CN112015975B - 基于牛顿冷却定律的面向金融用户的信息推送方法及装置 - Google Patents

基于牛顿冷却定律的面向金融用户的信息推送方法及装置 Download PDF

Info

Publication number
CN112015975B
CN112015975B CN202010683191.1A CN202010683191A CN112015975B CN 112015975 B CN112015975 B CN 112015975B CN 202010683191 A CN202010683191 A CN 202010683191A CN 112015975 B CN112015975 B CN 112015975B
Authority
CN
China
Prior art keywords
guest
guest group
sub
newton
cooling
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.)
Active
Application number
CN202010683191.1A
Other languages
English (en)
Other versions
CN112015975A (zh
Inventor
张潮华
王鹏
高明宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Qilu Information Technology Co Ltd
Original Assignee
Beijing Qilu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Qilu Information Technology Co Ltd filed Critical Beijing Qilu Information Technology Co Ltd
Priority to CN202010683191.1A priority Critical patent/CN112015975B/zh
Publication of CN112015975A publication Critical patent/CN112015975A/zh
Application granted granted Critical
Publication of CN112015975B publication Critical patent/CN112015975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于牛顿冷却定律的面向金融用户的信息推送方法、装置及电子设备，所述方法包括：获取第一预设时间段内的目标客群；根据第一分类方式将所述目标客群分为多个目标子客群；根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；对留存比例小于预设值的目标子客群发送推送信息。本发明通过历史数据确定每个目标子客群的冷却系数，根据牛顿冷却公式及各个目标子客群的冷却系数分别预测各个目标子客群在未来第二预设时间段后的留存比例；对留存比例小于预设值的目标子客群推送信息，从而达到智能化信息推送，提高信息推送的转化效率，减小互联网产品客户流失的目的。

