预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112347343A(43)申请公布日2021.02.09(21)申请号202011027642.2(22)申请日2020.09.25(71)申请人北京淇瑀信息科技有限公司地址100012北京市朝阳区双营路11号院3号楼2层4单元207(72)发明人陈博郑盛麟黎文杰张嘉伟(74)专利代理机构北京清诚知识产权代理有限公司11691代理人乔东峰(51)Int.Cl.G06F16/9535(2019.01)G06Q40/00(2012.01)G06Q50/30(2012.01)H04W4/14(2009.01)权利要求书2页说明书10页附图4页(54)发明名称一种定制信息推送方法、装置和电子设备(57)摘要本发明提供了一种定制信息推送方法,用于向用户推送定制信息,包括:在接收到当前用户的访问请求时,获取所述用户的用户特征数据;根据所述用户特征数据,进行目标用户筛选;构建实时分类模型,使用训练数据对该实时分类模型进行训练,所述训练数据包括用户属性数据和金融表现数据,该金融表现数据包括授信数据和动支数据;使用训练好的实时分类模型计算所筛选的目标用户的金融评估值,并对所述目标用户进行实时分类;根据所述目标用户的金融预测值对该用户推送定制信息。本发明的方法提升了转化率,并有效降低了信息推送成本,提高了定制信息推送的准确性。CN112347343ACN112347343A权利要求书1/2页1.一种定制信息推送方法,用于向用户推送定制信息,其特征在于,包括:在接收到当前用户的访问请求时,获取所述用户的用户特征数据;根据所述用户特征数据,进行目标用户筛选;构建实时分类模型,使用训练数据对该实时分类模型进行训练,所述训练数据包括用户属性数据和金融表现数据,该金融表现数据包括授信数据和动支数据;使用训练好的实时分类模型计算所筛选的目标用户的金融评估值,并对所述目标用户进行实时分类;根据所述目标用户的金融预测值对该用户推送定制信息。2.根据权利要求1所述的定制信息推送方法,其特征在于,所述进行目标用户筛选包括:根据所获取的用户特征数据,将当前用户分为导流用户和目标用户;对筛选出的目标用户进行实时分类,并且将筛选出的导流用户导流至其他业务。3.根据权利要求1或2所述的定制信息推送方法,其特征在于,使用所述实时分类模型,计算目标用户的授信评估值和金融评估值,并判断所述目标用户的授信和动支情况。4.根据权利要求1至3中任一项所述的定制信息推送方法,其特征在于,设定分类策略规则,所述分类策略规则包括使用维度参数对目标用户进行实时分类,该维度参数包括时间参数、资源配额量及当前使用状态。5.根据权利要求1至4中任一项所述的定制信息推送方法,其特征在于,所述分类策略规则包括:设定与时间参数、当前使用状态相对应的资源配额;所述时间参数包括授信后未动支的第一时间阈值、资源结清时间参数,该第一时间阈值用于表示用户在授信后未发生动支行为的设定天数,资源结清时间参数包括已结清时间小于特定天数、距最后一次结清时间小于特定天数;所述当前使用状态包括:已授信且未使用资源配额状态,已授信、已使用资源配额且资源未结清状态,已授信、已使用资源配额且资源已结清状态。6.根据权利要求1至5中任一项所述的定制信息推送方法,其特征在于,所述分类策略规则还包括:按照目标用户所处的当前使用状态对用户进行分类,并按照所计算的授信评估值、用户金融评估值、时间参数和当前资源配额对用户进行进一步分类;或者按照时间参数、资源配额增量、资源配额增量幅度对用户进行进一步分类。7.根据权利要求1至6中任一项所述的定制信息推送方法,其特征在于,还包括:设定第一授信阈值和第二授信阈值;将所计算的授信评估值与第一授信阈值和第二授信阈值进行比较,以区分授信类型,其中,在所计算的授信评估值大于第一授信阈值的情况下,表示该用户为第一授信类型;在所计算的授信评估值小于第一授信阈值且大于第二授信阈值的情况下,表示该用户为第二授信类型;在所计算的授信评估值小于第二授信阈值的情况下,表示该用户为第三授信类型。2CN112347343A权利要求书2/2页8.一种定制信息推送装置,用于向用户推送定制信息,其特征在于,包括:获取模块,其用于在接收到当前用户的访问请求时,获取所述用户的用户特征数据;筛选模块,其根据所述用户特征数据,进行目标用户筛选;构建模块,其用于构建实时分类模型,使用训练数据对该实时分类模型进行训练,所述训练数据包括用户属性数据和金融表现数据,该金融表现数据包括授信数据和动支数据;分类模块,其用于使用训练好的实时分类模型计算所筛选的目标用户的金融评估值,并对所述目标用户进行实时分类;推送模块,其根据所述目标用户的金融预测值对该用户推送定制信息。9