CN108876442A

CN108876442A - 商户分群方法和系统

Info

Publication number: CN108876442A
Application number: CN201810532695.6A
Authority: CN
Inventors: 付跃佳
Original assignee: Alibaba Group Holding Ltd
Current assignee: Advanced New Technologies Co Ltd; Advantageous New Technologies Co Ltd
Priority date: 2018-05-29
Filing date: 2018-05-29
Publication date: 2018-11-23

Abstract

本说明书实施例提供一种商户分群方法和系统，通过获取表征商户在签约后的预设时间段内的经营状态信息的商户特征集，并根据各个商户特征集与按照约束条件选取的目标商户特征集之间的差异来进行群组划分。

Description

商户分群方法和系统

技术领域

本说明书涉及数据处理技术领域，尤其涉及商户分群方法和系统。

背景技术

随着电子商务的发展，开设商户变得越来越方便。然而，商户开设门槛的降低也导致了不同的商户良莠不齐。因此，有必要对商户进行分群，以识别出优质商户与非优质商户，从而进行风险控制。

发明内容

基于此，本说明书提供了商户分群方法和系统。

根据本说明书实施例的第一方面，提供一种商户分群方法，所述方法包括：分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；基于差异值的大小将所述商户划分到目标商户特征集对应的群组；其中，所述约束条件基于群组内各个商户的商户特征集与该群组的目标商户特征集的差异值确定。

进一步地，所述商户特征集包括多项特征；分别计算每个商户特征集与各个目标商户特征集之间的差异值的步骤包括：分别对每个商户特征集的各项特征与各个目标商户特征集中对应特征的取值进行对比；将取值不同的特征的项数作为所述差异值。

进一步地，基于差异值的大小将所述商户划分到目标商户特征集对应的群组的步骤包括：将各个商户分配到差异值最小的目标商户特征集对应的群组。

进一步地，所述约束条件为：群组内各个商户的商户特征集与该群组的目标商户特征集的差异值之和最小。

进一步地，所述方法还包括：随机选择若干个商户的商户特征集作为目标商户特征集，分别计算每个商户特征集与各个目标商户特征集之间的差异值；将各个商户分配到差异值最小的目标商户特征集对应的群组；重新选择若干个商户的商户特征集作为目标商户特征集，返回分别计算每个商户特征集与各个目标商户特征集之间的差异值的步骤，直到各个群组均满足所述约束条件。

进一步地，所述商户特征包括以下至少任一：表征商户签约属性信息的商户特征，表征商户交易数据的商户特征，和/或表征商户信用属性的商户特征。

进一步地，所述商户特征还包括表征商户是否进件的商户特征。

进一步地，表征商户签约属性信息的商户特征包括以下至少任一：商户的签约状态属性、商户的VIP属性、和/或商户的KA属性。

进一步地，表征商户交易数据的商户特征包括以下至少任一：交易地区内异常订单的比例、有投诉的订单的比例、交易成功率、交易活跃度、交易历史时长、给定时间段内的交易量、和/或给定时间段内的交易额。

进一步地，表征商户信用属性的商户特征包括以下至少任一：商户欺诈历史数据、商户赌博历史数据和/或商户账户异常历史数据。

进一步地，所述方法还包括：对所述商户特征进行更新。

进一步地，对所述商户特征进行更新的步骤包括：若商户被转让，且转让后的商户重新进件，对所述商户特征进行更新。

进一步地，待划分的商户群组的数量为5。

进一步地，所述方法采用K-Modes算法进行商户分群。

进一步地，所述方法还包括：分别为不同群组中的商户设置不同的经营权限参数。

根据本说明书实施例的第二方面，提供一种商户分群系统，所述系统包括：获取模块，用于分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；第一计算模块，用于分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；群组划分模块，用于基于差异值的大小将所述商户划分到目标商户特征集对应的群组；其中，所述约束条件基于群组内各个商户的商户特征集与该群组的目标商户特征集的差异值确定。

进一步地，所述商户特征集包括多项特征；第一计算模块包括：对比单元，用于分别对每个商户特征集的各项特征与各个目标商户特征集中对应特征的取值进行对比；设置单元，用于将取值不同的特征的项数作为所述差异值。

进一步地，群组划分模块包括：将各个商户分配到差异值最小的目标商户特征集对应的群组。

进一步地，所述系统还包括：第二计算模块，用于随机选择若干个商户的商户特征集作为目标商户特征集，分别计算每个商户特征集与各个目标商户特征集之间的差异值；分配模块，用于将各个商户分配到差异值最小的目标商户特征集对应的群组；选择模块，用于重新选择若干个商户的商户特征集作为目标商户特征集，返回执行计算模块的功能，直到各个群组均满足所述约束条件。

