CN115271922A - 一种获得目标用户的方法、装置、系统和存储介质 - Google Patents

Abstract

本申请实施例提供一种获得目标用户的方法、装置、系统和存储介质，该方法包括：获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，多个待访问用户均为贷后逾期的用户，至少一条用户信息包括待访问用户的个人信息和还款情况信息；将至少一条用户信息输入目标因果决策模块，并且通过因果决策模块从多个待访问用户中选择目标用户，以使用干预策略完成对目标用户的进一步访问，其中，因果决策模块被配置为通过因果效应公式确定目标用户，因果效应公式与执行干预策略后访问目标达成的概率相关。通过本申请的一些实施例能够实现对多个待访问用户的访问目标达成概率的比较，例如，提高针对贷后逾期用户的催收效率，并提高催收效果。

Description

一种获得目标用户的方法、装置、系统和存储介质

技术领域

本申请实施例涉及因果效应预测领域，具体涉及一种获得目标用户的方法、装置、系统和存储介质。

背景技术

在对贷后逾期的用户进行催收的场景中，相关技术通常在没有使用干预策略进行干预，导致催收效果不好时，直接通过干预策略(例如，干预策略为坐席人员联系用户)对所有的用户进行访问，导致浪费了大量的坐席资源，降低了催收效率。

因此，如何提高针对贷后逾期用户的催收效率成为需要解决的问题。

发明内容

本申请实施例提供一种获得目标用户的方法、装置、系统和存储介质，通过本申请的一些实施例至少能够实现对多个待访问用户的访问目标达成概率的比较，从而提高针对贷后逾期用户的催收效率，并且保证催收效果。

第一方面，本申请提供了一种获得目标用户的方法，所述方法包括：获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，所述多个待访问用户均为贷后逾期的用户，所述至少一条用户信息包括所述待访问用户的个人信息和还款情况信息；将所述至少一条用户信息输入目标因果决策模块，并且通过所述因果决策模块从所述多个待访问用户中选择目标用户，以使用干预策略完成对所述目标用户的进一步访问，其中，所述因果决策模块被配置为通过因果效应公式确定所述目标用户，所述因果效应公式与执行所述干预策略后访问目标达成的概率相关。

因此，与相关技术中直接通过干预策略(例如，干预策略为坐席人员联系用户)对所有的用户进行访问不同的是，本申请能够实现对多个待访问用户的访问目标达成概率的比较，从而提高针对贷后逾期用户的催收效率。

结合第一方面，在本申请的一种实施方式中，所述通过所述因果决策模块从所述多个待访问用户中选择目标用户，包括：通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，其中，所述因果效应值为对所述任意一个待访问用户执行所述干预策略后所述访问目标达成的概率；基于所述因果效应值从所述多个待访问用户中选择所述目标用户。

因此，本申请实施例通过因果决策模块获得任意一个待访问用户对应的因果效应值，能够客观的评价每个待访问用户的催收难度，进而匹配干预策略，提高催收效率。

结合第一方面，在本申请的一种实施方式中，所述基于所述因果效应值从所述多个待访问用户中选择所述目标用户，包括：基于所述因果效应值对所述多个待访问用户进行排序，获得排序列表；从所述排序列表中选择因果效应值大于阈值的所述目标用户。

因此，本申请实施例通过因果效应值对多个待访问用户进行排序，能够将访问目标容易达成的待访问用户筛选出来，从而能够提升催收效率。

结合第一方面，在本申请的一种实施方式中，所述通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，包括：将所述至少一条用户信息与所述预置评分表相对应，获得与所述至少一条用户信息中的各条用户信息相对应的分值，其中，所述预置评分表中包括不同等级的用户信息对应的预置分值，所述预置分值用于表征所述不同等级的用户信息对于所述访问目标的影响；将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值。

因此，本申请通过将至少一条用户信息与预置评分表相对应，能够客观的表征不同用户信息对于访问目标的影响程度，从而获得准确的因果效应公式。

结合第一方面，在本申请的一种实施方式中，在所述将所述至少一条用户信息与所述预置评分表相对应之后，所述方法还包括：按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值；所述将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值，包括：至少将所述各总分值输入所述因果效应公式，获得所述因果效应值。

因此，本申请通过将至少一条用户信息进行分类，能够简化计算过程，提高计算效率；通过将总分值输入到因果效应公式中，能够快速的获得因果效应值。

结合第一方面，在本申请的一种实施方式中，在所述将所述至少一条用户信息输入目标因果决策模块之前，所述方法还包括：获取多个已访问用户的历史信息，其中，所述历史信息包括所述多个已访问用户的个人信息、还款情况信息和所述访问目标是否达成；将所述多个已访问用户的历史信息进行拟合，获得所述因果效应公式。

