CN116485391A - 支付推荐处理方法及装置 - Google Patents
支付推荐处理方法及装置 Download PDFInfo
- Publication number
- CN116485391A CN116485391A CN202310431861.4A CN202310431861A CN116485391A CN 116485391 A CN116485391 A CN 116485391A CN 202310431861 A CN202310431861 A CN 202310431861A CN 116485391 A CN116485391 A CN 116485391A
- Authority
- CN
- China
- Prior art keywords
- payment
- rights
- recommendation
- equity
- user
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 226
- 238000012545 processing Methods 0.000 claims description 75
- 238000000034 method Methods 0.000 claims description 72
- 230000008569 process Effects 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 description 80
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/223—Payment schemes or models based on the use of peer-to-peer networks
-
- 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
- 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
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/325—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices using wireless networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供了支付推荐处理方法及装置,其中,一种支付推荐处理方法包括:借助用户特征数据和支付行为数据计算支付渠道的用户偏好分数,并借助用户特征数据和权益转化数据计算各权益类型下权益参数的权益转化指标,在根据权益转化指标确定权益参数中目标权益参数的参数取值之后,以权益转化数据和参数取值为依据在各权益类型中确定目标权益类型,并生成支付推荐列表向用户推荐。
Description
技术领域
本文件涉及数据处理技术领域,尤其涉及一种支付推荐处理方法及装置。
背景技术
随着互联网技术的快速发展,利用智能手机、平板电脑、掌上电脑以及移动互联网设备等终端设备进行线上支付已成为一种便捷且流行的支付方式,越来越多的用户选择使用线上的方式进行支付,线上支付是指通过互联网的载体进行资金的转移,而在线上支付的过程中,支付平台往往会向用户提供多种支付渠道,用户需要在多种支付渠道中选择其中一种完成当前的交易,在此过程中需要提供更快速或者更可靠的线上支付方式。
发明内容
本说明书一个或多个实施例提供了一种支付推荐处理方法,包括:基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数。根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标。根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型。基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
本说明书一个或多个实施例提供了一种支付推荐处理装置,包括:分数计算模块,被配置为基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数。指标计算模块,被配置为根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标。类型选取模块,被配置为根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型。支付推荐模块,被配置为基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
本说明书一个或多个实施例提供了一种支付推荐处理设备,包括:处理器;以及,被配置为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:基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数。根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标。根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型。基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数。根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标。根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型。基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1为本说明书一个或多个实施例提供的一种支付推荐处理方法实施环境的示意图;
图2为本说明书一个或多个实施例提供的一种支付推荐处理方法处理流程图;
图3为本说明书一个或多个实施例提供的一种应用于权益支付场景的支付推荐处理方法处理流程图;
图4为本说明书一个或多个实施例提供的一种支付推荐处理装置实施例的示意图;
图5为本说明书一个或多个实施例提供的一种支付推荐处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
参照图1,本说明书一个或多个实施例提供的支付推荐处理方法实施环境的示意图。
本说明书一个或多个实施例提供的支付推荐处理方法,可适用于支付渠道推荐这一实施环境,该实施环境至少包括支付服务器101。
此外,该实施环境还可包括用户终端102,用户终端102可配置进行支付推荐或者支付处理的客户端,该客户端的具体形式可以是应用程序、应用程序内的子程序、应用程序内的服务模块或者网页程序。用户终端102通过客户端配合支付服务器101进行支付推荐处理。
其中,支付服务器101可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是云计算平台中的一个或者多个云服务器,用于进行支付推荐处理。
