CN111950770A - 一种管理资源返还辅助策略的方法、装置和电子设备 - Google Patents
一种管理资源返还辅助策略的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111950770A CN111950770A CN202010698053.0A CN202010698053A CN111950770A CN 111950770 A CN111950770 A CN 111950770A CN 202010698053 A CN202010698053 A CN 202010698053A CN 111950770 A CN111950770 A CN 111950770A
- Authority
- CN
- China
- Prior art keywords
- auxiliary
- effect data
- overdue
- strategy
- resource return
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000694 effects Effects 0.000 claims abstract description 154
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000002699 waste material Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/24—Credit schemes, i.e. "pay after"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/403—Solvency checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种管理资源返还辅助策略的方法，通过获取资源返还业务已逾期的样本用户的逾期信息、对样本用户已施行的辅助策略和实施辅助策略后的资源返还效果数据，利用逾期信息、辅助策略和资源返还效果数据训练资源返还效果数据预测模型，利用这种方式构建的模型，结合逾期用户的逾期信息和预设的辅助策略，预测辅助策略下的资源返还效果数据，能够针对每个用户精确地预测该用户在辅助策略的影响下的资源返还效果，预先知道实施该辅助策略后的返还表现，进而可以在产生资源消耗前做出决策，减少了实施策略后才发现资源返还效果不如意的情况发生，降低资源消耗。
Description
技术领域
本申请涉及计算机领域，尤其涉及一种管理资源返还辅助策略的方法、装置和电子设备。
背景技术
目前很多业务中，往往会存在实体资源或者虚拟资源的配给，供用户使用，后续用户返还这些资源可以结束这个业务。然而在返还资源的阶段，往往会出现用户不能按照预定的时间进行资源的返还，这就造成了违返约定的情况，对于这种情况，如果资源的返还只是依赖于用户的自觉性，则返还效果往往较差，这时，可以实施一些辅助资源返还的策略(比如说发送提示信息等)，来提升资源返还效果。
资源返还策略的实施，会消耗一定的资源(比如时间成本、人力成本、运营成本甚至是资金成本等)，目前，决定向用户实施哪种资源返还策略的，最多是根据用户的自身属性信息(比如性格等)进行评估，选择用户较敏感的资源返还策略。
然而，对现有技术进行分析发现，这种方式的资源消耗依然存在改进空间，这是因为，根据用户的自身属性信息进行评估，再选择资源返还策略，实际上只是对用户的自身属性信息与资源返还策略的返还效果之间的关系做了假设，这种假设往往带有一定的主观性，这就会导致，实际的资源返还表现很容易与预期出现较大的偏差，最终导致资源消耗过大。
因此，有必要提出一种新的管理资源返还辅助策略的方法，以降低资源消耗。
发明内容
本说明书实施例提供一种管理资源返还辅助策略的方法、装置和电子设备，用以降低资源消耗。
本说明书实施例提供一种管理资源返还辅助策略的方法，包括：
获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据；
利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型；
获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据；
基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
可选地，所述利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据，包括：
利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间；
所述基于所述各辅助策略下的资源返还效果数据确定所述用户的辅助策略，包括：
确定所述还款时间所处的逾期阶段；
从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略。
可选地，所述利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间，包括：
利用所述资源返还效果数据预测模型和各辅助策略预测各辅助策略下的还款时间；
所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
根据所述各辅助策略下的还款时间预估所述还款时间产生的收益损失数据；
结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略。
可选地，所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
评估所述用户的还款能力数据以及在所述辅助策略下的还款意愿数据；
根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率；
结合各辅助策略的实施成本和所述辅助成功概率确定各辅助策略的成本数据。
可选地，所述逾期信息包括：逾期资源额度信息和逾期用户信息。
可选地，所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，包括：
利用回归算法，基于利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
可选地，还包括：
实施所述辅助策略，并获取实施所述辅助策略后的实际资源返还效果数据；
所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，还包括：
利用所述实际资源返还效果数据对所述资源返还效果数据预测模型进行修正。
可选地，所述获取实施所述辅助策略后的实际资源返还效果数据，包括：
获取辅助策略系统进行数据同步而发送的实际资源返还效果数据。
本说明书实施例还提供一种管理逾期用户辅助策略的装置，其特征在于，包括：