Description

基于牛顿冷却定律的面向金融用户的信息推送方法及装置
技术领域
本发明涉及计算机信息处理技术领域，具体而言，涉及一种基于牛顿冷却定律的面向金融用户的信息推送方法、装置、电子设备及计算机可读介质。
背景技术
信息推送是指服务器向客户端通过操作系统、APP、网页等方式推送信息的技术，其主要应用于互联网产品的营销、广告、客户粘性管理等。但是，目前的信息推送技术仍以简单的客群划分、定时、无差别的推送为主，也有根据机器学习的方式动态确定信息推送的方式和内容。但是，这些信息推送方式均未考虑到用户在整个产品周期中客观表现规律，使得目前的信息推送方式与产品本身周期的配合度不强，以致于信息推送的效果欠佳，甚至引起用户反感。
例如，对于金融信贷产品来说，需要考虑到用户的授信周期信息。授信是指金融机构对客户授予的一种信用额度，在这个额度内客户向金融机构借款可减少繁琐的贷款检查。授信按期限分为短期授信和中长期授信。短期授信指一年以内(含一年)的授信，中长期授信指一年以上的授信。
如何从互联网产品的周期性中找出用户兴趣点的变化以实施更加精准的信息推送是目前亟待解决的问题。
发明内容
本发明旨在解决因互联网产品周期性导致的对用户推送信息推送的智能化不足和转化效率欠佳的问题。
为了解决上述技术问题，本发明第一方面提出一种基于牛顿冷却定律的面向金融用户的信息推送方法，所述方法包括：
获取第一预设时间段内的目标客群；
根据第一分类方式将所述目标客群分为多个目标子客群；
根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
对留存比例小于预设值的目标子客群发送推送信息。
根据本发明一种优选的实施方式，所述根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例之前，所述方法还包括：
确定各个目标子客群对应的牛顿冷却系数；
根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式。
根据本发明一种优选的实施方式，所述确定各个目标子客群对应的牛顿冷却系数包括：
根据所述第一分类方式将历史客群分为多个历史子客群；
根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数。
根据本发明一种优选的实施方式，所述牛顿冷却公式为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
根据本发明一种优选的实施方式，所述第一分类方式指根据客群属性和/或消费行为将客群分为多个子客群的方式。
根据本发明一种优选的实施方式，所述推送信息包括促销信息。
为了解决上述技术问题，本发明第二方面提供一种基于牛顿冷却定律的面向金融用户的信息推送装置，所述装置包括：
获取模块，用于获取第一预设时间段内的目标客群；
分割模块，用于根据第一分类方式将所述目标客群分为多个目标子客群；
预测模块，用于根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
发送模块，用于对留存比例小于预设值的目标子客群发送推送信息。
根据本发明一种优选的实施方式，所述装置还包括：
第一确定模块，用于确定各个目标子客群对应的牛顿冷却系数；
第二确定模块，用于根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式。
根据本发明一种优选的实施方式，所述第一确定模块包括：
第一分割模块，用于根据所述第一分类方式将历史客群分为多个历史子客群；
子确定模块，用于根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
赋值模块，用于将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数。
根据本发明一种优选的实施方式，所述牛顿冷却公式为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
根据本发明一种优选的实施方式，所述第一分类方式指根据客群属性和/或消费行为将客群分为多个子客群的方式。
根据本发明一种优选的实施方式，所述推送信息包括促销信息。
为解决上述技术问题，本发明第三方面提供一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
为了解决上述技术问题，本发明第四方面提出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，当所述一个或多个程序被处理器执行时，实现上述方法。
本发明将第一预设时间段内的目标客群分为多个目标子客群，通过历史数据确定每个目标子客群的冷却系数，根据牛顿冷却公式及各个目标子客群的冷却系数分别预测各个目标子客群在未来第二预设时间段后的留存比例；对留存比例小于预设值的目标子客群推送信息，从而达到促动用户动支，增大留存比例，减小客户流失的目的。本发明可以根据目标子客群的留存比例进行差异性信息推送，从而提高信息推送的智能化水平，增加互联网产品的客户粘性，减小客户流失。
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的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是本发明一种基于牛顿冷却定律的面向金融用户的信息推送方法的流程示意图；
图2是本发明根据第一分类方式将目标客群分为多个目标子客群的示意图；
图3是本发明一种基于牛顿冷却定律的面向金融用户的信息推送装置的结构框架示意图；
图4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；
图5是本发明一个计算机可读介质实施例的示意图。
具体实施方式
现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应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是为了使本发明的内容更加完整，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结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体，并不一定必然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。
