[发明专利]数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取本地存储的客户的属性信息；

将所述客户的属性信息输入到目标业务的预设概率预估模型中，获得所述客户的预估概率，所述预估概率用于表示通过目标接触方式接触所述客户后，所述客户在预设时长内针对所述目标业务转化的概率；

若根据所述客户的预估概率，确定需通过目标接触方式进行接触所述客户，则向业务人员的终端发送接触提示信息，所述接触提示信息用于提示针对所述目标业务通过目标接触方式接触所述客户。

2.根据权利要求1所述的方法，其特征在于，所述预设概率预估模型是根据第一训练样本集和第二训练样本集训练获得的；

所述第一训练样本集包含：通过目标接触方式接触的样本客户的属性信息、以所述目标接触方式接触所述样本客户的时间点以及第一标签，所述第一标签用于表示以所述目标接触方式接触所述样本客户的时间点起预设时长内是否针对所述目标产品转化；

所述第二训练样本集包含：未通过目标接触方式接触的样本客户的属性信息、预设时间点以及第二标签，所述第二标签用于表示以预设时间点起所述预设时长内是否针对所述目标产品转化。

3.根据权利要求2所述的方法，其特征在于，所述以所述目标接触方式接触所述样本客户的时间点与所述获取所述客户的属性信息的时间点之间的间隔时长大于或等于预设时长；

所述预设时间点与所述获取所述客户的属性信息的时间点之间的间隔时长大于或等于预设时长。

4.根据权利要求2所述的方法，其特征在于，所述将所述客户的第一特征输入到目标产品的预设概率预估模型中之前，还包括：

获取所述第一训练样本集和所述第二训练样本集；

根据所述第一训练样本集和所述第二训练样本集，训练初始的概率预估模型，获得所述预设概率预估模型。

5.根据权利要求4所述的方法，其特征在于，所述根据第一训练样本集和第二训练样本集，训练初始的概率预估模型，获得所述预设概率预估模型，包括：

根据所述第二训练样本集，训练所述初始的概率预估模型，获得中间预设概率预估模型；

根据所述第一训练样本集，训练所述中间预设概率预估模型，获得所述预设概率预估模型。

6.根据权利要求4所述的方法，其特征在于，获取所述第二训练样本集，包括：

在同一个预设时间点获取未通过目标接触方式接触的不同样本客户中每个样本客户的属性信息以及所述第二标签；或者，

在多个不同预设时间点分别获取未通过目标接触方式接触的同一样本客户的属性信息以及所述第二标签。

7.根据权利要求5或6所述的方法，其特征在于，还包括：

在对所述客户通过目标接触方式进行接触后，预设时长内所述客户针对所述目标产品未转化，则将所述客户作为第一训练样本集中的样本客户，获得更新后的第一训练样本集；

根据更新后的第一训练样本集，对所述预设概率预估模型进行优化。

8.根据权利要求7所述的方法，其特征在于，所述将所述客户作为第一训练样本集中的样本客户，获得更新后的第一训练样本集，包括：

将所述客户作为第一训练样本集中的多份样本客户，获得更新后的第一训练样本集。

9.根据权利要求1-6任一项所述的方法，其特征在于，所述属性信息包括如下至少一项：所属的行业信息、名称、地址、提款信息。