确定目标对象的方法及装置与流程

本申请涉及通信技术，尤其涉及一种确定目标对象的方法及装置。

背景技术：

随着电子商务的发展，为了方便用户通过在线支付的方式完成商品的购买，产生了第三方支付平台，第三方支付平台可以保证买卖双方的利益，因此，深受商家和用户的喜欢。

为了与更多未来的优质商家合作，第三方支付平台需要在现有的商家中去发现具备强劲发展潜力的商家。目前发现上述潜力商家的途径则是通过预测模型，预测模型可以通过商家的历史数据预测商家未来几个月的增速情况，从而找到潜力商家。但是，这种方式并不适用于刚成立不久的商家，这是因为该类商家历史数据有限，从而会大大降低预测的准确度。

技术实现要素：

有鉴于此，本申请提供一种确定目标对象的方法及装置。

根据本申请实施例的第一方面，提供一种确定目标对象的方法，所述方法包括：

从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据所述比例信息获得所述每个候选对象的分数，所述每个候选对象的目标用户是指在对应候选对象建立初始的预设时间内业务次数达到预设次数的用户；

获取所述每个候选对象在未来预设时间段的用户量；

将所述分数达到预设阈值且所述用户量达到预设数量的候选对象确定为目标对象。

根据本申请实施例的第二方面，提供一种确定目标对象的装置，所述装置包括：

分数获得模块，用于从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据所述比例信息获得所述每个候选对象的分数，所述每个候选对象的目标用户是指在对应候选对象建立初始的预设时间内业务次数达到预设次数的用户；

用户量获取模块，用于获取所述每个候选对象在未来预设时间段的用户量；

目标对象确定模块，用于将所述分数获得模块获得的所述分数达到预设阈值且所述用户量获取模块获取的所述用户量达到预设数量的候选对象确定为目标对象。

根据本申请实施例的第三方面，提供一种服务器，该服务器包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据所述比例信息获得所述每个候选对象的分数，所述每个候选对象的目标用户是指在对应候选对象建立初始的预设时间内业务次数达到预设次数的用户；

获取所述每个候选对象在未来预设时间段的用户量；

将所述分数达到预设阈值且所述用户量达到预设数量的候选对象确定为目标对象。

在本申请实施例中，通过从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据上述比例信息获得所述每个候选对象的分数，然后结合预测模型来共同确定目标对象，从而克服了在候选对象历史数据有限的情况下，仅依靠预测模型确定目标对象准确率低的缺陷， 大大提高了预测的准确度。

附图说明

图1是本申请一示例性实施例示出的一种确定目标对象的方法的流程图；

图2a是本申请一示例性实施例示出的一种获得每个候选对象的目标用户的流程图；

图2b是图2a中根据用户业务信息和潜力分数为每个候选对象确定出目标用户的流程图；

图3是本申请一示例性实施例示出的另一种确定目标对象的过程示意图；

图4是本申请确定目标对象的装置所在设备的一种硬件结构图；

图5是本申请一示例性实施例示出的一种确定目标对象的装置的框图；

图6a是本申请一示例性实施例示出的另一种确定目标对象的装置的框图；

图6b是本申请一示例性实施例示出的另一种确定目标对象的装置的框图；

图6c是本申请一示例性实施例示出的另一种确定目标对象的装置的框图；

图7是本申请一示例性实施例示出的另一种确定目标对象的装置的框图；

图8是本申请一示例性实施例示出的另一种确定目标对象的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制 本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在本申请实施例中，在候选对象历史数据有限的情况下，通过获得每个候选对象的目标用户，并从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，然后根据上述比例信息获得对应候选对象的分数，最后结合传统预测模型来共同确定目标对象，从而提高预测的准确度。下面结合具体实施例对本申请的实现过程进行详细描述。

图1是本申请一示例性实施例示出的一种确定目标对象的方法的流程图，该实施例从第三方支付平台侧进行描述。如图1所示，该确定目标对象的方法包括：

步骤s101，从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据上述比例信息获得每个候选对象的分数。

其中，候选对象可以为刚成立不久的商家，每个候选对象的目标用户可以是指在对应候选对象建立初始的预设时间内业务次数达到预设次数的用户，其中，预设时间和预设次数可以根据需要设置，例如预设时间可以为半年，预设次数可以为2次、3次等，即目标用户可以为具有前瞻性的用户，他们通常在商家成立初期就开始在该商家购物且可以从中发现商业模式较好的商家。

