一种信用卡分期最优定价的方法、装置、设备及介质与流程

本发明涉及计算机，具体而言，涉及一种信用卡分期最优定价的方法、装置、设备及介质。

背景技术：

1、随着金融科技的迅猛发展，信用卡分期业务已经成为重要的金融服务形式。为了吸引更多的客户并提升业务收益，信用卡公司通常需要对信用卡分期手续费、各项服务费等定价。然而，目前的定价策略大多依赖业务人员的经验进行人工制定，这种方式存在着几个重要问题。首先，定价的效果受限于业务人员的经验水平，由于个人能力和理解的差异，定价可能会存在较大的波动。其次，人工定价需要消耗大量的人力成本，尤其在处理大规模的业务数据时，人工定价无法有效处理。

2、基于上述现有技术的缺点，现亟需一种信用卡分期最优定价的方法。

技术实现思路

1、本发明的目的在于提供一种信用卡分期最优定价的方法、装置、设备及介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、第一方面，本申请提供了一种信用卡分期最优定价的方法，包括：

3、获取第一信息、第二信息和第三信息，所述第一信息包括信用卡持卡人的历史全量数据，所述第二信息包括企业的业务规则和营销定价策略，所述第三信息包括待定价客户信息；

4、根据所述第一信息和所述第二信息进行随机抽样处理，得到价格-响应数据集；

5、根据所述第一信息中抽样得到的价格-响应数据和原数据的差异,按照抽样的纬度对抽样得到的样本等比例复制处理得到样本还原数据，并应用第一信息，构建客户在历史营销价格的响应率模型集合，其中的历史营销响应率模型分别对所有客户预测，得到在各价格下的响应率还原特征；

6、根据所述第一信息、所述响应率还原特征和所述价格-响应数据集进行样本还原后的数据集合,应用二分类的机器学习算法构建得到价格响应率模型，并利用价格响应率模型预测得到的客户在各定价方案下的响应情况以及第三信息，应用回归的机器学习算法构建得到分期办理金额预测模型；

7、根据所述分期办理金额预测模型对所述第三信息进行预测处理，得到预测金额，所述预测金额包括该客户在各定价方案下的分期办理预测金额；

8、根据所述分期办理金额和预设的业务目标计算得到最终的定价方案。

9、第二方面，本申请还提供了信用卡分期最优定价的装置，包括：

10、获取模块，用于获取第一信息、第二信息和第三信息，所述第一信息包括信用卡持卡人的历史全量数据，所述第二信息包括企业的业务规则和营销定价策略，所述第三信息包括待定价客户信息；

11、抽样模块，用于根据所述第一信息和所述第二信息进行随机抽样处理，得到价格-响应数据集；

12、预测模块，用于根据所述第一信息中抽样得到的价格-响应数据和原数据的差异,按照抽样的纬度对抽样得到的样本等比例复制处理得到样本还原数据，并应用第一信息，构建客户在历史营销价格的响应率模型集合，其中的历史营销响应率模型分别对所有客户预测，得到在各价格下的响应率还原特征；

13、分析模块，用于根据所述第一信息、所述响应率还原特征和所述价格-响应数据集进行样本还原后的数据集合,应用二分类的机器学习算法构建得到价格响应率模型，并利用价格响应率模型预测得到的客户在各定价方案下的响应情况以及第三信息，应用回归的机器学习算法构建得到分期办理金额预测模型；

14、处理模块，用于根据所述分期办理金额预测模型对所述第三信息进行预测处理，得到预测金额，所述预测金额包括该客户在各定价方案下的分期办理预测金额；

15、计算模块，用于根据所述分期办理金额和预设的业务目标计算得到最终的定价方案。

16、第三方面，本申请还提供了一种信用卡分期最优定价的设备，包括：

17、存储器，用于存储计算机程序；

18、处理器，用于执行所述计算机程序时实现所述信用卡分期最优定价的方法的步骤。

19、第四方面，本申请还提供了一种介质，所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述信用卡分期最优定价的方法的步骤。