获取模块，获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据；
训练模块，利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型；
策略模块，获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据；
基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
可选地，所述利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据，包括：
利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间；
所述基于所述各辅助策略下的资源返还效果数据确定所述用户的辅助策略，包括：
确定所述还款时间所处的逾期阶段；
从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略。
可选地，所述利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间，包括：
利用所述资源返还效果数据预测模型和各辅助策略预测各辅助策略下的还款时间；
所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
根据所述各辅助策略下的还款时间预估所述还款时间产生的收益损失数据；
结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略。
可选地，所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
评估所述用户的还款能力数据以及在所述辅助策略下的还款意愿数据；
根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率；
结合各辅助策略的实施成本和所述辅助成功概率确定各辅助策略的成本数据。
可选地，其特征在于，所述逾期信息包括：逾期资源额度信息和逾期用户信息。
可选地，所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，包括：
利用回归算法，基于利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
可选地，所述策略模块，还用于：
实施所述辅助策略，并获取实施所述辅助策略后的实际资源返还效果数据；
所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，还包括：
利用所述实际资源返还效果数据对所述资源返还效果数据预测模型进行修正。
可选地，所述获取实施所述辅助策略后的实际资源返还效果数据，包括：
获取辅助策略系统进行数据同步而发送的实际资源返还效果数据。
本说明书实施例还提供一种电子设备，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上述任一项方法。
本说明书实施例还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，实现上述任一项方法。
本说明书实施例提供的各种技术方案通过获取资源返还业务已逾期的样本用户的逾期信息、对样本用户已施行的辅助策略和实施辅助策略后的资源返还效果数据，利用逾期信息、辅助策略和资源返还效果数据训练资源返还效果数据预测模型，利用这种方式构建的模型，结合逾期用户的逾期信息和预设的辅助策略，预测辅助策略下的资源返还效果数据，能够针对每个用户精确地预测该用户在辅助策略的影响下的资源返还效果，预先知道实施该辅助策略后的返还表现，进而可以在产生资源消耗前做出决策，减少了实施策略后才发现资源返还效果不如意的情况发生，降低资源消耗。
此外，通过选择辅助策略，既可以避免实施了消耗资源较小的辅助策略后没法达到预期的资源返还表现而白白造成资源浪费，又可以在具有在多个能产生相同的资源返还表现的辅助策略中，避免选择消耗资源过多的辅助策略造成浪费，从而降低资源消耗，提升供以实施辅助策略的资源的利用效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种管理资源返还辅助策略的方法的原理示意图；
图2为本说明书实施例提供的一种管理资源返还辅助策略的装置的结构示意图；
图3为本说明书实施例提供的一种电子设备的结构示意图；
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
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。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种管理资源返还辅助策略的方法的原理示意图，该方法可以包括：
S101：获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据。
在用户逾期后，可以将这些用户标记为逾期用户，逾期用户的信息都可以称作逾期信息，这可以是与逾期的业务相关的信息，比如逾期资源额度信息，也可以是逾期用户自身的信息。
因此，在本说明书实施例中，所述逾期信息可以包括：逾期资源额度信息和逾期用户信息。
这样，基于逾期信息，利用对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据，便可以构建模型，继而，后续只需要得到逾期用户的逾期信息，便可以结合预设的辅助策略，预测实施该辅助策略后该逾期用户大概的资源返还表现。
其中，辅助策略的类型具体可以包括：业务外包策略，自营辅助策略等，通过辅助策略，督促使用资源的用户返还资源，通过业务外包策略，可以利用第三方的优势，比如利用第三方app推送资源返款提示信息等，当然，这只是对一种线上辅助策略的举例，不构成对本申请保护范围的限制。
S102：利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
其中，资源返还效果可以是返还时间。
在本说明书实施例中，所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，可以包括：
利用回归算法，基于利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
具体的，可以是利用广义线性回归算法进行训练，对于其具体方式，在此不做具体阐述和限制。
S103：获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据。
