[發(fā)明專利]一種基于用戶生存模型的資源調(diào)整方法、裝置和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110468752.0
• 申請(qǐng)日: 2021-04-28
• 公開（公告）號(hào): CN113298353A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 張潮華;王鵬;陶然
• 申請(qǐng)（專利權(quán)）人: 上海淇玥信息技術(shù)有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06N3/04;G06K9/62
• 代理公司: 北京清誠(chéng)知識(shí)產(chǎn)權(quán)代理有限公司 11691
• 代理人: 喻穎

本發(fā)明公開了一種基于用戶生存模型的資源調(diào)整方法、裝置和系統(tǒng)，其中方法包括：獲取用戶行為數(shù)據(jù)，用戶行為數(shù)據(jù)包括金融行為數(shù)據(jù)，人事行為數(shù)據(jù)以及營(yíng)收行為數(shù)據(jù)；構(gòu)建用戶風(fēng)險(xiǎn)判斷模型以及用戶流失判斷模型，根據(jù)用戶行為數(shù)據(jù)計(jì)算用戶風(fēng)險(xiǎn)指標(biāo)和用戶流失指標(biāo)；以風(fēng)險(xiǎn)指標(biāo)為橫坐標(biāo)，流失指標(biāo)為縱坐標(biāo)建立坐標(biāo)系，根據(jù)用戶風(fēng)險(xiǎn)指標(biāo)和用戶流失指標(biāo)確定用戶在坐標(biāo)系中位置；劃分象限，為不同的象限設(shè)置不同的資源調(diào)整策略，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略。采用該技術(shù)方案，能夠?qū)τ脩粜袨楹蜕鏍顩r作預(yù)判，能夠根據(jù)用戶的風(fēng)險(xiǎn)指標(biāo)和流失指標(biāo)，選取相應(yīng)的資源調(diào)整方案，能夠在用戶流失前進(jìn)行干預(yù)。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)信息處理領(lǐng)域，具體而言，涉及一種基于用戶生存模型的資源調(diào)整方法、裝置和系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)和金融的融合發(fā)展，互聯(lián)網(wǎng)金融的用戶越來(lái)越多。隨著用戶數(shù)量的增多，用戶的種類也變的多種多樣。

目前常用的資源調(diào)整方式主要有兩種方案，一種是觸發(fā)式資源調(diào)整，即用戶發(fā)生某些特定的行為時(shí)，觸發(fā)資源調(diào)整流程，對(duì)用戶進(jìn)行評(píng)估，是否給予資源調(diào)整；另一種是階段性資源調(diào)整，在固定的時(shí)間點(diǎn)對(duì)客戶進(jìn)行評(píng)估，是否給予資源調(diào)整。這兩種方案都沒(méi)有對(duì)客戶行為和生存狀況作預(yù)判，不能在客戶流失前進(jìn)行干預(yù)。

發(fā)明內(nèi)容

本發(fā)明旨在解決現(xiàn)有資源調(diào)整方案不能對(duì)客戶行為和生存狀況作預(yù)判，不能在客戶流失前進(jìn)行干預(yù)的問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本發(fā)明第一方面提出一種基于用戶生存模型的資源調(diào)整方法，方法包括：

獲取用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)包括金融行為數(shù)據(jù)，人事行為數(shù)據(jù)以及營(yíng)收行為數(shù)據(jù)；

構(gòu)建用戶風(fēng)險(xiǎn)判斷模型以及用戶流失判斷模型，將所述用戶行為數(shù)據(jù)輸入用戶風(fēng)險(xiǎn)判斷模型，輸出用戶風(fēng)險(xiǎn)指標(biāo)，將所述用戶行為數(shù)據(jù)輸入用戶流失判斷模型，輸出用戶流失指標(biāo)；

以風(fēng)險(xiǎn)指標(biāo)為橫坐標(biāo)，流失指標(biāo)為縱坐標(biāo)建立坐標(biāo)系，根據(jù)所述用戶風(fēng)險(xiǎn)指標(biāo)和所述用戶流失指標(biāo)確定所述用戶在坐標(biāo)系中位置；

劃分象限，為不同的象限設(shè)置不同的資源調(diào)整策略，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略具體為：

當(dāng)用戶處于第一象限時(shí)，停止向用戶發(fā)放資源。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略具體為：

當(dāng)用戶處于第二象限時(shí)，大幅提高向用戶發(fā)放的資源。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略具體為：

當(dāng)用戶處于第三象限時(shí)，縮短用戶資源調(diào)整周期，小幅提高向用戶發(fā)放資源。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，根據(jù)用戶所屬的象限執(zhí)行對(duì)應(yīng)的資源調(diào)整策略具體為：

當(dāng)用戶處于第四象限是，降低向用戶發(fā)放的資源。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，所述用戶風(fēng)險(xiǎn)判斷模型為基于深度學(xué)習(xí)的RNN-LSTM神經(jīng)網(wǎng)絡(luò)模型。

根據(jù)本發(fā)明的一種優(yōu)選實(shí)施方式，所述用戶流失判斷模型為基于深度學(xué)習(xí)的RNN-LSTM神經(jīng)網(wǎng)絡(luò)模型。

本發(fā)明第二方面提出一種基于用戶生存模型的資源調(diào)整裝置，裝置包括：

獲取模塊，用于獲取用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)包括金融行為數(shù)據(jù)，人事行為數(shù)據(jù)以及營(yíng)收行為數(shù)據(jù)；

計(jì)算模塊，用于構(gòu)建用戶風(fēng)險(xiǎn)判斷模型以及用戶流失判斷模型，將所述用戶行為數(shù)據(jù)輸入用戶風(fēng)險(xiǎn)判斷模型，輸出用戶風(fēng)險(xiǎn)指標(biāo)，將所述用戶行為數(shù)據(jù)輸入用戶流失判斷模型，輸出用戶流失指標(biāo)；