[发明专利]用户意愿评估方法、装置、计算机设备和存储介质

说明书

本申请涉及一种用户意愿评估方法、装置、计算机设备和存储介质。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。本发明实施例能够更准确地评估出用户提前结清其分期账单的意愿。

技术领域

本申请涉及计算机领域，特别是涉及一种用户意愿评估方法、装置、计算机设备和存储介质。

背景技术

在信贷行业，用户提前结清借款订单，可能是用户即将流失的的征兆，此外用户提前结清可能导致利息等收益损失，因此提前预测用户是否会结清，可以方便进一步判断是否通过一些经营手段提前介入，以减少用户提前结清带给公司的损失，以及流失预警挽回用户。

由于用户相关的数据太多，因而在预测用户是否提前结清账单的意愿时，通常只是通过一些简单易得的特征，比如用户的职业、收入、年龄、兴趣爱好等来评估用户提前结清账单的意愿，比如，这类特征与用户提前结清账单的意愿的相关性不强，因而，目前评估用户提前结清账单的意愿的方式的准确性不高。

发明内容

本发明针对上述不足或缺点，提供了一种用户意愿评估方法、装置、计算机设备和存储介质，本发明实施例能够更准确地评估出用户提前结清其分期账单的意愿。

本发明根据第一方面提供了一种用户意愿评估方法，在一个实施例中，该方法包括：

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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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，根据各个指定用户的账单金额为各个指定用户设置标签，将该多个指定用户的用户数据和各个指定用户的标签作为训练数据；

使用该训练数据对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。

在一个实施例中，在以下任一项满足时，确定满足停止条件：

初始的意愿评估模型的目标函数逐渐收敛；

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。