资源返还效果数据，反映了资源返款的效果，比如，返还时间，资源额度的返还率，总体业务件数的返还率等，当然，这只是几种方便理解的实例，并不构成对本申请保护范围的限制，应当理解为，在资源返款事件中，资源提供方所在意的其他要素，也可以作为资源返还效果数据，在此不做具体阐述。
在一种实施例中，资源可以是资金，资源返还效果数据为还款时间，那么所述利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据，可以包括：
利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间；
所述基于所述各辅助策略下的资源返还效果数据确定所述用户的辅助策略，可以包括：
确定所述还款时间所处的逾期阶段；
从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略。
可以根据预设的辅助策略的类型个数，划分逾期阶段，每类辅助策略对应一个逾期阶段，这样，便可以使辅助策略与逾期阶段相对应。
在本说明书实施例中，所述利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间，可以包括：
利用所述资源返还效果数据预测模型和各辅助策略预测各辅助策略下的还款时间；
所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还可以包括：
根据所述各辅助策略下的还款时间预估所述还款时间产生的收益损失数据；
结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略。
由于资源返还后，可以投入新业务中产生收益，如果返款时间较长，由于时间成本的存在，较晚的返还时间上会产生损失，因此，结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略，可以兼顾辅助策略的成本，确定收益率最高的辅助策略。
其中，结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略，可以是利用构建的模型，结合各辅助策略的成本数据和所述收益损失数据进行预测，这样，可以减少人力计算，用户体验好。
应当着重理解的是，这种返款时间是结合辅助策略进行预测的，在该辅助策略的影响下的返款时间，因而不同与简单的利用用户当前的资源返还业务信息进行预测(没有兼顾辅助策略对资源返还表现的影响)。
考虑到成功率的存在，在本说明书实施例中，辅助策略的成本数据可以不直接等于单个辅助策略的成本，而往往是对未成功过返款和成功返款的情况进行均摊，也就是利用助成功概率来计算各辅助策略的成本数据。
在本说明书实施例中，所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还可以包括：
评估所述用户的还款能力数据以及在所述辅助策略下的还款意愿数据；
根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率；
结合各辅助策略的实施成本和所述辅助成功概率确定各辅助策略的成本数据。
由于在所述辅助策略下的还款意愿数据能够反映是否愿意返还资源，因而对资源返还率影响较大，根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率，使得对辅助策略的管理更有效。
S104：基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
通过获取资源返还业务已逾期的样本用户的逾期信息、对样本用户已施行的辅助策略和实施辅助策略后的资源返还效果数据，利用逾期信息、辅助策略和资源返还效果数据训练资源返还效果数据预测模型，利用这种方式构建的模型，结合逾期用户的逾期信息和预设的辅助策略，预测辅助策略下的资源返还效果数据，能够针对每个用户精确地预测该用户在辅助策略的影响下的资源返还效果，预先知道实施该辅助策略后的返还表现，进而可以在产生资源消耗前做出决策，减少了实施策略后才发现资源返还效果不如意的情况发生，降低资源消耗。
此外，通过选择辅助策略，既可以避免实施了小号资源较小的辅助策略后没法达到预期的资源返还表现而白白造成资源浪费，又可以在具有在多个能产生相同的资源返还表现的辅助策略中，避免选择消耗资源过多的辅助策略造成浪费，从而降低资源消耗，提升供以实施辅助策略的资源的利用效果。
在本说明书实施例中，还可以包括：
实施所述辅助策略，并获取实施所述辅助策略后的实际资源返还效果数据；
所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，还可以包括：
利用所述实际资源返还效果数据对所述资源返还效果数据预测模型进行修正。
在本说明书实施例中，所述获取实施所述辅助策略后的实际资源返还效果数据，可以包括：
获取辅助策略系统进行数据同步而发送的实际资源返还效果数据。
这可以是在辅助策略系统中配置数据同步组件。
在一种应用场景中，在利用原有方法进行管理时，往往会存在实施了辅助策略后，使用资源的用户依然没有产生还款，这不仅没有收回资源，又由于实施了辅助策略白白造成了资源消耗。
在实施本方案后，可以知道用户在不同辅助策略的影响下的还款效果，比如，某些力度较弱的策略无法使用户还款，这时，即便实施这些策略，也会造成浪费，然而，可能只需要稍微再加大一点力度，到达了某个界限，便可以促使用户返还资源，另一方面，对于返还效果相差不大的多个辅助策略，如果实施了消耗资源多的辅助策略，依然会造成资源的浪费，因为即便选择消耗资源少一些的辅助策略，最终也可以产生相差不大的返还效果。
图2为本说明书实施例提供的一种管理逾期用户辅助策略的装置的结构示意图，该装置可以包括：
获取模块201，获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据；
训练模块202，利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型；
策略模块203，获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据；
基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
在本说明书实施例中，所述利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据，可以包括：
利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间；
所述基于所述各辅助策略下的资源返还效果数据确定所述用户的辅助策略，可以包括：
确定所述还款时间所处的逾期阶段；
从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略。
在本说明书实施例中，所述利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间，可以包括：
