(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 202210832409.4 (22)申请日 2022.07.14 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 陈鹏　吕书径　李霞　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 赵迎迎 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) (54)发明名称 客户数量预测方法、 装置、 设备、 介质和程序 产品 (57)摘要 本发明实施例涉及大数据分析技术领域， 公 开了一种客户数量预测方法、 装置、 设备、 介质和 程序产品， 其中， 方法包括： 获取目标分析产品在 当前分析周期内的总客户数量； 将所述总客户数 量和所述当前分析周期的周期次序值加一的结 果， 输入至目标客户数量分析模型中， 得到所述 目标分析产品在与所述当前分析周期相邻的下 一个分析周 期的总客户数量预测结果； 其中， 所 述目标客户数量分析模型是基于所述目标分析 产品的客户数量变化与客户间关联关系构建得 到的模型。 本实施例技术方案可以基于客户数量 变化以及客户关系等信息， 模拟实际的客户数量 变化规律， 对 未来一段时间内的客户数量进行预 测， 可以更高效的指导产品业 务的开展工作。 权利要求书2页 说明书12页 附图4页 CN 115222123 A 2022.10.21 CN 115222123 A 1.一种客户数量预测方法， 其特 征在于， 包括： 获取目标分析产品在当前分析周期内的总客户数量； 将所述总客户数量和所述当前分析周期的周期次序值加一的结果， 输入至目标客户数 量分析模型中， 得到所述目标分析产品在与所述当前分析周期相 邻的下一个分析周期的总 客户数量预测结果； 其中， 所述目标客户数量分析模型是基于所述目标分析产品的客户数量变化与客户间 关联关系构建得到的模型。 2.根据权利要求1所述的方法， 其特征在于， 所述目标客户数量分析模型包括非历史分 析周期内客户推荐新增客户数量预测单元、 历史分析周期的客户推荐新增客户数量预测单 元和历史分析周期的客户留存状态预测单 元。 3.根据权利要求2所述的方法， 其特征在于， 所述非历史分析周期内客户推荐新增客户 数量预测单元的函数模型， 包括基于目标预测分析周期的上一分析周期的总客户数量建立 的预设逻辑回归函数， 与预设数值范围内均匀分布的随机变量 函数的乘积。 4.根据权利要求2所述的方法， 其特征在于， 所述历史分析周期的客户留存状态预测单 元的函数模型符合伯努利二项分布。 5.根据权利要求2所述的方法， 其特征在于， 所述历史分析周期的客户推荐新增客户数 量预测单 元的函数模型符合泊松分布。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 将所述总客户数量预测结果和所述下一个分析周期的周期次序值加一的数值输入到 所述目标客户数量分析模型中， 得到与所述下一个分析周期相邻的下一个分析周期的预测 总客户数量， 重复该过程直到预测得到包含第一预设数量的分析周期的总客户数量预测结 果。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 根据第一预设数量的分析周期的总客户数量预测结果， 确定所述目标分析产品的客户 数量在所述第一预设数量的分析周期中的变化趋势； 基于所述变化趋势确定所述目标分析产品的发展周期， 其中， 所述发展周期包括增长 期和萎缩期。 8.根据权利要求1 ‑7中任一所述的方法， 其特征在于， 所述目标客户数量分析模型的构 建过程， 包括： 获取所述目标分析产品在第二预设数量历史分析周期内的客户数量信息和客户间关 联关系信息； 根据所述客户数量信 息和所述客户间关联关系信 息， 确定各历史分析周期中的前一历 史分析周期的客户留存状态、 前一历史分析周期的客户推荐新增 客户数量， 以及非历史分 析周期内客户推荐新增客户数量； 基于所述各历史分析周期中的前一历史分析周期的客户留存状态、 前一历史分析周期 的客户推荐新增客户数量， 以及非历史分析周期 内客户推荐新增 客户数量， 确定所述 目标 客户数量分析模型中的模型参数， 完成模型构建过程。 9.根据权利要求8所述的方法， 其特征在于， 所述基于所述各历史分析周期中的前一历 史分析周期的客户留存状态、 前一历史分析周期的客户推荐新增 客户数量， 以及非历史分权　利　要　求　书 1/2 页 2 CN 115222123 A 2析周期内客户推荐新增客户数量， 确定所述目标客户数量分析模型中的模型参数， 包括： 分别将所述各历史分析周期的前一历史分析周期的客户留存状态、 前一历史分析周期 的客户推荐新增客户数量， 以及非历史分析周期内客户推荐新增客户数量输入到初始客户 数量分析模型中； 通过样本估计算法评估确定所述初始客户数量分析模型中各参数， 得到所述目标客户 数量分析模型。 10.根据权利要求8所述的方法， 其特征在于， 所述基于所述各历史分析周期中的前一 历史分析周期的客户留存状态、 前一历史分析周期的客户推荐新增客户数量， 以及非历史 分析周期内客户推荐新增客户数量， 确定所述目标客户数量分析模型中的模型参数， 包括： 分别将所述各历史分析周期的前一历史分析周期的客户留存状态、 前一历史分析周期 的客户推荐新增 客户数量以及非历史分析周期 内客户推荐新增 客户数量输入到初始客户 数量分析模型中； 通过极大似然算法评估确定所述初始客户数量分析模型中各参数， 得到所述目标客户 数量分析模型。 11.根据权利要求8所述的方法， 其特征在于， 所述基于所述各历史分析周期中的前一 历史分析周期的客户留存状态、 前一历史分析周期的客户推荐新增客户数量， 以及非历史 分析周期内客户推荐新增客户数量， 确定所述目标客户数量分析模型中的模型参数， 包括： 分别将所述各历史分析周期的前一历史分析周期的客户留存状态、 前一历史分析周期 的客户推荐新增客户数量， 以及非历史分析周期内客户推荐新增客户数量输入到初始客户 数量分析模型中； 通过精度修正算法评估确定所述初始客户数量分析模型中各参数， 得到所述目标客户 数量分析模型。 12.一种客户数量预测装置， 其特 征在于， 所述装置包括： 预测数据获取模块， 用于获取目标分析产品在当前分析周期内的总客户数量； 预测结果确定模块， 用于将所述总客户数量和所述当前分析周期的周期次序值加一的 结果， 输入至目标客户数量分析模型中， 得到所述 目标分析产品在与所述当前分析周期相 邻的下一个分析周期的总客户数量预测结果； 其中， 所述目标客户数量分析模型是基于所述目标分析产品的客户数量变化与客户间 关联关系构建得到的模型。 13.一种计算机设备， 其特 征在于， 所述计算机设备包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑11中任一所述的客户数量预测方法。 14.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑11中任一所述的客户数量预测方法。 15.一种计算机程序产品， 包括计算机程序， 所述计算机程序在被处理器执行时实现如 权利要求1 ‑11中任一所述的客户数量预测方法。权　利　要　求　书 2/2 页 3 CN 115222123 A 3