因此，本申请实施例通过对多个已访问用户的历史信息进行拟合获得因果效应公式，能够明确用户信息与访问目标达成概率之间的关系，从而将访问目标达成情况进行量化评定。

结合第一方面，在本申请的一种实施方式中，在所述按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值之后，所述方法还包括：确定所述N个类别中各类对应的目标权重值，其中，所述目标权重值用于表征所述各类对于所述访问目标达成的影响程度；所述至少将所述各总分值输入所述因果效应公式，获得所述因果效应值，包括：将所述各总分值和所述目标权重值输入所述因果效应公式，获得所述因果效应值。

因此，本申请通过确定目标权重值，能够明确各类用户信息对于因果效应的影响；通过将各总分值和目标权重值共同输入到因果效应公式中，能够得到准确的因果效应值，从而能够准确评判针对于不同的待访问用户的因果效应。

结合第一方面，在本申请的一种实施方式中，所述确定所述N个类别中各类对应的目标权重值，包括：获取所述N个类别中各类对应的初始权重值；根据多个已访问用户的历史信息对所述初始权重进行微调，获得所述目标权重值。

因此，本申请实施例通过对初始权重值进行微调得到目标权重值，能够保证权重值制定的更加符合数据的规律，从而能够准确的反应各类对于访问目标达成的影响程度，进而获取更准确的目标用户名单。

第二方面，本申请提供了一种获得目标用户的系统，所述系统包括：服务端，被配置为获取多个待访问用户中任意一个待访问用户的至少一条用户信息，并且根据所述至少一条用户信息执行如第一方面任意实施例所述的方法，获得目标用户；座席端，被配置为获取所述目标用户，并且完成对所述目标用户的访问。

第三方面，本申请提供了一种获得目标用户的装置，所述装置包括：用户信息获取模块，被配置为获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，所述多个待访问用户均为贷后逾期的用户，所述至少一条用户信息包括所述待访问用户的个人信息和还款情况信息；用户选择模块，被配置为将所述至少一条用户信息输入目标因果决策模块，并且通过所述因果决策模块从所述多个待访问用户中选择目标用户，以使用干预策略完成对所述目标用户的进一步访问，其中，所述因果决策模块被配置为通过因果效应公式确定所述目标用户，所述因果效应公式与执行所述干预策略后访问目标达成的概率相关。

结合第三方面，在本申请的一种实施方式中，所述用户选择模块被配置为：通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，其中，所述因果效应值为对所述任意一个待访问用户执行所述干预策略后所述访问目标达成的概率；基于所述因果效应值从所述多个待访问用户中选择所述目标用户。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：基于所述因果效应值对所述多个待访问用户进行排序，获得排序列表；从所述排序列表中选择因果效应值大于阈值的所述目标用户。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：将所述至少一条用户信息与所述预置评分表相对应，获得与所述至少一条用户信息中的各条用户信息相对应的分值，其中，所述预置评分表中包括不同等级的用户信息对应的预置分值，所述预置分值用于表征所述不同等级的用户信息对于所述访问目标的影响；将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值；至少将所述各总分值输入所述因果效应公式，获得所述因果效应值。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：获取多个已访问用户的历史信息，其中，所述历史信息包括所述多个已访问用户的个人信息、还款情况信息和所述访问目标是否达成；将所述多个已访问用户的历史信息进行拟合，获得所述因果效应公式。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：确定所述N个类别中各类对应的目标权重值，其中，所述目标权重值用于表征所述各类对于所述访问目标达成的影响程度；用户选择模块被配置为：将所述各总分值和所述目标权重值输入所述因果效应公式，获得所述因果效应值。

结合第三方面，在本申请的一种实施方式中，用户选择模块被配置为：获取所述N个类别中各类对应的初始权重值；根据多个已访问用户的历史信息对所述初始权重进行微调，获得所述目标权重值。

第四方面，本申请提供了一种电子设备，包括：处理器、存储器和总线；所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如第一方面任意实施例所述的获得目标用户的方法。

第五方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被执行时实现如第一方面任意实施例所述的获得目标用户的方法。

附图说明

图1为本申请实施例示出的一种获得目标用户的系统组成示意图；

图2为本申请实施例示出的一种获得目标用户的方法流程图；

图3为本申请实施例示出的一种获得目标用户的装置构成示意图；

图4为本申请实施例示出的一种电子设备内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详情描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护范围。