利用所述资源返还效果数据预测模型和各辅助策略预测各辅助策略下的还款时间；
所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还可以包括：
根据所述各辅助策略下的还款时间预估所述还款时间产生的收益损失数据；
结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略。
在本说明书实施例中，所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还可以包括：
评估所述用户的还款能力数据以及在所述辅助策略下的还款意愿数据；
根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率；
结合各辅助策略的实施成本和所述辅助成功概率确定各辅助策略的成本数据。
在本说明书实施例中，其特征在于，所述逾期信息可以包括：逾期资源额度信息和逾期用户信息。
在本说明书实施例中，所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，可以包括：
利用回归算法，基于利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
在本说明书实施例中，所述策略模块，还用于：
实施所述辅助策略，并获取实施所述辅助策略后的实际资源返还效果数据；
所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，还可以包括：
利用所述实际资源返还效果数据对所述资源返还效果数据预测模型进行修正。
在本说明书实施例中，所述获取实施所述辅助策略后的实际资源返还效果数据，可以包括：
获取辅助策略系统进行数据同步而发送的实际资源返还效果数据。
该装置通过获取资源返还业务已逾期的样本用户的逾期信息、对样本用户已施行的辅助策略和实施辅助策略后的资源返还效果数据，利用逾期信息、辅助策略和资源返还效果数据训练资源返还效果数据预测模型，利用这种方式构建的模型，结合逾期用户的逾期信息和预设的辅助策略，预测辅助策略下的资源返还效果数据，能够针对每个用户精确地预测该用户在辅助策略的影响下的资源返还效果，预先知道实施该辅助策略后的返还表现，进而可以在产生资源消耗前做出决策，减少了实施策略后才发现资源返还效果不如意的情况发生，降低资源消耗。
基于同一发明构思，本说明书实施例还提供一种电子设备。
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3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300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3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340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310执行，使得所述处理单元310执行本说明书上述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310可以执行如图1所示的步骤。
所述存储单元320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)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205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330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300也可以与一个或多个外部设备400(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300交互的设备通信，和/或与使得该电子设备300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350进行。并且，电子设备300还可以通过网络适配器360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360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图3中未示出，可以结合电子设备300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：如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种管理资源返还辅助策略的方法，其特征在于，包括：
获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据；
利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型；
获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据；
基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
2.根据权利要求1所述的方法，其特征在于，所述利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据，包括：
利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间；
所述基于所述各辅助策略下的资源返还效果数据确定所述用户的辅助策略，包括：
确定所述还款时间所处的逾期阶段；
从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略。
3.根据权利要求1-2中任一项所述的方法，其特征在于，所述利用所述资源返还效果数据预测模型和预设的辅助策略预测所述辅助策略下的还款时间，包括：
利用所述资源返还效果数据预测模型和各辅助策略预测各辅助策略下的还款时间；
所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
根据所述各辅助策略下的还款时间预估所述还款时间产生的收益损失数据；
结合各辅助策略的成本数据和所述收益损失数据确定收益率最高的辅助策略。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述从对应不同逾期阶段的各种辅助策略中确定所述逾期阶段所对应的辅助策略，还包括：
评估所述用户的还款能力数据以及在所述辅助策略下的还款意愿数据；
根据所述用户的还款能力数据、还款意愿数据预测所述辅助策略下的辅助成功概率；
