[發明專利]基于用戶分群的提額策略確定方法、裝置和電子設備

在審

• 申請號: 201910581346.8
• 申請日: 2019-06-29
• 公開（公告）號: CN110349000A
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 乾春濤;沈赟;鄭彥
• 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
• 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

本發明公開了一種基于用戶分群的提額策略確定方法、裝置、電子設備和計算機可讀介質。其中，所述方法首先確定對于歷史金融用戶集的分群規則，然后對歷史金融用戶集中的用戶按照所述分群規則分成至少兩個用戶群。對于各用戶群，分別由該用戶群內的歷史金融用戶數據建立訓練數據集、測試數據集及提額模型，使用各用戶群的訓練數據集、測試數據集對相應的提額模型進行訓練和測試。對于新用戶，按照所述的分群規則進行分群，使用該用戶對應的用戶群的提額模型確定提額策略。本發明本發明基于用戶群定位建立回歸模型，讓模型在每個用戶群中選擇不同的評估方法，能夠有效的提高模型的預測力，同時對用戶群的風險識別度會更加的精準。

技術領域

本發明涉及計算機信息處理領域，具體而言，涉及一種基于用戶分群的提額策略確定方法、裝置、電子設備及計算機可讀介質。

背景技術

基于征信體系的不足，在商業銀行持有信用卡的用戶比率較低，大部分人群的征信記錄不完善，信用資料缺乏，商業銀行難以覆蓋到這類人群提供金融服務。金融科技的快速發展，加快了普惠金融的步伐。各互聯網金融機構、小貸公司通過讓客戶提交各類材料，現場或者電話交談來判斷客戶的資金需求情況的真實性及償還能力，一定程度上解決了無信用記錄的金融服務對象的授信問題。大家爭先恐后研究設計風險策略，如查詢客戶信用記錄被查詢的次數、性別等通過這些策略來判斷和識別客戶的金融風險。

在實際操作中，上述方法存在一些弊端和缺陷：1、客戶填寫資料可能會造假，核實人力成本和難度均較大；2、存在客戶享受到金融服務后將相關財產變賣轉移的風險；3、在真實的應用場景中人群也會不穩定帶來策略的不穩定性，因此，簡單的設計一套風險策略可能錯過優質客戶，接納低質客戶。

發明內容

本發明旨在解決現有的提額模型無法針對不同的用戶群采取針對性的提額策略，從而帶來風險策略的不適應性。

為了解決上述技術問題，本發明第一方面提出一種基于用戶分群的提額策略確定方法，包括：

確定對于歷史金融用戶集的分群規則；

對歷史金融用戶集中的用戶按照所述分群規則分成至少兩個用戶群；

對于各用戶群，分別由該用戶群內的歷史金融用戶數據建立訓練數據集、測試數據集及提額模型；

使用各用戶群的訓練數據集、測試數據集對相應的提額模型進行訓練和測試；

對于新用戶，按照所述的分群規則進行分群，使用該用戶對應的用戶群的提額模型確定提額策略。

根據本發明的一種優選實施方式，所述確定對于歷史金融用戶集的分群規則包括：

計算所述歷史金融用戶集中的用戶數據的各變量的重要性指標；

根據所述重要性指標確定分群變量和依變量的分類規則。

根據本發明的一種優選實施方式，所述確定對于歷史金融用戶集的分群規則包括：

計算所述歷史金融用戶集中的用戶數據的各變量的分布穩定性指標；

根據所述分布穩定性指標確定分群變量和依變量的分類規則。

根據本發明的一種優選實施方式，所述確定對于歷史金融用戶集的分群規則包括：

計算所述歷史金融用戶集中的用戶數據的各變量的區分度指標；

根據所述區分度指標確定分群變量和依變量的分類規則。

根據本發明的一種優選實施方式，所述計算所述歷史金融用戶集中的用戶數據的各變量的區分度指標包括：

建立機器自學習分類模型，通過機器自學習確定區分度最高的變量及基于該變量的分類規則。