用户评价方法及相关装置制造方法及图纸

本申请提供了一种用户评价方法，该方法获得用户评价指标，并获得使用机器学习算法预先构建的评价模型，评价模型中包含有与用户评价指标相关的用户属性参数，获得待评价用户的用户数据，用户数据中包含有用户属性参数的参数值，将用户数据输入至评价模型中，评价模型对用户属性参数的参数值进行运算后便可以得到评价指标得分，评价指标得分可以反映用户在用户评价指标上的优劣情况，评价指标得分可以在根据用户评价指标筛选用户时提供依据。另外，本申请还提供了一种用户评价装置，用以保证所述方法在实际中的应用及实现。

User Evaluation Method and Related Devices

This application provides a user evaluation method, which obtains the user evaluation index, and obtains the evaluation model constructed in advance using machine learning algorithm. The evaluation model contains user attribute parameters related to user evaluation index, obtains user data to be evaluated, and user attribute parameters are included in user data. The parameter value of the number is input into the evaluation model. The evaluation model calculates the parameter value of the user's attribute parameters, and then the evaluation index score can be obtained. The evaluation index score can reflect the user's advantages and disadvantages in the evaluation index. The evaluation index score can be used to screen the user according to the user's evaluation index. Provide basis. In addition, the application also provides a user evaluation device to ensure the practical application and implementation of the method.

【技术实现步骤摘要】
用户评价方法及相关装置
本申请涉及金融数据处理
，更具体地，是用户评价方法及相关装置。
技术介绍
商业银行面临利率市场化、互联网金融和监管趋严的多重冲击，经营压力日渐增加，市场竞争也更为激烈残酷。对于银行来讲，客户拥有量是同业竞争中具有明显优势的一项指标。因此，银行需要使用各种营销策略来想法设法提高服务客户数量。但是，潜在客户是海量的，并非所有的客户都是符合营销目标的用户，在营销成本有限的情况下，需要一种评估方法，来精准地确定出符合营销目标的客户，从而有针对性的对这些用户进行营销。
技术实现思路
有鉴于此，本申请提供了一种用户评价方法，用于在潜在用户中确定出符合营销目标的用户。为实现所述目的，本申请提供的技术方案如下：第一方面，本申请提供了一种用户评价方法，包括：获得与业务相关的用户评价指标；获得与所述用户评价指标对应的评价模型，其中所述评价模型是由机器学习算法训练得到的，且所述评价模型中包含用于反映所述用户评价指标的用户属性参数；获得待评价用户的用户数据，所述用户数据中包含所述用户属性参数的参数值；将所述用户数据输入至所述评价模型中，以获得对所述待评价用户在所述用户评价指标上的评价指标得分。第二方面，本申请提供了一种用户评价装置，包括：评价指标获得模块，用于获得与业务相关的用户评价指标；评价模型获得模块，用于获得与所述用户评价指标对应的评价模型，其中所述评价模型是由机器学习算法训练得到的，且所述评价模型中包含用于反映所述用户评价指标的用户属性参数；用户数据获得模块，用于获得待评价用户的用户数据，所述用户数据中包含所述用户属性参数的参数值；指标得分获得模块，用于将所述用户数据输入至所述评价模型中，以获得对所述待评价用户在所述用户评价指标上的评价指标得分。由以上技术方案可知，本申请提供了一种用户评价方法，该方法获得用户评价指标，并获得使用机器学习算法预先构建的评价模型，评价模型中包含有与用户评价指标相关的用户属性参数，获得待评价用户的用户数据，用户数据中包含有用户属性参数的参数值，将用户数据输入至评价模型中，评价模型对用户属性参数的参数值进行运算后便可以得到评价指标得分，评价指标得分可以反映用户在用户评价指标上的优劣情况，评价指标得分可以在根据用户评价指标筛选用户时提供依据。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请提供的用户评价方法的一种流程示意图；图2为本申请提供的营销响应概率与价值贡献等级之间的关系示意图；图3为本申请提供的营销消息的发送次数与用户的评价指标得分之间的一种关系曲线示意图；图4为本申请提供的用户评价方法的一种实现方式示意图；图5为本申请提供的用户评价装置的一种结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。银行业中，商业银行为了增强在同业竞争中的实力，需要进行市场扩展。市场扩展过程中，用户是海量的，但营销成本资源是有限的。因此，为了减少营销成本，需要能够在海量的潜在用户中，确定出一些优质的用户，针对性地对这些用户使用营销策略，以期望实现使用较少的成本达到较好的营销结果的目的。为了能够在海量用户中选择符合营销目标的用户，需要对用户进行评价，从而便可以按照评价结果选择目标用户。见图1，其示出了本申请提供的用户评价方法的一种流程。如图1所示，该流程可以具体包括步骤S101～104。S101：获得与业务相关的用户评价指标。其中，用户评价指标表示的是，在业务场景中对用户进行评价的指标项。例如在银行业的产品营销场景中，评价用户的指标可以包括但不局限于，用户购买产品的概率，用户购买产品后给银行带来的效益。又如在银行业的信用评价场景中，评价用户的指标可以包括但不局限于，用户的信用情况。在不同的业务场景中，相关的用户评价指标也是不同的。用户评价指标与业务场景是对应的，可以预先设置业务场景与用户评价指标的对应关系，再根据业务场景确定对应用户评价指标。在本申请中，用户评价指标中可以包括多项，相较于现有的单一评价指标，包含多项指标项的评价指标更加综合性，能够更加全面地评价用户，从而得到的评价结果更加具有参考价值。需要说明的是，本步骤所获得的用户评价指标并非用户的指标值，而是指标项，换句话说，本步骤是为了确定需要在哪些指标项上对用户进行评价，以下步骤是为了得到用户在该指标项上的指标值。S102：获得与用户评价指标对应的评价模型，其中评价模型是由机器学习算法训练得到的，且评价模型中包含用于反映用户评价指标的用户属性参数。其中，本申请会预先使用机器学习算法构建评价模型，所构建的评价模型可以包括但不局限于逻辑回归模型、决策树模型。机器学习算法专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习也是数据挖掘过程的一类方法。本申请应用到机器学习方法包括但不限于逻辑回归、决策树、神经网络等回归预测方法。评价模型中包含有用户属性参数，可以理解的是，用户属性参数是与用户评价指标相关的参数，更具体的是能够反映或者影响用户评价指标的参数。例如，用户评价指标为用户信用情况，则用户属性参数包括但不局限于，用户年龄、用户信用卡逾期还款次数、用户信用卡逾期还款金额、用户近三个月交易次数等等。又如，用户评价指标包括营销响应概率、以及价值贡献等级。其中能够反映营销响应概率的用户属性参数可以包括但不局限于，客户年龄、近6个月消费笔数、银行卡当前未到期余额、投资余额、贷款余额等，更加详细的用户属性参数以下具体说明。能够反映价值贡献等级的用户属性参数可以包括但不局限于，是否是网银客户、贷款总额、信用卡数量、近6个月消费金额、90天ATM取现次数等，更加详细的用户属性参数以下具体说明。在评价模型中，每个用户属性参数具有各自的权重值，用于表示用户属性参数与用户评价指标的关联程度。评价模型可以对多个用户属性参数按照其对于用户评价指标的重要程度进行处理，从而得到对用户的综合评价。S103：获得待评价用户的用户数据，用户数据中包含用户属性参数的参数值。其中，可以从大数据平台中获得待评价用户以及待评价用户的用户数据。具体来讲，随着大数据事业的持续发展，各家商业银行先后完成了大数据平台的建设，全行数据进行了统一管理，大数据平台可以包含同一家银行中所有产品的用户及用户信息，因此可以从大数据平台中获得潜在用户的用户数据。需要说明的是，同一家商业银行可以有多种产品，某个用户是某一个产品的用户，但并非另一个产品的用户，因此对于该另一个产品来说，该用户是潜在用户。当然，潜在用户可以是本行内的用户，也可以非本行用户。潜在本文档来自技高网...

