[發明專利]車輛的用戶投資回報估算方法及系統

在審

• 申請號: 201711350305.5
• 申請日: 2017-12-15
• 公開（公告）號: CN108053322A
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 馬媛;安俊宣;李康;邵毅
• 申請（專利權）人: 東峽大通（北京）管理咨詢有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 陸文超;肖冰濱

1.一種車輛的用戶投資回報估算方法，其特征在于，所述用戶投資回報估算方法包括：

基于用戶的車輛使用數據構建多個維度的用戶畫像標簽；

從所述多個維度的用戶畫像標簽中提取出影響用戶訂單的關鍵用戶畫像標簽；

根據所述關鍵用戶畫像標簽，利用機器學習算法計算所述用戶在無激勵情況下的自然訂單概率及在有激勵情況下的激勵訂單概率；以及

基于所述自然訂單概率和所述激勵訂單概率，計算所述用戶進行運營激勵的投資回報率以得到用戶投資回報。

2.根據權利要求1所述的用戶投資回報估算方法，其特征在于，所述關鍵用戶畫像標簽包括：金錢敏感度、APP活躍度、用車時段、用車頻次、歷史活躍天數和訂單量中的一者或多者。

3.根據權利要求2所述的用戶投資回報估算方法，其特征在于，所述利用機器學習算法計算所述用戶在無激勵情況下的自然訂單概率及在有激勵情況下的激勵訂單概率包括：

根據所述關鍵用戶畫像標簽，通過第一邏輯回歸模型計算所述用戶在無激勵情況下的自然訂單概率，其中所述第一邏輯回歸模型由所述用戶在無激勵情況下的歷史騎行數據構成的訓練樣本訓練得到；

根據所述關鍵用戶畫像標簽，通過第二邏輯回歸模型計算所述用戶在有激勵情況下的激勵訂單概率，其中所述第二邏輯回歸模型由所述用戶在有激勵情況下的歷史騎行數據構成的訓練樣本訓練得到。

4.根據權利要求1所述的用戶投資回報估算方法，其特征在于，

根據下式計算所述投資回報率：

ROI＝(O1*P2-O2*P1)/O2*P1

式中，O1表示所述用戶在有運營激勵情況下的預估訂單量，O2表示所述用戶在無運營激勵情況下的預估訂單量；P1表示所述自然訂單概率，P2表示所述激勵訂單概率；ROI表示投資回報率。

5.一種機器可讀存儲介質，該機器可讀存儲介質上存儲有指令，該指令用于使得服務器執行上述權利要求1至4中任意一項所述的車輛的用戶投資回報估算方法。

6.一種車輛的用戶投資回報估算系統，其特征在于，所述用戶投資回報估算系統包括：

標簽系統搭建模塊，用于基于用戶的車輛使用數據構建多個維度的用戶畫像標簽；以及

用戶投資回報估算模塊，且該用戶投資回報估算模塊包括：

標簽提取單元，用于從所述多個維度的用戶畫像標簽中提取出影響用戶訂單的關鍵用戶畫像標簽；

訂單概率估算單元，用于根據所述關鍵用戶畫像標簽，利用機器學習算法計算所述用戶在無激勵情況下的自然訂單概率，及在有激勵情況下的激勵訂單概率；以及

投資回報計算單元，用于基于所述自然訂單概率和所述激勵訂單概率，計算所述用戶進行運營激勵的投資回報率以得到用戶投資回報。

7.根據權利要求6所述的用戶投資回報估算系統，其特征在于，所述關鍵用戶畫像標簽包括：金錢敏感度、APP活躍度、用車時段、用車頻次、歷史活躍天數和訂單量中的一者或多者。

8.根據權利要求6所述的用戶投資回報估算系統，其特征在于，所述訂單概率估算單元用于利用機器學習算法計算所述用戶在無激勵情況下的自然訂單概率及在有激勵情況下的激勵訂單概率包括：

根據所述關鍵用戶畫像標簽，通過第一邏輯回歸模型計算所述用戶在無激勵情況下的自然訂單概率，其中所述第一邏輯回歸模型由所述用戶在無激勵情況下的歷史騎行數據構成的訓練樣本訓練得到；

根據所述關鍵用戶畫像標簽，通過第二邏輯回歸模型計算所述用戶在有激勵情況下的激勵訂單概率，其中所述第二邏輯回歸模型由所述用戶在有激勵情況下的歷史騎行數據構成的訓練樣本訓練得到。

9.根據權利要求8所述的用戶投資回報估算系統，其特征在于，所述投資回報計算單元根據下式計算所述投資回報率：

ROI＝(O1*P2-O2*P1)/O2*P1

式中，O1表示所述用戶在有運營激勵情況下的預估訂單量，O2表示所述用戶在無運營激勵情況下的預估訂單量；P1表示所述自然訂單概率，P2表示所述激勵訂單概率；ROI表示投資回報率。