CN110348727A - 一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置和电子设备 - Google Patents

Abstract

本发明公开了一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置、电子设备及计算机可读介质，包括：构建用户风险等级评估模型及用户动支意愿评估模型；对存量用户利用上述模型获取其风险评级及动支意愿；基于用户风险评级及动支意愿对所述存量用户进行分类；根据分类结果，对不同类型的存量用户制定不同的营销策略。本发明能够通过从风险和动支率两个维度来将用户分为4类，针对不同类型的用户制定不同的策略。在保持坏账率不变的情况下，增加公司利润，增加余额。

Description

一种基于用户风险等级和用户动支意愿的营销策略制定方 法、装置和电子设备

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种基于用户风险等级和用户动支意愿的营销策略制定方法、装置、电子设备及计算机可读介质。

背景技术

在传统的贷款客户经营理念中，风险和客户的借款意愿(动支与否)往往被分离开。会出现一些风险较低的客户往往被授予更高的额度，但是这部分客户的借款率很低的现象。

在对贷款客户进行经营时，给予合适的授信额度和借款利率是至关重要的。一般给出客户授信额度和利率都是基于对客户的风险评级。风险较低的优质客户往往会得到更高的授信额度和更低的借款利率，风险较高的差客户则会得到较低的授信额度和较高的借款利率。但是，优质客户的借款意愿往往很低，差客户则会有很高的借款意愿。

现有技术中，只根据用户风险评级对用户进行分类的方法过于单一，造成金融平台在制定营销策略时并不精准，进而，金融平台的利润盈收并不理想。

发明内容

本发明要解决的技术问题是如何对用户进行精细分类，以及如何通过制定不同的营销策略增加公司的利润。

本发明的一方面提供一种基于用户风险等级和用户动支意愿的营销策略制定方法，其特征在于，包括：构建用户风险等级评估模型及用户动支意愿评估模型；对存量用户利用上述模型获取其风险评级及动支意愿；基于用户风险评级及动支意愿对所述存量用户进行分类；根据分类结果，对不同类型的存量用户制定不同的营销策略。

根据本发明的一种优选实施方式，所述获取用户风险评级，进一步包括：获取用户属性数据；获取用户信用数据；基于用户属性数据和用户信用数据，通过xgboost模型，获取用户风险评级。

根据本发明的一种优选实施方式，通过xgboost模型，获取用户风险评级，进一步包括：通过优化xgboost模型的损失函数，获取用户风险评级。

根据本发明的一种优选实施方式，所述优化xgboost模型的损失函数，进一步包括：通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数。

根据本发明的一种优选实施方式，所述基于用户风险评级及动支意愿对所述存量用户进行分类的步骤，进一步包括：基于用户风险评级及动支意愿，通过建立四象限，对所述存量用户进行分类。

根据本发明的一种优选实施方式，所述基于用户风险评级及动支意愿，通过建立四象限，对用户进行分类，进一步包括：基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

根据本发明的一种优选实施方式，所述根据分类结果，对不同类型的存量用户制定不同的营销策略，进一步包括：根据分类结果，调整不同类型的存量用户的授信额度和/或利率。

根据本发明的一种优选实施方式，根据根据分类结果，调整不同类型的存量用户的授信额度和/或利率，进一步包括：对低风险高动支的存量用户提升授信额度。

根据本发明的一种优选实施方式，所述获取用户动支意愿，进一步包括：根据用户属性数据和用户借贷数据，获取用户动支意愿。

本发明的第二方面提供一种基于用户风险等级和用户动支意愿的营销策略制定装置，其特征在于，包括：模型构建模块，用于构建用户风险等级评估模型及用户动支意愿评估模型；风险评级及动支意愿获取模块，用于对存量用户利用上述模型获取其风险评级及动支意愿；存量用户分类模块，用于基于用户风险评级及动支意愿对所述存量用户进行分类；营销策略制定模块，用于根据分类结果，对不同类型的存量用户制定不同的营销策略。

根据本发明的一种优选实施方式，所述风险评级及动支意愿获取模块，进一步包括：用户属性数据获取单元，用于获取用户属性数据；用户信用数据获取单元，用于获取用户信用数据；用户风险评级获取单元，用于基于用户属性数据和用户信用数据，通过xgboost模型，获取用户风险评级。

