基于机器学习来执行差异化定价的方法及系统技术方案

提供了一种基于机器学习来执行差异化定价的方法及系统，所述方法包括：(A)、获取关于待定价项和/或待定价项的支付者的信息；(B)、基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；(C)、通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；(D)、基于预估出的价格接受概率来确定待定价项的价格。基于所述差异化定价方法及系统，能够克服现有的差异化定价方式欠缺有效性的缺陷。

【技术实现步骤摘要】

本专利技术总体说来涉及人工智能领域，更具体地说，涉及一种基于机器学习来执行差异化定价的方法及系统。
技术介绍
实践中，对于待支付的项目(例如，商品和/或服务等)，往往采用固定定价的方式来确定支付金。特别是对于诸如押金、预付款、罚金、利率等，通常都是按照预先确定的固定规则或算法来确定数额。然而，在经营活动中，对于某些出售的商品和/或服务，会期望针对支付者制定差异化的价格，以满足诸如最大化获利等需求。为此，通常采用人工方式对价格进行调整，然而，这种方式不仅受制于调价人员的业务水平，而且需要耗费大量的人力成本，在准确性方面和效率方面都无法满足人们的需求。随着计算机技术的发展，可利用基于数据建立的定价模型来确定待定价项的价格。例如，公开号为CN10520571A的中国专利申请提出了一种网络动态定价方法和系统，在所述方法和系统中，首先获取动态定价商品的数据信息，例如，价格数据、成本数据、分类数据、状态数据、库存数据和用户数据；根据设置的定价任务目标，对所述数据信息进行分析，确定与动态定价商品相匹配的定价模型；使用确定的相匹配的定价模型计算动态定价商品的动态价格。这里，不同的定价模型可依据需求区分定价、依据供给状况区分定价、依据商品成本区分定价、依据用户特征区分定价或依据时间周期区分定价。可以看出，现有的定价模型倾向于直接针对价格进行预测，但是其难以保证定价模型依据特定因素而预测出的价格恰为最容易被特定支付者所接受的定价，即，缺乏针对特定支付者的定价准确性。
技术实现思路
本专利技术的示例性实施例旨在克服现有的差异化定价方式欠缺有效性的缺陷。根据本专利技术的示例性实施例，提供一种基于机器学习来执行差异化定价的方法，包括：(A)、获取关于待定价项和/或待定价项的支付者的信息；(B)、基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；(C)、通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；(D)、基于预估出的价格接受概率来确定待定价项的价格。可选地，在所述方法中，在步骤(D)中，可基于预估出的价格接受概率，在预定约束条件下确定待定价项的价格。可选地，在所述方法中，在步骤(D)中，可基于预估出的价格接受概率，在预定业务目标下确定待定价项的价格，其中，所述预定业务目标涉及以下项之中的至少一项：销售利润、销量、销售区域、支付者分布、库存。可选地，在所述方法中，候选价格可基于价格接受概率和/或所述预定业务目标而自动调整。可选地，在所述方法中，关于待定价项的信息可用于描述待定价项的以下项之中的至少一项：销售地点、销售环境、保质期限、销售时节、销售历史、性质、成本、库存、付款方式、营销历史；并且/或者，关于待定价项的支付者的信息可用于描述支付者的以下项之中的至少一项：消费历史、身份、资产、收入、购物习惯。可选地，在所述方法中，待定价项可指信用卡的现金分期、交易分期或账单分期，其中，待定价项的价格可指现金分期、交易分期或账单分期的利率。可选地，在所述方法中，可响应于信用卡的现金分期申请、交易完成或账单生成来执行步骤(A)，或者，可按照预定时间间隔来执行步骤(A)。可选地，在所述方法中，步骤(D)可还包括：输出所确定的待定价项的价格。可选地，在所述方法中，在步骤(D)之后，所述方法可还包括：(E)、接收关于是否在所述预定时间段接受了在步骤(D)确定的价格的反馈结果；(F)、基于接收的反馈结果来产生差异化定价模型的训练样本，并基于训练样本来更新差异化定价模型。可选地，在所述方法中，在步骤(F)中，可将接收的反馈结果作为训练样本的标记，并将相应的预测样本的特征作为训练样本的特征。根据本专利技术示例性实施例的另一方面，提供一种基于机器学习来执行差异化定价的系统，包括：信息获取装置，用于获取关于待定价项和/或待定价项的支付者的信息；预测样本产生装置，用于基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；预估装置，用于通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；确定装置，用于基于预估出的价格接受概率来确定待定价项的价格。可选地，在所述系统中，确定装置可基于预估出的价格接受概率，在预定约束条件下确定待定价项的价格。可选地，在所述系统中，确定装置可基于预估出的价格接受概率，在预定业务目标下确定待定价项的价格，其中，所述预定业务目标涉及以下项之中的至少一项：销售利润、销量、销售区域、支付者分布、库存。可选地，在所述系统中，候选价格可基于价格接受概率和/或所述预定业务目标而自动调整。可选地，在所述系统中，关于待定价项的信息可用于描述待定价项的以下项之中的至少一项：销售地点、销售环境、保质期限、销售时节、销售历史、性质、成本、库存、付款方式、营销历史；并且/或者，关于待定价项的支付者的信息可用于描述支付者的以下项之中的至少一项：消费历史、身份、资产、收入、购物习惯。可选地，在所述系统中，待定价项可指信用卡的现金分期、交易分期或账单分期，其中，待定价项的价格可指现金分期、交易分期或账单分期的利率。可选地，在所述系统中，信息获取装置可响应于信用卡的现金分期申请、交易完成或账单生成来获取关于待定价项和/或待定价项的支付者的信息，或者，信息获取装置可按照预定时间间隔来获取关于待定价项和/或待定价项的支付者的信息。可选地，在所述系统中，确定装置还输出所确定的待定价项的价格。可选地，所述系统可还包括：反馈收集装置，用于接收关于是否在所述预定时间段接受了由确定装置确定的价格的反馈结果；训练样本产生装置，用于基于接收的反馈结果来产生差异化定价模型的训练样本；模型训练装置，用于基于训练样本来更新差异化定价模型。可选地，在所述系统中，训练样本产生装置可将接收的反馈结果作为训练样本的标记，并将相应的预测样本的特征作为训练样本的特征。根据本专利技术示例性实施例的一方面，提供一种基于机器学习来执行差异化定价的计算装置，包括存储部件和处理器，存储部件中存储有计算机可执行指令集合，当所述计算机可执行指令集合被所述处理器执行时，执行下述步骤：(A)、获取关于待定价项和/或待定价项的支付者的信息；(B)、基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；(C)、通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；(D)、基于预估出的价格接受概率来确定待定价项的价格。可选地，在所述计算装置中，在步骤(D)中，可基于预估出的价格接受概率，在预定约束条件下确定待定价项的价格。可选地，在所述计算装置中，在步骤(D)中，可基于预估出的价格接受概率，在预定业务目标下确定待定价项的价格，其中，所述本文档来自技高网...

