2026年客户流失预警系统试题及答案

2026年客户流失预警系统试题及答案一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.在客户流失预警系统中，通常将客户流失定义为在特定时间段内客户行为的终止。对于电信行业而言，以下哪项行为最常被定义为“流失”？A.客户每月流量使用量下降10%B.客户拨打客服投诉电话C.客户主动注销号码或欠费停机超过90天D.客户不再参与运营商的积分兑换活动2.在构建流失预警模型时，评估模型性能最常用的核心指标是AUC（AreaUnderCurve）。AUC值代表的是：A.模型预测准确率的最大值B.ROC曲线下的面积，反映模型区分正负样本的能力C.预测为流失的客户中实际流失的比例D.实际流失的客户被正确预测出的比例3.RFM模型是客户分析中的经典工具。在流失预警的特征工程中，R（Recency，最近一次消费时间间隔）这一指标与客户流失概率的关系通常是：A.正相关，R值越大，流失风险越高B.负相关，R值越大，流失风险越低C.无明显相关性D.非线性关系，R值中等时流失风险最高4.针对流失预警场景中的样本不平衡问题（流失客户通常远少于留存客户），以下哪种方法不属于重采样技术？A.SMOTE（合成少数类过采样技术）B.随机欠采样C.随机过采样D.Z-Score标准化5.在逻辑回归模型中，为了防止模型过拟合，通常会引入正则化项。L1正则化（Lasso）相较于L2正则化（Ridge）的一个显著特点是：A.计算速度更快B.能使部分特征系数压缩为0，实现特征筛选C.更好地处理多重共线性D.产生的模型预测概率分布更均匀6.生存分析常用于客户生命周期价值（CLV）预测和流失分析。Cox比例风险模型是其中的重要模型，该模型主要关注的是：A.客户生存时间的具体分布形式B.危险率与协变量之间的关系C.客户在未来特定时间点存活的确切概率D.仅适用于截尾数据的分析7.在特征选择阶段，IV（InformationValue，信息值）常被用来评估特征对目标变量的预测能力。一般而言，IV值在哪个区间表示特征有极强的预测能力？A.0.020.1B.0.10.3C.0.30.5D.>0.58.某电商公司构建了流失预警模型，模型对某客户预测的流失概率为0.85。业务部门设定的干预阈值是0.8。这意味着：A.该客户将被标记为“低风险”，无需干预B.该客户将被标记为“高风险”，需要进行干预C.模型对该客户的预测结果不可信D.该客户属于灰度测试用户9.提升图是评估流失模型业务价值的重要工具。提升度（Lift）的计算公式为：A.B.C.D.10.在时间序列特征的构建中，为了捕捉客户行为的波动性，除了计算均值外，还常计算变异系数（CV）。变异系数的计算公式是：A.B.C.D.11.某银行在开发信用卡流失模型时，发现“客户持有A类产品”和“客户持有B类产品”两个特征高度相关。在处理这种多重共线性时，以下做法错误的是：A.直接删除其中一个特征B.使用PCA（主成分分析）进行降维C.保留两个特征，因为它们对模型都有贡献D.使用VIF（方差膨胀因子）进行检测并剔除高VIF值特征12.在模型上线后的监控中，PSI（PopulationStabilityIndex，群体稳定性指标）用于监控特征分布或模型得分分布的稳定性。通常认为PSI值小于多少时表示模型稳定？A.0.05B.0.1C.0.2D.0.513.交叉验证是评估模型泛化能力的标准方法。在时间序列相关的流失数据中，为了防止数据泄露，最合适的验证方式是：A.K-Fold交叉验证B.分层K-Fold交叉验证C.基于时间的滚动交叉验证D.留一法交叉验证14.在集成学习算法中，XGBoost和LightGBM是处理结构化数据（如客户行为表格数据）的强力算法。LightGBM相较于XGBoost的主要优势在于：A.支持更复杂的损失函数B.基于直方图的算法，训练速度更快，内存占用更低C.