消费折扣处理方法、装置、设备及计算机可读存储介质与流程

本发明涉及金融科技(fintech)技术领域，尤其涉及消费折扣处理方法、装置、设备及计算机可读存储介质。

背景技术：

随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链blockchain、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。

在现有的业务系统中，为了吸引消费者以及推广商品，系统往往会给予消费者一定的优惠，其中随机折扣是普遍采用的一种方案，所谓随机折扣，是指当用户付款时，系统会自动计算一定的折扣优惠，该优惠金额是随机的。现有的随机折扣的设计方式一般是设置一个固定的折扣区间，折扣允许在该区间内随机变动，这种方式的缺陷在于：如果折扣区间范围过窄，则优惠力度受限，难以吸引到新用户，如果折扣区间范围过宽，则系统运营商难以控制自身成本。

技术实现要素：

本发明的主要目的在于提出一种消费折扣处理方法、装置、设备及计算机可读存储介质，旨在实现在成本可控的前提下，满足给予不同类型的用户不同优惠力度的需求。

为实现上述目的，本发明提供一种消费折扣处理方法，所述消费折扣处理方法包括如下步骤：

当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识；

根据所述用户标识查询预设的用户归类表，得到所述用户所属的用户类型，所述用户类型通过预先对所述用户的历史消费行为数据进行分析得到；

获取预设的与所述用户类型对应的偏态分布函数，所述偏态分布函数用于表示折扣率分布情况；

根据所述偏态分布函数，随机生成与所述消费事件对应的折扣率。

优选地，所述当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识的步骤之前，还包括：

获取所述用户基于所述业务系统进行消费的历史消费行为数据；

将所述历史消费行为数据发送至大数据平台，以使所述大数据平台根据所述历史消费行为数据对所述用户按照预设的归类维度进行归类；

接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中。

优选地，所述将所述历史消费行为数据发送至大数据平台的步骤包括：

将所述历史消费行为数据发送至预设的分布式消息队列，以使所述大数据平台从所述分布式消息队列中实时读取所述历史消费行为数据。

优选地，所述接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中的步骤之后，还包括：

接收设置指令，根据所述设置指令为所述用户归类表中的不同用户类型设置不同的偏态分布参数，所述偏态分布参数包括折扣率期望值；

根据所述偏态分布参数，分别生成与所述不同用户类型对应的偏态分布函数。

优选地，所述归类维度包括按消费次数归类、按消费的商品品类归类和按消费能力归类中的一种或多种。

此外，为实现上述目的，本发明还提供一种消费折扣处理装置，所述消费折扣处理装置包括：

第一获取模块，用于当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识；

查询模块，用于根据所述用户标识查询预设的用户归类表，得到所述用户所属的用户类型，所述用户类型通过预先对所述用户的历史消费行为数据进行分析得到；

第二获取模块，用于获取预设的与所述用户类型对应的偏态分布函数，所述偏态分布函数用于表示折扣率分布情况；

第一生成模块，用于根据所述偏态分布函数，随机生成与所述消费事件对应的折扣率。

优选地，所述消费折扣处理装置还包括：

第三获取模块，用于获取所述用户基于所述业务系统进行消费的历史消费行为数据；

发送模块，用于将所述历史消费行为数据发送至大数据平台，以使所述大数据平台根据所述历史消费行为数据对所述用户按照预设的归类维度进行归类；

接收模块，用于接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中。

优选地，所述发送模块，还用于将所述历史消费行为数据发送至预设的分布式消息队列，以使所述大数据平台从所述分布式消息队列中实时读取所述历史消费行为数据。

优选地，所述消费折扣处理装置还包括：

设置模块，用于接收设置指令，根据所述设置指令为所述用户归类表中的不同用户类型设置不同的偏态分布参数，所述偏态分布参数包括折扣率期望值；

第二生成模块，用于根据所述偏态分布参数，分别生成与所述不同用户类型对应的偏态分布函数。

优选地，所述归类维度包括按消费次数归类、按消费的商品品类归类和按消费能力归类中的一种或多种。

此外，为实现上述目的，本发明还提供一种消费折扣处理设备，所述消费折扣处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的消费折扣处理程序，所述消费折扣处理程序被所述处理器执行时实现如上所述的消费折扣处理方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有消费折扣处理程序，所述消费折扣处理程序被处理器执行时实现如上所述的消费折扣处理方法的步骤。