用户终端102可以是手机、个人电脑、平板电脑、电子书阅读器、基于VR(VirtualReality,虚拟现实技术)进行信息交互的设备、车载终端、IoT设备、穿戴式智能设备、膝上型便携计算机和台式计算机等等,用户终端102可以安装有应用程序或者浏览器,通过应用程序或者浏览器获取支付服务器101发送的支付推荐列表。
实施环境中,支付服务器101首先基于用户特征数据和支付行为数据,计算用户对支付渠道的用户偏好分数,其次借助用户特征数据和权益转化数据确定各权益类型下权益参数的权益转化指标,再次通过权益转化指标确定权益参数的参数取值,并以权益转化数据和参数取值为依据在各权益类型中筛选目标权益类型,最后根据用户偏好分数和目标权益类型生成支付推荐列表并向用户终端101下发以向用户进行推荐处理,以此,在向用户进行支付推荐的过程中引入权益,通过权益类型和权益参数取值两个方面实现支付推荐的全面性和有效性,使得支付推荐列表更贴合用户的需求,同时通过引入权益促使用户对特定支付渠道的倾斜性,提升特定支付渠道的用户流量,提升用户的使用体验。
本说明书提供的一种支付推荐处理方法的一个或多个实施例如下:
参照图2,本实施例提供的支付推荐处理方法,具体包括步骤S202至步骤S208。
步骤S202,基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数。
本实施例所述用户特征数据,是指与用户特征相关的数据,可选的,所述用户特征数据,包括下述至少一项:所述用户的属性特征数据、所述用户的资产特征数据、所述用户在历史支付过程中的动作特征数据。本实施例可应用于支付平台。
其中,所述用户的属性特征数据,包括成长时间、地理位置数据等,比如用户的属性特征数据可以是成长时间、职业、居住位置信息、是男性还是女性的特征数据等。所述用户的资产特征数据,包括用户的支付渠道的数量,比如用户的银行卡数量。所述用户在历史支付过程中的动作特征数据,包括用户在历史支付过程中的操作数据,比如用户在历史支付过程中,先触发转账控件,再触发转账对象的对象标识的操作数据。
所述支付渠道,包括支付平台向用户提供的支付方式,所述支付渠道,可以是支付平台所属的支付渠道,也可以是支付平台开通的第三方平台所属的支付渠道,比如支付平台向用户提供的银行卡支付渠道、信用卡支付渠道、余额支付渠道等;所述支付渠道可以是单个支付渠道,也可以是多个支付渠道。所述用户偏好分数,包括用户对每个支付渠道的偏好程度。
所述支付行为数据,包括用户的支付渠道的支付请求次数、支付渠道的支付成功次数和/或支付渠道的支付金额数据,具体的,所述支付行为数据可以是特定时间段内用户的支付渠道的支付请求次数、支付渠道的支付成功次数和/或支付渠道的支付金额数据,比如用户的支付渠道在近一个月的总支付请求次数、支付渠道的总支付成功次数、支付渠道的总支付金额数据和/或支付渠道的每次支付金额数据。此外,所述支付行为数据还可包括用户在特定时间段内支付渠道的支付金额分布,该支付金额分布包括每个支付渠道支付笔数最多的支付金额区间,比如支付金额区间分为[2,5),[5,7),[7,9],支付渠道1的支付金额分布为[2,5),代表支付渠道1在[2,5)区间内的支付笔数最多。
实际应用中,在向用户进行支付推荐之前,用户可针对支付订单提交支付请求,支付平台基于支付请求确定用户的支付渠道,需要说明的是,用户的支付渠道可以是一个,也可以是多个,本实施例中支付渠道可以是一个,也可以是多个,本实施例提供的一种可选实施方式中,在基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数执行之前,可基于用户针对支付订单的支付请求中携带的用户标识,确定对应的用户的支付渠道,具体在基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数执行之前,还执行如下操作:
获取所述用户针对支付订单提交的支付请求;
基于所述支付请求中携带的用户标识,确定所述用户的支付渠道。
其中,所述支付订单,是指进行支付的用户订单,可选的,所述支付订单,可以是转账订单,也可以是商家订单,商家订单可以是进行商品支付的订单,也可以是进行服务支付的订单,比如美容美发服务、培训课程服务。可选的,用户通过目标应用提交支付请求。
具体实施时,在基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数的过程中,为了提升计算效率和计算精确度,可引入算法或者模型,将用户特征数据和支付行为数据输入偏好计算模型进行偏好分数计算,获得支付渠道的用户偏好分数,此外,在基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数的过程中,可基于用户特征数据计算每个支付渠道的中间用户偏好分数,并从支付行为数据中提取与每个支付渠道关联的关键特征数据,并基于所述关键特征数据进行评分策略中包含的评分特征的匹配处理,并根据所述中间用户偏好分数和匹配处理获得的评分特征对应的评分计算所述每个支付渠道的用户偏好分数。
例如,评分策略如下表1所示:
表1
上表1为1个月内的评分策略,在支付请求次数为0-20(不包含20)时,评分为1分,其他支付请求次数与评分的关系与之类似;在支付成功次数为0-10(不包含10)时,评分为1分,其他支付成功次数与评分的关系与之类似;在支付成功次数与支付请求次数比值为[0,20%)(不包含20%)时,评分为1分,其他支付成功次数与支付请求次数比值与评分的关系与之类似;在支付金额为[0,1k)(不包含1k)时,评分为1分,其他支付金额与评分的关系与之类似。
比如从支付行为数据中提取的与支付渠道1关联的关键特征数据为近一个月内的支付请求次数为60,支付成功次数30,支付金额为2k,而支付成功次数与支付请求次数的比值为50%,支付请求次数对应的评分为4分,支付成功次数对应的评分为4分,支付成功次数与支付请求次数的比值对应的评分为3分,支付金额对应的评分为3分,则匹配处理获得的评分特征对应的评分为4+4+3+3=14分。
需要说明的是,上述根据所述中间用户偏好分数和匹配处理获得的评分特征对应的评分计算所述每个支付渠道的用户偏好分数的过程,可通过对中间用户偏好分数和匹配获得的评分特征对应的评分进行加权计算,获得每个支付渠道的用户偏好分数的方式实现。
需要补充的是,步骤S202可被替换为基于用户特征数据或者支付行为数据,计算支付渠道的用户偏好分数,并与本实施例提供的其他处理步骤组成新的实现方式;或者,还可被替换为基于用户特征数据和/或支付行为数据,计算每个支付渠道的用户偏好分数,并与本实施例提供的其他处理步骤组成新的实现方式。
步骤S204,根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标。
上述步骤中,基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数,本步骤中,为了对用户进行针对性推荐,使得支付推荐列表更贴合用户的实际需求,基于用户特征数据和权益转化数据计算各权益类型下权益参数的权益转化指标。
本实施例中的权益,包括向用户提供的资源权益,比如现金红包、积分、优惠券、分期免息券等均属于权益;所述权益转化数据,包括用户历史使用发放的权益的数值数据和/或类型的数据,即权益转化数值数据和/或权益转化类型数据,可选的,所述权益转化数据,包括用户选择支付渠道的每个权益类型下各权益数值的数目,比如权益转化数据为用户历史使用发放的红包时,使用的1元红包的数目和使用的1.5元红包的数目,用户历史使用发放的积分时,使用的1积分的数目和2积分的数目。
