[發(fā)明專利]用戶等級的確定方法、裝置、計算機(jī)設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910693211.0
• 申請日: 2019-07-30
• 公開（公告）號: CN110415036B
• 公開（公告）日: 2023-05-12
• 發(fā)明（設(shè)計）人: 劉凱;張敏超;周曉俠;范成濤
• 申請（專利權(quán)）人: 深圳市珍愛捷云信息技術(shù)有限公司
• 主分類號: G06Q30/0201
• 分類號: G06Q30/0201;G06Q30/0203;G06F18/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用戶等級的確定方法，所述方法包括：

獲取待評估用戶的個人信息；

對所述個人信息進(jìn)行特征提取，將提取到的特征輸入至預(yù)先訓(xùn)練好的分類模型中；

獲取所述分類模型輸出的預(yù)測分?jǐn)?shù)；

獲取所述待評估用戶的歷史價值分?jǐn)?shù)，所述歷史價值分?jǐn)?shù)是根據(jù)所述待評估用戶的個人信息按照預(yù)定規(guī)則計算得到的；

對所述待評估用戶的預(yù)測分?jǐn)?shù)及對應(yīng)的歷史價值分?jǐn)?shù)進(jìn)行加權(quán)求和，得到合成分?jǐn)?shù)；

根據(jù)所述合成分?jǐn)?shù)確定所述待評估用戶的用戶等級；

其中，在所述根據(jù)所述合成分?jǐn)?shù)確定所述待評估用戶的用戶等級之前，還包括：

獲取預(yù)定時間段內(nèi)的已分配用戶的個人信息和付費金額；

根據(jù)所述付費金額確定全部已分配用戶的總計付費金額，并計算得到所述已分配用戶的付費金額均值和付費率均值；

依次將每一個已分配用戶的個人信息輸入至所述預(yù)先訓(xùn)練好的分類模型中，獲取所述分類模型輸出的歷史預(yù)測分?jǐn)?shù)；

按照所述歷史預(yù)測分?jǐn)?shù)的大小將所述已分配用戶等分成N組，根據(jù)每一組中的已分配用戶的付費金額確定每一組的付費率置信度；

將每一組的付費率置信度與所述付費率均值進(jìn)行對比，對每一組的已分配用戶的用戶價值分?jǐn)?shù)進(jìn)行調(diào)整；

根據(jù)調(diào)整后的用戶價值分?jǐn)?shù)更新所述合成分?jǐn)?shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述按照所述歷史預(yù)測分?jǐn)?shù)的大小將所述已分配用戶等分成N組，根據(jù)每一組中的已分配用戶的付費金額確定每一組的付費率置信度，包括：

按照所述歷史預(yù)測分?jǐn)?shù)的大小將所述已分配用戶等分成N組；

獲取已分配用戶的渠道來源信息；

根據(jù)所述渠道來源信息將每一組中的已分配用戶細(xì)分為Y個渠道組；

根據(jù)每一個渠道組中已分配用戶的付費情況確定每一個渠道組的渠道置信度付費率；

根據(jù)每一個渠道組中已分配用戶的歷史預(yù)測分?jǐn)?shù)確定每一個渠道組的歷史預(yù)測分?jǐn)?shù)均值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將每一組的置信度付費率與所述付費率均值進(jìn)行對比，對每一組的用戶價值分?jǐn)?shù)進(jìn)行調(diào)整，包括：

獲取每一個渠道的渠道置信度付費率與所述付費率均值的差值，作為渠道付費率差值；

當(dāng)所述渠道置信度付費率高于所述付費率均值時，根據(jù)所述付費率差值上調(diào)所述渠道組的歷史預(yù)測分?jǐn)?shù)均值；

當(dāng)所述渠道置信度付費率低于所述付費率均值時，根據(jù)所述付費率差值下調(diào)所述渠道組的歷史預(yù)測分?jǐn)?shù)均值；

將調(diào)整后的歷史預(yù)測分?jǐn)?shù)均值作為渠道對應(yīng)的渠道價值分?jǐn)?shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)調(diào)整后的用戶價值分?jǐn)?shù)更新所述合成分?jǐn)?shù)，包括：

獲取所述待評估用戶的渠道來源信息；

根據(jù)所述待評估用戶的渠道來源信息獲取對應(yīng)的渠道價值分?jǐn)?shù)；

根據(jù)所述渠道價值分?jǐn)?shù)對所述待評估用戶的合成分?jǐn)?shù)進(jìn)行更新調(diào)整，得到所述待評估用戶的最終價值分?jǐn)?shù)；

根據(jù)所述最終價值分?jǐn)?shù)確定所述待評估用戶的用戶等級。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括分類模型的訓(xùn)練步驟，包括：

從數(shù)據(jù)庫中選取預(yù)設(shè)數(shù)量的用戶作為訓(xùn)練樣本；

獲取訓(xùn)練樣本的樣本信息，所述樣本信息包括用戶的個人資料、社交行為記錄及誠信信息；

對所述樣本信息進(jìn)行特征提取；

將提取到的特征輸入至分類模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述從數(shù)據(jù)庫中選取預(yù)設(shè)數(shù)量的用戶作為訓(xùn)練樣本，包括：

從數(shù)據(jù)庫中選取預(yù)設(shè)數(shù)量的用戶的作為用戶樣本；

根據(jù)預(yù)設(shè)業(yè)務(wù)規(guī)則對所述用戶樣本分成多個檔位；

將符合預(yù)設(shè)檔位的用戶樣本及全部檔位中未被分配過的用戶樣本作為負(fù)樣本，其余用戶樣本作為正樣本。