CN110807653A - 一种筛选用户的方法、装置和电子设备 - Google Patents
一种筛选用户的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110807653A CN110807653A CN201910941973.8A CN201910941973A CN110807653A CN 110807653 A CN110807653 A CN 110807653A CN 201910941973 A CN201910941973 A CN 201910941973A CN 110807653 A CN110807653 A CN 110807653A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- guest
- users
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012216 screening Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 16
- 230000000903 blocking effect Effects 0.000 claims description 11
- 230000004069 differentiation Effects 0.000 claims description 6
- 238000012954 risk control Methods 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种筛选用户的方法、装置、电子设备及计算机可读介质,包括:获取用户数据,创建用户风险画像;根据所述用户风险画像,将用户划分为多个客群;构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;切分过滤后的客群中的用户形成客群分块;根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。本发明能够通过用户风险画像划分客群,并结合风险规则和用户行为评分对不同客群中的用户进行筛选,达到精准的风险控制。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种筛选用户的方法、装置、电子设备及计算机可读介质。
背景技术
现有技术中,在通过筛选目标客户进行调额时,金融平台往往注重目标客户的风险水平,并且使用统一的策略门槛进行校验。现有技术选取的头部客户风险品质的确较好,但对比全部客户的覆盖率较低,对动支金额的促动作用较为有限,且不利于长期优化整体风险水平,以及促动动支后的业务收益。
发明内容
本发明要解决的技术问题是如何在提高用户筛选通过率的同时,优化整体风险及收益。
本发明的一方面提供一种一种筛选用户的方法,其特征在于,包括:获取用户数据,创建用户风险画像;根据所述用户风险画像,将用户划分为多个客群;构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;切分过滤后的客群中的用户形成客群分块;根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
根据本发明的一种优选实施方式,所述获取用户数据,创建用户风险画像,进一步包括:获取用户数据;将所述用户数据划分为多个维度的数据;针对不同维度的数据建立不同的用户标签;基于所述不同的用户标签,创建用户风险画像。
根据本发明的一种优选实施方式,所述多个维度,进一步包括:属性维度、行为维度、风险维度、模型评分维度中的至少一个。
根据本发明的一种优选实施方式,所述根据所述用户风险画像,将用户划分为多个客群,进一步包括:选取用户标签;基于所述选取的用户标签,建立分群规则;按照所述分群规则分析所述的用户风险画像,并将用户划分为多个客群。
根据本发明的一种优选实施方式,所述构建风险规则,进一步包括:构建强风险规则,所述强风险规则用于剔除客群中的用户。
根据本发明的一种优选实施方式,进一步包括:构建弱风险规则,所述弱风险规则用于对客群中的用户进行差异化处理。
根据本发明的一种优选实施方式,所述切分过滤后的客群中的用户形成客群分块,进一步包括:获取用户行为评分,并根据所述用户行为评分切分过滤后的客群中的用户形成客群分块。
根据本发明的一种优选实施方式,所述根据所述用户行为评分切分过滤后的客群中的用户形成客群分块,进一步包括:根据所述用户行为评分的高低,对所述过滤后的客群中的用户进行排序;按照排序结果切分过滤后的客群中的用户形成客群分块。
根据本发明的一种优选实施方式,还包括:获取所述客群分块的收益和风险数据;通过调整所述用户行为评分使所述客群分块的收益和风险数据符合单调性。