本申请实施例可以应用于对贷后逾期用户进行催收的场景，为了改善背景技术中的问题，在本申请的一些实施例中，通过多个待访问用户中任意一个待访问用户的至少一条用户信息，从多个待访问用户中选择出目标用户。例如，在本申请的一些实施例中，首先，获取任意一个贷后逾期的用户对应的至少一条用户信息。然后，将至少一条用户信息输入到目标因果决策模块中，并且通过目标因果决策模块预测执行干预策略后访问目标达成的概率值，根据该概率值从多个待访问用户中选择出目标用户，以使用干预策略完成对该目标用户的进一步访问，从而提高针对贷后逾期用户的催收效率。

下面结合附图详细描述本申请实施例中的方法步骤。

图1提供了本申请一些实施例中的获得目标用户的系统组成示意图，该系统包括服务端110和座席端120。具体的，服务端110获取多个待访问用户中任意一个待访问用户的至少一条用户信息，之后通过至少一条用户信息预测执行干预策略后访问目标达成的概率值，根据该概率值从多个待访问用户中选择出目标用户，并且把目标用户对应的名单发送到座席端120。座席端120在获得目标用户对应的名单之后，通过坐席人员对该目标用户进行访问。

可以理解的是，本申请实施例中的服务端110和座席端120可以集成在一台设备中。例如，可以将服务端110和座席端120集成在目标座席端中。

可以理解的是，本申请中的方案不仅可以应用于对贷后逾期的用户进行催收的场景，还可以应用于电话销售场景，例如保险销售等。

与本申请实施例不同的是相关技术中，通常在没有使用干预策略进行干预，导致催收效果不好时，直接通过干预策略对所有的用户进行访问，导致浪费了大量的坐席资源，降低了催收效率。而本申请的实施例是通过预测多个待访问用户的访问目标达成概率，得到目标用户，进而再通过干预策略对目标用户进行访问的，因此本申请的实施例能够将坐席资源集中在目标用户，进而提高催收效率。

下面详细描述本申请实施例中由服务端执行的获得目标用户的方法的技术方案。

至少为了解决背景技术中的问题，如图2所示，本申请一些实施例提供了一种获得目标用户的方法，该方法包括：

S210，获取多个待访问用户中任意一个待访问用户的至少一条用户信息。

例如，多个待访问用户均为贷后逾期还款的用户或保险销售用户等，例如，信用卡未按时还款。至少一条用户信息包括对应待访问用户的个人信息和还款情况信息。其中，待访问用户的个人信息包括：年龄、职业、收入、性别、工作地点、消费水平等，待访问用户的还款情况信息包括：贷后逾期金额、逾期时间、已经还款金额、未还款金额、联系次数、用户态度(即对干预策略持消极态度或积极态度)、是否诚实等。

在本申请的一种实施方式中，待访问用户的至少一条用户信息的获取途径可以是对待访问用户的历史访问语音或文本，进行自然语言理解获得的。

在本申请的另一种实施方式中，待访问用户的至少一条用户信息的获取途径还可以是对待访问用户的第三方联系人(例如，第三方联系人为待访问用户的父母)的历史访问语音或文本，进行自然语言理解获得的。

可以理解的是，上述至少一条用户信息的获取途径仅为示例，本申请不对至少一条用户信息的获取方式进行限制。

S220，将至少一条用户信息输入目标因果决策模块，并且通过因果决策模块从多个待访问用户中选择目标用户。

可以理解的是，作为本申请一具体实施例，干预策略为通过坐席人员联系待访问用户，不使用干预策略即为通过机器联系待访问用户。进一步的，在获得目标用户之后使用干预策略完成对目标用户的进一步访问，即获得目标用户之后坐席人员对目标人员进行进一步的访问。

可以理解的是，作为本申请一具体实施例，访问目标为通过干预策略对催收过程进行干预后，待访问用户或目标用户能够还款，也就是说，若待访问用户或目标用户能够还款则说明访问目标达成，若待访问用户或目标用户没有还款，则说明访问目标没有达成。

