2026年客户流失预警试题及答案

2026年客户流失预警试题及答案一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内）1.在客户流失预警模型中，若将实际未流失的客户预测为流失客户，这在混淆矩阵中被称为（）。A.真阳性B.假阳性C.真阴性D.假阴性2.RFM模型是衡量客户价值和客户创利能力的重要工具，其中“M”代表的是（）。A.最近一次消费时间B.消费频率C.消费金额D.客户平均停留时长3.在处理极度不平衡的客户流失数据（如流失率仅为1%）时，以下哪种评估指标通常比准确率更具参考价值？（）A.Accuracy(准确率)B.Precision(精确率)C.AUC-ROCD.MeanSquaredError(均方误差)4.某电商企业通过分析发现，用户在最后一次登录后的第7天如果没有产生任何浏览行为，其流失概率会急剧上升。这里使用的“7天”属于（）。A.观察窗口B.预测窗口C.生命周期D.触发阈值5.逻辑回归模型在客户流失预测中输出的是（）。A.确定的类别标签（0或1）B.客户流失的具体时间C.属于流失类的概率值D.客户未来的消费金额6.为了解决训练集与测试集分布不一致导致的模型性能下降问题，通常使用（）指标来监控特征分布的稳定性。A.KS值B.PSI(PopulationStabilityIndex)C.IV值(InformationValue)D.AUC值7.在特征工程中，为了消除不同特征量纲对模型（如KNN、SVM）的影响，通常需要进行（）。A.特征选择B.特征降维C.数据标准化或归一化D.异常值处理8.以下哪种算法属于集成学习方法，且在处理客户流失这类非线性关系问题时表现优异？（）A.线性回归B.逻辑回归C.XGBoostD.朴素贝叶斯9.在构建流失预警模型时，如果模型在训练集上表现完美，但在测试集上表现很差，这种现象称为（）。A.欠拟合B.过拟合C.偏差D.方差10.提升图主要用于评估模型的（）。A.分类准确性B.回归拟合度C.预测排序能力及营销增益D.稳定性11.对于连续型变量（如“账户余额”），在进行分箱处理以计算WOE（证据权重）值时，最常用的分箱方法是（）。A.等距分箱B.等频分箱C.卡方分箱D.随机分箱12.在客户生命周期管理中，处于（）阶段的客户对价格最敏感，且流失风险较高。A.考察期B.形成期C.稳定期D.退化期13.交叉验证的主要目的是（）。A.增加训练数据量B.减少模型训练时间C.更客观地评估模型的泛化能力D.处理缺失值14.某模型预测流失的AUC值为0.85，这意味着（）。A.模型预测正确的概率是85%B.模型预测流失的概率是85%C.随机抽取一个正样本和一个负样本，模型给出正样本分数高于负样本分数的概率为0.85D.模型的召回率是85%15.在使用SMOTE算法处理样本不平衡问题时，其核心思想是（）。A.随机复制少数类样本B.随机删除多数类样本C.通过插值合成新的少数类样本D.修改损失函数权重二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在括号内。错选、多选、少选均不得分）1.客户流失通常可以分为（）。A.主动流失B.被动流失C.自然流失D.竞争流失E.强制流失2.以下哪些属于客户流失预警模型中常用的特征工程维度？（）A.客户基本属性（年龄、性别、地域）B.客户消费行为（RFM指标）C.客户交互行为（客服投诉次数、App点击流）D.客户网络社交关系E.宏观经济指标3.关于WOE（WeightofEvidence）和IV（InformationValue）的描述，正确的有（）。A.WOE描述了某个特征变量在流失与未流失客户中的分布差异B.IV值用于衡量特征对目标的预测能力C.IV值越大，说明特征与目标变量的相关性越强D.通常IV值小于0.02的特征会被认为没有预测能力，建议剔除E.WOE值必须为正数4.常见的非线性分类模型包括（）。A.决策树B.支持向量机（非线性核）C.神经网络D.逻辑回归E.线性判别分析（LDA）5.在模型评估阶段，如果只关注准确率，在流失样本极少的情况下可能会出现（）。A.模型倾向于将所有客户都预测为“不流失”B.准确率很高，但模型没有实际业务价值C.召回率极低D.精确率极低E.混淆矩阵中TN占比极高6.时间序列特征在流失预警中非常重要，以下哪些是构建时间序列特征的方法？（）A.统计过去30天的登录次数趋势B.计算最近一次消费距离当前的天数C.比较本月消费额与上月消费额的环比D.滑动窗口计算平均停留时长E.