根据本发明的一种优选实施方式，用户风险评级获取单元，进一步包括：损失函数优化子单元，用于通过优化xgboost模型的损失函数，获取用户风险评级。

根据本发明的一种优选实施方式，还包括：回归变量系数修正子单元，用于通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数。

根据本发明的一种优选实施方式，所述存量用户分类模块，进一步包括：存量用户分类单元，用于基于用户风险评级及动支意愿，通过建立四象限，对所述存量用户进行分类。

根据本发明的一种优选实施方式，所述存量用户分类单元，进一步包括：存量用户分类子单元，用于基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

根据本发明的一种优选实施方式，所述营销策略制定模块，进一步包括：授信额度和/或利率调整单元，用于根据分类结果，调整不同类型的存量用户的授信额度和/或利率。

根据本发明的一种优选实施方式，授信额度和/或利率调整单元，进一步包括：低风险高动支存量用户子单元，用于对低风险高动支的存量用户提升授信额度。

根据本发明的一种优选实施方式，所述风险评级及动支意愿获取模块，进一步包括：用户动支意愿根据用户属性数据和用户借贷数据，获取用户动支意愿。

本发明的第三方面提供一种电子设备，其中，该电子设备包括：处理器；以及，

存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行任一项所述的方法。

本发明的第四方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现任一项所述的方法。

本发明的技术方案，具有如下有益效果：

本发明能够通过从风险和动支率两个维度来将用户分为4类，针对不同类型的用户制定不同的策略。在保持坏账率不变的情况下，增加公司利润，增加余额。

附图说明

为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。

图1是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法流程示意图；

图2是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的圈出好用户的示意图；

图3是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的优化后的损失函数效果示意图；

图4是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的通过建立四象限对用户进行分类的示意图；

图5是本发明的基于用户风险等级和用户动支意愿的营销策略制定装置的模块架构示意图；

图6是本发明的基于用户风险等级和用户动支意愿的营销策略制定电子设备结构框架示意图；

图7是本发明的计算机可读存储介质示意图。

具体实施方式

现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。

在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。

在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。

术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

图1是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法流程示意图；如图1所示，本发明的方法包括：

S101：构建用户风险等级评估模型及用户动支意愿评估模型。

其中，所述用户风险等级评估模型可使用xgboost模型。

S102：对存量用户利用上述模型获取其风险评级及动支意愿。

其中，所述获取用户风险评级，进一步包括：获取用户属性数据；获取用户信用数据；基于用户属性数据和用户信用数据，通过xgboost模型，获取用户风险评级。

其中，通过xgboost模型，获取用户风险评级，进一步包括：通过优化xgboost模型的损失函数，获取用户风险评级。

其中，所述优化xgboost模型的损失函数，进一步包括：通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数。

其中，获取用户动支意愿，进一步包括：获取用户属性数据；获取用户借贷数据；根据用户属性数据和用户借贷数据，获取用户动支意愿。

S103：基于用户风险评级及动支意愿对所述存量用户进行分类。

其中，所述基于用户风险评级及动支意愿对所述存量用户进行分类的步骤，进一步包括：基于用户风险评级及动支意愿，通过建立四象限，对所述存量用户进行分类。

其中，所述基于用户风险评级及动支意愿，通过建立四象限，对用户进行分类，进一步包括：基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

S104：根据分类结果，对不同类型的存量用户制定不同的营销策略。

其中，所述根据分类结果，对不同类型的存量用户制定不同的营销策略，进一步包括：根据分类结果，调整不同类型的存量用户的授信额度和/或利率。

其中，根据分类结果，调整不同类型的存量用户的授信额度和/或利率，进一步包括：对低风险高动支的存量用户提升授信额度。

为了解决这个问题，将客户进行精细化运营，提升公司利润，降低风险，我们从风险和动支意愿两个角度将客户分为4类，对风险很低动支意愿很高的客户提升授信额度，这样在保持坏账率不变甚至减少的情况下，可以增加客户的借款金额，收取更多的利润；对于风险很高，动支意愿也很高的客户采取最高定价的策略，以弥补高风险坏账带来的损失。

为了保持坏账率不变尽可能的增加公司利润，增加余额，我们在客户经营时会寻找出一部分客户进行提额，区别于传统的仅从风险角度去筛选客户，我们在筛选客户时综合考虑了利率，动支意愿和风险。最终选择出来进行提额的客户都是具有高动支意愿(根据我们的定价策略，高动支意愿的客户往往具有更高的借款利率)低风险(低坏账率)的客户。为了更好的识别低风险客户，我们对xgdoost模型的损失函数进行了改进。

