[發明專利]用戶意愿評估方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110972041.7
• 申請日: 2021-08-24
• 公開（公告）號: CN113762365A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 何娜
• 申請（專利權）人: 上海數禾信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/2457;G06F16/2458;G06Q40/02
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 劉鋒;邱忠貺

1.一種用戶意愿評估方法，其特征在于，所述方法包括：

獲取在貸客群中的符合預設篩選條件的所有目標用戶的用戶數據；

從每個目標用戶的用戶數據中提取特征數據；每個目標用戶的特征數據包括該目標用戶的最晚一次未來應還日距評分日的間隔和最近一次還清的還款計劃距評分日的間隔；

將每個目標用戶的特征數據輸入基于XGboost算法構建的意愿評估模型，得到所述意愿評估模型輸出的每個目標用戶的意愿評分；每個目標用戶的意愿評分表征該目標用戶提前結清其分期賬單的意愿大小。

2.如權利要求1所述的方法，其特征在于，每個目標用戶的用戶數據包括訂單數據、還款數據、額度使用數據和行為數據。

3.如權利要求1所述的方法，其特征在于，每個目標用戶的特征數據還包括該目標用戶的當前未還款的應還本金金額、近1個月平均可用額度、本次申請后的額度使用率、最大提前還款天數、年齡、已提前還款的應還本金金額占未來近12個月應還的比例、歷史應還分期計劃的最小應還本金金額、近180天成功動支訂單的動支總金額、近30天應用啟動次數、近90天平均設備登陸日期間隔天數、應還日當天還款的應還本金金額、最大借款金額訂單動支日距評分日間隔、兩筆動支發起的最小時間間隔、開通會員時間與當前的時間間隔以及近6個月在銀行機構申請最大間隔天數。

4.如權利要求1所述的方法，其特征在于，所述意愿評估模型的訓練過程，包括：

基于XGboost算法構建初始的意愿評估模型；

獲取多個指定用戶的用戶數據，從各個指定用戶的用戶數據中提取各個指定用戶的賬單金額和最后，根據各個指定用戶的賬單金額為各個指定用戶設置標簽，將所述多個指定用戶的用戶數據和各個指定用戶的標簽作為作為訓練數據；

使用所述訓練數據對所述初始的意愿評估模型進行迭代訓練，直到滿足停止條件，獲得訓練好的意愿評估模型。

5.如權利要求4所述的方法，其特征在于，在以下任一項滿足時，確定滿足所述停止條件：

所述初始的意愿評估模型的目標函數逐漸收斂；

所述初始的意愿評估模型中包含的樹滿足任一預設的超參數停止條件。

6.如權利要求4所述的方法，其特征在于，使用所述初始的意愿評估模型進行迭代訓練之前，還包括：為所述初始的意愿評估模型的超參數設置參數值；所述初始的意愿評估模型的超參數中包括學習率、樹的數量和樹的深度；所述學習率的參數值設置為0.2，所述樹的數量的參數值設置為100，所述樹的深度的參數值設置為3。

7.如權利要求1所述的方法，其特征在于，所述方法還包括：

在獲得每個目標用戶的意愿評分之后，按照分數大小對每個目標用戶的意愿評分進行排序，并劃分為多個分組；

計算各個分組的分析數據，各個分組的分析數據包括多個分析指標的指標值；

根據所述各個分組的分析數據生成各個分組對應的服務策略。

8.一種用戶意愿評估裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取在貸客群中的符合預設篩選條件的所有目標用戶的用戶數據；每個目標用戶的用戶數據包括訂單數據、還款數據、額度使用數據和行為數據；

特征提取模塊，用于從每個目標用戶的用戶數據中提取特征數據；每個目標用戶的特征數據包括該目標用戶的最晚一次未來應還日距評分日的間隔和最近一次還清的還款計劃距評分日的間隔；

評估模塊，用于將每個目標用戶的特征數據輸入基于XGboost算法構建的意愿評估模型，得到所述意愿評估模型輸出的每個目標用戶的意愿評分；每個目標用戶的意愿評分表征該目標用戶提前結清其分期賬單的意愿大小。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。