本发明当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识；根据所述用户标识查询预设的用户归类表，得到所述用户所属的用户类型，所述用户类型通过预先对所述用户的历史消费行为数据进行分析得到；获取预设的与所述用户类型对应的偏态分布函数，所述偏态分布函数用于表示折扣率分布情况；根据所述偏态分布函数，随机生成与所述消费事件对应的折扣率。本发明通过引入偏态分布函数生成随机折扣，实现了成本可控，此外，由于不同类型用户对应不同的偏态分布函数，而不同偏态分布函数的折扣率分布情况反映了不同的优惠力度，因此本发明能够满足给予不同类型的用户不同优惠力度的需求。从而本发明实现了在成本可控的前提下，满足给予不同类型的用户不同优惠力度的需求。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明消费折扣处理方法第一实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例消费折扣处理设备可以是pc机、服务器等设备，其上搭载有业务系统。

如图1所示，该消费折扣处理设备可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及消费折扣处理程序。

在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户端(用户端)，与用户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的消费折扣处理程序，并执行下述消费折扣处理方法实施例中的操作。

基于上述硬件结构，提出本发明消费折扣处理方法实施例。

参照图2，图2为本发明消费折扣处理方法第一实施例的流程示意图，所述方法包括：

步骤s10，当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识；

本实施例中，业务系统可以为银行、保险公司、理财公司等金融机构的业务系统，该业务系统提供随机折扣功能，即用户基于该业务系统进行消费时，系统会自动为用户随机生成折扣优惠，从而达到吸引用户和推广商品的目的。

首先，当业务系统侦测到用户消费事件时，获取用户的用户标识，其中，消费事件包括支付、转账等，用户标识可以是用户名、用户代码等。

步骤s20，根据所述用户标识查询预设的用户归类表，得到所述用户所属的用户类型，所述用户类型通过预先对所述用户的历史消费行为数据进行分析得到；

本实施例中，业务系统中预先保存有一个用户归类表，该用户归类表用于表示用户标识和用户类型之间的映射关系，其中，用户类型可以为一个或多个维度，维度包括但不限于用户的消费频率、用户所消费的商品品类、用户的消费能力等。用户类型通过预先对用户的历史消费行为数据进行分析得到，其中历史消费行为数据用于表示用户过去基于业务系统进行消费的行为，其包括但不限于消费商户、消费时间、消费品类、消费金额等。

通过分析用户的历史消费行为数据，可以得到用户的购买频率、购买能力、购买喜好等信息，然后，根据用户的购买频率、购买能力、购买喜好等信息可以将用户进行归类，比如将购买能力高的用户归类为高端用户，将购买能力低的用户归类为低端用户等。

步骤s30，获取预设的与所述用户类型对应的偏态分布函数，所述偏态分布函数用于表示折扣率分布情况；

本实施例中，可以预先为不同的用户类型设置不同的偏态分布函数，该偏态分布函数用于表示折扣率的分布情况。所谓偏态分布，是与“正态分布”相对，分布曲线左右不对称的数据次数分布，是连续随机变量概率分布的一种。当随机折扣率服从偏态分布时，通过控制该偏态分布的折扣率期望值，可以有效地控制成本，比如可以将偏态分布函数的折扣率期望值控制在小于预设阈值范围内，从而保证业务系统运营商能够盈利。

