[发明专利]一种信用卡证件过期客户分类促更新方法、装置及存储介质

说明书

本发明涉及一种信用卡证件过期客户分类促更新方法、装置及存储介质。该方法包括如下步骤：S1、构建数据仓库，收集信用卡用户的用户数据；S2、基于信用卡用户数据，结合更新成功客户和未更新客户选取正负样本构成训练集；S3、构建更新意愿预测模型，基于训练集进行模型训练；S4、对于待分类促更新的客户，基于其用户数据利用训练好的更新意愿预测模型预测其更新意愿等级；S5、基于更新意愿等级匹配促更新方案。与现有技术相比，本发明能够准确可靠地得到更新意愿等级并匹配促更新方案，大大提升促更新率。

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种信用卡证件过期客户分类促更新方法。

背景技术

信用卡持卡客户在办理开卡业务时填写的个人证件信息存在时效性，根据中国人民银行监管规范，当客户的证件有效期过期后，在合理的更新时间范围内会对该客户名下信用卡进行管制，导致客户无法继续用卡，给客户带来不便的同时也给银行带来客户流失风险。现有的解决方案一种是依据法律合规对客户进行定期周期性常规提醒，达到促动客户更新证件有效期；另一种是对该客群挑选部分客户进行活动促更新，对活动中证件更新达标的客户进行奖励。

目前的方法存在以下两点痛点：

1)证件更新率低且达到瓶颈。每月证件过期客户更新率低于证件过期客户增长率，导致证件过期整体客群不断累积，且随时间变化客群质量下沉；

2)活动促更新和常规提醒两种促更新方式没有相互结合，导致经验无法共享，缺乏整体全局经营方案。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种信用卡证件过期客户分类促更新方法、装置及存储介质。

本发明的目的可以通过以下技术方案来实现：

一种信用卡证件过期客户分类促更新方法，该方法包括如下步骤：

S1、构建数据仓库，收集信用卡用户的用户数据；

S2、基于信用卡用户数据，结合更新成功客户和未更新客户选取正负样本构成训练集；

S3、构建更新意愿预测模型，基于训练集进行模型训练；

S4、对于待分类促更新的客户，基于其用户数据利用训练好的更新意愿预测模型预测其更新意愿等级；

S5、基于更新意愿等级匹配促更新方案。

优选地，所述的数据仓库采用HDFS分布式文件存储模式。

优选地，所述的用户数据包括贷前基本信息、贷中用卡数据、贷中渠道行为数和贷后还款催收数据。

优选地，所述的更新意愿预测模型包括lightGBM模型。

优选地，所述的更新意愿预测模型输出的更新意愿等级包括至少三类，分别为：高意愿更新客群、中意愿更新客群、低意愿更新客群。

优选地，该方法还包括对训练集的扩充，并定期重新训练优化意愿预测模型。

优选地，步骤S5匹配促更新方案是通过预先存储的促更新意愿-方案匹配表获取的，所述的促更新意愿-方案匹配表将每一类更新意愿等级对应一种或多种促更新方案。

优选地，所述的促更新意愿-方案匹配表通过AB测试理论获取。

一种信用卡证件过期客户分类促更新装置，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现所述的信用卡证件过期客户分类促更新方法。

一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的信用卡证件过期客户分类促更新方法。

与现有技术相比，本发明具有如下优点：