结合各辅助策略的实施成本和所述辅助成功概率确定各辅助策略的成本数据。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述逾期信息包括：逾期资源额度信息和逾期用户信息。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，包括：
利用回归算法，基于利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型。
7.根据权利要求1-6中任一项所述的方法，其特征在于，还包括：
实施所述辅助策略，并获取实施所述辅助策略后的实际资源返还效果数据；
所述利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型，还包括：
利用所述实际资源返还效果数据对所述资源返还效果数据预测模型进行修正。
8.一种管理逾期用户辅助策略的装置，其特征在于，包括：
获取模块，获取资源返还业务已逾期的样本用户的逾期信息、对所述样本用户已施行的辅助策略和实施所述辅助策略后的资源返还效果数据；
训练模块，利用所述逾期信息、所述辅助策略和所述资源返还效果数据训练资源返还效果数据预测模型；
策略模块，获取逾期用户的逾期信息，利用所述资源返还效果数据预测模型和预设的辅助策略分别预测所述辅助策略下的资源返还效果数据；
基于所述各辅助策略下的资源返还效果数据确定将对所述用户施行的辅助策略。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010698053.0A CN111950770A (zh) | 2020-07-20 | 2020-07-20 | 一种管理资源返还辅助策略的方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010698053.0A CN111950770A (zh) | 2020-07-20 | 2020-07-20 | 一种管理资源返还辅助策略的方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111950770A true CN111950770A (zh) | 2020-11-17 |
Family
ID=73340724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010698053.0A Pending CN111950770A (zh) | 2020-07-20 | 2020-07-20 | 一种管理资源返还辅助策略的方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111950770A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570124A (zh) * | 2021-07-15 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种对象赋值方法、装置和电子设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060229896A1 (en) * | 2005-04-11 | 2006-10-12 | Howard Rosen | Match-based employment system and method |
| CN108182448A (zh) * | 2017-12-22 | 2018-06-19 | 北京中关村科金技术有限公司 | 一种标注策略的选择方法及相关装置 |
| CN109003114A (zh) * | 2018-06-01 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种营销策略预测方法、系统、计算机设备和存储介质 |
| CN109639720A (zh) * | 2019-01-08 | 2019-04-16 | 平安科技（深圳）有限公司 | 漏洞最优改进策略确定方法、装置及存储介质、服务器 |
| US20190207985A1 (en) * | 2016-12-08 | 2019-07-04 | Tencent Technology (Shenzhen) Company Limited | Authorization policy recommendation method and apparatus, server, and storage medium |
| CN110070430A (zh) * | 2019-03-12 | 2019-07-30 | 平安科技（深圳）有限公司 | 评估还款风险的方法及装置、存储介质、电子设备 |
| CN110659984A (zh) * | 2019-09-30 | 2020-01-07 | 上海淇玥信息技术有限公司 | 基于用户生命周期预测的授信额度管理方法、装置和电子设备 |
| CN110796430A (zh) * | 2019-10-08 | 2020-02-14 | 中国建设银行股份有限公司 | 一种逾期交易数据处理方法和装置 |
| CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
| CN111275233A (zh) * | 2018-12-05 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 资源配置方法、装置、电子设备及计算机可读存储介质 |
| CN111311397A (zh) * | 2020-02-13 | 2020-06-19 | 上海凯岸信息科技有限公司 | 结合评分卡模型和ABtest提升语音外呼机器人催收回款率方案 |
| US20200357013A1 (en) * | 2018-04-20 | 2020-11-12 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for coupon issuing |
| CN111950600A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种预测逾期用户资源返还表现的方法、装置和电子设备 |
| CN113806018A (zh) * | 2021-09-13 | 2021-12-17 | 北京计算机技术及应用研究所 | 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法 |
-
2020
- 2020-07-20 CN CN202010698053.0A patent/CN111950770A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060229896A1 (en) * | 2005-04-11 | 2006-10-12 | Howard Rosen | Match-based employment system and method |