以银行业务系统为例，若银行与某商户签订97.5％的折扣，即用户通过银行业务系统消费100元，银行需清算给该商户97.5元，则：如果银行将业务系统的折扣期望值设置为98折，相当于向用户收取98元，而给商户的只需97.5元，因此银行盈利0.5元。

基于上述考虑，银行需要将折扣期望值设置为大于97.5％，才能保证盈利，也就是说，偏态分布函数的折扣率期望值需要小于2.5％。

不难理解，偏态分布函数的折扣率期望值越小，则优惠力度越小，偏态分布函数的折扣率期望值越大，则优惠力度越大，因此，通过改变偏态分布函数，能够实现对用户的优惠力度灵活可控。

步骤s40，根据所述偏态分布函数，随机生成与所述消费事件对应的折扣率。

在获取到与用户类型对应的偏态分布函数后，即根据该偏态分布函数，随机生成与当前消费事件对应的折扣率，之后，可以根据该折扣率计算优惠金额，比如当折扣率为2％，商品标价100元时，优惠金额为2元。

需要说明的是，对于某一用户，当其消费次数足够多时，每次消费时为其生成的随机折扣应服从与该用户的用户类型对应的偏态分布，如此能够有效地实现成本可控。

本实施例通过引入偏态分布函数生成随机折扣，实现了成本可控，此外，由于不同类型用户对应不同的偏态分布函数，而不同偏态分布函数的折扣率分布情况反映了不同的优惠力度，因此本发明能够满足给予不同类型的用户不同优惠力度的需求。从而本发明实现了在成本可控的前提下，满足给予不同类型的用户不同优惠力度的需求。

进一步地，基于本发明消费折扣处理方法第一实施例，提出本发明消费折扣处理方法第二实施例。

在本实施例中，上述步骤s10之前，还可以包括：获取所述用户基于所述业务系统进行消费的历史消费行为数据；将所述历史消费行为数据发送至大数据平台，以使所述大数据平台根据所述历史消费行为数据对所述用户按照预设的归类维度进行归类；接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中。

在本实施例中，为对用户进行归类，业务系统可以获取用户的历史消费行为数据，然后将该历史消费行为数据发送至大数据平台，以使所述大数据平台根据所述历史消费行为数据对所述用户按照预设的归类维度进行归类，其中，大数据平台可以为spark平台，spark平台是目前流行的一种大数据计算和统计平台，通过对大数据进行计算和统计，spark平台能够实现各种机器学习和数据挖掘，当然，大数据平台也可以是其他类型的大数据平台，具体实施时可灵活设置。

进一步地，所述将所述历史消费行为数据发送至大数据平台的步骤可以包括：将所述历史消费行为数据发送至预设的分布式消息队列，以使所述大数据平台从所述分布式消息队列中实时读取所述历史消费行为数据。

其中，分布式消息队列可以是apachekafka(一种分布式发布-订阅消息系统，主要用于处理活跃的流式数据)，也可以是其他类型的分布式消息队列，比如activemq(messagequeue，消息总线)、rabbitmq、rocketmq等，具体实施时可灵活设置。

大数据平台在获取到用户的历史消费行为数据后，根据该历史消费行为数据对该用户按照预设的归类维度进行归类。

在一实施方式中，该归类维度可以包括按消费次数归类、按消费的商品品类归类和按消费能力归类中的一种或多种。

按消费次数归类的方式可以为：统计用户的月消费次数，确定月消费次数的所处区间，进而确定用户类型。比如，月消费大于或等于5次，确定用户类型为高频用户；月消费大于或等于3次且小于5次，确定用户类型为中频用户；月消费小于3次，确定用户类型为低频用户；从未消费过，确定用户类型为新用户。

按消费的商品品类归类的方式可以为：母婴用品，电器用品，生活用品、体育用品。

按消费能力归类的方式可以为：统计用户的月消费总额，确定月消费总额的所处区间，进而确定用户类型，比如月消费总额大于或等于5万，确定用户类型为高端用户；月消费大于或等于3万且小于5万，确定用户类型为中端用户；月消费小于3万，确定用户类型为低端用户。