直接使用客户的注册日期7.针对模型输出结果进行业务应用时，通常会将客户分层，常见的分层策略包括（）。A.高风险流失客户（立即干预）B.中风险流失客户（观察或自动营销）C.低风险流失客户（维持现状）D.新注册客户（无论风险高低）E.已流失客户（召回）8.下列关于L1正则化（Lasso）和L2正则化（Ridge）的说法，正确的是（）。A.L1正则化倾向于产生稀疏解，有助于特征选择B.L2正则化倾向于让权重衰减，防止过拟合C.L1正则化计算导数比L2正则化复杂D.在逻辑回归中，L2正则化更为常用E.L1正则化可以防止多重共线性问题9.导致模型效果在上线后衰退的原因可能有（）。A.客户群体结构发生了变化B.业务规则改变（如调整了价格策略）C.出现了新的竞争对手D.数据采集管道出现故障导致特征缺失E.特征与目标变量的因果关系发生了根本性逆转10.深度学习模型在流失预警中的应用优势包括（）。A.能够自动提取复杂的非线性特征B.不需要人工进行特征工程C.适合处理高维稀疏数据（如用户行为序列）D.模型可解释性极强E.可以融合文本、图像等多模态数据三、填空题（本大题共10小题，每小题2分，共20分。请将答案填在横线上）1.在二分类问题中，精确率的计算公式是Pr2.KS值用于衡量模型区分好坏客户的能力，KS值取值范围在0到1之间，一般认为KS值大于______表示模型具有较强的区分能力。3.在客户流失预测中，通常将数据集划分为训练集、验证集和______。4.随机森林通过______技术来降低决策树之间的相关性，从而提高模型的泛化能力。5.若某特征在所有样本上的取值都相同，则该特征的方差为0，信息熵为______。6.在生存分析中，______函数描述了个体在经历t时间后仍然存活的概率。7.对于分类问题，基尼不纯度的公式为Gi8.在使用Python的pandas库处理时间序列数据时，______函数常用于将时间戳转换为日期时间对象。9.梯度提升决策树（GBDT）的核心思想是利用损失函数关于当前模型的负梯度来拟合一个新的______模型。10.业务部门通常希望流失预警模型不仅能预测“是否流失”，还能解释“为什么流失”，______算法可以帮助我们理解每个特征对预测结果的贡献度。四、简答题（本大题共5小题，每小题6分，共30分）1.简述在构建客户流失预警模型前，进行数据预处理的主要步骤及目的。2.请解释什么是样本不平衡问题？在客户流失预警中，通常采用哪些技术手段来缓解这一问题？3.简述ROC曲线和PR曲线的区别，并说明在流失率极低（如0.5%）的场景下，为什么PR曲线更能反映模型的真实性能？4.什么是特征选择？请列举至少三种常用的特征选择方法。5.简述将机器学习模型部署到生产环境后，进行在线监控的主要指标有哪些？五、计算与分析题（本大题共3小题，共40分）1.（10分）假设某电信公司构建了客户流失预警模型，对1000名测试用户进行预测，结果如下：真实流失且被预测为流失的用户（TP）为50人。真实未流失且被预测为未流失的用户（TN）为800人。真实未流失但被预测为流失的用户（FP）为100人。真实流失但被预测为未流失的用户（FN）为50人。请计算：(1)准确率、精确率、召回率。(2)F1-Score（保留两位小数）。(3)假设挽留一个流失客户的收益为200元，但误判一个未流失客户为流失并进行营销的成本为10元。请计算该模型在上述测试集上的预期净收益。2.（15分）某在线教育平台希望预测学员是否会续费。现有两个特征：特征A：过去30天登录次数（数值型）。特征B：是否参与过“期中考试”（类别型：是/否）。现有训练数据如下表（S=续费，N=不续费）：|样本ID|特征A(登录次数)|特征B(期中考试)|标签(是否续费)||:--|:--|:--|:--||1|5|是|S||2|2|否|N||3|8|是|S||4|1|否|N||5|4|是|N||6|9|是|S|(1)请以“特征B：是否参与期中考试”作为根节点，构建一棵简单的决策树（要求计算信息增益或基尼系数下降量作为依据，设定阈值大于0.5则分裂）。(2)根据构建的树，对样本（特征A=3，特征B=是）进行预测。(3)简要说明该决策树模型的局限性。3.（15分）在逻辑回归模型中，假设我们通过训练得到了以下参数：截距项=特征“最近一次消费距今天数”的系数=特征“过去一年投诉次数”的系数=(1)写出预测流失概率P((2)某客户A：最近一次消费距今10天，过去一年投诉0次。请计算该客户的流失概率（保留三位小数）。(3)某客户B：最近一次消费距今20天，过去一年投诉2次。