在本申请的一种实施方式中，在S220之前，需要执行如下步骤：

首先，根据专家经验从全部用户信息的类型中选择对访问目标有影响的至少一个用户信息的类型，一条用户信息与一个用户信息的类型相对应。

然后，在筛选出至少一个用户信息的类型之后，再根据专家经验将至少一个用户信息的类型分类为N个预设类别。

作为本申请一具体实施例，若至少一个用户信息是对待访问用户本人进行联系获得的，那么，N个预设类别为还款能力(包括职业、收入、消费水平等)、还款行为(包括逾期时间、未还款金额等)、可联情况(包括联系次数、有效沟通次数等)、还款意愿(包括用户态度、是否诚实等)和案件收益(包括已经还款金额、逾期金额、催收收益等)。

作为本申请另一具体实施例，若至少一个用户信息是对待访问用户的第三方联系人进行联系获得的，那么，N个预设类别为第三方代偿意愿(包括第三方态度、是否诚实等)、第三方代偿行为(包括第三方逾期时间等)、第三方可联情况(包括第三方联系次数、第三方有效沟通次数等)和案件收益(包括第三方还款金额等)。

接着，根据专家经验为N个预设类别设置初始权重值。

可以理解的是，初始权重值为专家根据经验为N个预设类别设置的初始值。初始权重值用于表征在专家经验中，N个预设类别中任意预设类别对于访问目标达成的影响程度。

最后，服务端确定N个类别中各类对应的目标权重值。具体的，获取N个类别中各类对应的初始权重值，之后根据多个已访问用户的历史信息对初始权重进行微调，获得目标权重值。

也就是说，获取多个已访问用户中任意一个已访问用户的至少一条用户历史信息，可以理解的是，该历史信息包括多个已访问用户的个人信息、还款情况信息和访问目标是否达成，即通过真实的历史信息对专家经验设定的初始权重值进行验证以及微调。

例如，100个已访问用户的还款情况为月薪在万级别的用户仅有10个人按时还款，则表示还款能力这一类对于访问目标达成的影响程度较低，那么就降低还款能力对应的初始权重值，或者保持初始权重值不动。

例如，100个已访问用户的可联情况为100个能够联系上的用户中有90个能够还款，则表示可联情况这一类对于访问目标达成的影响程度较高，则将可联情况对应的初始权重值升高获得目标权重值，例如，将可联情况对应的初始权重值乘100。

作为本申请一具体实施例，经过对初始权重值进行微调之后获得的目标权重值为：若待访问用户为用户本人，则还款能力对应的目标权重值为0.35，还款行为对应的目标权重值为0.35，可联情况对应的目标权重值为15，还款意愿对应的目标权重值为0.1以及案件收益对应的目标权重值为0.05。若待访问用户为用户的第三方联系人，则第三方代偿意愿对应的目标权重值为0.35，第三方代偿行为对应的目标权重值为0.35*100，第三方可联情况对应的目标权重值为0.15*100以及案件收益对应的目标权重值为min(0.15*income,100)，可以理解的是，income表示逾期金额。

可以理解的是，在服务端对初始权重值进行微调之后，还可以通过专家再次进行调整，获得目标权重值。

因此，本申请实施例通过对初始权重值进行微调得到目标权重值，能够保证权重值制定的更加符合数据的规律，从而能够准确的反应各类对于访问目标达成的影响程度，进而获取更准确的目标用户名单。

在本申请的一种实施方式中，在S220之前，还需要建立因果效应公式。

需要说明的是，因果决策模块被配置为通过因果效应公式确定目标用户，因果效应公式与执行干预策略后访问目标达成的概率相关。也就是说，通过因果效应公式能够预测得到执行干预策略后访问目标达成的概率值。

具体的，构建因果效应公式的步骤如下：

S1：获取多个已访问用户的历史信息，其中，历史信息包括多个已访问用户的个人信息、还款情况信息和访问目标是否达成。

具体的，历史信息中多个已访问用户的个人信息包括：年龄、职业、收入、性别、工作地点、消费水平等。历史信息中多个已访问用户的还款情况信息包括：贷后逾期金额、逾期时间、已经还款金额、未还款金额、联系次数、用户态度(即对干预策略持消极态度或积极态度)、是否诚实等。历史信息中访问目标是否达成包括：访问目标已达成，即已访问用户已经还款，或者访问目标未达成，即已访问用户未还款。

例如，若已访问用户的访问目标已达成，则使用第一符号进行标记(例如，第一符号为1，可理解的是，1表示访问目标达成这个事件已经发生，概率为1)。若已访问用户的访问目标未达成，则使用第二符号进行标记(例如，第二符号为0，可以理解的是，0表示访问目标达成这个事件没有发生，概率为0)。

