长短期客户行为预测方法及装置制造方法及图纸

本发明专利技术提供了一种长短期客户行为预测方法及装置，可用于人工智能技术领域，所述方法包括：基于预设触发条件确定是否存在当前时间前的第一预设时间段内用户的第一交易数据；若是，通过预设短期预测模型对所述交易数据进行短期行为预测得到短期行为预测结果；若否，获取当前时间前第二预设时间段内用户的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果，所述第一预设时间段小于所述第二预设时间段，本发明专利技术可提高客户行为预测的准确度。本发明专利技术的另一个目的在于提供一种长短期客户行为预测装置。装置。装置。

【技术实现步骤摘要】
长短期客户行为预测方法及装置


[0001]本专利技术涉及行为预测
，特别涉及人工智能
，尤其涉及一种长短期客户行为预测方法及装置。

技术介绍

[0002]在银行等金融机构中，可利用客户的各维度历史数据生成客户画像以进行客户交易行为预测。对客户交易行为进行预测的主要作用可分为两个方面，一是预测客户潜在的业务需求、交易行为，辅助客户快捷办理业务，二是分析客户的产品偏好，辅助客服人员或银行系统进行产品营销。
[0003]但随着银行业务的持续发展，客户触点持续增多，客户数据爆炸式增长，现有的客户交易行为预测方法具有一定局限性，目前的客户交易行为预测方法仅考虑了客户长期的静态数据，仅根据客户的全部历史数据进行行为、偏好预测，忽略了客户短期行为变化依然有可能引发的分析偏差，导致客户画像模型无法准确捕捉、预测客户动态。