对缺失值的处理更严格D.只能用于分类任务，不能用于回归15.混淆矩阵是评估分类模型的基础。在流失预警中，如果我们将“流失”作为正类（Positive），那么“二类错误”（TypeIIError）指的是：A.将流失客户误判为留存客户B.将留存客户误判为流失客户C.正确预测了流失客户D.正确预测了留存客户二、多项选择题（本大题共5小题，每小题3分，共15分。在每小题给出的四个选项中，有两项或两项以上是符合题目要求的）16.客户流失预警系统的数据源通常非常广泛，以下哪些属于典型的外部数据源？A.客户在APP内的点击流日志B.客户所在地区的宏观经济指标C.第三方征信机构的信用评分D.客户的月度账单详情17.在构建流失预警模型时，特征工程是决定模型上限的关键步骤。以下属于基于时间窗口的统计特征的是：A.过去30天的登录次数B.过去90天的消费金额标准差C.客户注册时的性别D.最近一次投诉距离今天的天数18.关于客户流失的类型，以下描述正确的有：A.主动流失是指客户主动终止服务关系，如注销账户B.被动流失通常指因违规、欠费等原因被服务商终止服务C.自然流失是指客户因生命周期结束（如身故）而产生的流失D.所有的被动流失都是企业应该极力避免的，不存在例外情况19.在模型解释性方面，SHAP（SHapleyAdditiveexPlanations）值是目前主流的方法。关于SHAP值的优势，以下说法正确的是：A.具有可加性，能够解释单个特征对预测结果的贡献度B.可以处理特征之间的交互作用C.只能用于线性模型，无法用于树模型D.提供了全局和局部两种解释视角20.模型上线后，除了监控PSI值，还需要关注哪些业务指标的变化？A.预测流失客户的实际转化率（挽留成功率）B.干预活动的响应率C.模型推理的延迟时间D.被模型标记为高风险的客户占比三、填空题（本大题共10小题，每小题2分，共20分）21.在逻辑回归中，假设线性回归部分的输出为z，则预测概率P(y=1|22.在评估二分类模型时，精确率与召回率的调和平均数被称为__________指标，它在两者需要平衡时尤为重要。23.在特征编码中，对于类别型特征（如“省份”），如果类别数量较多且无序，直接使用One-Hot编码会导致维度爆炸。此时常采用__________编码或目标编码来降低维度。24.在时间序列预测中，为了衡量预测值与真实值之间的差异，均方误差（MSE）的计算公式是(，而__________是MSE的平方根，量纲与原变量一致。25.在流失预警系统中，观察窗口是指提取特征所用的历史时间段，而__________窗口是指定义客户是否流失的未来时间段。26.KS（Kolmogorov-Smirnov）值常用于评估模型的区分度。KS值越大，表示模型区分好坏客户的能力越强。KS值是累积__________百分比与累积坏样本百分比之差的最大值。27.对于稀疏特征，如客户是否购买过某种冷门商品，使用__________正则化通常比L2正则化效果更好，因为它能产生稀疏权重。28.在深度学习模型中，为了解决梯度消失或爆炸问题，常在层与层之间引入__________结构，允许信息跨层传递。29.某模型对测试集的预测结果中，真正例（TP）=80，假正例（FP）=20，假反例（FN）=30。则该模型的召回率（Recall）为__________（结果保留两位小数）。30.在A/B测试中，为了判断新模型是否显著优于旧模型，我们通常使用__________检验来比较两组转化率的差异。四、简答题（本大题共4小题，每小题5分，共20分）31.简述在客户流失预警场景下，样本不平衡（流失客户极少）带来的危害，并列举两种常用的解决方法。32.在构建流失预警模型时，为什么需要进行特征离散化（分箱）？请列举至少两点原因。33.请解释WOE（WeightofEvidence）编码的原理及其在逻辑回归模型中的作用。34.