阈值时， 则将所述最新建模 数据作为所述 合格建模数据； 当所述筛选偏差不大于筛选偏差 阈值时， 则将所述初始建模数据作为所述合格建模数 据。 6.根据权利要求1所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， S2： 基于所述合格建模数据和建模候选变量， 构建出最优客户预测模型和最优弹性模 型， 包括： S201： 确定建模候选变量， 基于所述合格建模数据和所述建模候选变量， 构 建出客户预 测模型和弹性模型； S202： 对所述 客户预测模型和所述弹性模型进行验证， 获得模型验证结果； S203： 基于所述模型验证结果对所述客户预测模型和所述弹性模型进行优化， 获得最 优客户预测模型和最优弹性模型。 7.根据权利要求6所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， S202： 对所述 客户预测模型和所述弹性模型进行验证， 获得模型验证结果， 包括： 基于预设验证数据集对所述 客户预测模型进行验证， 获得 预测验证结果； 基于所述预设验证数据集对所述弹性模型进行验证， 获得弹性验证结果； 将所述预设验证数据集输入至所述客户预测模型和所述弹性模型， 获得预测结果和弹 性结果， 并确定出所述预测结果和所述预测验证结果之 间的预测偏差以及所述弹性结果和 所述弹性验证结果之间的弹性偏差； 当所述预测偏差大于预测偏差阈值 时， 则将所述客户预测模型不满足要求作为第 一验 证结果， 否则， 将所述 客户预测模型满足要求作为第一验证结果； 当所述弹性偏差大于弹性偏差阈值 时， 则将所述弹性模型不满足要求作为第 二验证结 果， 否则， 将所述弹性模型满足要求作为第二验证结果； 将所述第一验证结果和所述第二验证结果汇总， 获得模型验证结果。 8.根据权利要求1所述的一种基于客户分析和客户预测模型的场景决策方法， 其特征 在于， S3： 基于求 解场景搭建出决策影响模型， 包括：权　利　要　求　书 2/3 页 3 CN 115496323 A 3