本发明的第二方面提供一种筛选用户的装置,其特征在于,包括:用户数据获取模块,用于获取用户数据,创建用户风险画像;客群划分模块,用于根据所述用户风险画像,将用户划分为多个客群;风险规则构建及使用模块,用于构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;客群分块生成模块,用于切分过滤后的客群中的用户形成客群分块;客群分块筛选模块,用于根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
根据本发明的一种优选实施方式,所述用户数据获取模块,进一步包括:用户数据获取单元,用于获取用户数据;用户数据划分单元,用于将所述用户数据划分为多个维度的数据;用户标签建立单元,用于针对不同维度的数据建立不同的用户标签;用户风险画像创建单元,用于基于所述不同的用户标签,创建用户风险画像。
根据本发明的一种优选实施方式,所述多个维度,进一步包括:属性维度、行为维度、风险维度、模型评分维度中的至少一个。
根据本发明的一种优选实施方式,所述客群划分模块,进一步包括:用户标签选取单元,用于选取用户标签;分群规则建立单元,用于基于所述选取的用户标签,建立分群规则;分群规则使用单元,用于按照所述分群规则分析所述的用户风险画像,并将用户划分为多个客群。
根据本发明的一种优选实施方式,所述风险规则构建及使用模块,进一步包括:强风险规则构建单元,用于构建强风险规则,所述强风险规则用于剔除客群中的用户。
根据本发明的一种优选实施方式,进一步包括:弱风险规则构建单元,用于构建弱风险规则,所述弱风险规则用于对客群中的用户进行差异化处理。
根据本发明的一种优选实施方式,所述客群分块生成模块,进一步包括:客群分块生成单元,用于获取用户行为评分,并根据所述用户行为评分切分过滤后的客群中的用户形成客群分块。
根据本发明的一种优选实施方式,所述客群分块生成单元,进一步包括:用户排序子单元,用于根据所述用户行为评分的高低,对所述过滤后的客群中的用户进行排序;用户切分子单元,用于按照排序结果切分过滤后的客群中的用户形成客群分块。
根据本发明的一种优选实施方式,还包括:收益和风险数据获取单元,用于获取所述客群分块的收益和风险数据;行为评分调整单元,用于通过调整所述用户行为评分使所述客群分块的收益和风险数据符合单调性。
本发明的第三方面提供一种电子设备,其中,该电子设备包括:处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行任一项所述的方法。
本发明的第四方面提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现任一项所述的方法。
本发明的技术方案,具有如下有益效果:
本发明通过创建用户风险画像对用户进行分群,有利于针对各个客群的特点配置差异化的筛选策略,从而达到精细化经营的目的。
本发明通过构建强风险规则和弱风险规则,实现针对各个客群特点的差异化筛选策略。
本发明通过使用用户行为评分对客群进行分块,使分块的风险与收益呈现单调性,进而达到优化整体风险与收益的效果。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明的一种筛选用户的方法流程示意图;
图2是本发明的一种筛选用户的方法的创建用户风险画像的流程示意图;
图3是本发明的一种筛选用户的方法的用户风险画像示意图;
图4是本发明的一种筛选用户的装置的模块架构示意图;
图5是本发明的一种筛选用户的装置的用户数据获取模块架构示意图;
图6是本发明的筛选用户的电子设备结构框架示意图;
图7是本发明的计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
现有技术中,在根据业务特点筛选目标客户时,往往只注重单一维度的变量。可例如,金融平台在通过筛选目标客户进行调额时,往往只注重目标客户的风险水平,而忽略掉其他维度的变量,造成大量数据的浪费。现有技术使用单一变量,选取的头部客户风险品质的确较好,但对比全部客户的覆盖率较低,对动支金额的促动作用较为有限,且不利于长期优化整体风险水平,以及促动动支后的业务收益。
现有技术在筛选目标用户时存在筛选粒度较粗的问题。
本发明通过获取用户数据,将用户数据划分为多个维度的数据,并避免使用单一维度的数据。
除此之外,本发明还包括构建用户风险画像,并将用户风险画像划分为客群,结合风险规则和用户行为评分对不同客群中的用户进行筛选等步骤,用以达到对目标用户的精准筛选,进而实现对风险和收益的控制。
图1是本发明的一种筛选用户的方法流程示意图;如图1所示,本发明的方法至少包括步骤S101~S105。
S101:获取用户数据,创建用户风险画像。
如图2所示,图2是本发明的一种筛选用户的方法的创建用户风险画像的流程示意图。其中,所述获取用户数据,创建用户风险画像,进一步包括:获取用户数据;将所述用户数据划分为多个维度的数据;针对不同维度的数据建立不同的用户标签;基于所述不同的用户标签,创建用户风险画像。
其中,所述多个维度,进一步包括:属性维度、行为维度、风险维度、模型评分维度中的至少一个。
作为示例,从各数据源获取用户数据。其中,通过求职平台获取用户的年龄、性别、学历、所在地区、职业、收入等数据;通过网购平台网购软件登录时间、网购软件登录频次、网购商品类型、网购商品价格、月网购消费金额等数据;通过金融平台获取逾期次数、逾期天数、选择的分期期数、平台贷款频率、AI模型评分等数据。
