手机银行用户的活跃度预测策略的确定方法及装置与流程

技术特征：
1.一种手机银行用户的活跃度预测策略的确定方法，其特征在于，所述方法包括：采集d个手机银行用户在所述手机银行上的使用数据，并利用所述d个手机银行用户的第一用户活跃度对所述d个手机银行用户按照从高到低的顺序进行排序，得到用户序列；所述第一用户活跃度为利用二分类模型对所述使用数据进行预测得到的，所述使用数据至少包括脱敏后的手机银行用户的基本属性特征、资产状况特征、资金流水特征、手机银行使用特征及开通的金融产品特征；按照预设的k种分组方法，及所述第一用户活跃度对所述用户序列进行等距分组，得到k种分组方法分别对应的多个用户组，所述k种分组方法划分的用户组的数量不同；基于预设的lightgbm算法，将第个用户组包含的手机银行用户的使用数据进行活跃度预测模型的训练和验证，得到训练后的第个活跃度预测模型，n为分组方法k对应的组别数量，n为正整数，表示第n组中的第i个；根据第n个组中的各个用户组对应的活跃度预测模型的模型价值度、及所述第n个组中的手机银行用户的使用数据，确定所述第n个组的模型综合价值度，所述模型综合价值度用于反映利用所述第n个组对应的各个活跃度预测模型进行所述手机银行用户的用户活跃度预测时，得到的用户活跃度的真实程度；将所述k种分组方法中具有最大的模型综合价值度的分组方法确定为目标分组方法，将所述目标分组方法、所述目标分组方法对应的多个用户组的活跃度预测模型、以及所述二分类模型作为目标预测策略，所述目标预测策略用于对待预测的手机银行进行用户活跃度预测。2.根据权利要求1所述方法，其特征在于，所述根据第n个组中的各个用户组对应的活跃度预测模型的模型价值度、及所述第n个组中的手机银行用户的使用数据，确定所述第n个组的模型综合价值度，之前还包括：利用所述第个用户组包含的手机银行用户的使用数据及预设模型价值度算法，确定各个所述第个活跃度预测模型对应的所述模型价值度。3.根据权利要求1所述方法，其特征在于，所述利用所述d个手机银行用户的第一用户活跃度对所述d个手机银行用户按照从高到低的顺序进行排序，得到用户序列，之前还包括：获取d个手机银行样本用户在所述手机银行上的使用样本数据以及所述手机银行样本用户对应的用户活跃标签，所述使用样本数据至少包括脱敏后的手机银行样本用户的基本属性特征、资产状况特征、资金流水特征、手机银行使用特征及开通的金融产品特征，所述用户活跃标签包括与活跃用户对应的第一标签或与不活跃用户对应的第二标签；基于预设lightgbm算法，利用所述d个手机银行样本用户在所述手机银行上的使用样本数据对二分类模型进行迭代训练，直至根据所述d个所述手机银行样本用户对应的用户活跃标签确定二分类模型收敛；将所述d个手机银行用户包括的使用数据输入训练后的二分类模型，确定各个所述手机银行用户对应的所述第一用户活跃度。4.根据权利要求1所述方法，其特征在于，所述根据第n个组中的各个用户组对应的活
跃度预测模型的模型价值度、及所述第n个组中的手机银行用户的使用数据，确定所述第n个组的模型综合价值度，包括：获取每个用户组对应的所述手机银行用户的个数di、所述手机银行用户的总个数d、以及每个所述活跃度预测模型的模型价值度；利用所述第n个组对应的各个用户组包括的所述手机银行用户的个数di、所述第n个组中的各个用户组对应的活跃度预测模型的模型价值度及所述手机银行用户的总个数d，确定所述第n个组的模型综合价值度。5.一种手机银行用户活跃度的预测方法，其特征在于，所述方法包括：获取待预测手机银行用户在所述手机银行上的使用数据，所述使用数据至少包括脱敏后的待预测手机银行用户的基本属性特征、资产状况特征、资金流水特征、手机银行使用特征及开通的金融产品特征；将所述使用数据输入目标预测策略包括的二分类模型，确定所述待预测手机银行用户对应的第二用户活跃度，所述目标预测策略为使用如权利要求1
‑
4任意一项所述的手机银行用户的活跃度预测策略的确定方法确定的；根据所述第二用户活跃度及所述目标预测策略包括的目标分组方法对应的多个用户组的活跃度预测模型，确定目标活跃度预测模型；将所述使用数据输入所述目标活跃度预测模型，确定所述待预测手机银行用户对应的第三用户活跃度；将所述第二用户活跃度以及所述第三用户活跃度进行均值计算，确定所述待预测手机银行用户的最终用户活跃度。6.