权益类型,包括向用户提供的权益的类型,比如权益类型分为红包、积分、优惠券等;所述权益参数包括权益数值区间,具体包括各权益类型下权益的数值构成的区间,比如红包的数额构成的区间可包括[1,1.5)、[1.5,2]元,即[1,1.5)、[1.5,2]两个区间均代表权益参数;可选的,所述各权益类型下的权益参数可以是一个,也可以是多个。
所述权益转化指标,包括偏好分数或者权益转化率(权益转化概率);所述偏好分数,是指用户对各权益类型下权益参数的偏好程度;所述权益转化率,包括预测的用户选择权益参数内的各参数取值的权益的概率,比如红包的数额构成的区间可包括[1,1.5)、[1.5,2],权益转化率代表用户选择[1,1.5)和[1.5,2]两个权益数值区间内的权益数值对应的权益的概率。
实际应用中,由于用户在支付过程中涉及的支付金额等情况不同,所以用户选择的权益数值也会有所不同,而每个权益类型下也可包括多个权益数值区间,比如支付渠道1存在红包和积分两种权益类型,红包的权益数值区间包括[1,1.5)和[1.5,2],积分的权益数值区间包括[1,2)和[2,3],支付渠道2存在红包和分期免息券两种权益类型,红包的权益数值区间包括[0.5,1)和[1,1.5],分期免息券的权益数值区间为[6,12)和[12,18],针对于此,为了满足用户的多样化需求,提升用户的支付成功率,可针对用户的支付渠道,首先确定各权益类型下的权益数值,比如确定支付渠道1的红包和积分分别对应的数额,而在确定各权益类型下的权益数值之前,为了提升确定的权益数值的精确度和有效性,可基于用户特征数据和权益转化数据计算各权益类型下权益参数的权益转化指标,进而在多个权益参数中确定目标权益参数。
具体实施时,在根据用户特征数据和权益转化数据计算各权益类型下权益参数的的权益转化指标的过程中,可从权益转化数据中提取与支付渠道关联的各权益类型下的转化数值数据,基于各权益类型下的转化数值数据和所述用户特征数据计算各权益类型的多个权益参数的权益转化率,或者,也可从权益转化数据中提取与支付渠道关联的各权益类型下的权益数值数目,基于各权益类型下的权益数值数目和用户特征数据计算各权益类型的多个权益参数的权益转化率;其中,所述各权益类型下的转化数值数据,包括在各权益类型下用户选择的各权益数值的数目。
此外,也可将用户特征数据和权益转化数据输入指标计算网络进行指标计算,获得各权益类型下权益参数的权益转化指标,或者,还可先将用户特征数据输入第一网络进行第一转化指标计算,获得第一转化指标,以及将权益转化数据输入第二落进行第二转化指标计算,获得第二转化指标,并基于第一转化指标和第二转化指标计算所述各权益类型下权益参数的权益转化指标。
除此之外,在根据用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标的过程中,可针对每个支付渠道,根据用户特征数据和权益转化数据,计算各权益类型下多个权益参数的权益转化指标。例如,针对支付渠道1,根据用户特征数据和权益转化数据,计算红包类型下[1,1.5)、[1.5,2]两个权益参数的权益转化率,以及计算积分类型下[1,2)、[2,3]两个权益参数的权益转化率。
需要补充的是,上述步骤S204可被替换为针对每个支付渠道,根据用户特征数据和/或权益转化数据计算各权益类型下权益参数的权益转化指标,并与本实施例提供的其他处理步骤组成新的实现方式。
步骤S206,根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型。
上述步骤中,基于用户特征数据和权益转化数据计算各权益类型下权益参数的权益转化指标,具体可针对每个支付渠道,根据用户特征数据和权益转化数据计算各权益类型下多个权益参数的权益转化指标,本步骤中,为了实现对用户的精准性推荐,可确定目标权益参数,进而确定目标权益参数的参数取值,具体的,基于权益转化指标在各权益类型下的权益参数中确定目标权益参数,并确定目标权益参数的参数取值。
本实施例所述目标权益参数,包括在各权益类型的权益参数中筛选出的一个或者多个的数值区间,即目标权益数值区间,比如针对支付渠道1,红包类型的权益数值区间包括[1,1.5)、[1.5,2)和[2,2.5],在红包类型的3个权益数值区间中可以选择1个、2个或者3个目标权益数值区间。
所述目标权益参数的参数取值,包括各权益类型下的一个或者多个权益数值,沿用上例,针对支付渠道1,在红包类型的3个权益数值区间中选择权益数值区间为[1,1.5),可从[1,1.5)选择一个或者多个权益数值,即可选择一个权益数值1.1,也可选择多个权益数值1.1和1.2。
所述目标权益类型,是指从各权益类型中筛选出的一个或者多个权益类型,比如针对支付渠道1,从红包类型和积分类型中可选取目标权益类型为红包类型、积分类型或者红包类型和积分类型。
具体实施时,在根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值的过程中,可按照权益转化指标对各权益类型下的权益参数进行排序处理,基于排序结果筛选出排序位置处于预设位置之前的权益参数作为目标权益参数;其中,所述预设位置是指预先设置的顺序或者位置。
实际应用中,针对用户的支付渠道,确定的各权益类型的目标权益参数可能存在偏差,针对于此,为了减小目标权益参数的偏差或者误差,提升目标权益参数的有效性,可对目标权益参数进行参数修正处理,确保目标权益参数的可用性,本实施例提供的一种可选实施方式中,在根据各权益类型下权益参数的权益转化指标确定权益参数中目标权益参数的参数取值的过程中,执行如下操作:
根据所述权益转化指标在所述权益参数中确定目标权益参数,并对所述目标权益参数进行参数修正处理;
在修正处理获得的修正权益参数中选取所述参数取值。
具体的,可根据各权益类型下多个权益参数的权益转化指标在多个权益参数中选择指标排序位次处于预设位次区间的目标权益参数,并对目标权益参数进行参数修正处理,在修正处理获得的修正权益参数中随机选取所述参数取值;此外,也可在修正处理获得的修正权益参数中选择中位值作为所述参数取值。
在上述对目标权益参数进行参数修正处理的过程中,可基于概率映射关系和可用权益额度对目标权益参数进行更新处理,提升目标权益参数的有效性;本实施例提供的一种可选实施方式中,采用如下方式对目标权益参数进行参数修正处理:
基于概率映射关系对所述目标权益参数的权益转化率进行修正处理;
根据可用权益额度和修正处理获得的修正转化率对所述目标权益参数进行更新处理,获得所述修正权益参数。
其中,所述目标权益参数的权益转化率即是目标权益参数的权益转化指标。所述目标权益参数的权益转化率,包括支付过程中用户选择该目标权益参数内的参数取值对应的权益的概率。所述可用权益额度,包括总权益限额和/或各权益类型的权益限额。
可选的,所述概率映射关系,采用如下方式获得:
计算多个基准权益参数的预测转化率,并确定所述多个基准权益参数的标签转化率;
在关系映射表中查找所述预测转化率与所述标签转化率的映射关系作为所述概率映射关系。其中,基准权益参数可以是根据所述用户的历史支付数据构建的作为参考依据的权益参数,也可以是根据除所述用户之外的其他用户的历史支付数据构建的作为参考依据的权益参数。所述预测转化率,包括预测的用户选择该基准权益参数内的参数取值对应的权益的概率;所述标签转化率,包括真实的用户选择该基准权益参数内的参数取值对应的权益的概率。所述映射关系,包括每个基准权益参数对应的预测转化率和标签转化率的运算关系,该运算关系可以是比值关系,可以是加和关系,也可以是差值关系,还可以是其他类型的运算关系。
