基于图Transformer的客户流失预测模型

摘要

如何精准预测潜在流失风险的客户群体，及时改变挽留客户策略，对企业营收和提高竞争力具有重要意义.在客户流失预测研究中，客户之间的关系会影响客户流失倾向，同时也需考虑客户挽留策略的收益.为此，该文提出了一种基于图Transformer的客户流失预测模型(profit graph transformer, ProfGT).该模型通过构建客户关系的图神经网络，设计了一种利润损失函数，把客户关系图与利润因素统一到模型中.为验证ProfGT的有效性，在某省电信运营商的真实客户数据集上进行了实验.实验结果表明：基于图的客户流失预测模型的top1 lift、top5 lift、top10 lift分别为15.09、6.92、4.88,均高于基线模型的相应量的值.同时，从利润最大化的角度看，该模型在不同的成本和保留率下，实现的最大利润优于基线模型的最大利润，这表明ProfGT在客户流失预测中更具竞争力.该模型在预测客户流失分析方面更符合商业实践，可为客户挽留策略的制定提供分析依据.

关键词

客户流失预测 / 客户关系图 / 图神经网络 / 图注意力机制 / 利润