[发明专利]用户触达时间的预测方法、预测模型训练方法及相关装置

说明书

一种用户触达时间的预测方法、预测模型训练方法及装置，该方法包括：获取多个用户的用户属性数据和历史交互数据；根据所述多个用户的用户属性数据和历史交互数据，生成特征变量和标签，得到模型训练的训练集；建立分类模型，并利用所述训练集对分类模型进行训练，获得用户触达时间的预测模型。本发明实施例提供的用户触达时间的预测方法、预测模型训练方法及装置，基于现有特征变量创造了新的特征变量(营销时间段)，打破了数据库现有变量建模的固化思维，通过创造的新变量，提高了最终模型的泛化性和模型的预测准确性。

技术领域

本发明涉及信息处理技术领域，具体涉及一种用户触达时间的预测方法、预测模型训练方法及相关装置。

背景技术

对用户触达时间的预测，是指对于一个潜在客户或者疑为流失用户，可以通过多种线上和/或线下渠道对其进行触达，但对于潜在客户或者疑为流失的用户触达的时间来说，可能具有一定的周期性和临时突发性等特点。对此则需要预先对其进行时间触达的预测，才能达到最好效果。

对用户触达时间的预测在很多传统行业中，大多是盲目地通过各种触达方式对客户进行营销，这种方式不仅浪费人力成本，也不符合未来发展趋势。在对用户时间触达的预测上，通常需要借助相关模型或者算法来帮助找到解决问题的方法。

随着消费金融的迅猛发展，消费金融公司在普惠金融领域中扮演着越来越重要的角色，也是拉动内需的重要支撑。因此在庞大的内需市场中，如何及时找到有意向用户，首先也是需要在用户触达时间的预测上能有所突破。

目前一些传统的金融行业，当前普遍停留在通过一些规则或者统计分析的方法来处理对用户时间触达的预测，其实际效果往往不佳，也浪费了很多人力物力成本，甚至有些还在采用一对一营销模式，关系营销模式以及“撒网”式营销模型。

可以看出，现有技术的用户触达时间的预测方法，存在以下问题：盲目“撒网”式营销模式，浪费了很多人力物力成本，不是可持续发展的方法。通过一些规则或者只是通过一些统计分析的方法来做预测策略，这种预测方法通常只注重于局部的、个别的特征所反映的表面现象，难以观察到全局特征或本质特征，预测结果的准确性低。另外，现有技术还存在预测结果滞后，难以及时的做到精准营销。

发明内容

本发明的至少一个实施例提供了一种用户触达时间的预测方法、预测模型训练方法及相关装置，可以提高预测结果的准确性。

根据本发明的另一方面，至少一个实施例提供了一种用户触达时间的预测模型的训练方法，包括：

获取多个用户的用户属性数据和历史交互数据，所述历史交互数据包括交互时间段；其中，所述交互时间段是所述交互行为在多个预设时间段中所属的时间段，所述多个预设时间段是对预设的交互周期划分得到的；

根据所述多个用户的用户属性数据和历史交互数据，生成包含特征变量和标签的样本集；

利用所述样本集对分类模型进行训练，以获得用于预测用户触达时间的预测模型。

根据本发明的至少一个实施例，根据所述多个用户的用户属性数据和历史交互数据，生成包含特征变量和标签的样本集的步骤，包括：

通过特征工程，计算特征变量之间的相关性，以及特征变量对标签的影响权重，并根据特征变量之间的相关性和特征变量对标签的影响权重，从所述多个用户的用户属性数据和历史交互数据中提取特征变量；

将提取的特征变量及其标签中的全部或部分数据，作为用于模型训练的样本集。

根据本发明的至少一个实施例，在提取特征变量之后，所述方法还包括：还包括：对提取的特征变量进行以下至少一种处理：

对提取的特征变量进行缺失值填补；

对提取的特征变量中的离散型特征变量进行哑变量编码；