S2：将多个已访问用户的历史信息进行拟合，获得因果效应公式。

也就是说，本申请中的因果效应公式是通过已访问用户的信息进行拟合获得的。

具体的，首先，将任意一个已访问用户对应的个人信息和还款情况信息按照N个类别进行分类，并且将个人信息和还款情况信息对应到预置评分表中，获得每一条个人信息和每一条还款情况信息的分值。然后，将同一类的个人信息和还款情况信息进行加和，获得已访问用户的总分值。最后，将各类对应的总分值作为横坐标，访问目标是否达成作为纵坐标，获得多个坐标点，并且将这多个坐标点进行拟合，获得因果效应公式。

例如，一个已访问用户A有固定收入对应的分值为5分，支出情况的级别为千，则对应的分值为4分，联系上的次数为5次，对应的分值为6分。那么，将同一类的分值进行加和，即将有固定收入对应的分值为5分加上支出情况对应的分值4分，进行加和获得还款能力的总分值为9分。其他类别与上述示例的计算方法相同。

可以理解的是，对于个体T_i来说，使用干预策略a时，a＝1，不使用干预策略a时，a＝0，则对于个体的结果变量Y的因果效应由如下公式所示：

T_i＝Y_i ^a＝1-Y_i ^a＝0

其中，T_i表示任意个体i的因果效应，Y_i ^a＝1表示使用干预策略a时的因果效应结果，Y_i ^a＝0表示使用没有干预策略a时的因果效应结果。

作为本申请一具体实施例，因果效应公式可以由如下公式(1)和公式(2)表示：

f(m)＝b₁×am₁+b₂×bm₂+b₃×cm₃+b₄×dm₄+b₅×em₅ (2)

其中，

表示坐席访问目标用户时访问目标达成的概率，

表示机器访问目标用户时访问目标达成的概率，

表示任意一个待访问用户的用户信息，f(m)表示使用干预策略访问目标达成的概率值，b₁表示还款能力类别对应的目标权重值，b₂表示还款行为类别对应的目标权重值，b₃表示可联情况类别对应的目标权重值，b₄表示还款意愿类别对应的目标权重值，b₅表示案件收益类别对应的目标权重值，a、b、c、d和e表示拟合后获得的参数，m₁表示还款能力类别对应的总分值，m₂表示还款行为类别对应的总分值，m₃表示可联情况类别对应的总分值，m₄表示还款意愿类别对应的总分值，m₅表示案件收益类别对应的总分值。

可以理解的是，对多个已访问用户的历史信息进行拟合的方法，可以采用线性拟合的方法，也可以采用树模型的方法，上述公式(2)为使用线性拟合方法后获得的因果效应公式，本申请对拟合方法不进行限制。

因此，本申请实施例通过对多个已访问用户的历史信息进行拟合获得因果效应公式，能够明确用户信息与访问目标达成概率之间的关系，从而将访问目标达成情况进行量化评定。

在本申请的一种实施方式中，S220中通过因果决策模块从多个待访问用户中选择目标用户的具体实施方式如下：

S1：通过因果决策模块获得任意一个待访问用户对应的因果效应值。

可以理解的是，因果效应值为对任意一个待访问用户执行干预策略后访问目标达成的概率。决策为为了达成不同的目标而采取的不同策略方案或者作业模式。

S101：将至少一条用户信息与预置评分表相对应，获得与至少一条用户信息中的各条用户信息相对应的分值。

可以理解的是，预置评分表中包括不同等级的用户信息对应的预置分值，预置分值用于表征不同等级的用户信息对于访问目标的影响。

也就是说，在预置评分表中查找与至少一条用户信息中各条用户信息的类型相对应的条目，将预置评分表中与同一类型条目下不同等级的用户信息与各条用户信息进行对应，获得与各条用户信息相对应的分值。

作为本申请一具体实施例，如表1所示：

表1预置评分表

在预置评分表中查找与待访问用户A各条用户信息的类型相对应的条目，即在表1中查找到用户信息中的支出情况、收入情况和可联情况。将预置评分表中与同一类型条目下不同等级的用户信息与各条用户信息进行对应，即将用户信息中的“每月支出三千”对应到支出情况中的“千”，将用户信息中的“每月薪资固定收入”对应到收入情况中的“有固定收入”，将用户信息中的“每次访问均能联系上”对应到可联情况中的“能够联系上”，获得与各条用户信息相对应的分值分别为：4分、6分和5分。

在本申请的一种实施方式中，S1还包括按照N个预设类别将至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值。