请计算该客户的流失概率（保留三位小数）。(4)根据计算结果，分析“投诉次数”和“消费间隔”对流失概率的影响方向。六、综合案例分析题（本大题共2小题，共50分）1.（25分）某大型商业银行信用卡中心发现，由于激烈的市场竞争，其金卡客户的流失率在过去一年中从5%上升到了8%。为了遏制这一趋势，数据挖掘团队被要求构建一套精准的客户流失预警系统。项目组获取了过去18个月的数据，包含客户人口统计学特征、账单交易数据、客服交互记录以及App埋点数据。(1)【数据理解】在进行特征工程时，团队打算构建“消费活跃度”指标。请结合信用卡业务场景，设计至少3个具体的衍生特征来衡量这一指标，并说明其计算逻辑。(2)【模型构建】由于流失客户（正样本）远少于留存客户（负样本），团队决定使用XGBoost算法。请说明XGBoost中处理样本不平衡的两个关键参数是什么？并解释其作用机制。(3)【模型评估】模型训练完成后，测试集AUC达到0.88，但在业务部门评审时被指出，模型对“高风险”客户的抓取率不足。请问业务部门可能更关注哪个评估指标？如果要在保持AUC基本不变的前提下提高该指标，应如何调整分类阈值？(4)【业务应用】模型上线后，需要对Top10%的高风险客户进行干预。请设计一套分层营销策略，针对不同风险等级的客户采取不同的干预手段（如短信、人工电话、赠送权益等），并阐述理由。2.（25分）某SaaS企业主要提供企业级协同办公软件，采用订阅制收费模式。由于客户获取成本（CAC）较高，企业非常重视客户流失管理。数据分析人员发现，客户在订阅后的前3个月是生死攸关的“适应期”。若能顺利度过，后续流失概率将大幅降低。(1)【特征挖掘】为了预测新客户在“适应期”内的流失情况，你认为哪些行为数据最具有预测价值？请列举4点并简述理由。(2)【模型迭代】初始模型上线3个月后，模型性能出现明显下滑（PSI>0.2）。请分析可能导致性能下滑的原因，并提出相应的解决方案。(3)【因果推断】传统的流失预测模型只能发现相关性，但不能指导具体的改进动作。例如，模型发现“使用了API接口的客户流失率低”，但这可能是因果关系（因为用了API所以不离不弃），也可能是幸存者偏差（只有大客户才用API）。请简述在流失预警中引入因果推断（如UpliftModeling）的价值和基本思路。(4)【解释性分析】模型对某重要客户输出了较高的流失概率。使用SHAP值进行解释发现，特征“近30天导出报表失败次数”的SHAP值贡献度最高且为正。请向客户成功经理（CSM）解释这一结果，并建议CSM采取何种具体行动来挽回该客户。参考答案一、单项选择题1.B2.C3.C4.B5.C6.B7.C8.C9.B10.C11.C12.D13.C14.C15.C二、多项选择题1.ABC2.ABC3.ABCD4.ABC5.ABCE6.ABCD7.ABC8.AB9.ABCDE10.ACE三、填空题1.T2.0.4(或0.3-0.4区间视具体标准，通常0.4为强)3.测试集4.Bootstrap采样（或列采样/特征随机性）5.06.生存7.(类别概率)8.to_datetime9.残差（或基分类器/决策树）10.SHAP(SHapleyAdditiveexPlanations)四、简答题1.答：主要步骤及目的：(1)缺失值处理：删除或填充（均值、中位数、众数或预测填充），目的是保证数据完整性，避免模型报错或偏差。(2)异常值处理：使用箱线图、3σ原则检测并平滑或剔除异常值，防止极端值扭曲模型训练。(3)数据标准化/归一化：将数据缩放到特定范围（如0-1或标准正态分布），消除量纲影响，加速模型收敛。(4)特征编码：对类别型变量进行One-Hot编码或LabelEncoding，使其能被数学模型处理。(5)特征选择/降维：剔除冗余特征，降低维度灾难，提高模型训练速度和泛化能力。2.答：样本不平衡：指在分类问题中，不同类别的样本数量比例悬殊，如流失客户远少于留存客户。缓解技术：(1)数据层面：过采样（如SMOTE合成少数类样本）、欠采样（随机删除多数类样本或使用EasyEnsemble等集成采样）。(2)算法层面：调整类别权重，在损失函数中给予少数类更高的惩罚权重。(3)评价层面：不使用准确率，改用AUC、F1-Score、Recall等指标。(4)集成方法：使用Bagging或Boosting变体（如BalanceCascade）专门处理不平衡。3.答：区别：ROC曲线：横轴FPR，纵轴TPR，关注正负样本的排序能力，受样本分布影响较小。