各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，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，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
针对金融领域中，每月授信成功客户随着MOB的变化，留存客户比例越来越少，造成客户流失的现象。
发明人发现：对于每月授信成功的客户，随着账龄(month on book，MOB)的变化，留存客户比例越来越少，这会造成大量客户流失。主要原因是当还款能力稳定且无资金投资需求的时候，客户资金需求度随着Mob的变化而逐渐衰减，并符合一定的规律，这种现象可以称之为牛顿冷却定律。
本申请的发明人分析还发现：整个授信客群的客户流失程度并非服从统一的分布，而是有差异的，即整个授信客群的冷却系数并不统一。因此，本发明将第一预设时间段内的目标客群分为多个目标子客群，通过历史数据确定每个目标子客群的冷却系数，根据牛顿冷却公式及各个目标子客群的冷却系数分别预测各个目标子客群在未来第二预设时间段后的留存比例；对留存比例小于预设值的目标子客群推送信息，从而可以根据子客群的留存比例进行差异性促销推送，提高客户粘性，减小客户流失。
请参阅图1，图1是本发明提供的一种基于牛顿冷却定律的面向金融用户的信息推送方法的流程图，如图1所示，所述方法包括：
S1、获取第一预设时间段内的目标客群；
其中，所述第一预设时间段可以根据实际业务需要进行设置。在一种示例中，所述第一预设时间段为当前授信月份，当然，也可以采用当前授信月份和上一个授信月份这两个授信月份作为第一预设时间段。
S2、根据第一分类方式将所述目标客群分为多个目标子客群；
本发明中，所述第一分类方式可以是根据客群属性将目标客群分为多个子客群的方式，也可以是根据客群消费行为将目标客群分为多个子客群的方式；还可以是根据客群属性和客群消费行为将目标客群分为多个子客群的方式。其中，所述客群属性可以包括：年龄、性别、学历、职业中的至少一种，所述消费行为是指消费者的需求心理、购买动机、消费意愿等方面心理的与现实各个表现的总和，其主要行为表现是购买行为。所述消费行为包括：习惯型、理智型、经济型、冲动型等消费类型。
示例性的，以根据客群属性和客群消费行为将目标客群分为多个子客群的方式为例，可以先根据客群属性(比如：年龄和学历)将目标客群分为多个中间客群，如图2所示，将目标客群M分为年龄大于等于30岁，学历高于等于本科的第一客群R1、年龄大于等于30岁，学历低于本科的第二客群R2、年龄小于30岁，学历高于等于本科的第三客群R3、年龄小于30岁，学历低于本科的第四客群R4。再根据消费行为将各个所述中间客群分为多个目标子客群。如图2所示，将第一客群R1进一步根据消费行为分为年龄大于等于30岁，学历高于等于本科，习惯型消费的第一目标子客群Q1，年龄大于等于30岁，学历高于等于本科，理智型消费的第二目标子客群Q2，年龄大于等于30岁，学历高于等于本科，经济型消费的第三目标子客群Q3，年龄大于等于30岁，学历高于等于本科，冲动型消费的第四目标子客群Q4。
S3、根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
其中，所述未来第二预设时间段是根据业务需要指定的在未来的一段时间，其具体可以是未来六个月、未来一年等。
本发明中牛顿冷却公式用于在金融领域中，描述当还款能力稳定且无资金投资需求的时候，客户资金需求度随着Mob的变化而逐渐衰减的现象。所述牛顿冷却公式具体为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
发明人发现：经过步骤S2分割后的各个目标子客群的牛顿冷却系数是各不相同的。因此，本步骤根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例之前，需要事先根据历史用户数据确定各个目标子客群对应的牛顿冷却系数。
在一种实施方式中，在本步骤之前，所述方法还包括：
S31、确定各个目标子客群对应的牛顿冷却系数；
具体的，本步骤包括：
S311、根据所述第一分类方式将历史客群分为多个历史子客群；
本发明中，为了根据历史用户数据确定各个目标子客群对应的牛顿冷却系数，需要采用与目标子客群相对应的分类方式将历史客群分为多个历史子客群。例如，在步骤S2中采用根据客群属性将目标客群分为多个子客群的方式，则在本步骤中根据客群属性将历史客群分为多个历史子客群。比如，根据年龄将目标客群分为大于等于40岁的第一目标子客群和小于40岁的第二目标子客群，则在本步骤中，将历史客群根据年龄分为大于等于40岁的第一历史子客群和小于40岁的第二历史子客群，其中，第一目标子客群与第一历史子客群相对应，第二目标子客群与第二历史子客群相对应。
显然，以上描述只是一种示例，本步骤与步骤S2的分类方式相对应，还可以采用客群属性和消费行为的方式对历史客群进行分类，还可以采用消费行为的方式对历史客群进行分类。其中具体的分类方式在步骤S2中已经做了详尽描述，此处不再赘述。
S312、根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
其中，所述历史数据包括：各个历史子客群本期Mob留存比例ri，上一期Mob留存比例ri-1，以及相邻账龄的时间间隔。根据采集到的历史数据及牛顿冷却公式ri＝ri-1*exp^(-a*t)；可以得到各个历史子客群的牛顿冷却系数aj，其中，j对应不同的历史子客群。
S313、将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数。
本发明中，由于历史子客群与目标子客群的分类方式完全相同，因此，各个历史子客群与其对应的目标子客群的客户流失程度一致，即二者的牛顿冷却系数相同。
S32、根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式。
各个目标子客群对应的牛顿冷却公式为：
rij＝r(i-1)j*exp^(-aj*t)；
其中，j对应不同的历史子客群。
示例性的，以根据各个目标子客群对应的牛顿冷却公式rij＝r(i-1)j*exp^(-aj*t)预测各个目标子客群在未来3个月后的留存比例为例，先根据历史客群数据统计出各个目标子客群在当前月的留存比例r0j，再根据各个目标子客群的r0j及aj得到各个目标子客群在1个月后的留存比例r1j，以此类推，得到各个目标子客群在3个月后的留存比例r3j。
S4、对留存比例小于预设值的目标子客群发送推送信息。
本发明中，所述推送信息用于促动留存比例小于预设值的目标子客群，其可以是促销信息，具体可以是红包、免息金、优惠券、抵用券中的至少一种。
