基于用户数据的催收方法、装置和存储介质制造方法及图纸

本申请实施例提供了一种基于用户数据的催收方法、装置和存储介质，该方法包括：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；生成所述用户数据的特征向量；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。本申请实施例可以提高催收成功率，且效率高、成本低。

【技术实现步骤摘要】
基于用户数据的催收方法、装置和存储介质
本申请涉及数据处理
，尤其是涉及一种基于用户数据的催收方法、装置和存储介质。
技术介绍
催收是回收逾期不良资产的一种方式，通常是债权方自己或委托第三方进行欠款收回。目前，传统的催收，一般是人工通过电话、短信、外访等方式进行。然而，人工催收易受催收经验、情绪等多方面因素的影响，催收成功率难以保证。因此，如何提高催收成功率已成为目前亟待解决的技术问题。
技术实现思路
本申请实施例的目的在于提供一种基于用户数据的催收方法、装置和存储介质，以提高催收成功率。为达到上述目的，一方面，本申请实施例提供了一种基于用户数据的催收方法，包括：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；生成所述用户数据的特征向量；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。另一方面，本申请实施例提供了一种基于用户数据的催收装置，包括：目标用户确定模块，用于确定还款日进入指定期限的目标用户；用户数据确定模块，用于获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；特征向量生成模块，用于生成所述用户数据的特征向量；风险类别确定模块，用于将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；催收策略确定模块，用于根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。另一方面，本申请实施例提供了另一种基于用户数据的催收装置，包括存储器、处理器、以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时执行如下步骤：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；生成所述用户数据的特征向量；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。另一方面，本申请实施例提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。由以上本申请实施例提供的技术方案可见，本申请实施例可以基于用户数据识别出用户所属的催收风险类别，从而可根据预设的催收风险类别与催收策略对应关系，确定与用户的催收类别对应的催收策略，而依据与用户的催收类别对应的催收策略进行催收，则可以更有针对性进行个性化催收，因而有利于提高催收成功率。此外，本申请实施例的催收策略中还可以包括自动催收方式，相对于人工催收，这种自动催收方式的催收效率更高、且催收成本更低，而且不易受时间、地域、天气等多方面因素的影响。而且，这种自动催收方式还可以避免人工催收所带来的用户信息泄露风险及暴力催收风险。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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本申请一些实施例中基于用户数据的催收方法的流程图；图2为本申请一些实施例中基于用户数据的的催收装置的结构框图；图3为本申请另一些实施例中基于用户数据的的催收装置的结构框图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，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作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。参考图1所示，本申请一些实施例的基于用户数据的催收方法包括：S101、确定还款日进入指定期限的目标用户。S102、获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据。S103、生成所述用户数据的特征向量。S104、将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别。S105、根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。由此，通过上述实施例的基于用户数据的催收方法，可以基于用户数据识别出用户所属的催收风险类别，从而可根据预设的催收风险类别与催收策略对应关系，确定与用户的催收类别对应的催收策略，而依据与用户的催收类别对应的催收策略进行催收，则可以更有针对性进行个性化催收，因而有利于提高催收成功率。本申请实施例中，在实施上述步骤S101-S105之前，可预先确定催收风险分类模型。本申请一些实施例中，所述催收风险分类模型可以通过以下方式获得：1)、采集指定范围内多个用户的历史用户数据；所述历史用户数据包括用户属性数据及与催收业务相关的历史用户行为数据。本申请一些实施例中，指定范围可以包括时间范围(例如三年内)、地区范围(例如中国大陆范围)和业务范围(例如某个或某些金融机构的指定贷款业务)等，具体可根据需要选择。历史用户数据中用户属性数据也可以根据需要选择，例如可以包括用户的年龄、学历、职业等等。同样，用户数据中的与催收业务相关的历史用户行为数据也可以根据需要选择，例如可以包括用户的贷款业务信息、逾期还款记录、催收历史记录、交易数据。此外，根据需要，与催收业务相关的用户行为数据还可以包括第三方数据，例如征信信息、用户与第三方的交易信息等等。2)、对所述历史用户数据进行预处理。本申请一些实施例中，预处理可以包括但不限于数据清洗、数据降维等中的任意一种或多种，具体可根据需要进行选择。其中，数据清洗旨在去除不可信数据样本(例如数值异常的数据、数值缺失的数据等)及无意义数据样本(例如重复数据等)。3)、对预处理后的历史用户数据进行采样，获取包含不同催收风险类别用户的采样数据。本申请一些实施例中，为了便于获得有效的催收风险分类模型，可以从历史用户数据选择包含各种催收风险类别的用户数据。例如，在一示例性实施例中，催收风险类别分为高风险、中风险和低风险，则相应的，可以从历史用户数据选择包含高风险、中风险和低风险的用户数据。当然，包含高风险、中风险和低风险的用户数据的应当具有一定的数量规模和多样性(例如数据来源多样，数据的特征维度多样等等)，以免影响训练出的催收风险分类模型的泛化能力。4)、对所述采样数据进行特征提取及向量化，获得特征向量化矩阵。本申请一些实施例中，通过对采样数据进行特征提取及向量化，可以形成可直接作为输入的数据样本。其中，特征提取是指提取用户的与催收风险类别相关的特征(例如上述的年龄、受教育程度、职业、贷款业务信息、逾期还本文档来自技高网...