将获取到的上述数据划分为属性数据、行为数据、风险数据、模型评分数据等维度。
其中,模型评分数据至少包括:AI模型评分。
针对属性数据、行为数据、风险数据建立不同的机器学习模型,用于输出针对不同维度数据的评分,根据评分得到用户的标签。
作为示例,属性类评分模型可通过回归分析、决策树、人工神经网络、支持向量机、K-Means、关联规则、和/或时序模式算法实现,使得输入用户属性数据,可以得到属性是与非的概率,作为属性类评分,属性与的用户评分为1,为赋予相应用户标签;属性非的用户评分为0,则不赋予相应用户标签。
行为类评分模型、风险类评分模型的构建过程与属性类评分模型的构建过程相似,本发明在此不再赘述。
作为示例,图3是本发明的一种筛选用户的方法的用户风险画像示意图;如图3所示,获取到用户的标签包括属性、行为、风险、AI模型评分等,则根据获取到的上述标签创建用户风险画像。
S102:根据所述用户风险画像,将用户划分为多个客群。
其中,所述根据所述用户风险画像,将用户划分为多个客群,进一步包括:选取用户标签;基于所述选取的用户标签,建立分群规则;按照所述分群规则分析所述的用户风险画像,并将用户划分为多个客群。
作为示例,选取属性与、属性非、风险高、风险低四个标签;基于属性好、属性坏、风险高、风险低四个标签,建立分群规则。分群规则可为:将属性与且风险高的用户划为客群A,属性非且风险高的用户划为客群B,将属性与且风险低的用户划为客群C,属性非且风险低的用户划为客群D。按照所述建立的分群规则,所有用户可划分为客群A、客群B、客群C、客群D四种。
S103:构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤。
其中,构建风险规则,进一步包括:构建强风险规则,所述强风险规则用于剔除客群中的用户。
其中,构建弱风险规则,所述弱风险规则用于对客群中的用户进行差异化处理。
作为示例,统一对各个客群剔除符合强风险规则的用户。强风险规则,即完全不予通过的规则,即该用户的硬性条件,表明该用户的风险极大。可例如客群A中某用户逾期100次,用户的风险极大,利用强风险规则剔除客群A中的该用户。
对各客群采用强风险规则后,须对各个客群分别分析弱风险类规则,由于各个客群的属性不尽相同,弱风险类规则并不会对每类客群都呈现有效的区分度,仅对个别客群使用弱风险规则,显现客户分群的差异化策略。
弱风险规则不剔除客户,仅做客群差异化调幅策略使用。例如:有无学历规则,风险对应值为0.3%和0.5%,则有学历客户调幅高,无学历客户调幅低。
S104:切分过滤后的客群中的用户形成客群分块。
其中,所述切分过滤后的客群中的用户形成客群分块,进一步包括:
获取用户行为评分,并根据所述用户行为评分切分过滤后的客群中的用户形成客群分块。
进一步地,所述根据所述用户行为评分切分过滤后的客群中的用户形成客群分块,进一步包括:根据所述用户行为评分的高低,对所述过滤后的客群中的用户进行排序;按照排序结果切分过滤后的客群中的用户形成客群分块。
作为示例,使用Behavior score card获取用户的行为评分,根据所述用户行为评分的高低,对过滤后的客群中的用户进行由高到低的排序,按照排序结果切分过滤后的客群中的用户形成客群分块。
由于用户行为评分较强风、弱风险规则等其他策略的颗粒度最为细腻,因此作为最后的兜底规则,有利于将客群切分为小方块。
其中,本发明的方法还包括:获取所述客群分块的收益和风险数据;以及通过调整所述用户行为评分使所述客群分块的收益和风险数据符合单调性
S105:根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
评估每客群分块对应的实际风险表现与实际现金流表现,基于客户分群后的稳定性与行为评分模型的优越性,根据行为评分的由高到低划分后的每一个客群分块应当是呈现出单调趋势的收益与风险,将收益不达标或高于整体风险的小方块剔除,或调整策略使收益与风险呈现单调性,能够得到基于盈亏平衡与优化风险的客群筛选结果。
最后,根据步骤S10S~105得到的筛选结果,策略制定者可以在此基础上根据自己的业务目标(如KPI目标)平衡规模、风险以及收益,从而制定出基于不同业务目标的多套风控筛选策略。
本发明通过创建用户风险画像对用户进行分群,有利于针对各个客群的特点配置差异化的筛选策略,从而达到精细化经营的目的。
本发明通过构建强风险规则和弱风险规则,实现针对各个客群特点的差异化筛选策略。
本发明通过使用用户行为评分对客群进行分块,使分块的风险与收益呈现单调性,进而达到优化整体风险与收益的效果。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
图4是本发明的一种筛选用户的装置的模块架构示意图;如图4所示,本发明的装置400,包括用户数据获取模块401,客群划分模块402,风险规则构建及使用模块403,客群分块生成模块404,客群分块筛选模块405.
