基于RBiLSTM模型的客户流失预测

施玉倩

doi:10.16009/j.issn.1009-5624.2026.15.016

信息记录材料 ›› 2026, Vol. 27 ›› Issue (15) : 48 -50. DOI: 10.16009/j.issn.1009-5624.2026.15.016

基于RBiLSTM模型的客户流失预测

施玉倩

作者信息 +

Author information +

文章历史 +

摘要

针对传统机器学习模型难以捕捉客户行为数据中的复杂时序关联，导致客户流失预测精度低的问题，本文提出一种基于正则化双向长短期记忆(RBiLSTM)模型的优化深度学习方法。引入正则化机制，有效缓解模型过拟合问题，提升泛化能力，同时精准捕捉客户行为的时序特征，避免对特定数据模式的过度依赖；融合沙普利加性解释(SHAP),量化特征对预测结果的边际贡献，实现模型预测逻辑的深度解析与业务可解释性。实验结果表明：该方法的的曲线下面积(AUC)值达到91.6%,预测性能较好，可作为企业识别高流失风险客户、制定并实施精准客户保留策略的有效工具，为企业维系客户关系、稳定收入增长提供技术支撑。