System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种优惠券的发放方法及装置。
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、现有技术中,银行的优惠券通常是基于预先配置的银行活动权益发放的,很少考虑到不同用户的实际消费情况,无法精准的将优惠券下发给适用的用户,导致优惠券的使用率较低,用户体验不佳;此外,银行活动权益的配置过程繁琐,人工配置容易出错,浪费银行资源。
3、针对上述问题,目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供一种优惠券的发放方法,用以精准的将优惠券下发给用户,提高优惠券的使用率,改善用户体验,节约银行资源,该方法包括:
2、在监测到有用户浏览银行的优惠活动页面时,查询用户的消费记录;
3、若用户无消费记录,查询用户的银行账户信息和个人信息,所述个人信息为用户创建银行账户时预留的;将用户的银行账户信息和个人信息,输入第一优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息,所述第一优惠券预测模型是根据不同新用户的:银行账户信息、个人信息、以及初次消费时使用的优惠券种类信息和金额信息,对机器学习模型训练得到的;
4、若用户有消费记录,从消费记录中提取用户的消费偏好信息;将该用户的消费偏好信息,输入第二优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息,所述第二优惠券预测模型是根据
5、根据适用于用户的优惠券种类及每种优惠券对应的金额,为用户发放优惠券。
6、本专利技术实施例还提供一种优惠券的发放装置,用以精准的将优惠券下发给用户,提高优惠券的使用率,改善用户体验,节约银行资源,该装置包括:
7、消费记录查询模块,用于在监测到有用户浏览银行的优惠活动页面时,查询用户的消费记录;
8、第一优惠券预测模块,用于若用户无消费记录,查询用户的银行账户信息和个人信息,所述个人信息为用户创建银行账户时预留的;将用户的银行账户信息和个人信息,输入第一优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息,所述第一优惠券预测模型是根据不同新用户的:银行账户信息、个人信息、以及初次消费时使用的优惠券种类信息和金额信息,对机器学习模型训练得到的;
9、第二优惠券预测模块,用于若用户有消费记录,从消费记录中提取用户的消费偏好信息;将该用户的消费偏好信息,输入第二优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息,所述第二优惠券预测模型是根据不同存量用户的:消费偏好信息以及实际使用的优惠券种类信息和金额信息,对机器学习模型训练得到的;
10、优惠券发放模块,用于根据适用于用户的优惠券种类及每种优惠券对应的金额,为用户发放优惠券。
11、本专利技术实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述优惠券的发放方法。
12、本专利技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述优惠券的发放方法。
13、本专利技术实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述优惠券的发放方法。
14、与现有技术中基于预先配置的银行活动权益给客户发放优惠券的技术方案相比,本专利技术实施例通过在监测到有用户浏览银行的优惠活动页面时,查询用户的消费记录;若用户无消费记录,查询用户的银行账户信息和个人信息,所述个人信息为用户创建银行账户时预留的;将用户的银行账户信息和个人信息,输入第一优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息;若用户有消费记录,从消费记录中提取用户的消费偏好信息;将该用户的消费偏好信息,输入第二优惠券预测模型,输出适用于用户的优惠券种类信息及每种优惠券对应的金额信息;根据适用于用户的优惠券种类及每种优惠券对应的金额,为用户发放优惠券。通过分别针对有无消费记录的用户训练对应的优惠券预测模型,可以精准的将优惠券下发给用户,提高优惠券的使用率,改善用户体验,节约银行资源。
本文档来自技高网...【技术保护点】
1.一种优惠券的发放方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述消费记录包括以下信息其中之一或任意组合:
3.如权利要求1所述的方法,其特征在于,所述第一优惠券预测模型的训练与测试过程包括:
4.如权利要求3所述的方法,其特征在于,利用第一训练集对机器学习模型进行训练,得到所述第一优惠券预测模型,包括:
5.如权利要求1所述的方法,其特征在于,所述第二优惠券预测模型的训练与测试过程包括:
6.如权利要求5所述的方法,其特征在于,利用第二训练集对机器学习模型进行训练,得到所述第二优惠券预测模型,包括:
7.一种优惠券的发放装置,其特征在于,包括:
8.如权利要求7所述的装置,其特征在于,所述消费记录包括以下信息其中之一或任意组合:
9.如权利要求7所述的装置,其特征在于,所述第一优惠券预测模型的训练与测试过程包括:
10.如权利要求9所述的装置,其特征在于,第一训练模块具体用于:
11.如权利要求7所述的装置,其特征在于,所述第二优惠券预
12.如权利要求11所述的装置,其特征在于,第二训练模块具体用于:
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
...【技术特征摘要】
1.一种优惠券的发放方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述消费记录包括以下信息其中之一或任意组合:
3.如权利要求1所述的方法,其特征在于,所述第一优惠券预测模型的训练与测试过程包括:
4.如权利要求3所述的方法,其特征在于,利用第一训练集对机器学习模型进行训练,得到所述第一优惠券预测模型,包括:
5.如权利要求1所述的方法,其特征在于,所述第二优惠券预测模型的训练与测试过程包括:
6.如权利要求5所述的方法,其特征在于,利用第二训练集对机器学习模型进行训练,得到所述第二优惠券预测模型,包括:
7.一种优惠券的发放装置,其特征在于,包括:
8.如权利要求7所述的装置,其特征在于,所述消费记录包括以下信息其中之一或任意组合:
9.如权利要求7所述的装置,其...
【专利技术属性】
技术研发人员:程武林,
申请(专利权)人:中信银行股份有限公司,
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。