作为本申请一具体实施例，N个预设类别为还款能力(包括职业、收入、消费水平等)、还款行为(包括逾期时间、未还款金额等)、可联情况(包括联系次数、有效沟通次数等)、还款意愿(包括用户态度、是否诚实等)和案件收益(已经还款金额等)。将上述S101中各条用户信息获得的分值，属于同一类的进行相加，获得各类别对应的总分值。

例如，在S101中获得的用户信息中职业对应的分值为10分，收入对应的分值为5分，消费水平对应的分值为3分，则还款能力这一类获得的总分值就为18分。

可以理解的是，在上述实施方式中，还可以取同一类的用户信息所对应的分值中的最大值或最小值。也可以将同一类的用户信息所对应的分值进行其他类型的计算。本申请不限于此。

S102：将各条用户信息相对应的分值输入因果效应公式，获得因果效应值。

也就是说，至少将各总分值输入因果效应公式，获得因果效应值。具体的，将S101中获得的各总分值和目标权重值输入因果效应公式(即上述公式(1)和公式(2))，获得因果效应值。

例如，还款能力这一类的总分值为10分，目标权重值为0.35；还款行为这一类的总分值为8分，目标权重值为0.35；可联情况这一类的总分值为5分，目标权重值为15；还款意愿这一类的总分值为3分，目标权重值为0.1，案件收益这一类的总分值为9分，目标权重值为0.05。那么，将上述数据输入到公式(1)和公式(2)中获得因果效应值。

可以理解的是，实施不同的干预策略对于结果的不同影响，称之为因果效应。

因此，本申请通过确定目标权重值，能够明确各类用户信息对于因果效应的影响；通过将各总分值和目标权重值共同输入到因果效应公式中，能够得到准确的因果效应值，从而能够准确评判针对于不同的待访问用户的因果效应。

因此，本申请通过将至少一条用户信息进行分类，能够简化计算过程，提高计算效率；通过将总分值输入到因果效应公式中，能够快速的获得因果效应值。

因此，本申请通过将至少一条用户信息与预置评分表相对应，能够客观的表征不同用户信息对于访问目标的影响程度，从而获得准确的因果效应公式。

S2：基于因果效应值从多个待访问用户中选择目标用户。

S201：基于因果效应值对多个待访问用户进行排序，获得排序列表。

也就是说，在S1中获得因果效应值之后，按照因果效应值从大到小进行排序，可以理解的是，因果效应值大表示执行干预策略(例如，使用坐席人员访问客户的策略)后访问目标(例如，被访问的用户会还款)达成的概率大，同时也表征可以优先访问该用户。

例如，排序列表为：待访问用户A的因果效应值为0.8，待访问用户B的因果效应值为0.65，待访问用户C的因果效应值为0.6以及待访问用户D的因果效应值为0.5。

S202：从排序列表中选择因果效应值大于阈值的目标用户。

也就是说，为了能够筛选目标用户，本申请实施例中设置了一个预置，例如，阈值为0.6，则从上述排序列表中选择因果效应值大于阈值所对应的待访问用户作为目标用户，即选择待访问用户A和待访问用户B作为目标用户。可以理解的是，在对目标用户访问完成后，可按照排序列表对其他待访问用户进行访问。

因此，本申请实施例通过因果效应值对多个待访问用户进行排序，能够将访问目标容易达成的待访问用户筛选出来，从而能够提升催收效率。

因此，本申请实施例通过因果决策模块获得任意一个待访问用户对应的因果效应值，能够客观的评价每个待访问用户的催收难度，进而匹配干预策略，提高催收效率。

上文描述了本申请服务端获取目标用户的方法，下文将描述本申请应用于服务端的获取目标策略的方法。

需要说明的是，本申请的因果效应公式不仅可以应用于获得目标用户，还可以应用于获得目标策略。

具体的，将至少一条用户信息输入到因果效应公式中，并且通过因果效应公式从至少一个候选策略中选择目标策略，以使用目标策略完成对多个待访问用户进行访问。

可以理解的是，在本申请的一些实施例中，至少一个候选策略包括选择坐席人员访问待访问用户，以及选择机器访问待访问用户。实施干预策略为选择坐席人员访问待访问用户，不实施干预策略为选择机器访问待访问用户。

在本申请的一种实施方式中，S1：将至少一条用户信息输入到因果效应公示中获得与各待访问用户相对应的因果效应值。S2：根据该因果效应值，分别计算至少一个候选策略中各候选策略所对应的访问目标达成概率值。S3：选择访问目标达成概率值中的较大值所对应的候选策略，作为目标策略。