进一步地，所述系统还包括：更新模块，用于对所述商户特征进行更新。

进一步地，更新模块进一步用于：若商户被转让，且转让后的商户重新进件，对所述商户特征进行更新。

进一步地，待划分的商户群组的数量为5。

进一步地，所述系统采用K-Modes算法进行商户分群。

进一步地，所述系统还包括：设置模块，用于分别为不同群组中的商户设置不同的经营权限参数。

根据本说明书实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例的方法。

根据本说明书实施例的第四方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例的方法。

应用本说明书实施例方案，通过获取表征商户在签约后的预设时间段内的经营状态信息的商户特征集，并根据各个商户特征集与按照约束条件选取的目标商户特征集之间的差异来进行群组划分，提高了商户分群的准确度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书一个实施例的应用场景示意图。

图2是本说明书一个实施例的商户分群方法流程图。

图3是本说明书一个实施例的约束条件的示意图。

图4是本说明书一个实施例的商户分群方法的程序流图。

图5是本说明书一个实施例的K-Modes聚类方法示意图。

图6是本说明书一个实施例的商户分群系统的结构示意图。

图7是本说明书一个实施例的商户分群系统所在计算机设备的框图。

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说明书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、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书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，尽管在本说明书可能采用术语第一、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，在不脱离本说明书范围的情况下，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”。

如图1所示，是一个实施例的应用场景100的示意图。所涉及的对象包括买家客户端102，交易平台服务器104、监管平台服务器106和卖家客户端108。其中，买家客户端102和卖家客户端108均可以是手机、电脑、平板电脑等智能终端。交易平台服务器104和监管平台服务器106既可以是相互独立的两个服务器，也可以是同时集成有二者功能的单个服务器。购买商品的用户(即，买家)通过操作买家客户端可以实现对各个商户的商品进行浏览、咨询、购买、评价等操作，一个实施例的浏览界面110如图1中所示。交易平台服务器104可以对商户的商品信息进行管理和维护，同时也可以作为买家客户端102与卖家客户端108之间沟通的桥梁。监管平台服务器106可以从买家客户端102和交易平台服务器104获取各个商户的信息(例如，交易信息，信用信息等)，以便对商户进行监管。出售商品的用户(即，卖家)通过操作卖家客户端108，可以向交易平台服务器104进行注册，注册成功后可以开设商户，并将商户销售的商品的信息上传至交易平台服务器104。

应当说明的是，本说明书的方案不仅可以应用于上述在线交易的场景，也可以应用于其他类型的在线交易场景，还可以应用于线下交易的场景，此处不再展开说明。

在一些情况下，监管平台服务器106需要对商户进行分群，即，确定商户所属的群组。一种常见的分群方式是对商户的等级进行划分，以便区分出优质商户与非优质商户，从而实现风险控制。

基于上述原因，本说明书实施例提供一种商户分群方法，如图2所示，所述方法可包括：

步骤202：分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；

步骤204：分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；

步骤206：基于差异值的大小将所述商户划分到目标商户特征集对应的群组；

其中，所述约束条件基于群组内各个商户的商户特征集与该群组的目标商户特征集的差异值确定。

在步骤202中，对每个商户都可以获取其商户特征集，商户特征集中至少包括一个商户特征。为了便于比较各个商户的特征，每个商户的商户特征集中可包括相同类型的商户特征。采用表征商户在签约后的预设时间段内的经营状态信息的商户特征集来作为商户分群的依据，由于商户特征集能够体现出商户签约后的表现，因此能够获得较为客观的分群结果。

获取商户特征集的操作可以由图1中的监管平台服务器106来执行，获取方式可以是按照一定的时间间隔定期获取，也可以是监管平台服务器106被动地接收交易平台服务器104和买家客户端102发送的商户特征，并根据接收到的商户特征生成商户特征集。

在步骤204中，目标商户特征集的数量可以根据待划分的群组的数量来确定，例如，当需要将各个商户划分为2个群组时，目标商户特征集的数量可以是2个。在计算差异值时，对于每个商户，都可以分别计算该商户的商户特征集与各个目标商户特征集的差异值。例如，假设共有A，B，C，D共4个商户，需要划分2个群组，各个商户的商户特征集分别为F_A，F_B，F_C，F_D。则可以从F_A，F_B，F_C，F_D中选择2个符合约束条件的商户特征集作为目标商户特征集，假设目标商户特征集是F_A和F_B。那么，可以分别计算F_A，F_B，F_C，F_D与F_A的差异值，并且分别计算F_A，F_B，F_C，F_D与F_B的差异值。通过计算每个商户特征集与各个目标商户特征集之间的差异值，可以体现出商户特征集与各个目标商户特征集之间的区别。