【技术保护点】
一种基于机器学习来执行差异化定价的方法，包括：(A)、获取关于待定价项和/或待定价项的支付者的信息；(B)、基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；(C)、通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；(D)、基于预估出的价格接受概率来确定待定价项的价格。

【技术特征摘要】
1.一种基于机器学习来执行差异化定价的方法，包括：(A)、获取关于待定价项和/或待定价项的支付者的信息；(B)、基于获取的信息来产生基于机器学习的差异化定价模型的预测样本所包括的属性特征，并通过将产生的属性特征分别与待定价项的至少一个候选价格之中的每一个候选价格进行组合以产生差异化定价模型的至少一条预测样本；(C)、通过使用差异化定价模型来基于所述至少一条预测样本分别预估在预定时间段接受各个候选价格的价格接受概率；(D)、基于预估出的价格接受概率来确定待定价项的价格。2.如权利要求1所述的方法，其中，在步骤(D)中，基于预估出的价格接受概率，在预定约束条件下确定待定价项的价格。3.如权利要求1所述的方法，其中，在步骤(D)中，基于预估出的价格接受概率，在预定业务目标下确定待定价项的价格，其中，所述预定业务目标涉及以下项之中的至少一项：销售利润、销量、销售区域、支付者分布、库存。4.如权利要求1所述的方法，其中，候选价格基于价格接受概率和/或所述预定业务目标而自动调整。5.如权利要求1所述的方法，其中，待定价项是指信用卡的现金分期、交易分期或账单分期，其中，待定价项的价格是指现金分期、交易分期或账单分期的利率。6.如权利要求5所述的方法，其中，响应于信用卡的现金分期申请、交易完成或账单生成来执行步骤(A)，或者，按照预定时间间隔来执行步骤(A)。7.如权利要求1所述的方法，其中，步骤(D)还包括：输出所确定的待定价项的价格。8.如权利要求1或7所述的方法，在步骤(D)之...

【专利技术属性】
技术研发人员：黄晶，胡楠，胡单，
申请(专利权)人：北京物思创想科技有限公司，
类型：发明
国别省市：北京;11