PR曲线：横轴Recall，纵轴Precision，关注正样本预测的准确率。原因：在流失率极低（0.5%）时，负样本（未流失）数量巨大。此时，模型若将所有样本都预测为负，FPR极低，TPR极低，ROC曲线下面积（AUC）可能看起来还不错，但实际上模型没有找出任何流失客户，没有业务价值。PR曲线对正样本的变化非常敏感，能更直观地反映模型在稀疏正样本下的真实表现（Precision和Recall）。4.答：特征选择：从原始特征集合中选择出对模型最有贡献的特征子集，去除无关或冗余特征。常用方法：(1)过滤法：统计特征与目标变量的相关性（如相关系数、卡方检验、IV值），阈值筛选。(2)包裹法：通过训练模型来评估特征子集的好坏（如递归特征消除RFE）。(3)嵌入法：利用模型本身的特性进行选择（如L1正则化产生的稀疏解、树模型的FeatureImportance）。5.答：在线监控指标：(1)稳定性指标：PSI（群体稳定性指标），监控输入特征分布是否发生显著偏移。(2)有效性指标：在线AUC、KS值，监控模型对最新数据的区分能力。(3)业务指标：预测流失率与实际流失率的偏差、营销响应率。(4)系统指标：预测接口的响应时间、并发数、错误率。五、计算与分析题1.解：(1)准确率=(T精确率=TP召回率=TP(2)F(3)挽回收益：模型识别出的TP（50人）中，假设都能挽回，收益=50×误判成本：模型识别出的FP（100人）会产生营销成本，成本=100×预期净收益=1000010002.解：(1)构建决策树：根节点：特征B（是否参与期中考试）。数据集划分：“是”分支：样本{1,3,5,6}。标签：{S,S,N,S}。共4个，其中S=3，N=1。主类为S。“否”分支：样本{2,4}。标签：{N,N}。共2个，其中S=0，N=2。主类为N。计算信息增益（简述）：父节点熵：Gi子节点“是”Gini：1(子节点“否”Gini：1(加权子节点Gini：(4Gini下降量=0.50.25树结构：根节点：特征B分支“是”->叶子节点：类别S分支“否”->叶子节点：类别N(2)预测：样本（特征A=3，特征B=是）。根据树结构，落入“是”分支，预测结果为：S(续费)。(3)局限性：深度过浅，只用了特征B，忽略了特征A（登录次数）的信息。容易过拟合（虽然此处数据少，但单层树可能欠拟合）。对于“是”分支中存在的1个N样本无法正确分类。3.解：(1)P(2)客户A计算：==客户A流失概率约为0.119。(3)客户B计算：==客户B流失概率约为0.645。(4)影响分析：=0.1=0.8比较系数大小，(0.8)远大于六、综合案例分析题1.答：(1)衍生特征设计：月均消费波动率：计算近6个月每月消费额的标准差与均值的比值。逻辑：消费骤减往往是流失的前兆。分期付款使用率：近3个月分期金额/总消费金额。逻辑：使用分期的客户粘性通常更高，资金需求强。跨品类交易占比：在餐饮、购物、旅行等不同场景的交易种类数。逻辑：使用场景越丰富，客户对平台的依赖度越高，越难流失。(2)XGBoost参数：`scale_pos_weight`：用于设置正负样本的权重平衡，通常设为(负样本数/正样本数)。作用是在计算梯度时给予正样本更大的权重，让模型更关注流失客户。`max_delta_step`：用于限制每棵树权重更新的步长。在极度不平衡数据下，有助于防止模型对正样本过度拟合导致预测概率过大。(3)评估指标与阈值调整：业务部门更关注召回率，即希望尽可能多地抓出真实的流失客户，避免漏掉。调整方法：降低分类阈值。默认阈值通常为0.5，将阈值下调至0.2或0.1，模型会预测更多的样本为“流失”，从而提高召回率（虽然会牺牲部分精确率）。(4)分层营销策略：Top1%-5%（极高风险）：采取人工专家电话回访+高价值权益赠送（如豁免年费、高积分兑换）。理由：这些客户价值高且流失迫在眉睫，值得投入高成本挽回。Top6%-20%（中高风险）：采取智能外呼或个性化App弹窗/Push+针对性优惠券。理由：成本适中，通过自动化手段进行批量干预。Top21%-50%（中低风险）：采取短信关怀或账单微权益。理由：风险较低，仅做低成本的情感维系，防止风险恶化。2.答：(1)预测价值最高的行为数据：核心功能使用频次：如日活（DAU）、关键功能（如文档协作、视频会议）的调用次数。理由：SaaS的核心价值在于工具使用，使用越深，留存越稳。用户邀请/添加数：管理员添加下属或邀请同事的数量。理由：这代表了网络效应，一旦形成企业内部的工作流，替换成本极高。API集成数量：调用API接口的频次和