天云数据客户流失预测场景，模型的精确率63%、召回率70%

市场背景

经纪业务是证券公司的基础，近年由于外部竞争激烈，出现客户流失问题；

尝试采用AI技术，解决客户流失率上升的问题，分析流失原因，帮助挽留客户；两个业务目标：一是提前预测客户流失倾向，在出现明显流失状态之前；二是针对性推荐手段挽留，做的千人千面，个性化挽留。

解决方案

为了尽快体现业务效果，需尽快与一线营业部间形成良性互动，先行选取部分试点营业部客群，敏捷开发模型，预测初步流失客群清单，推送到营业部，让其进行判断和开展客户维系，同时根据一线反馈的情况，不断迭代优化，实现业务效果与模型效果良性互动；

本期选取大连分子公司数量最多的前十家营业部的个人客群，共计70多万；

机器学习建模：针对不同标签的海量客户，利用机器学习算法自动学习流失客户和非流失客户在各个特征指标取值上的不同规律；之后建立特征值与最终是否流失之间关联的数学模型，作为流失预测模型。

产品价值

已完成三版模型迭代，目前预测模型的精确率63%，即预测为流失的客户中有多少是真正流失的；召回率70%，即真正流失客户中有70%可以被预测。