具体的,上述基于概率映射关系对所述目标权益参数的权益转化率进行修正处理的过程,可通过基于所述预测转化率和所述标签转化率的运算关系对目标权益参数的权益转化率进行修正处理的方式实现。
本实施例提供的一种可选实施方式中,在上述根据可用权益额度和修正处理获得的修正转化率对所述目标权益参数进行更新处理的过程中,执行如下操作:
基于所述修正转化率构建修正算法,并根据总权益限额和/或所述各权益类型的权益限额确定所述修正算法的计算结果;
基于所述计算结果对所述目标权益参数进行更新处理。
其中,所述修正算法可以是线性规划算法。所述总权益限额,包括针对所有的支付渠道,总权益额度上限,比如总权益限额为xxx元。所述各权益类型的权益限额,包括各权益类型的权益额度上限,比如针对支付渠道1,红包类型的权益限额为xxx元。所述修正算法的计算结果可以是特定权益转化率,比如总权益转化率或者最大权益转化率。
具体的,所述根据总权益限额和/或所述各权益类型的权益限额确定所述修正算法的计算结果的过程,可通过基于所述总权益限额和/或所述各权益类型的权益额度构建约束条件,并基于所述约束条件确定所述修正算法的计算结果的方式实现。所述基于所述计算结果对所述目标权益参数进行更新处理,包括基于计算结果确定对所述目标权益参数的缩减比例,并按照所述缩减比例对所述目标权益参数进行缩减处理。
例如,多个基准权益参数为amt'(a1',a2'...an',b1',b2'...bn',c1',c2'...c3',...),其中,a、b、c代表不同的权益类型,a1'、a2'...代表不同的权益参数,多个基准权益参数的预测转化率s'(sa2',sb4',sc3'...)与标签转化率p'(pa2',pb4',pc3'...)可构建概率映射关系f(s',p'),f(s',p')可为每个预测转化率与标签转化率的运算关系,基于概率映射关系f(s',p')对各权益类型的权益参数的权益转化率s(sa2,sb4,sc3...)的进行修正处理,获得修正转化率p(pa2,pb4,pc3...),以总权益限额和各权益类型的权益限额为约束条件,确定基于修正转化率p(pa2,pb4,pc3...)构建的修正算法的计算结果,并基于计算结果对目标权益参数进行更新处理。
在具体的执行过程中,在上述对所述目标权益参数进行参数修正处理之后,在处理获得的修正权益参数中选取所述参数取值,而在修正权益参数中选取所述参数取值的过程中,可在修正权益参数中随机选取所述参数取值,或者在修正权益参数中选取特定位置的特定参数取值作为所述参数取值,比如在修正权益参数中选取中间位置的所述参数取值,或者选取中间位置、中间位置的前一位置、中间位置的后一位置的多个参数取值共同作为所述参数取值。
实际应用中,不同的用户对权益的敏感程度不同,有的用户对支付渠道透出权益是积极的,而有的用户对支付工具透出权益是消极的,针对于此,为了更好地满足用户的需求,提升用户体验,提升用户利用支付渠道进行支付的积极性,在根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型执行之后,一种情况下,可获取用户的权益推荐检测结果,在权益推荐检测结果为检测通过的情况下,执行下述步骤S208,在权益推荐检测结果为检测未通过的情况下,基于用户的支付渠道的渠道标识生成支付渠道列表向用户进行推荐,另一种情况下,可实时对用户进行权益推荐检测,若所述权益推荐检测的检测通过,可执行下述步骤S208;本实施例提供的一种可选实施方式中,在根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型执行之后,还执行如下操作:
根据所述权益转化数据对所述用户进行权益推荐检测;
若所述权益推荐检测的检测通过,执行下述步骤S208。
本实施例提供的一种可选实施方式中,在上述根据所述权益转化数据对所述用户进行权益推荐检测执行之后,还执行如下操作:
若所述权益推荐检测的检测未通过,基于所述支付渠道的渠道标识生成支付渠道列表向所述用户进行推荐。
为了提升权益推荐检测的有效性,本实施例提供的一种可选实施方式中,在根据所述权益转化数据对所述用户进行权益推荐检测的过程中,执行如下操作:
根据所述权益转化数据计算所述用户的第一预测分数和第二预测分数,并根据所述第一预测分数和所述第二预测分数计算权益推荐分数;
检测所述权益推荐分数是否大于预设分数阈值;
若是,确定所述权益推荐检测的检测通过,若否,确定所述权益推荐检测的检测未通过。
其中,所述权益转化数据,包括转化状态数据,具体可包括转化成功数据和/或转化失败数据,比如用户使用权益进行支付的支付结果为支付失败或者支付成功的数据。所述第一预测分数,包括向用户进行权益推荐的预测分数,即权益推荐预测分数,所述第二预测分数,包括向用户不进行权益推荐的预测分数,即权益不推荐预测分数。所述权益推荐分数,是指向用户是否进行权益推荐的决策分数。
具体的,可基于所述权益转化数据中包含的转化状态数据计算用户的第一预测分数和第二预测分数,将第一预测分数与第二预测分数的差值作为权益推荐分数,检测权益推荐分数是否大于预设分数阈值,若是,确定权益推荐检测的检测通过,若否,确定权益推荐检测的检测未通过。
需要补充的是,在根据权益转化数据对用户进行权益推荐检测的过程中,也可针对每个支付渠道,对用户进行权益推荐检测,具体可基于每个支付渠道的权益转化数据计算用户的第一预测分数和第二预测分数,并根据第一预测分数和第二预测分数计算每个支付渠道的权益推荐分数,若权益推荐分数大于预设分数阈值,则确定该支付渠道的权益推荐检测的检测通过。
此外,为了提升权益推荐检测的检测效率,可引入权益推荐检测算法,将权益转化数据输入权益检测推荐算法进行权益推荐检测,获得权益推荐检测的检测结果,若检测结果为检测通过,可执行下述步骤S208。具体的,所述权益推荐检测算法可采用Uplift模型。
可选的,所述权益推荐检测算法,采用如下方式训练获得:
构建候选正向权益样本和候选负向权益样本,并对所述候选正向权益样本和所述候选负向权益样本进行预处理,将预处理获得的正向权益样本输入第一分类器进行预测分数计算,获得第一样本分数,以及将预处理获得的负向权益样本输入第二分类器进行预测分数计算,获得第二样本分数;基于第一样本分数和第二样本分数计算权益样本分数,并基于权益样本分数和样本标签计算损失值,基于损失值对第一分类器和第二分类器进行参数调整。
参照上述训练过程对第一分类器和第二分类器进行训练,直至第一分类器和第二分类器收敛获得所述权益推荐检测算法。
其中,所述候选正向权益样本,基于向用户进行权益展示的数据构建,所述候选负向权益样本,基于向用户不进行权益展示的数据构建。所述预处理,包括数据清洗、去重处理等。
具体实施时,在根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型的过程中,本实施例提供的一种可选实施方式中,基于所述参数取值的权益转化指标和权益转化数据中的权益类型要素对应的转化比例,在各权益类型中筛选出目标权益类型,具体可执行如下操作:
从所述权益转化数据包含的转化类型数据中提取权益类型要素,并基于所述权益类型要素计算所述各权益类型的转化比例;
基于所述转化比例和所述参数取值的权益转化率,在所述各权益类型中选取所述目标权益类型。