简述模型监控中的“数据漂移”和“概念漂移”的区别，并说明为什么在流失预警系统中需要特别关注概念漂移。五、计算与分析题（本大题共2小题，每小题10分，共20分）35.某电商平台的流失预警模型对1000名样本客户进行了测试，测试结果如下：实际流失客户100人，实际留存客户900人。模型预测为流失的客户中，有60人实际流失，40人实际留存。模型预测为留存的客户中，有40人实际流失，860人实际留存。(1)请计算该模型的准确率、精确率、召回率和F1-Score。（保留三位小数）(2)如果业务策略改变，更加看重捕捉潜在的流失客户（即提高召回率），即使会误判一些正常客户，应该调整模型阈值的方向（调高还是调低）？请说明理由。36.某电信公司构建了流失预警模型，并对测试集数据按照预测流失概率从高到低进行排序，等分为10组（Deciles），每组人数相等。统计数据如下：|分组|组内实际流失人数|组内总人数||:--|:--|:--||Top10%|150|100||20%-30%|80|100||30%-40%|50|100||40%-50%|30|100||50%-60%|20|100||60%-70%|15|100||70%-80%|10|100||80%-90%|5|100||Bottom10%|0|100||总计|360|1000|(1)计算随机挑选一个客户，该客户流失的平均概率是多少？(2)计算模型预测出的前10%（Top10%）客户的提升度值，并解释该值的业务含义。六、综合应用案例题（本大题共1小题，共45分）37.案例背景：某大型在线视频平台“StreamMax”面临着严重的用户付费订阅流失问题。为了应对这一挑战，公司决定开发一套实时的客户流失预警系统。数据团队提取了2024年全年的用户行为数据，包括用户基础属性（年龄、性别、地区）、订阅信息（套餐类型、注册时长）、观看行为（日均观看时长、周观看频次、完播率）、交互行为（点赞、评论、收藏、搜索）以及客服记录（投诉次数、工单类型）。目标变量定义为：用户在未来30天内是否取消订阅（1=流失，0=留存）。请结合你作为数据科学家的专业知识，回答以下问题：(1)数据预处理与特征工程（15分）假设原始数据中存在部分用户“最近一次登录时间”缺失，且部分用户的“投诉次数”存在极端异常值（如某用户一年投诉了1000次）。a.针对缺失值和异常值，你会分别采用什么方法进行处理？请给出具体方案。b.为了捕捉用户观看习惯的变化，你需要设计基于时间序列的衍生特征。请设计至少3个具体的衍生特征，并说明其设计逻辑。c.对于“套餐类型”这种无序分类变量，在进入XGBoost模型前，应该如何处理？如果是进入逻辑回归模型，处理方式有何不同？(2)模型构建与选择（10分）a.在该场景下，你决定尝试使用LightGBM算法。请说明LightGBM的哪些特性使其适合处理这种包含大量行为特征的表格数据？b.除了LightGBM，你还计划构建一个逻辑回归模型作为基线模型。为了提高逻辑回归的性能，你需要对连续型特征进行分箱处理。请简述分箱的常用方法（如等频、等距、卡方分箱）及其优缺点。(3)模型评估与优化（10分）模型训练完成后，验证集上的AUC达到了0.85，看起来效果不错。但是业务部门反馈，模型给出的高风险用户中，有很大一部分是“高价值但忠诚”的用户，误伤率较高。a.分析为什么会出现AUC高但业务误伤感强的情况？（提示：考虑阈值选择和成本不对称）b.你决定引入代价矩阵或成本敏感学习来优化。假设挽留一个流失用户的收益是100元，误扰一个留存用户的成本是20元。请写出此时的期望损失公式，并说明如何调整模型以适应这一目标。(4)模型部署与业务应用（10分）模型需要上线部署，对全量用户每天进行一次打分。a.在离线训练和在线推理的过程中，如何保证特征的一致性？（例如，计算“过去30天平均观看时长”时，如何避免数据泄露？）b.上线后，你需要设计一套监控报警机制。