其中，不同维度可以包括但不局限于业务次数维度、职业维度和用户数 量维度等。在该实施例中，从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，可以包括：从业务次数维度获取有过多次业务记录的目标用户在对应候选对象所有目标用户中所占的比例；从数量维度获取目标用户在对应候选对象所有用户中所占的比例；从职业维度获取对应候选对象的目标用户在所属城市所属行业所有用户中所占的比例。

而根据上述比例信息获得每个候选对象的分数可以包括：根据有过多次业务记录的目标用户在对应候选对象所有目标用户中所占的比例、目标用户在对应候选对象所有用户中所占的比例和对应候选对象的目标用户在所属城市所属行业所有用户中所占的比例的最大值，获得对应候选对象的分数。

为了描述方便，可以将目标用户在对应候选对象所有用户中所占的比例用y1表示，将在对应候选对象有过多次购物记录的目标用户在该候选对象的所有目标用户中所占的比例用y2表示，将对应候选对象中的目标用户在所属城市所属行业所有用户中所占的比例用y3表示，则可以通过公式f(y)＝(y1*y2*max(y3))获得对应候选对象的分数，其中，y表示候选对象的标识。

在该实施例中，之所以取目标用户在所属城市所属行业所有用户中所占的比例的最大值，是因为目标用户在所属城市所属行业所有用户中所占比例最高的商户在该城市该职业具有广泛的用户认可度，因此，极有机会复制到其他城市的相同职业的用户身上。

假设，候选对象1的目标用户为用户1-3，候选对象1的所有用户为用户1-100，用户1有两次购物记录，用户2-3有一次购物记录，用户1-3所属的城市均为上海，用户1所属的行业为律师，用户2所属的行业为老师，用户3所属的行业为律师，而上海的律师为400人，老师为500人，则目标用户在候选对象1所有用户中所占的比例为3％，在候选对象1有过多次购物记录的目标用户在所有目标用户中所占的比例为1/3，候选对象1中的目标用户在所属城市所属行业所有用户中所占的比例的最大值为1/200，在获得这些数据后，可以计算出候选对象1的分数。

步骤s102，获取每个候选对象在未来预设时间段的用户量。

在该实施例中，步骤s102可以包括：将每个候选对象的变量信息输入预测模型，得到每个候选对象在未来预设时间段的增长速度；然后根据每个候选对象的当前用户量及其对应的增长速度，计算出每个候选对象在未来预设时间段的用户量。

其中，候选对象的变量信息可以包括但不局限于以下一种或几种信息：

当前用户规模、交易笔数、交易金额、最近6个月增速环比均值、用户留存率、新用户占比、各职业占比、各职业渗透率、排名在前3％的职业渗透率增速均值、各城市占比、城市渗透率、排名在前3％的城市渗透率增速均值、县市占比、县市渗透率和县市渗透率增速均值。

预测模型可以包括但不限于迭代决策树(gradientboostingdecisiontree，gbdt)模型。

例如，可以将上述所有变量输入gbdt模型，得到候选对象例如候选商家未来3个月增速超过70％的概率，假设得到候选对象1未来3个月增速超过70％的概率为10％，则候选对象1未来3个月的用户量为：当前用户量*1.07。

由此可见，通过该gbdt模型可以获得每个候选对象在未来预设时间段的用户量。

步骤s103，将分数达到预设阈值且用户量达到预设数量的候选对象确定为目标对象。

在该实施例中，分数排名和用户量有各自对应的预设阈值，例如，可以将分数排名达到前5％且用户量达到500人的候选对象确定为目标对象。

上述实施例，通过从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据上述比例信息获得每个候选对象的分数，然后结合预测模型来共同确定目标对象，从而克服了在候选对象历史数据有限的情况下，仅依靠预测模型确定目标对象准确率低的缺陷，大大提高了预测的准确度。