之后，业务系统接收大数据平台返回的归类结果，将该归类结果保存至预设的用户归类表中。需要说明是，业务系统在导入归类结果时，可以采用ab表的导入方案，如当前使用的是a表的数据，批量导入将导入b表，如果b表导入成功，则将联机数据切换到b表，业务系统为了数据导入的一致性以及保证联机数据不受影响，

在本实施例中，通过对历史消费行为数据发送至大数据平台进行大数据分析，进而将用户归类的方式，能够保证归类的准确性。

进一步地，基于本发明消费折扣处理方法第二实施例，提出本发明消费折扣处理方法第三实施例。

在本实施例中，所述接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中的步骤之后，还包括：接收设置指令，根据所述设置指令为所述用户归类表中的不同用户类型设置不同的偏态分布参数，所述偏态分布参数包括折扣率期望值；根据所述偏态分布参数，分别生成与所述不同用户类型对应的偏态分布函数。

在本实施例中，可由业务系统管理人员为用户归类表中的不同用户类型设置不同的偏态分布参数，其中偏态分布参数至少包括折扣率期望值，为实现精细化设置，偏态分布参数还可以包括折扣率平均值、折扣率方差和折扣率中位数等。

其中，偏态分布参数的设置规则可以根据实际业务需求灵活设置，比如，中为吸引新客户，新客户的优惠力度应设置得较大，此时需将折扣率期望值设置得较大；又如，某些商品品类由于消费政策上已经给予了一定优惠，因此可以将这些商品品类的优惠力度设置得较小，即折扣率期望值应设置得较小，等等。

之后，业务系统通过设置的偏态分布参数，分别生成与各不同用户类型对应的偏态分布函数，由此，为后续随机生成与消费事件对应的折扣率提供了前提保证。

本发明还提供一种消费折扣处理装置。所述消费折扣处理装置包括：

第一获取模块，用于当侦测到用户基于业务系统进行消费的消费事件时，获取所述用户的用户标识；

查询模块，用于根据所述用户标识查询预设的用户归类表，得到所述用户所属的用户类型，所述用户类型通过预先对所述用户的历史消费行为数据进行分析得到；

第二获取模块，用于获取预设的与所述用户类型对应的偏态分布函数，所述偏态分布函数用于表示折扣率分布情况；

第一生成模块，用于根据所述偏态分布函数，随机生成与所述消费事件对应的折扣率。

进一步地，所述消费折扣处理装置还包括：

第三获取模块，用于获取所述用户基于所述业务系统进行消费的历史消费行为数据；

发送模块，用于将所述历史消费行为数据发送至大数据平台，以使所述大数据平台根据所述历史消费行为数据对所述用户按照预设的归类维度进行归类；

接收模块，用于接收所述大数据平台返回的归类结果，将所述归类结果保存至预设的用户归类表中。

进一步地，所述发送模块，还用于将所述历史消费行为数据发送至预设的分布式消息队列，以使所述大数据平台从所述分布式消息队列中实时读取所述历史消费行为数据。

进一步地，所述消费折扣处理装置还包括：

设置模块，用于接收设置指令，根据所述设置指令为所述用户归类表中的不同用户类型设置不同的偏态分布参数，所述偏态分布参数包括折扣率期望值；

第二生成模块，用于根据所述偏态分布参数，分别生成与所述不同用户类型对应的偏态分布函数。

进一步地，所述归类维度包括按消费次数归类、按消费的商品品类归类和按消费能力归类中的一种或多种。

上述各程序模块所执行的方法可参照本发明消费折扣处理方法各个实施例，此处不再赘述。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有消费折扣处理程序，所述消费折扣处理程序被处理器执行时实现如上所述的消费折扣处理方法的步骤。

其中，在所述处理器上运行的消费折扣处理程序被执行时所实现的方法可参照本发明消费折扣处理方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。