本技术涉及大数据,尤其涉及一种客群筛选处理方法、装置及存储介质。
背景技术:
1、客群是对客户进行分类后统计得到的群体,尤其是在服务行业,研究不同客群的特征有利于针对性的建立适应客群的服务方案,进而有利于维护客群的稳定、持续消费。
2、银行类企业在开展运营活动前,业务人员通常会根据历史数据中客户的流失时间作为客群筛选的标准,对这一指标进行加工,筛选出符合条件的目标客群,最后对筛选出的客群执行相应的营销方案。
3、但现有银行客户量较大,尤其是网络消费极大的增长了历史数据量,且消费类型多而杂,导致业务人员通过人工手段很难筛选出流失客群是否有意向参与用于召回客户的专项运营活动,导致专项运营活动的召回成效较低,召回客户成功率较低。
技术实现思路
1、本技术提供一种客群筛选处理方法、装置及存储介质,用以解决现有业务人员通过人工手段很难筛选出流失客群是否有意向参与用于召回客户的专项运营活动,导致专项运营活动的召回成效较低,召回客户成功率较低的问题。
2、第一方面,本技术提供一种客群筛选处理方法,包括:
3、获取用户的消费行为数据和积分消费数据;其中,所述消费行为数据存储有用户消费记录和用户标识的对应关系,所述积分消费数据存储有积分消费记录和用户标识的对应关系;
4、根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征,再利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签;其中,所述预设客群召回模型基于获取的消费行为数据和积分消费数据按照预设周期迭代更新,所述召回标签包括接收到活动信息后未登录手机银行和接收到活动信息后登录手机银行;
5、将所述召回标签为接收到活动信息后登录手机银行的客户确定为目标客群,并将筛选出的目标客群发送至业务人员终端。
6、在一种可能的设计中,所述根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征,包括:
7、根据所述消费行为数据中的用户消费记录,将携带有优惠购物平台标识的用户消费记录确定为优惠消费特征;其中,所述用户消费记录中携带有优惠购物平台标识;
8、根据所述积分消费数据中的参与活动记录,将携带有兑换成功标识的参与活动记录确定为生活权益特征;其中,所述用户兑换记录中携带有兑换成功标识。
9、在一种可能的设计中,所述利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签之前,所述方法还包括:
10、将获取的消费行为数据和积分消费数据按照预设分配比例划分为训练数据集和测试数据集;其中,训练数据集的数据量大于测试数据集的数据量;
11、对测试数据集内的数据进行特征处理后,输入预设客群召回模型中,得到预设客群召回模型的在线性能;其中,所述预设客群召回模型的在线性能包括模型的准确率或召回率;
12、判断所述预设客群召回模型的在线性能是否小于预设性能阈值,若是,则训练模型,直至在线性能不小于预设性能阈值后,将训练后的模型作为新的预设客群召回模型。
13、在一种可能的设计中,还包括:
14、按照预设训练周期训练模型。
15、在一种可能的设计中,所述训练模型,包括:
16、对训练数据集内的数据进行特征处理后,输入二分类模型中训练。
17、在一种可能的设计中,所述根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征之前,所述方法还包括:
18、根据所述消费行为数据和积分消费数据,确定所述消费行为数据或积分消费数据的缺失值;
19、若所述缺失值大于预设缺失阈值,则删除所述缺失值对应的消费行为数据或积分消费数据;
20、若所述缺失值不大于预设缺失阈值且不为零,则采用均值法补全缺失值对应的消费行为数据或积分消费数据。
21、第二方面,本技术提供一种客群筛选处理装置,包括:
22、获取模块,用于获取用户的消费行为数据和积分消费数据;其中,所述消费行为数据存储有用户消费记录和用户标识的对应关系,所述积分消费数据存储有积分消费记录和用户标识的对应关系;
23、处理模块,用于根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征,再利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签;其中,所述预设客群召回模型基于获取的消费行为数据和积分消费数据按照预设周期迭代更新,所述召回标签包括接收到活动信息后未登录手机银行和接收到活动信息后登录手机银行;
24、发送模块,用于将所述召回标签为接收到活动信息后登录手机银行的客户确定为目标客群,并将筛选出的目标客群发送至业务人员终端,以使业务人员终端基于目标客群设计用于召回客户的专项运营活动信息。
25、进一步的,所述处理模块具体用于根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征,包括:
26、根据所述消费行为数据中的用户消费记录,将携带有优惠购物平台标识的用户消费记录确定为优惠消费特征;其中,所述用户消费记录中携带有优惠购物平台标识;
27、根据所述积分消费数据中的参与活动记录,将携带有兑换成功标识的参与活动记录确定为生活权益特征;其中,所述用户兑换记录中携带有兑换成功标识。
28、优选的,所述处理模块还具体用于在利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签之前,将获取的消费行为数据和积分消费数据按照预设分配比例划分为训练数据集和测试数据集;其中,训练数据集的数据量大于测试数据集的数据量;
29、对测试数据集内的数据进行特征处理后,输入预设客群召回模型中,得到预设客群召回模型的在线性能;其中,所述预设客群召回模型的在线性能包括模型的准确率或召回率;
30、判断所述预设客群召回模型的在线性能是否小于预设性能阈值,若是,则训练模型,直至在线性能不小于预设性能阈值后,将训练后的模型作为新的预设客群召回模型。
31、优选的,所述处理模块还具体用于在利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签之前,按照预设训练周期训练模型。
32、进一步的,所述处理模块具体用于训练模型,包括:
33、对训练数据集内的数据进行特征处理后,输入二分类模型中训练。
34、优选的,所述处理模块还具体用于在根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征之前,根据所述消费行为数据和积分消费数据,确定所述消费行为数据或积分消费数据的缺失值;
35、若所述缺失值大于预设缺失阈值,则删除所述缺失值对应的消费行为数据或积分消费数据;
36、若所述缺失值不大于预设缺失阈值且不为零,则采用均值法补全缺失值对应的消费行为数据或积分消费数据。
37、第三方面,本技术提供一种服务器,包括:处理器,以及与所述处理器通信连接的存储器;
38、所述存储器存储计算机执行指令;
39、所述处理器执行所述存储器存储的计算机执行指令,以实现客群筛选处理方法。
40、第四方面,本技术提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现客群筛选处理方法。
41、第五方面,本技术提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现客群筛选处理方法。
42、本技术提供的客群筛选处理方法、装置及存储介质,通过获取用户的消费行为数据和积分消费数据;根据所述消费行为数据和积分消费数据,分别确定用户标识对应的优惠消费特征和生活权益特征,再利用预设客群召回模型确定优惠消费特征和生活权益特征对应的召回标签;将所述召回标签为接收到活动信息后登录手机银行的客户确定为目标客群,并将筛选出的目标客群发送至业务人员终端,以使业务人员终端基于目标客群设计用于召回客户的专项运营活动信息。相较于现有技术中的业务人员通过人工手段很难筛选出流失客群是否有意向参与用于召回客户的专项运营活动,导致专项运营活动的召回成效较低,召回客户成功率较低的缺陷,本技术通过模型训练来精细化筛选出更容易被召回的目标客群,降低无效客户的资源占用率,提高召回投入的转化率,降低成本损耗。