在具体实施过程中，可以根据留存比例的大小将小于预设值的留存比例分为不同等级的留存比例，再为不同等级的留存比例配置不同的促销信息，比如配置不同金额的免息金等。根据目标子客群对应留存比例的等级确定该目标子客群对应的促销信息，从而对小于预设值的目标子客群实施差异性的营销促动策略，提高客户的粘性，减小客户流失。
图4是本发明一种基于牛顿冷却定律的面向金融用户的信息推送装置的架构示意图，如图4所示，所述装置包括：
第一确定模块401，用于确定各个目标子客群对应的牛顿冷却系数；
第二确定模块402，用于根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式。
获取模块41，用于获取第一预设时间段内的目标客群；
分割模块42，用于根据第一分类方式将所述目标客群分为多个目标子客群；
预测模块43，用于根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
发送模块44，用于对留存比例小于预设值的目标子客群发送推送信息。其中，所述推送信息包括促销信息。
在一种具体实施方式中，所述第一确定模块401包括：
第一分割模块，用于根据所述第一分类方式将历史客群分为多个历史子客群；
子确定模块，用于根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
赋值模块，用于将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数。
其中，所述牛顿冷却公式为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
优选的，所述第一分类方式指根据客群属性和/或消费行为将客群分为多个子客群的方式。
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。
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实体形式的实施方式。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4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。图4显示的电子设备仅仅是一个示例，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4所示，该示例性实施例的电子设备400以通用数据处理设备的形式表现。电子设备400的组件可以包括但不限于：至少一个处理单元410、至少一个存储单元420、连接不同电子设备组件(包括存储单元420和处理单元410)的总线430、显示单元440等。
其中，所述存储单元420存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元410执行，使得所述处理单元410执行本发明各种实施方式的步骤。例如，所述处理单元410可以执行如图1所示的步骤。
所述存储单元420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)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。所述存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作电子设备、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430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400也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备400与该电子设备400交互，和/或使得该电子设备400能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口450进行，还可以通过网络适配器460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)进行。网络适配器460可以通过总线430与电子设备400的其它模块通信。应当明白，尽管图4中未示出，电子设备400中可使用其它硬件和/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电子设备、磁带驱动器以及数据备份存储电子设备等。
图5是本发明的一个计算机可读介质实施例的示意图。如图5所示，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。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、或半导体的电子设备、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。当所述计算机程序被一个或多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：获取第一预设时间段内的目标客群；根据第一分类方式将所述目标客群分为多个目标子客群；根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；对留存比例小于预设值的目标子客群推送信息。
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数据处理设备(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。
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电子设备、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音的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语音包括面向对象的程序设计语音-诸如Java、C++等，还包括常规的过程式程序设计语音-诸如“C”语音或类似的程序设计语音。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，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。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本发明的一些或者全部功能。
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 (8)