可以理解的是，该因果效应值与上述实施方式的计算过程相同，本申请在此不再赘述。选择坐席人员访问多个待访问用户对应的访问目标达成概率值为第一概率值，选择机器访问多个待访问用户对应的访问目标达成概率值为第二概率值。

在本申请的一种实施方式中，如公式(1)所示：

在计算第一概率值时，令t＝人为t＝1(可以理解的是，t＝1表示实施干预策略)，计算

对应的概率值，即得到第一概率值，之后将第一概率值输入到公式(1)中，获得第二概率值。

在本申请的另一种实施方式中，在计算第二概率值时，令t＝机为t＝0(可以理解的是，t＝0表示不实施干预策略)，计算

对应的概率值，即得到第二概率值，之后将第二概率值输入到公式(1)中，获得第一概率值。

需要说明的是，计算

和

的方法，可以是逻辑回归算法(Logistic Regression，LR)、梯度提升决策树算法(Gradient BoostingDecision Tree，GBDT)以及神经网络算法(Neural Network，NN)。

因此，本申请纳入专家经验，构建的因果效应更加符合实际逻辑，贴近实际业务情况。根据至少一条用户信息，反推专家经验给的因果效应值，并进行调整，可以进一步优化专家经验，支持根据最新数据做动态调整，从而更加符合当下的情况。因果决策综合了专家主观经验、用户信息的客观信息，给出可解释强的决策，更可控。

上文描述了本申请应用于服务端的获取目标策略的方法，下文将描述本申请的获取目标用户的装置。

如图3所示，一种获取目标用户的装置300，包括：用户信息获取模块310和用户选择模块320。

用户信息获取模块310，被配置为获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，所述多个待访问用户均为贷后逾期的用户，所述至少一条用户信息包括所述待访问用户的个人信息和还款情况信息；用户选择模块320，被配置为将所述至少一条用户信息输入目标因果决策模块，并且通过所述因果决策模块从所述多个待访问用户中选择目标用户，以使用干预策略完成对所述目标用户的进一步访问，其中，所述因果决策模块被配置为通过因果效应公式确定所述目标用户，所述因果效应公式与执行所述干预策略后访问目标达成的概率相关。

在本申请的一种实施方式中，所述用户选择模块320被配置为：通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，其中，所述因果效应值为对所述任意一个待访问用户执行所述干预策略后所述访问目标达成的概率；基于所述因果效应值从所述多个待访问用户中选择所述目标用户。

在本申请的一种实施方式中，用户选择模块320被配置为：基于所述因果效应值对所述多个待访问用户进行排序，获得排序列表；从所述排序列表中选择因果效应值大于阈值的所述目标用户。

在本申请的一种实施方式中，用户选择模块320被配置为：将所述至少一条用户信息与所述预置评分表相对应，获得与所述至少一条用户信息中的各条用户信息相对应的分值，其中，所述预置评分表中包括不同等级的用户信息对应的预置分值，所述预置分值用于表征所述不同等级的用户信息对于所述访问目标的影响；将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值。

在本申请的一种实施方式中，用户选择模块320被配置为：按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值；至少将所述各总分值输入所述因果效应公式，获得所述因果效应值。

在本申请的一种实施方式中，用户选择模块320被配置为：获取多个已访问用户的历史信息，其中，所述历史信息包括所述多个已访问用户的个人信息、还款情况信息和所述访问目标是否达成；将所述多个已访问用户的历史信息进行拟合，获得所述因果效应公式。

在本申请的一种实施方式中，用户选择模块320被配置为：确定所述N个类别中各类对应的目标权重值，其中，所述目标权重值用于表征所述各类对于所述访问目标达成的影响程度；用户选择模块320被配置为：将所述各总分值和所述目标权重值输入所述因果效应公式，获得所述因果效应值。

在本申请的一种实施方式中，用户选择模块320被配置为：获取所述N个类别中各类对应的初始权重值；根据多个已访问用户的历史信息对所述初始权重进行微调，获得所述目标权重值。

在本申请实施例中，图3所示模块能够实现图1和图2方法实施例中的各个过程。图3中的各个模块的操作和/或功能，分别为了实现图1和图2中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

如图4所示，本申请实施例提供一种电子设备400，包括：处理器410、存储器420和总线430，所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如上述所有实施例中任一项所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

其中，总线用于实现这些组件直接的连接通信。其中，本申请实施例中处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，可以执行上述实施例中所述的方法。

