客户价值是客户在与企业保持购买与服务关系的整个生命周期中能够为企业创造收入或利润的价值衡量,其能够反映出该客户对企业收入贡献的重要性。企业可以根据未来客户价值的变化,及时把握不同客户群体的需求,指导企业灵活调整管理、营销、研发产品等方面的策略。在客户价值预测领域,客户的行为特征往往决定一个客户在某个时期内的购买金额。然而客户的行为特征往往是难以用结构化数据表示的,且客户的购买行为和产品偏好随时间不断变化的问题也大大增加了客户价值预测的难度。能够将大量特征用于客户价值预测的模型主要是机器学习模型。很多传统的机器学习模型虽然可以使用大量的具有明显含义的特征辅助模型的预测,然而却对那些隐含的客户行为特征无能为力。与之相对的深层神经网络则正好可以弥补这样的缺点,它不仅具有从大量数据中快速拟合高度非线性函数的能力,还可以对客户复杂的行为特征进行编码,并能对编码后的特征不断微调,从而建立起有效的客户价值预测模型。基于此,本研究提出了一种客户价值预测的新框架,本文称之为预训练-客户价值网络模型。在该框架下,本研究从自然语言处理领域中的词向量训练模型获得启发,提出了一种用于无监督地学习客户行为“语义”向量的预训练模型。在客户价值预测阶段,本文建立了一个深层神经网络模型,并使用预训练阶段获得的客户行为特征矩阵初始化网络的部分参数,这使模型将客户行为特征用于客户价值的预测,同时也能不断微调预训练的行为特征向量,使之适合客户价值预测的特定任务。本研究使用了某网约车企业真实的交易数据进行实证研究。实验结果显示,本研究提出的预训练-客户价值网络模型在预测误差方面优于随机初始化的客户价值网络模型。