其中,所述转化类型数据,包括用户历史选择的各权益类型的数据,比如选择各权益类型的数目。所述权益类型要素,包括与权益类型相关的要素数据,比如用户使用各权益类型进行支付的权益类型标识。
所述权益类型要素对应的转化比例,即各权益类型的转化比例,包括用户使用特定权益类型进行支付的次数与用户使用权益类型进行支付的总次数的比值,比如近一个月内用户使用红包类型和积分类型进行支付的次数为x次,使用红包类型进行支付的次数为y次,红包类型对应的转化比例为y/x=40%。
具体的,可从权益转化数据包含的转化类型数据中提取权益类型要素,基于所述权益类型要素计算总转化次数和各权益类型的转化次数,基于总转化次数和各权益类型的转化次数计算各权益类型的转化比例,并基于所述参数取值的权益转化指标和各权益类型的转化比例,在各权益类型中筛选出目标权益类型。其中,所述总转化次数,包括用户使用各权益类型进行支付的总支付成功次数;所述各权益类型的转化次数,包括用户使用各权益类型进行支付的支付成功次数。
此外,在根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型的过程中,也可从所述权益转化数据包含的转化类型数据中提取权益类型要素,基于所述权益类型要素计算各权益类型的转化次数,并基于所述转化次数和所述参数取值的权益转化指标,在各权益类型中筛选出目标权益类型。
步骤S208,基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
上述根据权益转化指标确定权益参数中目标权益参数的参数取值,并根据权益转化数据和所述参数取值在各权益类型中选取目标权益类型,本步骤中,为了更全面地向用户进行支付推荐,可基于包含用户偏好分数和目标权益类型的推荐因子生成支付推荐列表,并基于支付推荐列表向用户进行推荐处理。
本实施例所述推荐因子,包括生成支付推荐列表的依据;所述推荐因子,包括用户偏好分数、目标权益类型的权益转化指标和/或支付推荐策略。
具体实施时,本实施例提供的一种可选实施方式中,在基于包含用户偏好分数和目标权益类型的推荐因子生成支付推荐列表的过程中,执行如下操作:
基于所述用户偏好分数和所述目标权益类型的权益转化率,计算所述目标权益类型的目标权益的推荐值;
根据所述推荐值和支付推荐策略生成所述支付推荐列表。
其中,所述目标权益类型的目标权益的推荐值,包括目标权益类型的目标权益的推荐分数,比如针对支付渠道1,红包类型的红包的推荐分数。所述支付推荐策略,是指对每个支付渠道进行推荐的推荐策略,可选的,所述支付推荐策略,包括推荐规则、用户的推荐状态标签和/或用户的偏好渠道数目。所述支付推荐列表中可包括支付渠道列表,支付推荐列表中包含的各支付渠道携带有各自的目标权益类型和参数取值,比如支付推荐列表中,第一位为支付渠道1、红包类型、红包金额为1.1元,第二位为支付渠道2、红包类型(红包金额为1.2元)、积分类型(积分数额为1.5)。
具体实施时,在基于所述用户偏好分数和目标权益类型的权益转化率计算所述目标权益类型的目标权益的推荐值的过程中,可向各支付渠道的用户偏好分数和各支付渠道的目标权益类型的权益转化率分配对应的权重值,基于各支付渠道的用户偏好分数、各支付渠道的目标权益类型的权益转化率和各自的权重值计算各支付渠道的目标权益类型的目标权益的推荐值。比如,支付渠道1的目标权益类型为红包类型,支付渠道1的用户偏好分数为m1,权重值为z1,目标权益类型的权益转化率为n1,权重值为t1;支付渠道2的目标权益类型为积分,支付渠道2的用户偏好分数为m2,权重值为z2,目标权益类型的权益转化率为n2,权重值为t2,则针对支付渠道1,红包类型的推荐值为m1×z1+n1×t1,针对支付渠道2,红包类型的推荐值为m2×z2+n2×t2。
实际应用中,在获得目标权益类型的目标权益的推荐值之后,相当于获得每个支付渠道的推荐值,该每个支付渠道中携带有各自的目标权益类型和参数取值,为了进一步提升支付推荐列表的精确性和有效性,可引入支付推荐策略,结合目标权益类型的目标权益的推荐值生成支付推荐列表,下述对提供的三种生成支付推荐列表的可选实施方式进行详细说明。
(1)可选实施方式一
本实施例提供的一种可选实施方式中,在根据推荐值和支付推荐策略生成支付推荐列表的过程中,执行如下操作:
基于推荐规则确定所述目标权益的权重值,并对所述推荐值和所述权重值进行加权计算,获得所述目标权益的加权推荐值;
按照所述加权推荐值进行支付渠道排序,获得所述支付推荐列表。
其中,所述推荐规则,包括进行支付推荐时的推荐规则,可选的,所述推荐规则,基于下述至少一项进行配置:用户群体特征、服务类型、支付渠道的优先级;所述用户群体特征,包括基于用户的地理位置、特定时间段内的支付数额和/或特定时间段内的支付订单类型,将支付平台的用户进行聚类获得的用户群体的特征,比如地理位置处于省会城市的用户群体,信用卡支付渠道的权重值高一些;所述服务类型是指进行服务的类型,所述服务类型包括营销服务类型和/或普通服务类型,比如营销服务类型为节假日的营销促销类型;所述支付订单类型包括个人订单类型和/或机构订单类型,比如个人订单类型的信用卡支付渠道的权重值较高,机构订单类型的银行卡支付渠道的权重值较高,此外,所述支付推荐策略还可基于其他类型的数据进行配置。
具体的,基于推荐规则确定目标权益的权重值,并将各支付渠道的目标权益的推荐值和对应的权重值的乘积进行加和,获得各支付渠道的目标权益的加权推荐值,并按照加权推荐值对各支付渠道进行排序处理,获得支付推荐列表,以此,对支付渠道进行重排序,不仅更贴合用户的实际需求,也为支付渠道对应的机构降本提效。
(2)可选实施方式二
本实施例提供的一种可选实施方式中,在根据推荐值和支付推荐策略生成支付推荐列表的过程中,执行如下操作:
基于所述推荐值进行支付渠道排序,获得候选支付推荐列表;
根据所述用户的推荐状态标签,对所述候选支付推荐列表进行更新处理获得所述支付推荐列表。
可选的,所述推荐状态标签,包括特定支付渠道的禁止推荐标签和/或特定支付渠道的推荐优先级的推荐标签。
具体的,基于各支付渠道的目标权益的推荐值对支付渠道进行排序处理获得候选支付推荐列表;基于用户的推荐状态标签中记录的目标支付渠道的禁推信息,将所述候选支付推荐列表中的所述目标支付渠道进行删除获得所述支付推荐列表,或者,基于用户的推荐状态标签中记录的特定支付渠道的推荐优先级,对所述候选支付推荐列表中所述特定支付渠道的优先级设置为所述推荐优先级获得所述支付推荐列表;
以此,根据用户的喜好对候选支付推荐列表进行更新,提升用户基于选择的支付渠道进行支付的支付成功率。
(3)可选实施方式三
本实施例提供的一种可选实施方式中,在根据推荐值和支付推荐策略生成支付推荐列表的过程中,执行如下操作:
基于所述推荐值进行支付渠道排序,获得候选支付推荐列表;
根据所述用户的偏好渠道数目对所述候选支付推荐列表进行删减处理,获得所述支付推荐列表。
其中,所述偏好渠道数目,是指用户对支付推荐列表中的支付渠道数目的偏好数据,比如用户偏好支付渠道数目为3个。
具体的,基于目标权益类型的目标权益的推荐值对支付渠道进行排序处理获得候选支付推荐列表,若所述用户的偏好渠道数目小于所述候选支付推荐列表中的支付渠道数目,基于用户的偏好渠道数目确定对所述候选支付推荐列表的删减渠道数目,并按照从后至前的顺序对所述候选支付推荐列表中进行所述删减渠道数目的渠道删减。