用户数据获取模块401,用于获取用户数据,创建用户风险画像。
客群划分模块402,用于根据所述用户风险画像,将用户划分为多个客群。
风险规则构建及使用模块403,用于构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤。
客群分块生成模块404,用于切分过滤后的客群中的用户形成客群分块。
客群分块筛选模块405,用于根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
图5是本发明的一种筛选用户的装置的用户数据获取模块架构示意图;如图5所示,用户数据获取模块401,进一步包括:用户数据获取单元501,用户数据划分单元502,用户标签建立单元503,用户风险画像创建单元504。
用户数据获取单元501,用于获取用户数据。
用户数据划分单元502,用于将所述用户数据划分为多个维度的数据。
用户标签建立单元503,用于针对不同维度的数据建立不同的用户标签。
用户风险画像创建单元504,用于基于所述不同的用户标签,创建用户风险画像。
其中,所述多个维度,进一步包括:属性维度、行为维度、风险维度、模型评分维度中的至少一个。
其中,所述客群划分模块,进一步包括:用户标签选取单元,用于选取用户标签;分群规则建立单元,用于基于所述选取的用户标签,建立分群规则;分群规则使用单元,用于按照所述分群规则分析所述的用户风险画像,并将用户划分为多个客群。
其中,所述风险规则构建及使用模块,进一步包括:强风险规则构建单元,用于构建强风险规则,所述强风险规则用于剔除客群中的用户。
其中,进一步包括:弱风险规则构建单元,用于构建弱风险规则,所述弱风险规则用于对客群中的用户进行差异化处理。
其中,所述客群分块生成模块,进一步包括:客群分块生成单元,用于获取用户行为评分,并根据所述用户行为评分切分过滤后的客群中的用户形成客群分块。
其中,所述客群分块生成单元,进一步包括:用户排序子单元,用于根据所述用户行为评分的高低,对所述过滤后的客群中的用户进行排序;用户切分子单元,用于按照排序结果切分过滤后的客群中的用户形成客群分块。
其中,本发明的装置,还包括:收益和风险数据获取单元,用于获取所述客群分块的收益和风险数据;行为评分调整单元,用于通过调整所述用户行为评分使所述客群分块的收益和风险数据符合单调性。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图6是本发明的筛选用户的电子设备的结构框架示意图。下面参照图6来描述根据本发明该实施例的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:获取用户数据,创建用户风险画像;根据所述用户风险画像,将用户划分为多个客群;构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;切分过滤后的客群中的用户形成客群分块;根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
所述计算机程序可以存储于一个或多个计算机可读介质上,如图7所示。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种筛选用户的方法,其特征在于,包括:
获取用户数据,创建用户风险画像;
根据所述用户风险画像,将用户划分为多个客群;
构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;
切分过滤后的客群中的用户形成客群分块;
根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
2.如权利要求1所述的方法,其特征在于,所述获取用户数据,创建用户风险画像,进一步包括:
获取用户数据;
将所述用户数据划分为多个维度的数据;
针对不同维度的数据建立不同的用户标签;
基于所述不同的用户标签,创建用户风险画像。
3.如权利要求1-2中任一项所述的方法,其特征在于,所述多个维度,进一步包括:
属性维度、行为维度、风险维度、模型评分维度中的至少一个。
4.如权利要求1-3中任一项所述的方法,其特征在于,所述根据所述用户风险画像,将用户划分为多个客群,进一步包括:
选取用户标签;
基于所述选取的用户标签,建立分群规则;
按照所述分群规则分析所述的用户风险画像,并将用户划分为多个客群。
5.如权利要求1-4中任一项所述的方法,其特征在于,所述构建风险规则,进一步包括:
构建强风险规则,所述强风险规则用于剔除客群中的用户。
6.如权利要求1-5中任一项所述的方法,其特征在于,进一步包括:
构建弱风险规则,所述弱风险规则用于对客群中的用户进行差异化处理。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述切分过滤后的客群中的用户形成客群分块,进一步包括:
获取用户行为评分,并根据所述用户行为评分切分过滤后的客群中的用户形成客群分块。
8.一种筛选用户的装置,其特征在于,包括:
用户数据获取模块,用于获取用户数据,创建用户风险画像;
客群划分模块,用于根据所述用户风险画像,将用户划分为多个客群;
风险规则构建及使用模块,用于构建风险规则,并根据所述风险规则对所述多个客群中的用户进行过滤;
客群分块生成模块,用于切分过滤后的客群中的用户形成客群分块;
客群分块筛选模块,用于根据所述客群分块的收益和风险数据,对所述客群分块进行筛选以完成用户筛选。
9.一种电子设备,其中,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910941973.8A CN110807653A (zh) | 2019-11-28 | 2019-11-28 | 一种筛选用户的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910941973.8A CN110807653A (zh) | 2019-11-28 | 2019-11-28 | 一种筛选用户的方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110807653A true CN110807653A (zh) | 2020-02-18 |
Family
ID=69488048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910941973.8A Pending CN110807653A (zh) | 2019-11-28 | 2019-11-28 | 一种筛选用户的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807653A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680032A (zh) * | 2020-04-28 | 2020-09-18 | 上海淇馥信息技术有限公司 | 一种处理信息发送任务的方法、装置和电子设备 |