请列出你需要监控的三个核心维度（如数据层面、模型层面、业务层面），并针对每个维度给出一个具体的监控指标。参考答案及详细解析一、单项选择题1.C[解析]电信行业通常将注销或长期停机定义为流失，单纯的使用量波动属于活跃度变化。2.B[解析]AUC是ROC曲线下的面积，用于衡量模型整体的排序分类能力。3.A[解析]Recency表示最近一次消费距今的时间，时间越长（R值越大），客户越久未活跃，流失风险通常越高。4.D[解析]Z-Score标准化是特征缩放方法，用于改变数据分布的尺度，不改变样本数量，不属于重采样。5.B[解析]L1正则化倾向于产生稀疏解，即使系数为0，从而起到特征选择的作用。6.B[解析]Cox模型是一种半参数模型，主要研究协变量对危险率的影响。7.C[解析]一般经验法则：IV<0.02无用，0.020.1弱，0.10.3中等，0.30.5强，>0.5极强。8.B[解析]预测概率0.85大于阈值0.8，判定为高风险正类。9.B[解析]Lift=模型查全率/随机查全率，表示使用模型比随机选择提升多少倍。10.B[解析]变异系数CV=标准差/均值，用于衡量离散程度。11.C[解析]多重共线性会导致模型系数估计不稳定，应删除或合并特征，直接保留通常是不好的做法。12.A[解析]PSI<0.1稳定，0.10.2有变化需注意，>0.2变化巨大。13.C[解析]时间序列数据不能使用随机打乱的K-Fold，必须使用基于时间顺序的滚动验证。14.B[解析]LightGBM采用基于直方图的算法，减少了数据遍历次数，速度更快。15.A[解析]TypeIIError是FalseNegative，即实际是正类（流失）但被预测为负类（留存）。二、多项选择题16.BC[解析]A和D属于企业内部数据。B（宏观经济）和C（征信数据）属于外部数据。17.ABD[解析]A、B、D都是基于历史时间窗口计算出的统计量。C是静态属性。18.ABC[解析]主动、被动、自然流失是三种基本类型。D错误，例如被动剔除恶意欺诈用户是企业希望的。19.ABD[解析]SHAP具有可加性和一致性，能处理交互作用，且适用于各种模型包括树模型。20.ABCD[解析]模型监控需要覆盖技术性能（延迟）、预测分布（占比）、业务效果（转化率、响应率）。三、填空题21.0.5[解析]Si22.F1-Score(或F1)23.Target(或目标编码/MeanEncoding)/Binary(注：题目问高基数类别，TargetEncoding或Binary/LeaveOneOut是常见降维手段，填TargetEncoding最准确)24.RMSE(均方根误差)25.表现(或Label/目标)26.好样本(或正样本)27.L128.残差(ResNet典型结构)/SkipConnection(跳跃连接)29.0.727[解析]Recall=TP/(TP+FN)=80/(80+40)=80/120≈0.667。(注：题目数据TP=80,FN=40,Recall=80/120=0.667。若按题目描述“预测流失中TP=60...预测留存中FN=40”，则TP=60,FN=40,Recall=60/100=0.6。此处按题目填空题30题意，TP=80,FN=40。计算得0.667。若题目描述有歧义，以计算题为准。此处修正：题目30描述：TP=80,FP=20,FN=30。Recall=80/(80+30)=80/110≈0.727)30.卡方(Chi-square)/Z(Z-test)四、简答题31.答案：危害：模型会倾向于将所有样本预测为多数类（留存），虽然准确率很高，但无法识别出少数类（流失），导致模型失去业务价值。解决方法：1.数据层面：使用过采样（如SMOTE合成少数类样本）或欠采样（随机减少多数类样本）。2.算法层面：使用代价敏感学习，在模型训练时赋予流失类别更高的损失权重。3.