图2a是本申请一示例性实施例示出的一种获得每个候选对象的目标用 户的流程图，如图2a所示，获得每个候选对象的目标用户的过程包括：

步骤s201，根据订单数据统计出每个候选对象的用户业务信息。

其中，每个候选对象的用户业务信息可以包括对应用户在当前候选对象的首次购物时间和购买频次。

步骤s202，获取每个候选对象的潜力分数。

该潜力分数用于表示对应候选对象的发展潜力预估值，该潜力分数可以由专家根据经验为各候选对象设置。

步骤s203，根据用户业务信息和潜力分数为每个候选对象确定出目标用户。

其中，如图2b所示，步骤s203可以包括以下步骤：

步骤s2031，针对每个候选对象，根据当前候选对象的用户业务信息及其权重、当前候选对象的潜力分数及其权重和每个用户为当前候选对象分配的分数，计算出每个用户相对于当前候选对象的指数。

为了描述方便，在该实施例中，可以将每个用户在当前候选对象的首次购物时间用x1表示，将当前候选对象的潜力分数用x2表示，将每个用户在当前候选对象的购买频次用x3表示，将每个用户为当前候选对象分配的分数用i表示，将x1、x2和x3的权重分别用a、b和c表示，其中，a、b和c的大小也可以由专家设置，则可以通过公式：f(x)＝σ(ax1i*bx2i*cx3i)，获得每个用户相对于当前候选对象的指数，其中，x表示用户的标识。

步骤s2032，确定当前候选对象的异常用户。

为了排除黄牛等异常用户的干扰，在该实施例中可以通过以下至少一种方式确定当前候选对象的异常用户：

第一种方式：将在所有候选对象的业务总次数与所有候选对象的销售总次数之比达到第一预设数值的用户确定为异常用户。

假设，当前共有100个候选对象，用户1在这100个候选对象的购买总次数与这100个候选对象的销售总次数之比达到第一预设数值例如前1％，则用户1为异常用户。

第二种方式：将在当前候选对象的业务总次数与当前候选对象的销售总次数之比达到第二预设数值的用户确定为异常用户。

假设，用户2在当前候选对象的购买总次数与当前候选对象的销售总次数之比达到第二预设数值例如前1％，则用户2为异常用户。

需要说明的是，第一预设数值和第二预设数值可以相同，也可以不同。

步骤s2033，从当前候选对象的所有用户中去除异常用户，并将所有剩余用户的指数达到预设指数阈值的用户确定为目标用户。

为了提高获得的目标用户的准确率，可以从当前候选对象的所有用户中去除异常用户，然后根据所有剩余用户的指数，将指数排名达到预设指数阈值例如前5％的用户确定为目标用户。

通过上述方式可以获得每个候选对象的目标用户。

需要说明的是，随着用户在候选对象业务信息的变化，候选对象的目标用户也可能发生变化，但是无论业务信息如何变化，均可以通过上述步骤s201-s203确定出候选对象的目标用户。类似地，候选对象目标用户的变化也可能引起目标对象的变化，但是，无论候选对象目标用户如何变化，均可以通过上述步骤s101-s103确定出目标对象。

上述实施例，根据每个用户在当前候选对象的业务信息及其权重、当前候选对象的潜力分数及其权重和每个用户为当前候选对象分配的分数等多个因素，综合计算出每个用户相对于当前候选对象的指数，然后在从当前候选对象的所有用户中去除异常用户后，根据所有剩余用户的指数排名确定目标用户，具有很高的准确率，并且为后续确定目标对象提供了条件。

图3是本申请一示例性实施例示出的另一种确定目标对象的过程示意图，如图3所示，确定目标对象的过程可以包括：

s301，将每个候选对象的变量信息输入预测模型，得到每个候选对象在未来预设时间段的增长速度。

s302，根据每个候选对象的当前用户量及其对应的增长速度，计算出每个候选对象在未来预设时间段的用户量。

其中，未来预设时间段可以为未来6个月。

s303，确定每个候选对象的目标用户。

s304，从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据上述比例信息获得每个候选对象的分数。

s305，将分数达到预设阈值且用户量达到预设数量的候选对象确定为目标对象。

例如，可以将分数排名达到前6％且用户量达到700人的候选对象例如候选对象确定为目标对象即目标对象。

通过上述实施例，可以清楚地看出根据目标用户的比例信息获得对应候选对象的分数，并结合预测模型共同确定出目标对象的过程，上述过程克服了在候选对象历史数据有限的情况下，仅依靠预测模型确定目标对象准确率低的缺陷，大大提高了预测的准确度。

