一种用户分群方法、系统、设备及计算机可读存储介质技术方案

本申请公开了一种用户分群方法、系统、设备及计算机可读存储介质，其中该方法包括：获取用户的用户画像数据及用户逾期还款天数；获取预先设定的分类条件；基于用户的用户画像数据及用户逾期还款天数确定所满足的分类条件，并将用户标记为与所满足的分类条件对应的用户类群。本申请公开的一种用户分群方法借助用户画像数据、用户逾期还款天数及分类条件来对用户进行分类，由于用户画像数据中包含的用户信息的多样性，与现有技术相比，本申请公开的一种用户分群方法对用户分群的分群准确性高。本申请公开的一种用户分群系统、设备及计算机可读存储介质也解决了相应技术问题。

A user grouping method, system, device and computer readable storage medium

【技术实现步骤摘要】
一种用户分群方法、系统、设备及计算机可读存储介质
本申请涉及金融
，更具体地说，涉及一种用户分群方法、系统、设备及计算机可读存储介质。
技术介绍
随着普惠金融的发展，大众对普惠金融的应用越加广泛，但普惠金融面对的用户群体的违约率成为制约金融机构普惠过程中必须跨越的阻碍。如何有效的提高用户违约还款的成功率是一项惠及所有金融机构方法。现有的一种违约催收方式是：根据用户的逾期还款天数将用户分为四类，并根据分类结果确定催收方式，具体为如果用户的逾期还款天数在30天以内，则采用短信提醒用户还款；如果用户的逾期还款天数在30天至60天之间，则采用电话提醒用户还款；如果用户的逾期还款天数在60天至90天之内，则采用法律文件提醒用户还款；如果用户的逾期还款天数在90天以上，则采用人员外访方式提醒用户还款。然而，现有的一种违约催收方式只能根据用户的逾期还款天数被动的对用户进行分群，分群准确性较低。综上所述，如何提高对用户进行分群的分群准确性是目前本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种用户分群方法，其能在一定程度上解决如何提高对用户进行分群的分群准确性的技术问题。本申请还提供了一种用户分群系统、设备及计算机可读存储介质。为了实现上述目的，本申请提供如下技术方案：一种用户分群方法，包括：获取用户的用户画像数据及用户逾期还款天数；获取预先设定的分类条件；基于用户的所述用户画像数据及所述用户逾期还款天数确定所满足的分类条件，并将用户标记为与所述所满足的分类条件对应的用户类群。优选的，所述分类条件包括多个分类条件，其中，所述多个分类条件说明用户违约还款的程度不同；每一所述预设的分类条件包括逾期还款天数的核准条件和分类变量的核准条件；其中：所述基于所述用户画像数据及所述用户逾期还款天数确定所满足的分类条件，包括：从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类至将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，确定出所述所满足的所述分类条件。优选的，所述从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类值包括：从所述用户画像数据中提取与每一所述分类条件对应的分类变量的核准条件对应的分类变量值，并基于所述每一所述分类条件对应的所述分类变量值计算所述分类条件对应的所述分类值；所述将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，包括：判断所述每一所述分类条件对应的分类值是否满足所述每一个分类条件中的分类变量的核准条件，且判断所述用户逾期还款天数是否满足所述每一个分类条件中的逾期还款天数的核准条件；若判断出所述分类值和所述用户逾期还款天数分别满足同一个所述分类条件中的分类变量的核准条件和分类变量的逾期还款天数的核准条件，则将用户标记为满足分类变量的核准条件和逾期还款天数的核准条件的分类条件对应的用户类群。优选的，将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，确定出所述所满足的所述分类条件包括：先基于所述用户逾期还款天数确定所满足的分类变量的逾期还款天数对应的所述分类条件；根据所述对应的分类条件获取相应分类条件的分类值；判断每一所述相应分类条件的分类值是否满足所述每一相应分类条件的分类变量的核准条件；将与分类值匹配的所述分类变量的核准条件对应的所述分类条件确定为所述所满足的分类条件。优选的，对所述多个分类条件进行先后匹配；确定出所述所满足的分类条件时匹配结束。优选的，在所述每一分类条件中所述分类变量的核准条件对应的分类变量值为两个以上时，所述分类变量值之间无相关性。优选的，所述从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类值，包括：从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值经对应的概率计算公式运算后的运算结果为所述分类变量值，确定所述分类变量值的方差为所述分类值；和/或从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值为所述分类变量值，确定值最大的所述分类变量值为所述分类值；和/或从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值为所述分类变量值，确定所述分类变量值为所述分类值。优选的，所述多个分类条件包括：预警分类条件、特催分类条件、停催分类条件、欺诈分类条件、信用分类条件、蓄意分类条件以及委外分类条件中的三个及三个以上；其中，所述预警分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数小于0；所述预警分类条件的分类变量的核准条件包括：预警分类值在第一阈值内，所述预警分类值为预警分类变量值的方差，所述预警分类变量值为预警分类变量本身的值或所述预警分类变量本身的值经对应的概率计算公式运算后的运算结果，所述预警分类变量包括用户画像数据中的信用机构公告次数、媒体事件次数、收入变更比率；所述特催分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数大于30；所述特催分类条件的分类变量的核准条件包括：特催分类值大于等于第一预设值，所述特催分类值为特催分类变量值，所述特催分类变量值为特催分类变量本身的值或所述特催分类变量本身的值经对应的概率计算公式运算后的运算结果，所述特催分类变量为用户满足所述预警分类条件的次数；所述停催分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数大于30；所述停催分类条件的分类变量的核准条件包括：停催分类值在第二阈值内，所述停催分类值为停催分类变量值中的最大值，所述停催分类变量值为停催分类变量本身的值或所述停催分类变量本身的值经对应的概率计算公式运算后的运算结果，所述停催分类变量包括所述用户画像数据中的用户否认贷款次数、用户失踪确认次数；所述欺诈分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数大于30；所述欺诈分类变条件的分类变量的核准条件包括：欺诈分类值在第三阈值内，所述欺诈分类值为欺诈分类变量值的方差，所述欺诈分类变量值为欺诈分类变量本身的值或所述欺诈分类变量本身的值经对应的概率计算公式运算后的运算结果，所述欺诈分类变量包括所述用户满足所述预警分类条件的次数、所述用户画像数据中的用户金融机构贷款金额、用户满足所述特催条件变量的次数；所述信用分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数大于0小于等于90；所述信用分类条件的分类变量的核准条件包括：信用分类值在第四阈值内，所述信用分类值为信用分类变量值的方差，所述信用分类值为信用分类变量本身的值或所述信用分类变量本身的值经对应的概率本文档来自技高网...

