[发明专利]用户意愿评估方法、装置、计算机设备和存储介质

权利要求书

1.一种用户意愿评估方法，其特征在于，所述方法包括：

获取在贷客群中的符合预设筛选条件的所有目标用户的用户数据；

从每个目标用户的用户数据中提取特征数据；每个目标用户的特征数据包括该目标用户的最晚一次未来应还日距评分日的间隔和最近一次还清的还款计划距评分日的间隔；

将每个目标用户的特征数据输入基于XGboost算法构建的意愿评估模型，得到所述意愿评估模型输出的每个目标用户的意愿评分；每个目标用户的意愿评分表征该目标用户提前结清其分期账单的意愿大小。

2.如权利要求1所述的方法，其特征在于，每个目标用户的用户数据包括订单数据、还款数据、额度使用数据和行为数据。

3.如权利要求1所述的方法，其特征在于，每个目标用户的特征数据还包括该目标用户的当前未还款的应还本金金额、近1个月平均可用额度、本次申请后的额度使用率、最大提前还款天数、年龄、已提前还款的应还本金金额占未来近12个月应还的比例、历史应还分期计划的最小应还本金金额、近180天成功动支订单的动支总金额、近30天应用启动次数、近90天平均设备登陆日期间隔天数、应还日当天还款的应还本金金额、最大借款金额订单动支日距评分日间隔、两笔动支发起的最小时间间隔、开通会员时间与当前的时间间隔以及近6个月在银行机构申请最大间隔天数。

4.如权利要求1所述的方法，其特征在于，所述意愿评估模型的训练过程，包括：

基于XGboost算法构建初始的意愿评估模型；

获取多个指定用户的用户数据，从各个指定用户的用户数据中提取各个指定用户的账单金额和最后，根据各个指定用户的账单金额为各个指定用户设置标签，将所述多个指定用户的用户数据和各个指定用户的标签作为作为训练数据；

使用所述训练数据对所述初始的意愿评估模型进行迭代训练，直到满足停止条件，获得训练好的意愿评估模型。

5.如权利要求4所述的方法，其特征在于，在以下任一项满足时，确定满足所述停止条件：

所述初始的意愿评估模型的目标函数逐渐收敛；

所述初始的意愿评估模型中包含的树满足任一预设的超参数停止条件。

6.如权利要求4所述的方法，其特征在于，使用所述初始的意愿评估模型进行迭代训练之前，还包括：为所述初始的意愿评估模型的超参数设置参数值；所述初始的意愿评估模型的超参数中包括学习率、树的数量和树的深度；所述学习率的参数值设置为0.2，所述树的数量的参数值设置为100，所述树的深度的参数值设置为3。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

在获得每个目标用户的意愿评分之后，按照分数大小对每个目标用户的意愿评分进行排序，并划分为多个分组；

计算各个分组的分析数据，各个分组的分析数据包括多个分析指标的指标值；

根据所述各个分组的分析数据生成各个分组对应的服务策略。

8.一种用户意愿评估装置，其特征在于，所述装置包括：

数据获取模块，用于获取在贷客群中的符合预设筛选条件的所有目标用户的用户数据；每个目标用户的用户数据包括订单数据、还款数据、额度使用数据和行为数据；

特征提取模块，用于从每个目标用户的用户数据中提取特征数据；每个目标用户的特征数据包括该目标用户的最晚一次未来应还日距评分日的间隔和最近一次还清的还款计划距评分日的间隔；

评估模块，用于将每个目标用户的特征数据输入基于XGboost算法构建的意愿评估模型，得到所述意愿评估模型输出的每个目标用户的意愿评分；每个目标用户的意愿评分表征该目标用户提前结清其分期账单的意愿大小。

9.一种计算机设备，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7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。