| US20190207985A1 (en) * | 2016-12-08 | 2019-07-04 | Tencent Technology (Shenzhen) Company Limited | Authorization policy recommendation method and apparatus, server, and storage medium |
| CN108182448A (zh) * | 2017-12-22 | 2018-06-19 | 北京中关村科金技术有限公司 | 一种标注策略的选择方法及相关装置 |
| US20200357013A1 (en) * | 2018-04-20 | 2020-11-12 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for coupon issuing |
| CN109003114A (zh) * | 2018-06-01 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种营销策略预测方法、系统、计算机设备和存储介质 |
| CN111275233A (zh) * | 2018-12-05 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 资源配置方法、装置、电子设备及计算机可读存储介质 |
| CN109639720A (zh) * | 2019-01-08 | 2019-04-16 | 平安科技（深圳）有限公司 | 漏洞最优改进策略确定方法、装置及存储介质、服务器 |
| CN110070430A (zh) * | 2019-03-12 | 2019-07-30 | 平安科技（深圳）有限公司 | 评估还款风险的方法及装置、存储介质、电子设备 |
| CN110659984A (zh) * | 2019-09-30 | 2020-01-07 | 上海淇玥信息技术有限公司 | 基于用户生命周期预测的授信额度管理方法、装置和电子设备 |
| CN110796430A (zh) * | 2019-10-08 | 2020-02-14 | 中国建设银行股份有限公司 | 一种逾期交易数据处理方法和装置 |
| CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
| CN111311397A (zh) * | 2020-02-13 | 2020-06-19 | 上海凯岸信息科技有限公司 | 结合评分卡模型和ABtest提升语音外呼机器人催收回款率方案 |
| CN111950600A (zh) * | 2020-07-20 | 2020-11-17 | 上海淇馥信息技术有限公司 | 一种预测逾期用户资源返还表现的方法、装置和电子设备 |
| CN113806018A (zh) * | 2021-09-13 | 2021-12-17 | 北京计算机技术及应用研究所 | 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 于兆吉，等: "基于数据挖掘的信用分类技术", 沈阳工业大学学报, vol. 29, no. 06, pages 685 - 691 * |
| 赵道致，等: "经销商获取竞争优势与规避客户信用风险研究", 中国农机化, no. 05, pages 45 - 49 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570124A (zh) * | 2021-07-15 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种对象赋值方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111950600B (zh) | 一种预测逾期用户资源返还表现的方法、装置和电子设备 | |
| CN111651524B (zh) | 利用机器学习模型进行线上预测的辅助实现方法及装置 | |
| CN110659984A (zh) | 基于用户生命周期预测的授信额度管理方法、装置和电子设备 | |
| CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
| CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
| CN110675250A (zh) | 一种基于用户营销评分的信贷额度管理的方法、装置和电子设备 | |
| CN114641771A (zh) | 基于虚拟机内容的集群安全性 | |
| CN110689425A (zh) | 基于收益进行额度定价的方法、装置和电子设备 | |
| CN111681032B (zh) | 一种配置附加资源的方法、装置和电子设备 | |
| CN111950770A (zh) | 一种管理资源返还辅助策略的方法、装置和电子设备 | |
| CN110782310B (zh) | 从第三方平台异步获取用户属性信息的方法、装置和系统 | |
| CN111190670B (zh) | 一种展示页面的方法、装置和电子设备 | |
| CN111179057A (zh) | 一种资源配置的方法、装置和电子设备 | |
| CN112232856A (zh) | 一种基于导流的业务处理方法、装置和电子设备 | |
| CN110659982A (zh) | 一种大额度业务授信的方法、装置和电子设备 | |
| CN111680869A (zh) | 一种监测投放策略的方法、装置和电子设备 | |
| CN111681093B (zh) | 一种展示资源页面的方法、装置和电子设备 | |
| CN111967806B (zh) | 基于定期回扫的用户风险更新方法、装置和电子设备 | |
| CN115563173A (zh) | 一种数据处理方法、装置、设备及介质 | |
| CN113141407B (zh) | 一种页面资源加载方法、装置和电子设备 | |
| CN111191166B (zh) | 一种业务页面展示的方法、装置和电子设备 | |
| CN111949862B (zh) | 一种管理业务任务流程的方法、装置和电子设备 | |
| CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
| CN111680240B (zh) | 一种页面展示的方法、装置和电子设备 | |
| CN114090514A (zh) | 分布式系统的日志检索方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |