[发明专利]一种优惠信息推送方法、装置和电子设备

说明书

本发明公开了一种优惠信息推送方法、装置、电子设备及计算机可读介质，包括：基于历史结清用户特征数据构建流失概率模型和动支概率模型；获取新结清用户特征数据；根据所述新结清用户特征数据，利用所述流失概率模型和动支概率模型，计算新结清用户的流失概率和动支概率；基于所述流失概率和动支概率，筛选出目标用户；向所述目标用户推送优惠信息。本发明能够通过流失概率模型和动支概率模型对用户进行筛选，对流失率高但动支意愿好的用户推送优惠信息，在降低流失率的同时提高动支率。

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种优惠信息推送方法、装置、电子设备及计算机可读介质。

背景技术

用户在发生借款之后，将借款全部结清，还款余额降为0，则称用户为结清用户。这部分用户发生再次贷款的概率低于当前有余额的用户，贷款意愿随时间下降非常快，结清大于30天之后，仅有不到一成的用户会发生再次贷款，流失率非常高。现有技术中，不存在针对流失率高的结清用户的有效措施。

发明内容

本发明要解决的技术问题是如何在降低结清用户流失率的同时提高动支率。

本发明的一方面提供一种优惠信息推送方法，包括：

基于历史结清用户特征数据构建流失概率模型和动支概率模型；获取新结清用户特征数据；

根据所述新结清用户特征数据，利用所述流失概率模型和动支概率模型，计算新结清用户的流失概率和动支概率；

基于所述流失概率和动支概率，筛选出目标用户；

向所述目标用户推送优惠信息。

根据本发明的一种优选实施方式，所述基于历史结清用户特征数据构建流失概率模型和动支概率模型的步骤，进一步包括：

获取历史结清用户数据；

从所述历史结清用户数据中筛选出历史结清用户特征数据；

基于所述历史结清用户特征数据构建流失概率模型和动支概率模型；

对所述流失概率模型和动支概率模型的特征参数进行调整，获取优化的流失概率模型和动支概率模型。

根据本发明的一种优选实施方式，所述从所述历史结清用户数据中筛选历史结清用户特征数据的步骤，进一步包括：

对所述历史结清用户数据进行数据清洗，获取标准数据；

通过特征工程，从所述标准数据中，筛选历史结清用户特征数据；

对所述历史结清用户特征数据进行检验，获取优化的历史结清用户特征数据。

根据本发明的一种优选实施方式，所述根据所述新结清用户特征数据，利用所述流失概率模型和动支概率模型，计算新结清用户的流失概率和动支概率的步骤，进一步包括：

根据所述新结清用户特征数据，通过集成学习算法，计算新结清用户的流失概率；

根据所述新结清用户特征数据，通过集成学习算法，计算新结清用户的动支概率。

根据本发明的一种优选实施方式，所述基于所述流失概率和动支概率，筛选出目标用户的步骤，进一步包括：

确定流失概率阈值；

确定动支概率阈值；

确定预设规则，所述预设规则为所述流失概率大于所述流失概率阈值，且所述户动支概率大于所述动支概率阈值。

根据本发明的一种优选实施方式，还包括：确定向目标用户推送优惠信息的推送时间。

根据本发明的一种优选实施方式，所述向所述目标用户推送优惠信息的步骤，进一步包括：