此外,在基于推荐值和支付推荐策略生成支付推荐列表的过程中,也可基于推荐值进行支付渠道排序获得候选支付推荐列表,并根据用户的偏好渠道数目对候选支付推荐列表进行增加处理获得支付推荐列表。
具体的,基于推荐值进行支付渠道排序获得候选支付推荐列表,若用户的偏好渠道数目大于所述候选支付推荐列表中的支付渠道数目,则基于渠道增加数目确定所述用户的关联用户的关联支付渠道,并将所述关联支付渠道添加至所述候选支付推荐列表,获得所述支付推荐列表。其中,所述渠道增加数目是指所述偏好渠道数目和所述支付渠道数目的差值。
在基于推荐值和支付推荐策略生成支付推荐列表的过程中,除可采用并行的方式在可选实施方式一、可选实施方式二和可选实施方式中选择其一进行执行之外,还可采用串行的方式对可选实施方式一、可选实施方式二和可选实施方式三进行执行,在具体执行的过程中,可选实施方式一、可选实施方式二和可选实施方式三的执行顺序在此不作具体限定,比如先基于推荐值进行支付渠道排序获得候选支付推荐列表,根据用户的推荐状态标签对所述候选支付推荐列表进行更新处理;基于推荐规则确定所述目标权益的权重值,并对所述推荐值和所述权重值进行加权计算,按照加权计算获得的所述目标权益的加权推荐值,对更新处理获得的中间支付推荐列表进行排序处理,并根据用户的偏好渠道数目对排序处理获得的排序支付推荐列表进行删减处理,获得所述支付推荐列表。
在具体的执行过程中,在基于包含用户偏好分数和目标权益类型的排序因子进行支付渠道排序,并将排序获得的支付推荐列表向用户进行推荐处理执行之后,还执行如下操作:
根据所述用户在所述支付推荐列表中选择的目标支付渠道携带的权益类型和权益数值,计算所述支付订单的应支付数额;
基于所述应支付数额通过所述支付渠道对所述支付订单进行支付处理。
本实施例中所述支付处理涉及的技术载体,可以包括近场通信(Near FieldCommunication,NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service,SMS)、多媒体消息(Multimedia MessageService,MMS)等。
在具体的执行过程中,在上述基于支付请求确定用户的各支付渠道的基础上,本实施例提供的一种可选实施方式中,在基于包含用户偏好分数和目标权益类型的排序因子进行支付渠道排序,并将排序获得的支付推荐列表向用户进行推荐处理执行之后,还执行如下操作:
根据所述用户在所述支付推荐列表中选择的目标支付渠道携带的权益类型和权益数值,计算所述支付订单的应支付数额;
基于所述应支付数额通过所述目标支付渠道对所述支付订单进行支付处理。
需要补充的是,步骤S202至步骤S208可被替换为基于用户特征数据和支付行为数据,计算每个支付渠道的用户偏好分数;针对所述每个支付渠道,基于所述用户特征数据和权益转化数据,计算各权益类型的多个权益数值区间分别对应的权益转化指标;基于所述权益转化指标在所述多个权益数值区间中确定权益数值区间,对所述权益数值区间进行区间修正处理,并在处理获得的修正数值区间中选取目标权益数值;根据所述权益转化数据和所述目标权益数值对应的权益转化指标,在所述各权益类型中筛选出目标权益类型;若用户的权益推荐检测的检测通过,基于包含所述用户偏好分数和目标权益类型的权益转化指标计算所述目标权益类型的目标权益的推荐值,基于所述推荐值和支付推荐策略生成支付推荐列表以基于在所述支付推荐列表中选择的支付渠道对支付请求进行支付处理,并与本实施例提供的其他处理步骤组成新的实现方式。
综上所述,本实施例提供的支付推荐处理方法,基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数,基于用户特征数据和权益转化数据,计算各权益类型的多个权益参数分别对应的权益转化指标,基于权益转化指标在多个权益参数中确定目标权益参数,基于概率映射关系对目标权益参数对应的权益转化率进行修正处理,基于可用权益额度和修正处理获得的修正转化概率对目标权益参数进行更新处理,获得修正权益参数,在修正权益参数中选取参数取值,根据权益转化数据和参数取值的权益转化指标,在各权益类型中筛选出目标权益类型;
根据包含用户偏好分数和目标权益类型的推荐因子生成支付推荐列表以基于在支付推荐列表中选择的目标支付渠道对支付请求进行支付处理,以此,在向用户进行支付推荐的过程中引入权益,通过权益类型和权益数值两个方面实现支付推荐的全面性和有效性,使得支付推荐列表更贴合用户的需求,同时通过引入权益促使用户对特定支付渠道的倾斜性,提升特定支付渠道的用户流量,提升用户的使用体验。
下述以本实施例提供的一种支付推荐处理方法在权益支付场景的应用为例,对本实施例提供的支付推荐处理方法进行进一步说明,参见图3,应用于权益支付场景的支付推荐处理方法,具体包括如下步骤。
步骤S302,基于用户特征数据和支付行为数据,计算每个支付渠道的用户偏好分数。
步骤S304,针对每个支付渠道,基于用户特征数据和权益转化数据,计算各权益类型的多个权益参数的权益转化率。
步骤S306,基于权益转化率在多个权益参数中确定目标权益参数。
步骤S308,基于概率映射关系对目标权益参数的权益转化率进行修正处理。
步骤S310,基于修正转化率构建修正算法,并根据总权益限额和各权益类型的权益限额确定修正算法的计算结果。
步骤S312,基于计算结果对目标权益参数进行更新处理,并在处理获得的修正权益参数中随机选取参数取值。
步骤S314,根据权益转化数据和参数取值的权益转化率,在各权益类型中筛选出目标权益类型。
步骤S316,根据权益转化数据对用户进行权益推荐检测。
步骤S318,若权益推荐检测的检测通过,基于每个支付渠道的用户偏好分数和目标权益类型的权益转化率计算目标权益类型的目标权益的推荐值。
步骤S320,根据所述推荐值和支付推荐策略生成所述支付推荐列表,以基于在支付推荐列表中选择的目标支付渠道对支付请求进行支付处理。
本说明书提供的一种支付推荐处理装置实施例如下:
在上述的实施例中,提供了一种支付推荐处理方法,与之相对应的,还提供了一种支付推荐处理装置,下面结合附图进行说明。
参照图4,其示出了本实施例提供的一种支付推荐处理装置实施例的示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种支付推荐处理装置,包括:
分数计算模块402,被配置为基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
指标计算模块404,被配置为根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
类型选取模块406,被配置为根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
支付推荐模块408,被配置为基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
本说明书提供的一种支付推荐处理设备实施例如下:
对应上述描述的一种支付推荐处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种支付推荐处理设备,该支付推荐处理设备用于执行上述提供的一种支付推荐处理方法,图5为本说明书一个或多个实施例提供的一种支付推荐处理设备的结构示意图。
本实施例提供的一种支付推荐处理设备,包括:
如图5所示,支付推荐处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器501和存储器502,存储器502中可以存储有一个或一个以上存储应用程序或数据。其中,存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括支付推荐处理设备中的一系列计算机可执行指令。更进一步地,处理器501可以设置为与存储器502通信,在支付推荐处理设备上执行存储器502中的一系列计算机可执行指令。支付推荐处理设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上输入/输出接口505,一个或一个以上键盘506等。
在一个具体的实施例中,支付推荐处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对支付推荐处理设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种支付推荐处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
需要说明的是,本说明书中关于一种存储介质的实施例与本说明书中关于一种支付推荐处理方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
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或者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,比如装置实施例、设备实施例和存储介质实施例,三者均相似于方法实施例,所以描述地比较简单,阅读装置实施例、设备实施例和存储介质实施例中的相关内容请参照方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(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。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读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。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (19)
1.一种支付推荐处理方法,包括:
基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
2.根据权利要求1所述的支付推荐处理方法,所述根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,包括:
根据所述权益转化指标在所述权益参数中确定所述目标权益参数,并对所述目标权益参数进行参数修正处理;
在修正处理获得的修正权益参数中选取所述参数取值。
3.根据权利要求2所述的支付推荐处理方法,所述对所述目标权益参数进行参数修正处理,包括:
基于概率映射关系对所述目标权益参数的权益转化率进行修正处理;
根据可用权益额度和修正处理获得的修正转化率对所述目标权益参数进行更新处理,获得所述修正权益参数。
4.根据权利要求3所述的支付推荐处理方法,所述根据可用权益额度和修正处理获得的修正转化率对所述目标权益参数进行更新处理,包括:
基于所述修正转化率构建修正算法,并根据总权益限额和/或所述各权益类型的权益限额确定所述修正算法的计算结果;
基于所述计算结果对所述目标权益参数进行更新处理。
5.根据权利要求3所述的支付推荐处理方法,所述概率映射关系,采用如下方式获得:
计算多个基准权益参数的预测转化率,并确定所述多个基准权益参数的标签转化率;
在关系映射表中查找所述预测转化率与所述标签转化率的映射关系作为所述概率映射关系。
6.根据权利要求1所述的支付推荐处理方法,所述根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型步骤执行之后,且所述基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理步骤执行之前,还包括:
根据所述权益转化数据对所述用户进行权益推荐检测;
若所述权益推荐检测的检测通过,执行所述基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理步骤。
7.根据权利要求6所述的支付推荐处理方法,所述根据所述权益转化数据对所述用户进行权益推荐检测,包括:
根据所述权益转化数据计算所述用户的第一预测分数和第二预测分数,并根据所述第一预测分数和所述第二预测分数计算权益推荐分数;
检测所述权益推荐分数是否大于预设分数阈值;
若是,确定所述权益推荐检测的检测通过。
8.根据权利要求6所述的支付推荐处理方法,所述根据所述权益转化数据对所述用户进行权益推荐检测步骤执行之后,还包括:
若所述权益推荐检测的检测未通过,基于所述支付渠道的渠道标识生成支付渠道列表向所述用户进行推荐。
9.根据权利要求1所述的支付推荐处理方法,所述用户特征数据,包括下述至少一项:
所述用户的属性特征数据、所述用户的资产特征数据、所述用户在历史支付过程中的动作特征数据。
10.根据权利要求1所述的支付推荐处理方法,所述基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,包括:
基于所述用户偏好分数和所述目标权益类型的权益转化率,计算所述目标权益类型的目标权益的推荐值;
根据所述推荐值和支付推荐策略生成所述支付推荐列表。
11.根据权利要求10所述的支付推荐处理方法,所述根据所述推荐值和支付推荐策略生成所述支付推荐列表,包括:
基于推荐规则确定所述目标权益的权重值,并对所述推荐值和所述权重值进行加权计算,获得所述目标权益的加权推荐值;
按照所述加权推荐值进行支付渠道排序,获得所述支付推荐列表。
12.根据权利要求10所述的支付推荐处理方法,所述根据所述推荐值和支付推荐策略生成所述支付推荐列表,包括:
基于所述推荐值进行支付渠道排序,获得候选支付推荐列表;
根据所述用户的推荐状态标签,对所述候选支付推荐列表进行更新处理获得所述支付推荐列表。
13.根据权利要求10所述的支付推荐处理方法,所述根据所述推荐值和支付推荐策略生成所述支付推荐列表,包括:
基于所述推荐值进行支付渠道排序,获得候选支付推荐列表;
根据所述用户的偏好渠道数目对所述候选支付推荐列表进行删减处理,获得所述支付推荐列表。
14.根据权利要求1所述的支付推荐处理方法,所述根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型,包括:
从所述权益转化数据包含的转化类型数据中提取权益类型要素,并基于所述权益类型要素计算所述各权益类型的转化比例;
基于所述转化比例和所述参数取值的权益转化率,在所述各权益类型中选取所述目标权益类型。
15.根据权利要求1所述的支付推荐处理方法,所述基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数步骤执行之前,还包括:
获取所述用户针对支付订单提交的支付请求;
基于所述支付请求中携带的用户标识,确定所述用户的支付渠道。