CN113157740A (zh) * | 2021-04-26 | 2021-07-23 | 上海淇馥信息技术有限公司 | 一种业务物料的投放方法、装置和电子设备 |
CN113724061A (zh) * | 2021-08-18 | 2021-11-30 | 杭州信雅达泛泰科技有限公司 | 基于客户分群的消费金融产品信用评分方法及装置 |
CN115439033A (zh) * | 2022-11-09 | 2022-12-06 | 浙江浙大网新软件产业集团有限公司 | 基于社保数据的风险用户筛选方法、装置及计算设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961040A (zh) * | 2018-06-29 | 2018-12-07 | 重庆富民银行股份有限公司 | 用于授信贷款的贷款额度评估***及方法 |
CN110348727A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置和电子设备 |
-
2019
- 2019-11-28 CN CN201910941973.8A patent/CN110807653A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961040A (zh) * | 2018-06-29 | 2018-12-07 | 重庆富民银行股份有限公司 | 用于授信贷款的贷款额度评估***及方法 |
CN110348727A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置和电子设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680032A (zh) * | 2020-04-28 | 2020-09-18 | 上海淇馥信息技术有限公司 | 一种处理信息发送任务的方法、装置和电子设备 |
CN111680032B (zh) * | 2020-04-28 | 2024-02-13 | 奇富数科(上海)科技有限公司 | 一种处理信息发送任务的方法、装置和电子设备 |
CN113157740A (zh) * | 2021-04-26 | 2021-07-23 | 上海淇馥信息技术有限公司 | 一种业务物料的投放方法、装置和电子设备 |
CN113724061A (zh) * | 2021-08-18 | 2021-11-30 | 杭州信雅达泛泰科技有限公司 | 基于客户分群的消费金融产品信用评分方法及装置 |
CN115439033A (zh) * | 2022-11-09 | 2022-12-06 | 浙江浙大网新软件产业集团有限公司 | 基于社保数据的风险用户筛选方法、装置及计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807527B (zh) | 一种基于客群筛选的额度调整方法、装置和电子设备 | |
CN110807653A (zh) | 一种筛选用户的方法、装置和电子设备 | |
CN110796542A (zh) | 金融风险控制方法、金融风险控制装置和电子设备 | |
CN106649890A (zh) | 数据存储方法和装置 | |
DE112011104487T5 (de) | Verfahren und System zur prädiktiven Modellierung | |
CN112270546A (zh) | 基于stacking算法的风险预测方法、装置和电子设备 | |
WO2022026433A1 (en) | Environmental, social, and governance (esg) performance trends | |
Kryshtanovych et al. | Optimization of state regulation in the field of safety and security of business: a local approach | |
CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
DE112020000545T5 (de) | Deep-forest-modell-entwicklung und -training | |
CN113505936A (zh) | 项目审批结果的预测方法、装置、设备及存储介质 | |
CN111738331A (zh) | 用户分类方法及装置、计算机可读存储介质、电子设备 | |
CN107908796A (zh) | 电子政务查重方法、装置以及计算机可读存储介质 | |
US11150880B1 (en) | Automating an adoption of cloud services | |
US20230116515A1 (en) | Determining named entities associated with aspect terms extracted from documents having unstructured text data | |
CN112016797B (zh) | 基于knn的资源配额调整方法、装置和电子设备 | |
CN108629381A (zh) | 基于大数据的人群筛选方法及终端设备 | |
CN111582649A (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN112449002A (zh) | 一种待推送对象的推送方法、装置、设备及存储介质 | |
CN111445139A (zh) | 业务流程模拟方法及装置、存储介质、电子设备 | |
US11620320B1 (en) | Document summarization through iterative filtering of unstructured text data of documents | |
CN111191688A (zh) | 一种用户分期期数管理方法、装置和电子设备 | |
US20200286104A1 (en) | Platform for In-Memory Analysis of Network Data Applied to Profitability Modeling with Current Market Information | |
CN113379533A (zh) | 一种循环贷款提额方法、装置、设备及存储介质 | |
CN108305172A (zh) | 投资标的选择方法、电子装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |