本申请实施例提供了一种促转化活动的投放方法、装置、电子设备及存储介质，属于数据分析技术领域。本申请实施例基于历史用户数据和历史策略数据筛选出关键用户特征和关键策略特征。在关键用户特征和关键策略特征的基础上构建用户策略二叉树，计算用户策略二叉树的各所述叶节点的综合评分，将所述综合评分最小的叶节点确定为最优叶节点；获取用户策略二叉树的根节点到所述最优叶节点的链路上的用户相关节点和策略相关节点，根据用户相关节点确定目标用户，根据策略相关节点确定促转化活动；向目标用户的用户端投放促转化活动。可以精确获取对应的关键特征，较大提升了寻找目标用户和指定活动策略的精度和速度。和指定活动策略的精度和速度。和指定活动策略的精度和速度。
【技术实现步骤摘要】
促转化活动的投放方法、装置、电子设备及存储介质
[0001]本申请涉及数据分析
，尤其涉及一种促转化活动的投放方法、装置、电子设备及存储介质。
技术介绍
[0002]为了便于对银行的数据进行管理，可以将银行用户资产层级在一万元以上的用户称为万元户，将本月资产额度刚超过一万元的用户称为新万元户。对于银行来说，需要对最有潜力成为新万元户的目标用户投放促转化活动，以提升新万元户的数量。同时也需要针对投放的促转化活动制定一系列的活动策略，如发放优惠券、发放积分和赠送礼品等。在现有技术中，选定目标用户和制定活动策略几乎完全依靠银行工作人员的经验，而且缺少数据支撑，很难保证促转化活动的投放效果。
技术实现思路
[0003]为了解决上述技术问题，本申请实施例提供了一种促转化活动的投放方法、装置、电子设备及存储介质。
[0004]第一方面，本申请实施例提供了一种促转化活动的投放方法，所述方法包括：
[0005]对初始用户特征和初始策略特征进行筛选，得到关键用户特征和关键策略特征；
[0006]根据所述关键用户特征和所述关键策略特征构建决策树模型；
[0007]基于历史用户数据和历史策略数据对所述决策树模型进行训练，得到用户策略二叉树，所述用户策略二叉树的每个叶节点由正样本和负样本构成；
[0008]根据所述正样本和所述负样本计算各所述叶节点的综合评分，将所述综合评分最小的叶节点确定为最优叶节点；
[0009]获取所述用户策略二叉树的根节点到所述最优叶节点的链路，获取所述链路上的用户相关节点，根据所述用户相关节点确定目标用户；
[0010]获取所述链路上的策略相关节点，根据所述策略相关节点确定促转化活动；
[0011]向所述目标用户的用户端投放所述促转化活动。
[0012]在一实施方式中，所述对初始用户特征和初始策略特征进行筛选，包括：
[0013]构建初始预估模型，基于所述历史用户数据和所述历史策略数据对所述初始预估模型进行训练，得到新万元户预估模型；其中，所述历史用户数据为历史新万元户对应的用户特征，所述历史策略数据为所述历史新万元户被投放的活动策略；
[0014]使用所述新万元户预估模型对所述初始用户特征和所述初始策略特征进行筛选。
[0015]在一实施方式中，所述根据所述正样本和所述负样本计算各所述叶节点的综合评分，包括：
[0016]获取各所述叶节点的正样本数量和负样本数量，计算所述负样本数量和所述正样本数量的商值，将所述商值作为第一评分；
[0017]获取各所述叶节点的正样本概率和负样本概率，计算所述正样本概率和所述负样
本概率的乘积，将所述乘积作为第二评分；
[0018]对所述第一评分和所述第二评分求和，得到所述综合评分。
[0019]在一实施方式中，所述获取所述链路上的用户相关节点，包括：
[0020]获取所述链路上除所述根节点和所述最优叶节点外的非叶节点，确定所述非叶节点的节点内容；
[0021]若所述节点内容包括所述关键用户特征，则确定所述非叶节点为所述用户相关节点。
[0022]在一实施方式中，所述根据所述用户相关节点确定目标用户，包括：
[0023]获取所述用户相关节点的节点内容，根据所述节点内容查找所述目标用户。
[0024]在一实施方式中，所述获取所述链路上的策略相关节点，包括：
[0025]若所述节点内容包括所述关键策略特征，则确定所述非叶节点为所述策略相关节点。
[0026]在一实施方式中，所述根据所述策略相关节点确定促转化活动，包括：
[0027]获取所述策略相关节点的节点内容，根据所述节点内容查找活动策略，并将所述活动策略组合为所述促转化活动。
[0028]第二方面，本申请实施例提供了一种促转化活动的投放装置，所述促转化活动的投放装置包括：
[0029]筛选模块，用于对初始用户特征和初始策略特征进行筛选，得到关键用户特征和关键策略特征；
[0030]构建模块，用于根据所述关键用户特征和所述关键策略特征构建决策树模型；
[0031]训练模块，用于基于历史用户数据和历史策略数据对所述决策树模型进行训练，得到用户策略二叉树，所述用户策略二叉树的每个叶节点由正样本和负样本构成；
[0032]评分模块，用于根据所述正样本和所述负样本计算各所述叶节点的综合评分，将所述综合评分最小的叶节点确定为最优叶节点；
[0033]获取模块，用于获取所述用户策略二叉树的根节点到所述最优叶节点的链路，获取所述链路上的用户相关节点，根据所述用户相关节点确定目标用户；
[0034]确定模块，用于获取所述链路上的策略相关节点，根据所述策略相关节点确定促转化活动；
[0035]投放模块，用于向所述目标用户的用户端投放所述促转化活动。
[0036]第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的促转化活动的投放方法。
[0037]第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的促转化活动的投放方法。
[0038]上述本申请提供的促转化活动的投放方法，对初始用户特征和初始策略特征进行筛选，得到关键用户特征和关键策略特征；根据所述关键用户特征和所述关键策略特征构建决策树模型；基于历史用户数据和历史策略数据对所述决策树模型进行训练，得到用户策略二叉树，所述用户策略二叉树的每个叶节点由正样本和负样本构成；根据所述正样本和所述负样本计算各所述叶节点的综合评分，将所述综合评分最小的叶节点确定为最优叶
节点；获取所述用户策略二叉树的根节点到所述最优叶节点的链路，获取所述链路上的用户相关节点，根据所述用户相关节点确定目标用户；获取所述链路上的策略相关节点，根据所述策略相关节点确定促转化活动；向所述目标用户的用户端投放所述促转化活动。本申请实施例通过筛选出基于多维度的历史数据得到的关键特征，具有准确性和实时性等特点，同时降低了数据噪声和模型复杂度。通过在关键特征的基础上构建决策树，以及在决策树基础上获取最优叶节点所在链路，可以精确获取对应的关键特征，大大提升了寻找目标用户和指定活动策略的精度和速度。
附图说明
[0039]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本申请保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0040]图1示出了本申请实施例提供的促转化活动的投放方法的一流程示意图；
[0041]图2示出了本申请实施例提供的用户策略二叉树的一结构示意图；
[0042]图3示出了本申请实施例提供的用户策略二叉树的另一结构示意图；
[0043]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种促转化活动的投放方法，其特征在于，所述方法包括：对初始用户特征和初始策略特征进行筛选，得到关键用户特征和关键策略特征；根据所述关键用户特征和所述关键策略特征构建决策树模型；基于历史用户数据和历史策略数据对所述决策树模型进行训练，得到用户策略二叉树，所述用户策略二叉树的每个叶节点由正样本和负样本构成；根据所述正样本和所述负样本计算各所述叶节点的综合评分，将所述综合评分最小的叶节点确定为最优叶节点；获取所述用户策略二叉树的根节点到所述最优叶节点的链路，获取所述链路上的用户相关节点，根据所述用户相关节点确定目标用户；获取所述链路上的策略相关节点，根据所述策略相关节点确定促转化活动；向所述目标用户的用户端投放所述促转化活动。2.根据权利要求1所述的促转化活动的投放方法，其特征在于，所述对初始用户特征和初始策略特征进行筛选，包括：构建初始预估模型，基于所述历史用户数据和所述历史策略数据对所述初始预估模型进行训练，得到新万元户预估模型；其中，所述历史用户数据为历史新万元户对应的用户特征，所述历史策略数据为所述历史新万元户被投放的活动策略；使用所述新万元户预估模型对所述初始用户特征和所述初始策略特征进行筛选。3.根据权利要求1所述的促转化活动的投放方法，其特征在于，所述根据所述正样本和所述负样本计算各所述叶节点的综合评分，包括：获取各所述叶节点的正样本数量和负样本数量，计算所述负样本数量和所述正样本数量的商值，将所述商值作为第一评分；获取各所述叶节点的正样本概率和负样本概率，计算所述正样本概率和所述负样本概率的乘积，将所述乘积作为第二评分；对所述第一评分和所述第二评分求和，得到所述综合评分。4.根据权利要求1中所述的促转化活动的投放方法，其特征在于，所述获取所述链路上的用户相关节点，包括：获取所述链路上除所述根节点和所述最优叶节点外的非叶节点，确定所述非叶节点的节点内容；若所述节点内容包括所述关键用户特征，则确定所述非...
【专利技术属性】
技术研发人员：张峰超，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。