【技术保护点】
1.一种用户评价方法，其特征在于，包括：获得与业务相关的用户评价指标；获得与所述用户评价指标对应的评价模型，其中所述评价模型是由机器学习算法训练得到的，且所述评价模型中包含用于反映所述用户评价指标的用户属性参数；获得待评价用户的用户数据，所述用户数据中包含所述用户属性参数的参数值；将所述用户数据输入至所述评价模型中，以获得对所述待评价用户在所述用户评价指标上的评价指标得分。

【技术特征摘要】
1.一种用户评价方法，其特征在于，包括：获得与业务相关的用户评价指标；获得与所述用户评价指标对应的评价模型，其中所述评价模型是由机器学习算法训练得到的，且所述评价模型中包含用于反映所述用户评价指标的用户属性参数；获得待评价用户的用户数据，所述用户数据中包含所述用户属性参数的参数值；将所述用户数据输入至所述评价模型中，以获得对所述待评价用户在所述用户评价指标上的评价指标得分。2.根据权利要求1所述的用户评价方法，其特征在于，所述用户评价指标包括：营销响应概率及价值贡献等级，则获得的评价模型包括：营销响应概率评价子模型，以及价值贡献等级评价子模型；所述营销响应概率评价子模型为：S＝γi*χi；其中，S表示营销响应概率，χi表示能够反映营销响应概率的用户属性参数，γi表示用户属性参数χi对应的权重参数；所述价值贡献等级评价子模型为：V＝ηj*yj；其中，V表示价值贡献等级，yj表示能够反映价值贡献等级的用户属性参数，ηj表示用户属性参数yj对应的权重参数；则所述评价模型包括：P＝αV+βS；其中，P表示用户的评价指标得分，V表示价值贡献等级，α表示价值贡献等级对应的权重参数，S表示营销响应概率，β表示营销响应概率对应的权重参数。3.根据权利要求1所述的用户评价方法，其特征在于，还包括：在待评价用户中，选择评价指标得分满足预设条件的待评价用户作为目标营销用户；对所述目标营销用户发送营销信息。4.根据权利要求3所述的用户评价方法，其特征在于，还包括：获得向所述目标营销用户发送营销信息的次数；使用发送营销信息的次数对所述目标营销用户的评价指标得分进行修正；使用修正后的评价指标得分替换修正之前的评价指标得分，并在待评价用户中，选择评价指标得分满足预设条件的待评价用户作为新的目标营销用户；对所述新的目标营销用户发送营销信息。5.根据权利要求4所述的用户评价方法，其特征在于，所述使用发送营销信息的次数对所述目标营销用户的评价指标得分进行修正，包括：使用评价指标得分修正公式对所述目标营销用户的评价指标得分进行修正；其中，P'表示修正后的评价指标得分，λ表示修正系数，N表示发送营销信息的次数，σ表示可修正的常数，V表示价值贡献等级，α表示价值贡献等级对应的权重参数，S表示营销响应概率，β表示营销响应概率对应的权重参数。6.一种用户评价装置，其特征在于，包括：评价指标获得模块，用于获得与业务相关的用户评...

【专利技术属性】
技术研发人员：赵维平，赵存超，耿博，秦雷，有全，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：北京,11