可以理解，图4所示的结构仅为示意，还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现上述所有实施方式中任一所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种获得目标用户的方法，其特征在于，所述方法包括：

获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，所述多个待访问用户均为贷后逾期的用户，所述至少一条用户信息包括所述待访问用户的个人信息和还款情况信息；

将所述至少一条用户信息输入目标因果决策模块，并且通过所述因果决策模块从所述多个待访问用户中选择目标用户，以使用干预策略完成对所述目标用户的进一步访问，其中，所述因果决策模块被配置为通过因果效应公式确定所述目标用户，所述因果效应公式与执行所述干预策略后访问目标达成的概率相关。

2.根据权利要求1所述的方法，其特征在于，所述通过所述因果决策模块从所述多个待访问用户中选择目标用户，包括：

通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，其中，所述因果效应值为对所述任意一个待访问用户执行所述干预策略后所述访问目标达成的概率；

基于所述因果效应值从所述多个待访问用户中选择所述目标用户。

3.根据权利要求2所述的方法，其特征在于，所述基于所述因果效应值从所述多个待访问用户中选择所述目标用户，包括：

基于所述因果效应值对所述多个待访问用户进行排序，获得排序列表；

从所述排序列表中选择因果效应值大于阈值的所述目标用户。

4.根据权利要求2所述的方法，其特征在于，所述通过所述因果决策模块获得所述任意一个待访问用户对应的因果效应值，包括：

将所述至少一条用户信息与预置评分表相对应，获得与所述至少一条用户信息中的各条用户信息相对应的分值，其中，所述预置评分表中包括不同等级的用户信息对应的预置分值，所述预置分值用于表征所述不同等级的用户信息对于所述访问目标的影响；

将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值。

5.根据权利要求4所述的方法，其特征在于，在所述将所述至少一条用户信息与所述预置评分表相对应之后，所述方法还包括：

按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值，其中，N为大于或等于1的整数；

所述将所述各条用户信息相对应的分值输入所述因果效应公式，获得所述因果效应值，包括：

至少将所述各总分值输入所述因果效应公式，获得所述因果效应值。

6.根据权利要求1-5任一项所述的方法，其特征在于，在所述将所述至少一条用户信息输入目标因果决策模块之前，所述方法还包括：

获取多个已访问用户的历史信息，其中，所述历史信息包括所述多个已访问用户的个人信息、还款情况信息和所述访问目标是否达成；

将所述多个已访问用户的历史信息进行拟合，获得所述因果效应公式。

7.根据权利要求5所述的方法，其特征在于，在所述按照N个预设类别将所述至少一条用户信息进行分类，并且将同一类的用户信息所对应的分值进行加和，获得N个类别中各类别对应的总分值之后，所述方法还包括：

确定所述N个类别中各类对应的目标权重值，其中，所述目标权重值用于表征所述各类对于所述访问目标达成的影响程度；

所述至少将所述各总分值输入所述因果效应公式，获得所述因果效应值，包括：

将所述各总分值和所述目标权重值输入所述因果效应公式，获得所述因果效应值。

8.根据权利要求7所述的方法，其特征在于，所述确定所述N个类别中各类对应的目标权重值，包括：

获取所述N个类别中各类对应的初始权重值；

根据多个已访问用户的历史信息对所述初始权重值进行微调，获得所述目标权重值。

9.一种获得目标用户的系统，其特征在于，所述系统包括：

服务端，被配置为获取多个待访问用户中任意一个待访问用户的至少一条用户信息，并且根据所述至少一条用户信息执行如权利要求1-8任一项所述的方法，获得目标用户；

座席端，被配置为获取所述目标用户，并且完成对所述目标用户的访问。

10.一种获得目标用户的装置，其特征在于，所述装置包括：

用户信息获取模块，被配置为获取多个待访问用户中任意一个待访问用户的至少一条用户信息，其中，所述多个待访问用户均为贷后逾期的用户，所述至少一条用户信息包括所述待访问用户的个人信息和还款情况信息；

用户选择模块，被配置为将所述至少一条用户信息输入目标因果决策模块，并且通过所述因果决策模块从所述多个待访问用户中选择目标用户，以使用干预策略完成对所述目标用户的进一步访问，其中，所述因果决策模块被配置为通过因果效应公式确定所述目标用户，所述因果效应公式与执行所述干预策略后访问目标达成的概率相关。

11.一种电子设备，其特征在于，包括：处理器、存储器和总线；

所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如权利要求1-8任一项所述方法。

12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被执行时实现如权利要求1-8任一项所述方法。

Images