[發明專利]用戶觸達時間的預測方法、預測模型訓練方法及相關裝置

有效

• 申請號: 201911408697.5
• 申請日: 2019-12-31
• 公開（公告）號: CN113128739B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 許東;張紅旭;王俊;羅寧
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/0202;G06Q30/0201;G06F18/24
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;劉偉

一種用戶觸達時間的預測方法、預測模型訓練方法及裝置，該方法包括：獲取多個用戶的用戶屬性數據和歷史交互數據；根據所述多個用戶的用戶屬性數據和歷史交互數據，生成特征變量和標簽，得到模型訓練的訓練集；建立分類模型，并利用所述訓練集對分類模型進行訓練，獲得用戶觸達時間的預測模型。本發明實施例提供的用戶觸達時間的預測方法、預測模型訓練方法及裝置，基于現有特征變量創造了新的特征變量(營銷時間段)，打破了數據庫現有變量建模的固化思維，通過創造的新變量，提高了最終模型的泛化性和模型的預測準確性。

技術領域

本發明涉及信息處理技術領域，具體涉及一種用戶觸達時間的預測方法、預測模型訓練方法及相關裝置。

背景技術

對用戶觸達時間的預測，是指對于一個潛在客戶或者疑為流失用戶，可以通過多種線上和/或線下渠道對其進行觸達，但對于潛在客戶或者疑為流失的用戶觸達的時間來說，可能具有一定的周期性和臨時突發性等特點。對此則需要預先對其進行時間觸達的預測，才能達到最好效果。

對用戶觸達時間的預測在很多傳統行業中，大多是盲目地通過各種觸達方式對客戶進行營銷，這種方式不僅浪費人力成本，也不符合未來發展趨勢。在對用戶時間觸達的預測上，通常需要借助相關模型或者算法來幫助找到解決問題的方法。

隨著消費金融的迅猛發展，消費金融公司在普惠金融領域中扮演著越來越重要的角色，也是拉動內需的重要支撐。因此在龐大的內需市場中，如何及時找到有意向用戶，首先也是需要在用戶觸達時間的預測上能有所突破。

目前一些傳統的金融行業，當前普遍停留在通過一些規則或者統計分析的方法來處理對用戶時間觸達的預測，其實際效果往往不佳，也浪費了很多人力物力成本，甚至有些還在采用一對一營銷模式，關系營銷模式以及“撒網”式營銷模型。

可以看出，現有技術的用戶觸達時間的預測方法，存在以下問題：盲目“撒網”式營銷模式，浪費了很多人力物力成本，不是可持續發展的方法。通過一些規則或者只是通過一些統計分析的方法來做預測策略，這種預測方法通常只注重于局部的、個別的特征所反映的表面現象，難以觀察到全局特征或本質特征，預測結果的準確性低。另外，現有技術還存在預測結果滯后，難以及時的做到精準營銷。

發明內容

本發明的至少一個實施例提供了一種用戶觸達時間的預測方法、預測模型訓練方法及相關裝置，可以提高預測結果的準確性。

根據本發明的另一方面，至少一個實施例提供了一種用戶觸達時間的預測模型的訓練方法，包括：

獲取多個用戶的用戶屬性數據和歷史交互數據，所述歷史交互數據包括交互時間段；其中，所述交互時間段是所述交互行為在多個預設時間段中所屬的時間段，所述多個預設時間段是對預設的交互周期劃分得到的；

根據所述多個用戶的用戶屬性數據和歷史交互數據，生成包含特征變量和標簽的樣本集；

利用所述樣本集對分類模型進行訓練，以獲得用于預測用戶觸達時間的預測模型。

根據本發明的至少一個實施例，根據所述多個用戶的用戶屬性數據和歷史交互數據，生成包含特征變量和標簽的樣本集的步驟，包括：

通過特征工程，計算特征變量之間的相關性，以及特征變量對標簽的影響權重，并根據特征變量之間的相關性和特征變量對標簽的影響權重，從所述多個用戶的用戶屬性數據和歷史交互數據中提取特征變量；

將提取的特征變量及其標簽中的全部或部分數據，作為用于模型訓練的樣本集。

根據本發明的至少一個實施例，在提取特征變量之后，所述方法還包括：還包括：對提取的特征變量進行以下至少一種處理：

對提取的特征變量進行缺失值填補；

對提取的特征變量中的離散型特征變量進行啞變量編碼；