1.一种基于牛顿冷却定律的面向金融用户的信息推送方法，其特征在于，所述方法包括：
获取第一预设时间段内的目标客群；
根据第一分类方式将所述目标客群分为多个目标子客群；
根据所述第一分类方式将历史客群分为多个历史子客群；
根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数；
根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式；
根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
对留存比例小于预设值的目标子客群发送推送信息；
所述牛顿冷却公式为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
2.根据权利要求1所述的方法，其特征在于，所述第一分类方式指根据客群属性和/或消费行为将客群分为多个子客群的方式。
3.根据权利要求1所述的方法，其特征在于，所述推送信息包括促销信息。
4.一种基于牛顿冷却定律的面向金融用户的信息推送装置，其特征在于，所述装置包括：
获取模块，用于获取第一预设时间段内的目标客群；
分割模块，用于根据第一分类方式将所述目标客群分为多个目标子客群；
第一分割模块，用于根据所述第一分类方式将历史客群分为多个历史子客群；
子确定模块，用于根据各个历史子客群的历史数据及牛顿冷却公式确定各个历史子客群的牛顿冷却系数；
赋值模块，用于将各个历史子客群的牛顿冷却系数作为对应目标子客群的牛顿冷却系数；
第二确定模块，用于根据牛顿冷却系数确定各个目标子客群对应的牛顿冷却公式；
预测模块，用于根据牛顿冷却公式分别预测各个目标子客群在未来第二预设时间段后的留存比例；
发送模块，用于对留存比例小于预设值的目标子客群发送推送信息；
所述牛顿冷却公式为：
ri＝ri-1*exp^(-a*t)；
其中，ri为本期账龄Mob留存比例，ri-1为上一期账龄Mob留存比例，a为冷却系数，t为相邻账龄的时间间隔。
5.根据权利要求4所述的装置，其特征在于，所述第一分类方式指根据客群属性和/或消费行为将客群分为多个子客群的方式。
6.根据权利要求4所述的装置，其特征在于，所述推送信息包括促销信息。
7.一种电子设备，包括：
处理器；以及
存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-3中任一项所述的方法。
8.一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，当所述一个或多个程序被处理器执行时，实现权利要求1-3中任一项所述的方法。
CN202010683191.1A 2020-07-15 2020-07-15 基于牛顿冷却定律的面向金融用户的信息推送方法及装置 Active CN112015975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010683191.1A CN112015975B (zh) 2020-07-15 2020-07-15 基于牛顿冷却定律的面向金融用户的信息推送方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010683191.1A CN112015975B (zh) 2020-07-15 2020-07-15 基于牛顿冷却定律的面向金融用户的信息推送方法及装置