20、本发明的有益效果为：

21、本发明基于随机抽样客户且随机定价的实验数据上构建价格响应率模型，在构建价格响应率模型中用到了样本还原和特征还原，这样随机抽样的实验数据可以更好的代表全量数据。本发明将预测的价格响应率结果加入到用于构建分期办理金额预测模型的特征中，预测得到客户在各价格下的分期办理金额，可测算收入、成本、利润。将客户分群，可减小相似个体间的价格差异并减小对于单个个体而言的价格波动，最后在约束条件下，实现给各客群最优信用卡分期定价。

22、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

技术特征：

1.一种信用卡分期最优定价的方法，其特征在于，包括：

2.根据权利要求1所述的信用卡分期最优定价的方法，其特征在于，根据所述第一信息和所述第二信息进行随机抽样处理，得到价格-响应数据集，包括：

3.根据权利要求1所述的信用卡分期最优定价的方法，其特征在于，根据所述第一信息中抽样得到的价格-响应数据和原数据的差异,按照抽样的纬度对抽样得到的样本等比例复制处理得到样本还原数据，并应用第一信息，构建客户在历史营销价格的响应率模型集合，其中的历史营销响应率模型分别对所有客户预测，得到在各价格下的响应率还原特征，包括：

4.根据权利要求1所述的信用卡分期最优定价的方法，其特征在于，根据所述第一信息、所述响应率还原特征和所述价格-响应数据集进行样本还原后的数据集合,应用二分类的机器学习算法构建得到价格响应率模型，并利用价格响应率模型预测得到的客户在各定价方案下的响应情况以及第三信息，应用回归的机器学习算法构建得到分期办理金额预测模型，包括：

5.根据权利要求1所述的信用卡分期最优定价的方法，其特征在于，根据所述分期办理金额预测模型对所述第三信息进行预测处理，得到预测金额，所述预测金额包括该客户在各定价方案下的分期办理预测金额，包括：

6.根据权利要求1所述的信用卡分期最优定价的方法，其特征在于，根据所述分期办理金额和预设的业务目标计算得到最终的定价方案，包括：

7.一种信用卡分期最优定价的装置，其特征在于，包括：

8.根据权利要求7所述的信用卡分期最优定价的装置，其特征在于，所述抽样模块包括：

9.根据权利要求7所述的信用卡分期最优定价的装置，其特征在于，所述预测模块包括：

10.根据权利要求7所述的信用卡分期最优定价的装置，其特征在于，所述分析模块包括：

11.根据权利要求7所述的信用卡分期最优定价的装置，其特征在于，所述处理模块包括：

12.根据权利要求7所述的信用卡分期最优定价的装置，其特征在于，所述处理模块包括：

13.一种信用卡分期最优定价的设备，其特征在于，包括：

14.一种介质，其特征在于：所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述信用卡分期最优定价的方法的步骤。

技术总结
本发明提供了一种信用卡分期最优定价的方法、装置、设备及介质，涉及计算机技术领域，包括获取第一信息、第二信息和第三信息；根据所述第一信息和所述第二信息得到价格‑响应数据集；根据所述第一信息得到样本还原数据；根据所述第一信息,还原特征,以及所述价格‑响应数据集进行样本还原后的数据集合,构建得到价格响应率预测模型；根据所述价格响应率模型以及所述第三信息,构建得到金额预测模型，金额预测模型对客户进行预测,得到预测金额；根据所述分期办理金额和预设的业务目标计算得到最终的定价方案。本发明通过将客户分群，可减小相似个体间的价格差异并减小对于单个个体的价格波动，在约束条件下实现给各客群最优信用卡分期定价。

技术研发人员：欧达城,段昱,姚鑫,田佳承
受保护的技术使用者：中信银行股份有限公司
技术研发日：
技术公布日：2024/2/1