租房用户召回方法、装置、计算机设备及存储介质与流程

本发明涉及计算机，具体涉及租房用户召回方法、装置、计算机设备及存储介质。

背景技术：

1、随着用户需求的多样化和市场竞争的加剧，提供租房服务的企业面临着用户流失的挑战。部分用户可能由于个人原因或其他因素而选择与企业解约，导致企业不仅损失了潜在的收入来源，还影响到企业的品牌形象和市场竞争力。因此，提供租房服务的企业需要采取措施召回曾经解约的用户重新使用其服务。但是，召回解约用户是一项仅凭人工很难完成的任务，需要企业对解约用户的行为和需求有深入的了解，并能够准确预测解约用户是否有新的租房需求。

技术实现思路

1、有鉴于此，本发明提供了一种租房用户召回方法、装置、计算机设备及存储介质，以解决仅凭人工难以高效准确完成租房用户召回的问题。

2、第一方面，本发明提供了一种租房用户召回方法，本方法包括：

3、获取多个租房用户的属性信息和行为信息，多个租房用户包括与企业解除租房合同的用户，属性信息表示租房用户在企业留存的个人信息，行为信息表示租房用户在企业提供的终端应用上产生的操作信息；

4、根据属性信息和行为信息，推测出多个租房用户的召回概率；

5、根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户，目标用户表示待被召回的用户。

6、本方法根据多个租房用户的属性信息和行为信息准确地推测出这些租房用户的召回概率，并根据这些租房用户所处的概率范围高效地从多个租房用户中筛选出待被召回用户，提升了用户召回的效果。

7、在一种可选的实施方式中，根据属性信息和行为信息，推测出多个租房用户的召回概率，包括：

8、通过经过训练的xgboost模型，根据属性信息和行为信息，推测出多个租房用户的召回概率。

9、xgboost是一种机器学习模型，通过经过训练的xgboost模型，能够更加高效准确地实现根据属性信息和行为信息推测出多个租房用户的召回概率。

10、在一种可选的实施方式中，获取多个租房用户的属性信息和行为信息之前，还包括：

11、训练xgboost模型。

12、本方法通过在获取多个租房用户的属性信息和行为信息之前训练xgboost模型，能够为后续通过经过训练的xgboost模型根据属性信息和行为信息对多个租房用户的召回概率进行推测，提前做好了准备。

13、在一种可选的实施方式中，训练xgboost模型，包括：

14、获取第一预设历史时间段内有收藏行为且第二预设历史时间段内有过浏览、搜索、收藏、分享、约看、电话以及即时通讯中任一行为但第三预设历史时间段内未有过未主动联系企业的用户的历史数据；

15、根据历史数据中是否包含在第四预设历史时间段内主动与企业联系租房的行为，将历史数据分为正样本数据和负样本数据，正样本数据为包含第四预设历史时间段内主动与企业联系租房的行为的历史数据，负样本数据为包含第四预设历史时间段内未主动与企业联系租房的行为的历史数据；

16、对正样本数据和负样本数据进行预处理；

17、将正样本数据和负样本数据输入xgboost模型进行训练，提取出正样本数据和负样本数据中包含的租房意向特征以及特征对应的分数，租房意向特征以及特征对应的分数用于推测用户的召回概率，分数表示特征对于用户主动与企业联系租房起到的重要性。

18、第一预设历史时间段内有收藏行为且第二预设历史时间段内有过浏览、搜索、收藏、分享、约看、电话以及即时通讯中任一行为但第三预设历史时间段内未有过未主动联系企业的用户，相对于所有用户来说有更强的租房意向。本方法根据这类用户的历史数据中是否包含在第四预设历史时间段内主动与企业联系租房的行为，将历史数据分为正样本数据和负样本数据。在对这些样本数据预处理之后，输入xgboost模型进行训练，能够高效地提取出具有租房意向的用户具备的特征以及这些特征对应的分数，通过这些特征和其对应的分数，为后续推测用户的召回概率提供了依据。

19、在一种可选的实施方式中，根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户之后，方法还包括：

20、向目标用户发送目标信息，目标信息表示推荐目标用户租房的信息和租房优惠信息。

21、本方法通过在根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户之后，向目标用户发送表示推荐目标用户租房的信息和租房优惠信息的目标信息以吸引用户租房，提升了用户召回的效果。

22、在一种可选的实施方式中，向目标用户发送目标信息，包括：

23、按照召回概率从大到小的顺序，向目标用户发送目标信息。

24、在目标用户数量较大的情况下，如果无视召回概率大小直接向所有目标用户发送目标信息，费时费力，见效也慢。本方法按照召回概率从大到小的顺序向目标用户发送目标信息，能够优先向召回概率较大的目标用户发送目标信息，见效较快，提升了用户召回的效果。

25、在一种可选的实施方式中，根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户，包括：

26、从多个租房用户中选定召回概率大于第一预设召回概率的用户为目标用户。

27、由于各个租房用户的召回概率大小不同，并且可供筛选的租房用户数量较大，通过限定租房用户中召回概率大于第一预设召回概率的用户为目标用户，提高了用户召回的效率，提升了用户召回的效果。

28、第二方面，本发明提供了一种租房用户召回装置，本装置包括：

29、信息获取模块，用于获取多个租房用户的属性信息和行为信息，多个租房用户包括与企业解除租房合同的用户，属性信息表示租房用户在企业留存的个人信息，行为信息表示租房用户在企业提供的终端应用上产生的操作信息；

30、概率推测模块，用于根据属性信息和行为信息，推测出多个租房用户的召回概率；

31、用户筛选模块，用于根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户，目标用户表示待被召回的用户。

32、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的租房用户召回方法。

33、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的租房用户召回方法。

技术特征：

1.一种租房用户召回方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述属性信息和所述行为信息，推测出所述多个租房用户的召回概率，包括：

3.根据权利要求2所述的方法，其特征在于，所述获取多个租房用户的属性信息和行为信息之前，所述方法还包括：

4.根据权利要求3所述的方法，其特征在于，所述训练所述xgboost模型，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述多个租房用户所处的概率范围，从所述多个租房用户中筛选出目标用户之后，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述向所述目标用户发送目标信息，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述多个租房用户所处的概率范围，从所述多个租房用户中筛选出目标用户，包括：

8.一种租房用户召回装置，其特征在于，所述装置包括：

9.一种计算机设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的租房用户召回方法。

技术总结
本发明涉及计算机技术领域，公开了一种租房用户召回方法、装置、计算机设备及存储介质，召回方法包括：获取多个租房用户的属性信息和行为信息，多个租房用户包括与企业解除租房合同的用户，属性信息表示租房用户在企业留存的个人信息，行为信息表示租房用户在企业提供的终端应用上产生的操作信息；根据属性信息和行为信息，推测出多个租房用户的召回概率；根据多个租房用户所处的概率范围，从多个租房用户中筛选出目标用户，目标用户表示待被召回的用户。通过本发明能够根据属性信息和行为信息准确地推测出多个租房用户的召回概率，并根据多个租房用户所处的概率范围高效地从多个租房用户中筛选出待被召回用户，提升了用户召回的效果。

技术研发人员：王程
受保护的技术使用者：北京自如信息科技有限公司
技术研发日：
技术公布日：2024/1/15