Publications (2)

Publication Number Publication Date
CN112015975A CN112015975A (zh) 2020-12-01
CN112015975B true CN112015975B (zh) 2023-11-14

Family

ID=73498733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010683191.1A Active CN112015975B (zh) 2020-07-15 2020-07-15 基于牛顿冷却定律的面向金融用户的信息推送方法及装置

Country Status (1)

Country Link
CN (1) CN112015975B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688621A (zh) * 2017-08-15 2018-02-13 皑沐(上海)文化传媒有限公司 一种文案的优化方法和系统
CN107766580A (zh) * 2017-11-20 2018-03-06 北京奇虎科技有限公司 消息的推送方法及装置
CN108470292A (zh) * 2018-04-04 2018-08-31 平安科技（深圳）有限公司 信息处理方法及系统、电子设备、存储介质
CN108875043A (zh) * 2018-06-27 2018-11-23 腾讯科技（北京）有限公司 用户数据处理方法、装置、计算机设备和存储介质
CN109034965A (zh) * 2018-07-16 2018-12-18 深圳美图创新科技有限公司 一种产品推荐方法、计算设备及存储介质
CN109493134A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN109933692A (zh) * 2019-04-01 2019-06-25 北京百度网讯科技有限公司 建立映射关系的方法和装置、信息推荐的方法和装置
CN109934704A (zh) * 2019-03-22 2019-06-25 深圳乐信软件技术有限公司 信息推荐方法、装置、设备和存储介质
CN110222267A (zh) * 2019-06-06 2019-09-10 中山大学 一种游戏平台信息推送方法、系统、存储介质及设备
TWM587310U (zh) * 2019-07-03 2019-12-01 第一商業銀行股份有限公司 金融商品之潛在購買客群篩選系統
CN110766481A (zh) * 2019-11-04 2020-02-07 泰康保险集团股份有限公司 客户数据处理方法、装置、电子设备及计算机可读介质
CN110990690A (zh) * 2019-11-12 2020-04-10 上海易点时空网络有限公司 帖子推荐的方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228386B (zh) * 2016-07-12 2018-09-25 腾讯科技（深圳）有限公司 一种信息推送方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688621A (zh) * 2017-08-15 2018-02-13 皑沐(上海)文化传媒有限公司 一种文案的优化方法和系统
CN107766580A (zh) * 2017-11-20 2018-03-06 北京奇虎科技有限公司 消息的推送方法及装置
CN108470292A (zh) * 2018-04-04 2018-08-31 平安科技（深圳）有限公司 信息处理方法及系统、电子设备、存储介质
CN108875043A (zh) * 2018-06-27 2018-11-23 腾讯科技（北京）有限公司 用户数据处理方法、装置、计算机设备和存储介质
CN109034965A (zh) * 2018-07-16 2018-12-18 深圳美图创新科技有限公司 一种产品推荐方法、计算设备及存储介质
CN109493134A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN109934704A (zh) * 2019-03-22 2019-06-25 深圳乐信软件技术有限公司 信息推荐方法、装置、设备和存储介质
CN109933692A (zh) * 2019-04-01 2019-06-25 北京百度网讯科技有限公司 建立映射关系的方法和装置、信息推荐的方法和装置
CN110222267A (zh) * 2019-06-06 2019-09-10 中山大学 一种游戏平台信息推送方法、系统、存储介质及设备
TWM587310U (zh) * 2019-07-03 2019-12-01 第一商業銀行股份有限公司 金融商品之潛在購買客群篩選系統
CN110766481A (zh) * 2019-11-04 2020-02-07 泰康保险集团股份有限公司 客户数据处理方法、装置、电子设备及计算机可读介质
CN110990690A (zh) * 2019-11-12 2020-04-10 上海易点时空网络有限公司 帖子推荐的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于数据挖掘的客户流失预测研究;李伟;孙新杰;陈伟;;《电脑知识与技术》(第10期);13-14 *

Also Published As

Publication number Publication date
CN112015975A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
Oh et al. Investigating predictive power of stock micro blog sentiment in forecasting future stock price directional movement
US10346752B2 (en) Correcting existing predictive model outputs with social media features over multiple time scales
CN110324414B (zh) 资源位流量分配的方法、装置及电子设备
CN112508580A (zh) 基于拒绝推断方法的模型构建方法、装置和电子设备
CN112016794B (zh) 资源配额管理方法、装置和电子设备
CN113393306A (zh) 产品推荐方法、装置、电子设备及计算机可读介质
CN112017042A (zh) 基于tweedie分布的资源配额确定方法、装置和电子设备
CN111191894A (zh) 基于用户分类进行资源需求处理的方法、装置和电子设备
CN111583018A (zh) 一种基于用户金融表现分析的授信策略管理方法、装置和电子设备
CN112348659A (zh) 用户风险识别策略的分配方法、装置及电子设备
CN112017062A (zh) 基于客群细分的资源额度分配方法、装置及电子设备
CN111179055A (zh) 授信额度调整方法、装置和电子设备
CN110689425A (zh) 基于收益进行额度定价的方法、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
CN112488865A (zh) 基于金融时间节点的金融风险预测方法、装置和电子设备
US20190304034A1 (en) Determining an effect of a message on a personal brand based on future goals
CN110363583B (zh) 一种基于位置信息创建用户消费行为标签的方法、装置和电子设备
CN112348658A (zh) 资源分配方法、装置及电子设备
CN112016792A (zh) 用户资源配额确定方法、装置及电子设备
WO2023185125A1 (zh) 产品资源的数据处理方法及装置、电子设备、存储介质
CN112015975B (zh) 基于牛顿冷却定律的面向金融用户的信息推送方法及装置
CN110795638A (zh) 用于输出信息的方法和装置
CN116091242A (zh) 推荐产品组合生成方法及装置、电子设备和存储介质
US20150170067A1 (en) Determining analysis recommendations based on data analysis context
CN115048487A (zh) 基于人工智能的舆情分析方法、装置、计算机设备及介质

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
GR01 Patent grant
GR01 Patent grant