技术实现思路

[0004]本专利技术的一个目的在于提供一种长短期客户行为预测方法，提高客户行为预测的准确度。本专利技术的另一个目的在于提供一种长短期客户行为预测装置。本专利技术的再一个目的在于提供一种计算机设备。本专利技术的还一个目的在于提供一种可读介质。
[0005]为了达到以上目的，本专利技术一方面公开了一种长短期客户行为预测方法，包括：
[0006]基于预设触发条件确定是否存在当前时间前的第一预设时间段内用户的第一交易数据；
[0007]若是，通过预设短期预测模型对所述交易数据进行短期行为预测得到短期行为预测结果；
[0008]若否，获取当前时间前第二预设时间段内用户的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果，所述第一预设时间段小于所述第二预设时间段。
[0009]优选的，进一步包括在得到所述短期行为预测结果后：
[0010]获取用户第二预设时间段内的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果；
[0011]根据所述短期行为预测结果和所述长期行为预测结果得到综合预测结果。
[0012]优选的，所述根据所述短期行为预测结果和所述长期行为预测结果得到综合预测结果具体包括：
[0013]确定所述短期行为预测结果中的第一推送结果；
[0014]确定所述长期行为预测结果中的第二推送结果；
[0015]根据所述第一推送结果和所述第二推送结果形成综合预测结果。
[0016]优选的，进一步包括预先形成所述长期预测模型的步骤：
[0017]确定用户历史数据中的长期基础数据和长期行为数据；
[0018]根据所述长期基础数据和所述长期行为数据基于二分类算法训练预设机器学习模型得到所述长期预测模型。
[0019]优选的，进一步包括：
[0020]根据所述长期基础数据形成自变量特征重要度；
[0021]采集所述自变量特征重要度对应的客户数据；
[0022]根据所述客户数据计算所述长期预测模型的稳定性，根据所述稳定性确定所述长期预测模型是否需要更新，若是，重新训练所述长期预测模型。
[0023]优选的，进一步包括预先形成所述短期预测模型的步骤：
[0024]确定用户历史数据中的短期基础数据和短期行为数据；
[0025]根据所述短期基础数据和所述短期行为数据通过协同过滤算法和专家规则得到所述短期预测模型。
[0026]优选的，进一步包括：
[0027]监测用户的短期交易行为；
[0028]当存在短期交易行为时，采集用户的短期交易数据；
[0029]根据所述短期交易数据对所述短期预测模型进行重新训练。
[0030]本专利技术还公开了一种长短期客户行为预测装置，包括：
[0031]触发判定模块，用于基于预设触发条件确定是否存在当前时间前的第一预设时间段内用户的第一交易数据；
[0032]第一预测模块，用于若是，通过预设短期预测模型对所述交易数据进行短期行为预测得到短期行为预测结果；
[0033]第二预测模块若否，获取当前时间前第二预设时间段内用户的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果，所述第一预设时间段小于所述第二预设时间段。
[0034]本专利技术还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，
[0035]所述处理器执行所述程序时实现如上所述方法。
[0036]本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，
[0037]该程序被处理器执行时实现如上所述方法。
[0038]本专利技术的长短期客户行为预测方法基于预设触发条件确定是否存在当前时间前的第一预设时间段内用户的第一交易数据，若是，通过预设短期预测模型对所述交易数据进行短期行为预测得到短期行为预测结果，若否，获取当前时间前第二预设时间段内用户的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果，所述第一预设时间段小于所述第二预设时间段。本专利技术判定当前是否达到预设的触发条件，当达到触发条件时，确定是否存在当前时间之前的第一预设时间段内用户的第一交易数据，即确定用户是否存在短期交易行为，若存在短期交易行为，对第一交易数据进行短期行为预测得到短期行为预测结果。若用户在第一预设时间段内不存在短期交易的第一交易数据，则获取当前时间前第二预设时间段内用户的第二交易数据，该第二交易数据为用户长期交易行为形成的数据，用户可对第二交易数据进行长期行为预测得到长
期行为预测结果。通过对用户交易数据的行为预测可得到用户的短期行为预测结果或长期行为预测结果，将得到的短期行为预测结果或长期行为预测结果反馈给管理人员，以使于管理人员根据用户的行为预测结果向用户推送对应的产品或服务。因此，本专利技术克服了现有客户行为预测仅针对长期历史数据进行计算分析的缺陷，基于当前客户行为变化，提供了长、短期交易数据的结合分析方法，在长期客户交易行为预测的基础上，额外加入了短期客户行为预测的综合分析，以更具变化的综合分析方法进行动态客户行为预测，替代积累式的针对全部数据的静态客户行为预测，从而增加分析结果的命中几率，提高客户行为预测的准确度，提升用户偏好的预测准确性以更精准的向用户推送相关的金融产品及服务，提高用户体验。
附图说明
[0039]为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1示出本专利技术长短期客户行为预测系统具体实施例的结构图；
[0041]图2示出本专利技术长短期客户行为预测方法具体实施例的流程图；
[0042]图3示出本专利技术长短期客户行为预测方法具体实施例S400的流程图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种长短期客户行为预测方法，其特征在于，包括：基于预设触发条件确定是否存在当前时间前的第一预设时间段内用户的第一交易数据；若是，通过预设短期预测模型对所述交易数据进行短期行为预测得到短期行为预测结果；若否，获取当前时间前第二预设时间段内用户的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果，所述第一预设时间段小于所述第二预设时间段。2.根据权利要求1所述的长短期客户行为预测方法，其特征在于，进一步包括在得到所述短期行为预测结果后：获取用户第二预设时间段内的第二交易数据，通过预设长期预测模型对所述第二交易数据进行长期行为预测得到长期行为预测结果；根据所述短期行为预测结果和所述长期行为预测结果得到综合预测结果。3.根据权利要求1所述的长短期客户行为预测方法，其特征在于，所述根据所述短期行为预测结果和所述长期行为预测结果得到综合预测结果具体包括：确定所述短期行为预测结果中的第一推送结果；确定所述长期行为预测结果中的第二推送结果；根据所述第一推送结果和所述第二推送结果形成综合预测结果。4.根据权利要求1所述的长短期客户行为预测方法，其特征在于，进一步包括预先形成所述长期预测模型的步骤：确定用户历史数据中的长期基础数据和长期行为数据；根据所述长期基础数据和所述长期行为数据基于二分类算法训练预设机器学习模型得到所述长期预测模型。5.根据权利要求1所述的长短期客户行为预测方法，其特征在于，进一步包括：根据所述长期基础数据形成自变量特征重要度；采集所述自变量特征重要度对应的客户数据；根据所述...

【专利技术属性】
技术研发人员：娄潇，张朕，田津源，郭蒙，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：