作为示例，对本发明的基于用户风险等级和用户动支意愿的营销策略制定方法进行详细解释。

基于历史用户属性数据和历史用户信用数据，通过机器学习模型构建用户风险等级评估模型。所述用户风险等级评估模型，可根据用户的属性数据和信用数据，计算用户风险评分。其中，所述用户风险等级评估模型可使用xgboost模型，计算用户风险评分。

风险等级评估模型，根据设定的风险评分阈值区分用户是低风险用户还是高风险用户。风险评分高于风险评分阈值的用户为高风险用户，反之，风险评分低于风险评分阈值的用户为低风险用户。

其中，设定的风险评分阈值，通过分析历史用户的风险评分和机器学习模型训练得到。

基于历史用户属性数据和历史用户借贷数据，通过机器学习模型构建用户动支意愿评估模型。所述用户动支意愿评估模型，可根据用户的属性数据和借贷数据，计算用户动支意愿评分。

动支意愿评估模型，根据设定的动支意愿评分阈值区分用户是高动支用户还是低动支用户。动支意愿评分高于动支意愿评分阈值的用户为高动支用户，反之，动支意愿评分低于动支意愿评分阈值的用户为低动支用户。

同理，设定的动支意愿评分阈值，通过分析历史用户的动支意愿评分和机器学习模型训练得到。

在构建完成用户风险等级评估模型及用户动支意愿评估模型之后，利用上述模型，获取存量用户风险评级及动支意愿。

本发明通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数，进而通过xgboost模型，获取用户风险评级。通过对xgboost模型损失函数的修改，优化模型，使模型可以很好的为客户经营策略服务。

基于项目背景，我们只需要在整体样本中画个大大的圈，哪怕圈里的好人大量被误判为坏人，只要圈外都是纯粹的好人，我们只需要对圈外的好客户进行提额测试即可。类似追求高的召回率，但实际上是追求头部的区分度。图2是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的圈出好用户的示意图，如图2所示，圈外都是好人。

模型角度去看，常用的指标KS(AUC)都是在尽可能的区分每个样本的违约概率(的相对顺序)，以将好坏人分离为目标。

以逻辑回归为例，更新回归变量的损失函数系数，不考虑L1，L2范数的前提下，需依据损失函数最小化。

优化之前的逻辑回归的损失函数为经典损失函数L_ce：

通过分析经典损失函数，可以看到，无论是把好样本识别为坏样本，还是坏样本识别为好样本，都会产生一定损失，所以会尽可能区分开所有的好人坏人(或者好坏feature)。

本发明通过修改失函数的回归变量系数将经典损失函数替换为L_fl

在新的损失函数中，好样本被预测为坏样本带来的损失会认为小于坏样本被预测为好样本带来的损失。

图3是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的优化后的损失函数效果示意图；如图3所示，会发现不仅模型效果变好，对头部优质客户的识别也更加精准。通过本发明的方法利用的修正后的损失函数，不良率只有1.5％左右，所以同理，大量简单的好人(feature)也在提供一定的Loss对于头部的识别造成了困扰。

图4是本发明的基于用户风险等级和用户动支意愿的营销策略制定方法的通过建立四象限对用户进行分类的示意图；如图4所示，基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

根据本发明的方法，对用户进行分类之后，根据分类结果，调整不同类型的存量用户的授信额度和/或利率，包括：对低风险高动支的存量用户提升授信额度。

本发明的方法，对风险很低动支意愿很高的客户提升授信额度，这样在保持坏账率不变甚至减少的情况下，可以增加客户的借款金额，收取更多的利润；对于风险很高，动支意愿也很高的客户怎采取最高定价的策略，以弥补高风险坏账带来的损失。

本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。

下面描述本发明的装置实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。

本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

图5是本发明的基于用户风险等级和用户动支意愿的营销策略制定装置的模块架构示意图；如图5所示，本发明的装置500包括：模型构建模块501，风险评级及动支意愿获取模块502，存量用户分类模块503，营销策略制定模块504。

