[发明专利]一种集成营销响应度与价值分层类型的用户评估方法

说明书

本发明公开了一种集成营销响应度与价值分层类型的用户评估方法，包括以下：(1)数据集准备，分析历史数据，定义羊毛型、低额度使用率型、高额度使用率型、常规型等4种价值分层类型用户，模型目标label为1：是，0：否；定义营销响应目标label，同样1：是，0：否；然后固定数据周期，准备样本集。本发明通过新设计的模型框架，将营销响应度模型、价值分层模型的模型输出结果，以及集成后的各个子模型输出结果进行拼接，最终完成不同价值分层类型的用户响应程度的概率预测；提出的方法，最终预测出的的不同档级的用户群体，匹配适当的营销策略，不仅能够提升响应度，也可以借贷额度使用率也有提升，一定程度上节省了非必要营销资源的投入。

技术领域

本发明涉及AI/大数据领域，特别涉及一种集成营销响应度与价值分层类型的用户评估方法。

背景技术

广泛的互联网金融领域，包含风控、反欺诈、营销等不同的场景，多场景同步协作最终为金融机构在不断的发展中提升数据资产价值、积累放贷金额，扩大利润效益共同服务。

互联网金融领域的模型，不仅包括风险模型，还有非风险模型。营销场景的模型即为非风险模型，这类模型通常偏定制化，用来适应不同营销环节的运营目标。常见的运营模型多为二分类模型，但考虑实际业务的复杂性，在面对多种不同价值分层用户的不同表现时，需要更为精细化的模型对用户进行识别；

借贷营销场景中，目前常见的二分类模型，对目标Y的定义为营销用户是否响应，这样的处理方式，在模型训练时，虽然能够将容易响应的用户排在前位，但是不能保证这些排序靠前的用户实际借贷额度或利息收入与排在后位的用户存在明显差异。很容易出现响应的用户是纯羊毛用户的情况，或者响应的用户在获取到营销权益后就放弃借贷或减少借贷额度，对此类条件下的用户，实际部署营销策略时可以减少资源的投入。反之，未响应的用户中也会存在能够给业务带来更大的利益的用户，例如更高额度的借贷，对此条件下的用户需要及时甄别并加强营销进行召回。

本专利提出了一种集成营销响应度与价值分层类型的用户评估方法，用于评估预测不同类型用户的综合响应率，最终可根据响应率分档的结果，实现多种类差异化的策略方案的制定。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供一种集成营销响应度与价值分层类型的用户评估方法。

本发明提供了如下的技术方案：

本发明提供一种集成营销响应度与价值分层类型的用户评估方法，包括以下：

(1)数据集准备

分析历史数据，定义羊毛型、低额度使用率型、高额度使用率型、常规型等4种价值分层类型用户，模型目标label为1：是，0：否；定义营销响应目标label(包括不限于是否用券/是否点击短链/是否IVR接通)，同样1：是，0：否；然后固定数据周期，准备样本集；

(2)特征拼接、数据预处理

特征拼接：基于hive数据库准备变量表，利用sql脚本生成结构化数据；

数据预处理：对于dense features,不做复杂处理，根据业务解释性衍生处理；对于categorical features可根据所选算法类型进行encoder或生存embedding向量，再输入到后续模型中；

(3)将数据引入Model框架进行模型训练；

(3.1)TaskA为多分类模型，分类目标为：羊毛型、低额度使用率型、高额度使用率型、常规型，输出结果为P(value)＝argmax(P1,P2,P3,P4)；

(3.2)TaskB为二分类模型，分类目标为：是否营销响应，模型输出结果为P(resp)；