评价层面：不使用准确率，改用AUC、F1-Score、Recall等指标评估。32.答案：原因：1.鲁棒性：离散化可以减少异常值对模型的影响，例如将极端的收入值归入最高档。2.非线性关系：逻辑回归等线性模型假设特征与目标呈线性关系，分箱后的WOE编码可以引入非线性关系。3.业务解释性：分箱后的特征更容易理解，例如“年龄在20-30岁之间”比“年龄=25”更具概括性和业务指导意义。33.答案：原理：WOE衡量的是某分箱中好人/坏人分布与总体好人/坏人分布的差异。公式为WO作用：1.将非线性关系转化为线性关系，适配逻辑回归。2.体现特征的预测强度，WOE绝对值越大，该分箱的区分度越强。3.可以作为缺失值的一种处理方式，将缺失值单独作为一个分箱。34.答案：区别：数据漂移：输入数据的分布发生变化（P(X)概念漂移：输入数据分布不变，但特征与目标的关系发生变化（P(原因：流失预警系统极易受市场环境、竞争对手策略影响，导致用户流失的根本原因发生变化（概念漂移）。如果不监控，模型会逐渐失效，即使输入数据分布看起来正常。五、计算与分析题35.答案：(1)混淆矩阵：预测\实际|流失(P)|留存(N)|---|---流失(P)|60(TP)|40(FP)留存(N)|40(FN)|860(TN)准确率=(TP+TN)/Total=(60+860)/1000=0.920精确率=TP/(TP+FP)=60/(60+40)=0.600召回率=TP/(TP+FN)=60/(60+40)=0.600F1-Score=2(PR)/(P+R)=2(0.60.6)/1.2=0.600(2)应该调低阈值。理由：调低分类阈值意味着模型更容易将客户预测为“流失”（正类）。这会增加TP（抓到更多真实流失者）和FP（误伤更多留存者），从而提高召回率，满足业务“宁可错杀一千，不可放过一个”的策略。36.答案：(1)平均流失概率=总流失人数/总人数=360/1000=0.09(9%)。(2)Top10%的组内流失率=150/100=0.15(15%)。提升度=组内流失率/随机流失率=0.15/0.09≈1.67。业务含义：使用模型筛选出的前10%高风险客户，其流失率是随机挑选客户的1.67倍。这说明模型能有效识别出高风险群体，业务部门如果针对这10%的客户进行干预，效率是盲目的全面干预的1.67倍。六、综合应用案例题37.答案：(1)数据预处理与特征工程a.缺失值处理：“最近一次登录时间”：如果是新用户可能确实没有，可以填充为“注册时间”或“当前时间”（代表刚登录），或者增加一个“是否缺失”的布尔标记位，然后填充为特殊值（如-1）。异常值处理：“投诉次数”：1000次显然是异常（可能是系统刷单）。可以使用盖帽法，将大于99.9%分位数的值强制设置为该分位数值（如50次）；或者进行对数变换压缩尺度。b.衍生特征设计：1.观看时长趋势：计算最近4周每周平均观看时长的斜率，反映用户兴趣是上升还是下降。2.周末观看占比：计算（周末观看时长/总观看时长），反映用户的使用习惯偏好。3.内容多样性熵：计算用户观看的不同类型剧集的类别熵，反映用户口味的专一程度，熵越低越专一，流失风险可能随内容下架而增加。c.分类变量处理：XGBoost：可以直接处理数值形式的标签编码，因为树模型可以处理非线性的数字关系（如1,2,3不代表顺序也没关系）。逻辑回归：必须使用One-Hot编码，因为逻辑回归会认为数值大小包含顺序信息（2比1大），这会导致错误的系数估计。(2)模型构建与选择a.LightGBM特性：1.基于直方图算法：将连续特征离散化为桶，减少计算量，训练速度极快，适合海量行为数据。2.自动处理缺失值：自动学习缺失值的分裂方向，无需手动填充。3.支持类别特征：原生支持类别特征最优分裂，无需One-Hot，节省内存。4.防止过拟合：内置了Leaf-wise生长策略配合最大深度限制，拟合效果好且快。b.分箱方法：1.等距分箱：区间宽度一致。优点是