【技术保护点】
1.一种用户分群方法，其特征在于，包括：/n获取用户的用户画像数据及用户逾期还款天数；/n获取预先设定的分类条件；/n基于用户的所述用户画像数据及所述用户逾期还款天数确定所满足的所述分类条件，并将用户标记为与所述所满足的分类条件对应的用户类群。/n

【技术特征摘要】
1.一种用户分群方法，其特征在于，包括：
获取用户的用户画像数据及用户逾期还款天数；
获取预先设定的分类条件；
基于用户的所述用户画像数据及所述用户逾期还款天数确定所满足的所述分类条件，并将用户标记为与所述所满足的分类条件对应的用户类群。


2.根据权利要求1所述的方法，其特征在于，所述分类条件包括多个分类条件，其中，所述多个分类条件说明用户违约还款的程度不同；
每一所述预设的分类条件包括逾期还款天数的核准条件和分类变量的核准条件；
其中：
所述基于所述用户画像数据及所述用户逾期还款天数确定所满足的所述分类条件，包括：
从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类值；
将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，确定出所述所满足的所述分类条件。


3.根据权利要求2所述的方法，其特征在于，所述从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类值包括：
从所述用户画像数据中提取与每一所述分类条件对应的分类变量的核准条件对应的分类变量值，并基于所述每一所述分类条件对应的所述分类变量值计算所述分类条件对应的所述分类值；
所述将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，包括：
判断所述每一所述分类条件对应的分类值是否满足所述每一个分类条件中的分类变量的核准条件，且判断所述用户逾期还款天数是否满足所述每一个分类条件中的逾期还款天数的核准条件；
若判断出所述分类值和所述用户逾期还款天数分别满足同一个所述分类条件中的分类变量的核准条件和分类变量的逾期还款天数的核准条件，则将用户标记为满足分类变量的核准条件和逾期还款天数的核准条件的分类条件对应的用户类群。


4.根据权利要求2所述的方法，其特征在于，将所述分类值和所述用户逾期还款天数，分别与分类变量的核准条件及分类变量的逾期还款天数进行匹配，确定出所述所满足的所述分类条件包括：
先基于所述用户逾期还款天数确定所满足的分类变量的逾期还款天数对应的所述分类条件；
根据所述对应的分类条件获取相应分类条件的分类值；
判断每一所述相应分类条件的分类值是否满足所述每一相应分类条件的分类变量的核准条件；
将与分类值匹配的所述分类变量的核准条件对应的所述分类条件确定为所述所满足的分类条件。


5.根据权利要求2所述的方法，其特征在于，对所述多个分类条件进行先后匹配；
确定出所述所满足的分类条件时匹配结束。


6.根据权利要求2所述的方法，其特征在于，在所述每一分类条件中所述分类变量的核准条件对应的分类变量值为两个以上时，所述分类变量值之间无相关性。


7.根据权利要求2所述的方法，其特征在于，所述从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量值，并基于所述分类变量值计算分类值，包括：
从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值经对应的概率计算公式运算后的运算结果为所述分类变量值，确定所述分类变量值的方差为所述分类值；
和/或从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值为所述分类变量值，确定值最大的所述分类变量值为所述分类值；
和/或从所述用户画像数据中提取与所述分类变量的核准条件对应的分类变量本身的值，确定所述分类变量本身的值为所述分类变量值，确定所述分类变量值为所述分类值。


8.根据权利要求2或6或7所述的方法，其特征在于，所述多个分类条件包括：预警分类条件、特催分类条件、停催分类条件、欺诈分类条件、信用分类条件、蓄意分类条件以及委外分类条件中的三个及三个以上；
其中，所述预警分类条件的逾期还款天数的核准条件包括：用户的逾期还款天数小于0；所述预警分类条件的分类变量的核准条件包括：预警分类值在第一阈值内，所述预警分类值为预警分类变量值的方差，所述预警分类变量值为预警分类变量本身的值或所述预警分类变量本身的值经对应的概率计算公式运算后的运算结果，所述预警分类变量包括用户画像数据中的信用机构公告次数、媒体事件次数、收入变更...

【专利技术属性】
技术研发人员：江伟，郭江，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：重庆;50