在一个实施例中，当商户特征集包括多项特征时，可以分别对每个商户特征集的各项特征与各个目标商户特征集中对应特征的取值进行对比；将取值不同的特征的项数作为所述差异值。假设上述例子中的目标商户特征集F_A和商户特征集F_C分别包括特征{f_A1，f_A2，f_A3}和特征{f_C1，f_C2，f_C3}，则可以将特征f_A1与特征f_C1进行对比，将特征f_A2与特征f_C2进行对比，将特征f_A3与特征f_C3进行对比。若特征f_A1与特征f_C1取值相同，特征f_A2与特征f_C2取值不同，特征f_A3与特征f_C3取值也不同，则商户特征集F_C与目标商户特征集F_A的差异值为1。

在步骤206中，基于差异值的大小将所述商户划分到目标商户特征集对应的群组，可以是将各个商户分配到差异值最小的目标商户特征集对应的群组。假设上述例子中商户特征集F_C与目标商户特征集F_A的差异值为1，且商户特征集F_C与目标商户特征集F_B的差异值为2，则将商户特征集F_C对应的商户(商户C)分配到目标商户特征集F_A对应的群组。通过这种方式，可以将商户划分到与其最接近的群组。进一步地，假设某个商户的商户特征集与多个目标商户特征集的差异值相同且为最小值，则可以随机将该商户分配到其中一个差异值最小的目标商户特征集对应的群组中。

在一个实施例中，约束条件可以为：群组内各个商户的商户特征集与该群组的目标商户特征集的差异值之和最小。也就是说，目标商户特征集是使群组划分以后，各个群组内的商户特征与该群组内的目标商户特征的差异值之和均为最小值的商户特征。在一个实施例中，约束条件如图3所示，假设共划分为3个群组，3个群组的群组中心分别是商户A、B和C对应的商户特征集，群组1中各个商户的商户特征集与A的距离分别为{s11,s12,…,s1n}，群组2中各个商户的商户特征集与B的距离分别为{s21,s22,…,s2n}，群组3中各个商户的商户特征集与C的距离分别为{s31,s32,…,s3n}。则该约束条件为：

为了获取满足上述约束条件的群组划分结果，可以随机选择若干个商户的商户特征集作为目标商户特征集，分别计算每个商户特征集与各个目标商户特征集之间的差异值；将各个商户分配到差异值最小的目标商户特征集对应的群组；重新选择若干个商户的商户特征集作为目标商户特征集，返回分别计算每个商户特征集与各个目标商户特征集之间的差异值的步骤，直到各个群组均满足所述约束条件。可以将最终得到的目标商户特征集作为满足约束条件的目标商户特征集，并以此为依据划分群组。

例如，假设存在A～E共5个商户，商户特征集分别为F_A～F_E。先随机选择商户特征集F_A与F_B作为目标商户特征集，商户特征集F_C，F_D，F_E与F_A，F_B的差异值分别为{3，3，2}和{2，3，1}。则将商户C和E划分到F_B对应的群组，将D划分到F_A对应的群组。划分后，F_A对应的群组的差异值之和是3，F_B对应的群组的差异值之和是3。

重新选择商户特征集F_D与F_E作为目标商户特征集，商户特征集F_A，F_B，F_C与F_D，F_E的差异值分别为{3，3，1}和{2，1，2}。则将商户C划分到F_D对应的群组，将商户A和B划分到F_E对应的群组。划分后，F_D对应的群组的差异值之和是1，F_E对应的群组的差异值之和是3。假设后续无论如何更改目标商户特征集，1和3都分别是各个目标商户特征集对应的最小差异值之和，则可以将商户C和D划分为一个群组，将商户A、B和E划分为另一个群组。

根据群组划分结果，可以得到每个群组中商户共有的一些属性。例如，某一群组中的商户可能存在不良信用记录，且活跃度较低等特征；另一群组中的商户可能具有无不良信用记录，活跃度高，且注册时间长等特征。通过获取这些特征，结合后续对特征的分析解释，可以确定不同的业务在不同群组中的适用性，以便其他业务模式二次利用分群结果。