模型构建模块，用于构建用户风险等级评估模型及用户动支意愿评估模型。

风险评级及动支意愿获取模块，用于对存量用户利用上述模型获取其风险评级及动支意愿。

存量用户分类模块，用于基于用户风险评级及动支意愿对所述存量用户进行分类。

营销策略制定模块，用于根据分类结果，对不同类型的存量用户制定不同的营销策略。

其中，所述风险评级及动支意愿获取模块，进一步包括：用户属性数据获取单元，用于获取用户属性数据；用户信用数据获取单元，用于获取用户信用数据；用户风险评级获取单元，用于基于用户属性数据和用户信用数据，通过xgboost模型，获取用户风险评级。

其中，用户风险评级获取单元，进一步包括：损失函数优化子单元，用于通过优化xgboost模型的损失函数，获取用户风险评级。

其中，还包括：回归变量系数修正子单元，用于通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数。

其中，所述存量用户分类模块，进一步包括：存量用户分类单元，用于基于用户风险评级及动支意愿，通过建立四象限，对所述存量用户进行分类。

其中，所述存量用户分类单元，进一步包括：存量用户分类子单元，用于基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

其中，所述营销策略制定模块，进一步包括：授信额度和/或利率调整单元，用于根据分类结果，调整不同类型的存量用户的授信额度和/或利率。

其中，授信额度和/或利率调整单元，进一步包括：低风险高动支存量用户子单元，用于对低风险高动支的存量用户提升授信额度。

其中，所述风险评级及动支意愿获取模块，进一步包括：用户动支意愿根据用户属性数据和用户借贷数据，获取用户动支意愿。

下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。

图6是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图6来描述根据本发明该实施例的的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1所示的步骤。

所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：构建用户风险等级评估模型及用户动支意愿评估模型；对存量用户利用上述模型获取其风险评级及动支意愿；基于用户风险评级及动支意愿对所述存量用户进行分类；根据分类结果，对不同类型的存量用户制定不同的营销策略。

所述计算机程序可以存储于一个或多个计算机可读介质上，如图7所示。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于用户风险等级和用户动支意愿的营销策略制定方法，其特征在于，包括：

构建用户风险等级评估模型及用户动支意愿评估模型；

对存量用户利用上述模型获取其风险评级及动支意愿；

基于用户风险评级及动支意愿对所述存量用户进行分类；

根据分类结果，对不同类型的存量用户制定不同的营销策略。

2.如权利要求1所述的方法，其特征在于，所述获取用户风险评级，进一步包括：

获取用户属性数据；

获取用户信用数据；

基于用户属性数据和用户信用数据，通过xgboost模型，获取用户风险评级。

3.如权利要求1-2任一项所述的方法，其特征在于，通过xgboost模型，获取用户风险评级，进一步包括：

通过优化xgboost模型的损失函数，获取用户风险评级。

4.如权利要求1-3任一项所述的方法，其特征在于，所述优化xgboost模型的损失函数，进一步包括：

通过修正xgboost模型损失函数的回归变量系数，获取优化的xgboost模型损失函数。

5.如权利要求1-4任一项所述的方法，其特征在于，所述基于用户风险评级及动支意愿对所述存量用户进行分类的步骤，进一步包括：

基于用户风险评级及动支意愿，通过建立四象限，对所述存量用户进行分类。

6.如权利要求1-5任一项所述的方法，其特征在于，所述基于用户风险评级及动支意愿，通过建立四象限，对用户进行分类，进一步包括：

基于用户风险评级及动支意愿，通过建立四象限，将用户分为：高风险高动支、高风险低动支、低风险高动支和低风险低动支。

7.如权利要求1-6任一项所述的方法，其特征在于，所述根据分类结果，对不同类型的存量用户制定不同的营销策略，进一步包括：

根据分类结果，调整不同类型的存量用户的授信额度和/或利率。

8.一种基于用户风险等级和用户动支意愿的营销策略制定装置，其特征在于，包括：

模型构建模块，用于构建用户风险等级评估模型及用户动支意愿评估模型；

风险评级及动支意愿获取模块，用于对存量用户利用上述模型获取其风险评级及动支意愿；

存量用户分类模块，用于基于用户风险评级及动支意愿对所述存量用户进行分类；

营销策略制定模块，用于根据分类结果，对不同类型的存量用户制定不同的营销策略。

9.一种电子设备，其中，该电子设备包括：

处理器；以及，

存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。