根据权利要求5所述方法，其特征在于，所述方法还包括：若所述最终用户活跃度大于等于预设第一活跃阈值，则确定所述待预测手机银行用户为高度活跃客群，并按照第一发送频率发送第一推荐信息至所述待预测手机银行用户的预设终端，所述第一发送频率包括每日，所述第一推荐信息包括温馨提示信息；若所述最终用户活跃度小于预设第一活跃阈值，且所述最终用户活跃度大于等于第二活跃阈值，则确定所述待预测手机银行用户为中度活跃客群，并按照第二发送频率发送第二推荐信息至所述待预测手机银行用户的预设终端，所述第二发送频率包括每日，所述第二推荐信息包括每日对应的优惠活动；所述预设第一活跃阈值大于所述预设第二活跃阈值；若所述最终用户活跃度小于预设第二活跃阈值，则确定所述待预测手机银行用户为低度活跃客群，并按照第三发送频率发送第三推荐信息至所述待预测手机银行用户的预设终端，所述第三发送频率包括预先设定的特殊日期，所述第三推荐信息包括所述特殊日期对应的优惠活动。7.一种手机银行用户的活跃度预测策略的确定装置，其特征在于，所述装置包括：特征获取模块：用于采集d个手机银行用户在所述手机银行上的使用数据，并利用所述d个手机银行用户的第一用户活跃度对所述d个手机银行用户按照从高到低的顺序进行排序，得到用户序列；所述第一用户活跃度为利用二分类模型对所述使用数据进行预测得到的，所述使用数据至少包括脱敏后的手机银行用户的基本属性特征、资产状况特征、资金流水特征、手机银行使用特征及开通的金融产品特征；
用户分组模块：用于按照预设的k种分组方法，及所述第一用户活跃度对所述用户序列进行等距分组，得到k种分组方法分别对应的多个用户组，所述k种分组方法划分的用户组的数量不同；模型训练模块：用于基于预设的lightgbm算法，将第个用户组包含的手机银行用户的使用数据进行活跃度预测模型的训练和验证，得到训练后的第个活跃度预测模型，n为分组方法k对应的组别数量，n为正整数，表示第n组中的第i个；价值计算模块：用于根据第n个组中的各个用户组对应的活跃度预测模型的模型价值度、及所述第n个组中的手机银行用户的使用数据，确定所述第n个组的模型综合价值度，所述模型综合价值度用于反映利用所述第n个组对应的各个活跃度预测模型进行所述手机银行用户的用户活跃度预测时，得到的用户活跃度的真实程度；策略存取模块：用于将所述k种分组方法中具有最大的模型综合价值度的分组方法确定为目标分组方法，将所述目标分组方法、所述目标分组方法对应的多个用户组的活跃度预测模型、以及所述二分类模型作为目标预测策略，所述目标预测策略用于对待预测的手机银行进行用户活跃度预测。8.一种手机银行用户活跃度的预测装置，其特征在于，所述装置包括：数据获取模块：用于获取待预测手机银行用户在所述手机银行上的使用数据，所述使用数据至少包括脱敏后的待预测手机银行用户的基本属性特征、资产状况特征、资金流水特征、手机银行使用特征及开通的金融产品特征；第一预测模块：用于将所述使用数据输入目标预测策略包括的二分类模型，确定所述待预测手机银行用户对应的第二用户活跃度，所述目标预测策略为使用如权利要求1
‑
4任意一项所述的手机银行用户的活跃度预测策略的确定方法确定的；模型确定模块：用于根据所述第二用户活跃度及所述目标预测策略包括的目标分组方法对应的多个用户组的活跃度预测模型，确定目标活跃度预测模型；第二预测模块：用于将所述使用数据输入所述目标活跃度预测模型，确定所述待预测手机银行用户对应的第三用户活跃度；概率确定模块：用于将所述第二用户活跃度以及所述第三用户活跃度进行均值计算，确定所述待预测手机银行用户的最终用户活跃度。9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至4或权利要求5至6中任一项所述方法的步骤。10.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至4或权利要求5至6中任一项所述方法的步骤。

技术总结
本发明实施例公开一种手机银行用户活跃度预测策略的确定方法及装置，方法包括：按照预设的K种分组方法对按照第一用户活跃度将所述D个手机银行用户从高到低排序得到的目标序列进行等距分组，得到多个用户组；基于预设的LightGBM算法，将第个用户组包含的手机银行用户的使用数据进行活跃度预测模型的训练和验证，得到训练后的第个活跃度预测模型；根据第n个组中的各个用户组对应的活跃度预测模型的模型价值度、及第n个组中的手机银行用户的使用数据，确定第n个组的模型综合价值度；将最大模型综合价值度的目标分组方法对应的多个用户组的活跃度预测模型、以及二分类模型作为目标预测策略对手机银行用户进行活跃度预测。预测。预测。


技术研发人员：李阳强 肖慧英 陈嘉敏
受保护的技术使用者：深圳索信达数据技术有限公司
技术研发日：2021.07.14
技术公布日：2021/11/9