一个实施例的群组划分对应的程序流图如图4所示，可包括以下步骤：

步骤402：分别获取各个商户的商户特征集。

步骤404：随机选择k个商户特征集作为初始的目标商户特征集，其中k表示待划分的群组的数量。

步骤406：分别计算每个商户特征集与各个目标商户特征集之间的差异值，并将商户特征集对应的商户分配到差异值最小的目标商户特征集对应的群组中。

步骤408：重新选择目标商户特征集。

步骤410：重复上述步骤406和步骤408，直到约束满足条件。

上述分群方式可采用K-Modes算法。一个实施例的采用K-Modes算法得到分群结果的示意图如图5所示。通过采用K-Modes算法进行分类属性数据聚类，能够更方便地处理非数值型的特征数据。

在一个实施例中，待划分的商户群组的数量为5。还可以根据各个群组中商户的商户对各个群组中商户的优劣进行评价，例如，将商户分为5个等级，1级最差，5级最优。该等级划分可以体现出各个商户之间的相对优劣情况。

在一个实施例中，商户特征可包括以下至少任一：表征商户签约属性信息的商户特征，表征商户交易数据的商户特征，和/或表征商户信用属性的商户特征。通过上述商户特征来对商户进行分群，能够提高分群准确性，减少人为因素影响，使分群结果更加客观。另外，上述商户特征可以表征商户签约后的经营状况，将其作为分群依据也比较符合实际应用。

进一步地，表征商户签约属性信息的商户特征包括以下至少任一：商户的签约状态属性、商户的VIP(Very Important Person，贵宾)属性、和/或商户的KA(Key Account，关键客户)属性。其中，商户的签约状态属性用于表征商户是否与交易平台签约；商户的VIP属性用于表征商户是否为VIP商户；商户的KA属性用于表征商户是否为KA商户。

进一步地，表征商户交易数据的商户特征包括以下至少任一：交易地区内异常订单的比例、有投诉的订单的比例、交易成功率、交易活跃度、交易历史时长、给定时间段内的交易量、和/或给定时间段内的交易额。其中，交易地区内异常订单是指交易地址异常的订单或者被投诉的订单。交易地区内异常订单的比例可通过交易地区内异常订单的数量与总订单数量的比值来计算。有投诉的订单的比例可通过发生投诉的订单的数量与总订单数量的比值来计算。交易成功率可以通过商户收到交易款的订单数量与总订单数量的比值来计算。交易活跃度可通过预设时间段内发生交易的单位时间与该时间段内包含的单位时间的总数的比值来计算(例如，在30天内发生交易的天数除以30，这里1天就是一个单位时间)。交易历史时长可通过发生第一笔交易的时间到当前时间的时间长度来计算。给定时间段内的交易量可通过给定时间段内的订单数量来计算。给定时间段内的交易额可通过给定时间段内订单的总价值来计算。

进一步地，表征商户信用属性的商户特征包括以下至少任一：商户欺诈历史数据、商户赌博历史数据和/或商户账户异常历史数据。商户欺诈历史数据和商户赌博历史数据用于表征商户是否存在非法经营(如，欺诈集资和赌博)等不良历史记录。商户账户异常历史数据用于表征商户账户是否存在被冻结等异常状态的历史记录。

在一个实施例中，商户特征还包括表征商户是否进件的商户特征。进一步地，获取商户特征集时，可以先获取表征商户是否进件的商户特征，如果商户有进件记录，再获取表征商户交易数据的商户特征，如果商户发生过交易，再获取表征商户签约属性信息的商户特征，和/或表征商户信用属性的商户特征。这种方式更加符合业务逻辑。

在一个实施例中，还可以对商户特征进行更新，即便及时更新分群结果。所述更新可以是按照预设的时间间隔(例如，3天，1星期等)来更新，也可以是以某个事件作为触发因素来更新。例如，商户重新进件。由于商户可能被转让，若转让后商户重新进件，则可以对商户的商户特征进行更新。除此之外，由于表征商户交易数据的商户特征也会随着时间的推移而不断变化，因此这些数据也需要定期更新。通过这种方式可以动态地调整商户的分群结果，使分群结果准确性更高，同时也更加符合实际情况。

在群组划分之后，还可以根据业务需求对各个群组中商户的商户特征进行数据分析，以确保分级结果的最大业务适用度。通过这种方式，能够挖掘到深层次的未被感知到的业务点，以帮助风控进行商户端的管控。例如，可以分别为不同群组中的商户设置不同的经营权限参数。例如，对于具有无黑历史、交易活跃度高，且注册时间长这类特征的群组中的商户，可以为该商户设置T+0结算权限，对其他商户则设置T+1结算权限。

