[发明专利]一种客户分群模型的构建方法和计算设备

权利要求书

1.一种客户分群模型的构建方法，适于在在计算设备中执行，该方法包括：

获取多个用户的属性数据、各用户在目标网站上的预定期间内的历史行为数据、以及目标网站在该预定期间内向各用户发送的短信推荐记录；

根据所获取的属性数据和历史行为数据计算各用户的多个特征值，并将各用户的多个特征值构造为一个特征向量；

根据所获取到的短信推荐记录和历史行为数据对各用户的购买属性类别进行标记，所述购买属性类别包括不发短信即会主动购买、发短信会触发购买、发短信和红包会触发购买、以及怎样都不会购买；

将各用户的特征向量及其对应的购买属性类别作为一条样本，以构造训练集；以及

以各用户的特征向量为输入、以其购买属性类别为输出，采用预定算法对该训练集进行训练，得到所述客户分群模型。

2.如权利要求1所述的方法，其中，特征值包括交易属性特征值，所述交易属性特征值包括以下特征值中的一个或多个：

每次交易时间、每次下单时间、订单到期时间、每次提现时间、注册时间、历史提现次数、历史交易次数、累计交易金额范围、购买产品所属类别的数量、购买产品所属类别的金额。

3.如权利要求1或2所述的方法，其中，特征值包括用户属性特征值，所述用户属性特征值包括用户的性别、年龄、省份、城市和设备信息中的一个或多个。

4.如权利要求1所述的方法，其中，根据所获取到的短信推荐记录和历史行为数据对各用户的购买属性类别进行标记的步骤包括：

在该预定期间内，

若未向用户发送推荐短信，用户却产生了交易行为，则将该用户标记为不发短信即会主动购买用户；

若未向用户发送推荐短信，用户也未产生交易行为，则将该用户标记为发短信和红包会触发购买用户；

若向用户发送推荐短信后，用户产生了交易行为，则将该用户标记为发短信会触发购买用户；以及

若向用户发送推荐短信后，用户未产生交易行为，则将该用户标记为怎样都不会购买用户。

5.如权利要求1所述的方法，其中，还包括对所获取到的属性数据、历史行为数据和短信推荐记录进行预处理的步骤：

去除其中的脏数据、对数据进行归一化处理、对定性数据进行哑编码、填补各数据项中的缺失值、以及对数据进行欠采样和/或过采样的均衡处理。

6.如权利要求1所述的方法，其中，所述预定算法为GBDT回归算法。

7.如权利要求6所述的方法，其中，所述采用预定算法对训练集进行训练的步骤包括：

采用不同的GBDT算法参数，分别对训练集进行训练，得到每种算法参数对应的客户分群模型；以及

分别计算每种算法参数下的客户分群模型的损失函数，并选取损失函数最小时的算法参数作为最优参数，并将最优参数所对应的客户分群模型作为最优模型。

8.如权利要求1所述的方法，还包括步骤：

获取各用户在当前日期之前预定期间内的历史行为数据；

根据各用户的属性数据和所获取到的历史行为数据计算各用户的多个特征值，并将该多个特征值构造为特征向量；以及

分别将各用户的特征向量输入到所述客户分群模型中，预测得到各用户的购买属性类别。

9.一种计算设备，包括：

至少一个处理器；和

存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-8中任一项所述的方法的指令。

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-8中任一项所述的方法。