【技术保护点】
1.一种基于用户数据的催收方法，其特征在于，包括：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；生成所述用户数据的特征向量；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。

【技术特征摘要】
1.一种基于用户数据的催收方法，其特征在于，包括：确定还款日进入指定期限的目标用户；获取所述目标用户的用户数据；所述用户数据包括用户属性数据及与催收业务相关的用户行为数据；生成所述用户数据的特征向量；将所述特征向量输入预设的催收风险分类模型，确定所述目标用户的催收风险类别；根据预设的催收风险类别与催收策略对应关系，确定与所述目标用户的催收类别对应的催收策略。2.如权利要求1所述的基于用户数据的催收方法，其特征在于，所述催收风险分类模型预先根据以下方式获得：采集指定范围内多个用户的历史用户数据；所述历史用户数据包括用户属性数据及与催收业务相关的历史用户行为数据；对所述历史用户数据进行预处理；对预处理后的历史用户数据进行采样，获取包含不同催收风险类别用户的采样数据；对所述采样数据进行特征提取及向量化，获得特征向量化矩阵；将该特征向量化矩阵的第一部分作为训练样本，输入预设的机器学习模型进行训练，以获得与目标输出对应的分类模型；将该特征向量化矩阵的第二部分作为测试样本，输入所述分类模型，以验证所述分类模型是否符合预设条件；如果所述分类模型符合所述预设条件，则将所述分类模型确定为催收风险分类模型。3.如权利要求1所述的基于用户数据的催收方法，其特征在于，每个催收类别对应的催收策略包括多个与逾期程度关联的催收方式。4.如权利要求3所述的基于用户数据的催收方法，其特征在于，所述催收方式包括以下中的部分或全部：基于短消息或电子邮件的还款提醒；基于短消息或电子邮件的书面催收；基于外呼机器人的电话催收；人工催收。5.如权利要求4所述的基于用户数据的催收方法，其特征在于，所述基于外呼机器人的电话催收，包括：在外呼机器人与被叫用户进行催收对话的过程中，对所述被叫用户的语音进行声纹识别，以确定所述被叫用户是否为目标用户；如果被叫用户不是目标用户的次数超出预设阈值，则触发用户失联信息处理。6.如权利要求4所述的基于用户数据的催收方法，其特征在于，所述基于外呼机器人的电话催收，包括：在外呼机器人与被叫用户进行催收对话的过程中，若捕捉到所述被叫用户确认下一次电话沟通时间的事件，则保存所述事件，以在所述被叫用户确认的下一次电话沟通时间到来时，向所述被叫用户发起电话催收。7.如权利要求4所述的基于用户数据的催收方法，其特征在于，所述基于外呼机器人的电话催收，包括：在外呼机器...

【专利技术属性】
技术研发人员：霍雨佳，张帆，郭海梁，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京,11