又例如，通过表征商户信用属性的商户特征，对商户分群的业务逻辑为动态化区分优质与涉黑商户，可帮助维系良好的金融体系。对涉黑商户进行合理处罚，对优质商户提供更好的服务。将信用的重要性普及到商户端，将合法经营的理念渗透给所有商户。

以上实施例中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。

与前述商户分群方法的实施例相对应，本说明书还提供了商户分群装置、计算存储介质以及计算机设备的实施例。

如图6所示，图6是本说明书根据一示例性实施例示出的一种商户分群装置600的框图，所述装置600可包括：

获取模块602，用于分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；

第一计算模块604，用于分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；

群组划分模块606，用于基于差异值的大小将所述商户划分到目标商户特征集对应的群组；

上述装置中各个模块的功能和作用的实现过程具体详情见上述方法中对应步骤的实现过程，在此不再赘述。

本说明书商户分群的实施例可以应用在计算机设备上，例如服务器或终端设备。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，是通过其所在文件处理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7所示，为本说明书群组划分装置所在计算机设备的一种硬件结构图，除了图7所示的处理器702、内存704、网络接口706、以及非易失性存储器708之外，实施例中装置所在的服务器或电子设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

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，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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说明书方案的目的。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。

相应地，本说明书实施例还提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例中的商户分群方法。

相应地，本说明书实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例中的商户分群方法。

本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

本领域技术人员在考虑说明书及实践这里公开的说明书后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims

1.一种商户分群方法，所述方法包括：

分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；

分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；

基于差异值的大小将所述商户划分到目标商户特征集对应的群组；

2.根据权利要求1所述的方法，所述商户特征集包括多项特征；

分别计算每个商户特征集与各个目标商户特征集之间的差异值的步骤包括：

分别对每个商户特征集的各项特征与各个目标商户特征集中对应特征的取值进行对比；

将取值不同的特征的项数作为所述差异值。

3.根据权利要求1所述的方法，基于差异值的大小将所述商户划分到目标商户特征集对应的群组的步骤包括：

将各个商户分配到差异值最小的目标商户特征集对应的群组。

4.根据权利要求1所述的方法，所述约束条件为：群组内各个商户的商户特征集与该群组的目标商户特征集的差异值之和最小。

5.根据权利要求4所述的方法，所述方法还包括：

随机选择若干个商户的商户特征集作为目标商户特征集，分别计算每个商户特征集与各个目标商户特征集之间的差异值；

将各个商户分配到差异值最小的目标商户特征集对应的群组；

重新选择若干个商户的商户特征集作为目标商户特征集，返回分别计算每个商户特征集与各个目标商户特征集之间的差异值的步骤，直到各个群组均满足所述约束条件。

6.根据权利要求1至5任意一项所述的方法，所述商户特征包括以下至少任一：表征商户签约属性信息的商户特征，表征商户交易数据的商户特征，和/或表征商户信用属性的商户特征。

7.根据权利要求6所述的方法，所述商户特征还包括表征商户是否进件的商户特征。

8.根据权利要求6所述的方法，表征商户签约属性信息的商户特征包括以下至少任一：商户的签约状态属性、商户的VIP属性、和/或商户的KA属性。

9.根据权利要求6所述的方法，表征商户交易数据的商户特征包括以下至少任一：交易地区内异常订单的比例、有投诉的订单的比例、交易成功率、交易活跃度、交易历史时长、给定时间段内的交易量、和/或给定时间段内的交易额。

10.根据权利要求6所述的方法，表征商户信用属性的商户特征包括以下至少任一：商户欺诈历史数据、商户赌博历史数据和/或商户账户异常历史数据。

11.根据权利要求1所述的方法，所述方法还包括：对所述商户特征进行更新。

12.根据权利要求11所述的方法，对所述商户特征进行更新的步骤包括：

若商户被转让，且转让后的商户重新进件，对所述商户特征进行更新。

13.根据权利要求1所述的方法，待划分的商户群组的数量为5。

14.根据权利要求1所述的方法，所述方法采用K-Modes算法进行商户分群。

15.根据权利要求1所述的方法，所述方法还包括：

分别为不同群组中的商户设置不同的经营权限参数。

16.一种商户分群系统，所述系统包括：

获取模块，用于分别获取各个商户的商户特征集，所述商户特征集用于表征商户在签约后的预设时间段内的经营状态信息；

第一计算模块，用于分别计算每个商户特征集与各个目标商户特征集之间的差异值，所述目标商户特征集是根据预设的约束条件选取的若干个商户的商户特征集；

群组划分模块，用于基于差异值的大小将所述商户划分到目标商户特征集对应的群组；

17.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至15任意一项所述的方法。

18.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至15任意一项所述的方法。