16.根据权利要求15所述的支付推荐处理方法,所述基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理步骤执行之后,还包括:
根据所述用户在所述支付推荐列表中选择的目标支付渠道携带的权益类型和权益数值,计算所述支付订单的应支付数额;
基于所述应支付数额通过所述目标支付渠道对所述支付订单进行支付处理。
17.一种支付推荐处理装置,包括:
分数计算模块,被配置为基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
指标计算模块,被配置为根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
类型选取模块,被配置为根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
支付推荐模块,被配置为基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
18.一种支付推荐处理设备,包括:
处理器;以及,被配置为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:
基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
19.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
基于用户特征数据和支付行为数据,计算支付渠道的用户偏好分数;
根据所述用户特征数据和权益转化数据,计算各权益类型下权益参数的权益转化指标;
根据所述权益转化指标确定所述权益参数中目标权益参数的参数取值,并根据所述权益转化数据和所述参数取值在所述各权益类型中选取目标权益类型;
基于包含所述用户偏好分数和所述目标权益类型的推荐因子生成支付推荐列表,并基于所述支付推荐列表向用户进行推荐处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310431861.4A CN116485391A (zh) | 2023-04-20 | 2023-04-20 | 支付推荐处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310431861.4A CN116485391A (zh) | 2023-04-20 | 2023-04-20 | 支付推荐处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116485391A true CN116485391A (zh) | 2023-07-25 |
Family
ID=87217278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310431861.4A Pending CN116485391A (zh) | 2023-04-20 | 2023-04-20 | 支付推荐处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485391A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976960A (zh) * | 2023-09-22 | 2023-10-31 | 广州扬盛计算机软件有限公司 | 二维码支付的数据处理方法及系统 |
-
2023
- 2023-04-20 CN CN202310431861.4A patent/CN116485391A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976960A (zh) * | 2023-09-22 | 2023-10-31 | 广州扬盛计算机软件有限公司 | 二维码支付的数据处理方法及系统 |
CN116976960B (zh) * | 2023-09-22 | 2023-12-05 | 广州扬盛计算机软件有限公司 | 二维码支付的数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245935B (zh) | 支付渠道推荐方法、装置及设备 | |
KR101747676B1 (ko) | 이력 기반 데이터 처리의 제공 | |
US20200356964A1 (en) | Payment channel recommendation | |
CN110020427B (zh) | 策略确定方法和装置 | |
CN107341173A (zh) | 一种信息处理方法及装置 | |
US20230018081A1 (en) | Method, System, and Computer Program Product for Determining Relationships of Entities Associated with Interactions | |
CN108694574B (zh) | 一种资源转移渠道的处理方法、装置及设备 | |
US20210192496A1 (en) | Digital wallet reward optimization using reverse-engineering | |
CN113688313A (zh) | 一种预测模型的训练方法、信息推送的方法及装置 | |
CN113516480A (zh) | 一种支付风险识别方法、装置及设备 | |
CN111459992B (zh) | 信息推送方法、电子设备和计算机可读介质 | |
CN116485391A (zh) | 支付推荐处理方法及装置 | |
CN110033092B (zh) | 数据标签生成、模型训练、事件识别方法和装置 | |
CN109903140A (zh) | 一种信用服务推荐方法、装置及设备 | |
CN113222649A (zh) | 一种业务执行方式的推荐方法以及装置 | |
CN112418864A (zh) | 一种数据发送的方法及装置 | |
US11829971B2 (en) | Methods and systems for intent-based attribution schedule | |
CN113297462A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN112967044B (zh) | 一种支付业务的处理方法及装置 | |
CN113419794A (zh) | 支付处理方法及装置 | |
CN116126538A (zh) | 业务处理方法、装置、设备及存储介质 | |
CN113256284B (zh) | 支付处理方法及装置 | |
CN117764576A (zh) | 支付渠道推荐模型训练方法及装置 | |
US20240015005A1 (en) | Computing architecture for energy-efficient hash computation | |
US20240046235A1 (en) | Methods and systems for intent-based attribution schedule |
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 |