[發明專利]一種存量用戶動支意愿預測方法、裝置和系統

在審

• 申請號: 201910568304.0
• 申請日: 2019-06-27
• 公開（公告）號: CN110363650A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 陳睿楠
• 申請（專利權）人: 上海淇毓信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/04;G06K9/62;G06F16/9535
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

本發明公開了一種存量用戶動支意愿預測方法、裝置、電子設備和計算機可讀介質。所述方法包括確定信貸用戶中的待預測存量用戶；從待預測存量用戶數據中提取特征數據，并輸入到存量用戶動支意愿預測模型，以獲取預測動支概率；根據預測動支概率的大小對存量用戶進行排序，將排序序列中的前N名劃分為目標用戶；其中，N為大于等于1的正整數；將所述目標用戶對應的數據信息輸出。本發明基于大數據分析方法更為準確的確定目標用戶，僅對動支意愿較強的目標用戶進行營銷，降低成本的同時進一步提升動支率與收益率。

技術領域

本發明涉及大數據、機器學習、互聯網金融領域，具體而言，涉及一種存量用戶動支意愿方法、裝置、系統及計算機可讀介質。

背景技術

隨著互聯網金融行業的蓬勃發展，向貸款機構申請消費信用貸款的用戶越來越多，用戶可在授信額度范圍內一次或多次貸款。然而研究數據表明，存量用戶在發生借款之后，發生再次貸款的意愿隨著時間逐漸下降，余額留存慢慢下跌，導致資金的閑置，流動性低。為了提高整體的再貸率與余額留存，目前的做法是營銷人員會在用戶最后一次借款后一段時間內通過電話營銷的方式對全部用戶進行促動，以加強用戶的活躍度與粘性。由于目標人群過多而且不具有相似性，這種盲目的營銷方式不僅造成用戶的厭煩，而且不能推送給精確的目標人群，使得營銷效率低下，進而動支率和收益率較低。

基于現有技術，需要進行特定的目標人群挖掘，有效、準確的實現用戶篩選以提高動支率和收益率。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種有效、準確的存量用戶動支意愿方法。

為解決上述技術問題，本發明的第一方面提出了一種存量用戶動支意愿預測方法，包括如下步驟：確定信貸用戶中的待預測存量用戶；從待預測存量用戶數據中提取特征數據，并輸入到存量用戶動支意愿預測模型，以獲取預測動支概率；根據預測動支概率的大小對存量用戶進行排序，將排序序列中的前N名劃分為目標用戶；其中，N為大于等于1的正整數；將所述目標用戶對應的數據信息輸出。

根據本發明的一種優選實施方式，所述方法進一步包括根據信貸用戶信息中的貸款行為數據確定待預測存量用戶。

根據本發明的一種優選實施方式，待預測的存量用戶數據是信貸借款后仍有余額并在預定時間內未動支用戶數據。

根據本發明的一種優選實施方式，所述預定時間基于預測模型的存量用戶動支意愿變化曲線來確定。

根據本發明的一種優選實施方式，所述方法進一步包括預先創建存量用戶動支意愿預測模型。

根據本發明的一種優選實施方式，所述預先創建存量用戶動支意愿預測模型，進一步包括：預處理用戶樣本數據；從所述用戶樣本數據中提取特征數據；將用戶樣本的特征數據作為輸入訓練參數，對所述存量用戶動支意愿預測模型進行建模訓練，使所述預測模型能夠根據輸入的待預測存量用戶的特征數據獲得待預測用戶的動支概率。

根據本發明的一種優選實施方式，所述方法還包括：所述用戶特征數據包括用戶行為數據，所述用戶行為數據包括用戶在特定事件前后的金融動支行為數據。

本發明的第二方面提出一種存量用戶動支意愿預測裝置，包括：確定模塊，確定信貸用戶中的待預測存量用戶；預測模塊，從待預測的存量用戶數據中提取特征數據，并輸入到存量用戶動支意愿預測模型，以獲取預測動支概率；篩選模塊，根據預測動支概率的大小對存量用戶進行排序，將排序序列中的前N名劃分為目標用戶；其中，N為大于等于1的正整數；輸出模塊，將所述目標用戶對應的數據信息輸出。

根據本發明的一種優選實施方式，確定模塊還用于根據信貸用戶信息中的貸款行為數據確定待預測存量用戶。

根據本發明的一種優選實施方式，待預測的存量用戶數據是信貸借款后仍有余額并在預定時間內未動支用戶數據。