[发明专利]一种定制信息推送方法及系统

权利要求书

1.一种定制信息推送方法，其特征在于，包括：

选取备选的未完成申请记录数据；

将所述备选的未完成申请记录数据与已完成申请记录数据进行匹配；

当没有匹配结果时，将所述备选的未完成申请记录数据确定为未完成申请记录数据；

将所述未完成申请记录数据输入用户画像标签模型进行运算，以输出对应所述未完成申请记录数据的用户画像标签；

根据所述用户画像标签向所述未完成申请记录数据所属的用户推送定制信息。

2.如权利要求1所述的方法，其特征在于，所述选取备选的未完成申请记录数据，包括：

从第一数据库中选取备选的未完成申请记录数据，所述第一数据库存储的数据包括通过设置数据埋点采集的用户申请过程中的相关数据。

3.如权利要求1或2所述的方法，其特征在于，所述将所述备选的未完成申请记录数据与已完成申请记录数据进行匹配，进一步包括：

判断所述已完成申请记录数据是否包含所述备选的未完成申请记录数据中的用户身份标识；

当所述已完成申请记录数据不包含所述备选的未完成申请记录数据中的用户身份标识，则判断没有匹配结果。

4.如权利要求1或2所述的方法，其特征在于，所述将所述备选的未完成申请记录数据与已完成申请记录数据进行匹配，进一步包括：

当所述已完成申请记录数据包含所述备选的未完成申请记录数据中的用户身份标识，继续判断所述已完成申请记录数据是否包含所述备选的未完成申请记录数据中的关键申请数据，所述关键申请数据用于区分不同的申请；

如果所述已完成申请记录数据不包含所述备选的未完成申请记录数据中的关键申请数据，则判断没有匹配结果。

5.如权利要求1所述的方法，其特征在于，所述用户画像标签模型是预先通过训练数据机器学习模型训练的方式得到，进一步包括：

通过设置数据埋点采集训练模型所需的用户申请过程中的相关数据；

对采集的用户申请过程中的相关数据进行标注，生成大量的未完成申请用户的训练数据；

使用所述训练数据进行机器学习模型训练，得到用户画像标签模型。

6.如权利要求1所述的方法，其特征在于，所述用户画像标签包括如下一种或多种的组合：尝试型客户、隐私敏感型客户、缺少信用数据型客户、潜在虚假信息客户、和/或无法判断类型客户。

7.如权利要求1所述的方法，其特征在于，将所述未完成申请记录数据输入用户画像标签模型进行运算，进一步包括：

所述用户画像标签模型分析输入的所述未完成申请记录数据中包含的各用户申请过程中的行为数据，基于各用户申请过程中的行为数据中的一个或多个行为特征，对输入的各用户的未完成申请记录数据进行分类运算。

8.一种定制信息推送系统，其特征在于，包括：

备选记录单元，用于选取备选的未完成申请记录数据；

数据匹配单元，用于将所述备选的未完成申请记录数据与已完成申请记录数据进行匹配；

确定单元，用于当没有匹配结果时，将所述备选的未完成申请记录数据确定为未完成申请记录数据；

模型运算单元，用于将所述未完成申请记录数据输入用户画像标签模型进行运算，以输出对应所述未完成申请记录数据的用户画像标签；

推送单元，用于根据所述用户画像标签相关的用户类型，向所述未完成申请记录数据所属的用户推送定制信息。

9.如权利要求8所述的系统，其特征在于，还包括：

第一数据库，用于存储通过设置数据埋点采集的用户申请过程中的相关数据；

所述备选记录单元，进一步用于从第一数据库中所述相关数据中选取备选的未完成申请记录数据。