与前述确定目标对象的方法的实施例相对应，本申请还提供了确定目标对象的装置的实施例。

本申请确定目标对象的装置的实施例可以应用在第三方支付平台上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本申请确定目标对象的装置所在设备的一种硬件结构图，除了图4所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常根据该设备的实际功能，还可以包括其他硬件，如对于终端来说，可能包括摄像头、触摸屏子、通信组件等，对于服务器来说，可能包括负责处理报文的转发芯片等等。

图5是本申请一示例性实施例示出的一种确定目标对象的装置的框图，该装置可应用于第三方支付平台上，如图5所示，该确定目标对象的装置包括：分数获得模块51、用户量获取模块52和目标对象确定模块53。

分数获得模块51用于从不同维度获取每个候选对象的目标用户在对应 维度所有用户中所占的比例信息，并根据比例信息获得每个候选对象的分数，每个候选对象的目标用户是指在对应候选对象建立初始的预设时间内业务次数达到预设次数的用户。

用户量获取模块52用于获取每个候选对象在未来预设时间段的用户量。

目标对象确定模块53用于将分数获得模块51获得的分数达到预设阈值且用户量获取模块52获取的用户量达到预设数量的候选对象确定为目标对象。

在一个可选的实现方式中，如图6a所示，该装置还可以包括：统计模块54、获取模块55和确定模块56。

统计模块54用于在分数获得模块从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息之前，根据订单数据统计出每个候选对象的用户业务信息。

获取模块55用于获取每个候选对象的潜力分数，潜力分数用于表示对应候选对象的发展潜力预估值。

确定模块56用于根据统计模块54统计出的用户业务信息和获取模块55获取的潜力分数为每个候选对象确定出目标用户。

在一个可选的实现方式中，如图6b所示，确定模块56可包括：计算子模块561、确定子模块562和去除确定子模块563。

计算子模块561用于针对每个候选对象，根据当前候选对象的用户业务信息及其权重、当前候选对象的潜力分数及其权重和每个用户为当前候选对象分配的分数，计算出每个用户相对于当前候选对象的指数。

确定子模块562用于确定当前候选对象的异常用户。

去除确定子模块563用于从当前候选对象的所有用户中去除确定子模块562确定的异常用户，并将计算子模块561计算出的所有剩余用户的指数达到预设指数阈值的用户确定为目标用户。

在另一个可选的实现方式中，如图6c所示，确定子模块562可包括：第一确定单元5621和第二确定单元5622中的至少一个单元。

第一确定单元5621用于将在所有候选对象的业务总次数与所有候选对象的销售总次数之比达到第一预设数值的用户确定为异常用户。

第二确定单元5622用于将在当前候选对象的业务总次数与当前候选对象的销售总次数之比达到第二预设数值的用户确定为异常用户。

在另一个可选的实现方式中，如图7所示，分数获得模块51可以包括：第一获取子模块511、第二获取子模块512和第三获取子模块513。

第一获取子模块511用于从业务次数维度获取有过多次业务记录的目标用户在对应候选对象所有目标用户中所占的比例。

第二获取子模块512用于从数量维度获取目标用户在对应候选对象所有用户中所占的比例。

第三获取子模块513用于从职业维度获取对应候选对象的目标用户在所属城市所属行业所有用户中所占的比例。

在另一个可选的实现方式中，如图7所示，分数获得模块51还可以包括：分数获得子模块514。

分数获得子模块514用于根据第一获取子模块511获取的有过多次业务记录的目标用户在对应候选对象所有目标用户中所占的比例、第二获取子模块512获取的目标用户在对应候选对象所有用户中所占的比例和第三获取子模块513获取的对应候选对象的目标用户在所属城市所属行业所有用户中所占的比例的最大值，获得对应候选对象的分数。

在另一个可选的实现方式中，如图8所示，用户量获取模块52可包括：输入获得子模块521和计算子模块522。

输入获得子模块521用于将每个候选对象的变量信息输入预测模型，得到每个候选对象在未来预设时间段的增长速度。

计算子模块522用于根据每个候选对象的当前用户量及输入获得子模块531得到的对应的增长速度，计算出每个候选对象在未来预设时间段的用户量。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应 步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述确定目标对象的装置，通过从不同维度获取每个候选对象的目标用户在对应维度所有用户中所占的比例信息，并根据上述比例信息获得所述每个候选对象的分数，然后结合预测模型来共同确定目标对象，从而克服了在候选对象历史数据有限的情况下，仅依靠预测模型确定目标对象准确率低的缺陷，大大提高了预测的准确度。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。