一种基于RFM模型的用户属性识别方法及装置制造方法及图纸

本申请公开了一种基于RFM模型的用户属性识别方法及装置，可应用于人工智能领域或金融领域。上述方法根据多个用户的最近一次发生交易的时间、交易次数和交易金额，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合，同时根据多个用户的交易附言信息，可以确定潜在高价值用户在多个用户集合中每一用户集合中的占比，并相应地调整分层节点对应的分层标准，直到确定潜在高价值用户在高价值用户集合中的占比为多个用户集合中的最高占比，则根据调整后的分层节点输出高价值用户集合。由于使用了RFM模型，可以实现对用户的分类，同时结合交易附言信息，可以调整RFM模型输出的结果，从而更高效、准确地识别出高价值用户。准确地识别出高价值用户。准确地识别出高价值用户。

【技术实现步骤摘要】
一种基于RFM模型的用户属性识别方法及装置


[0001]本申请涉及人工智能领域，特别是指一种基于客户关系管理(RFM)模型的用户属性识别方法及装置。

技术介绍

[0002]在具体应用场景中，用户属性可被分为重要价值用户、重要保持用户、重要发展用户、重要挽留用户以及其他能表征用户生命周期价值的用户属性，其中，重要价值用户也可被称为高价值用户，具有更高的用户生命周期价值。
[0003]在现有技术中，实现从多个用户中确定出高价值用户通常都是由客户经理和业务人员对用户进行一系列的打分，最终综合判断该用户是否为高质量用户。但通过上述方法确定出高质量用户，需要耗费大量人力成本和时间成本，且可能存在不准确的问题。

技术实现思路

[0004]有鉴于此，本申请提供了一种基于RFM模型的用户属性识别方法及装置，从而达到更高效准确地识别出高价值用户的目的。
[0005]本申请提供的一种基于RFM模型的用户属性识别方法是这样实现的：
[0006]对多个用户的对私交易数据进行处理，得到多个用户分别在历史时间段内的快捷支付中最近一次发生交易的时间、交易次数、交易金额以及交易附言信息；
[0007]根据多个用户的最近一次发生交易的时间、交易次数和交易金额，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合，其中，一个用户的最近一次发生交易的时间、交易次数和交易金额用于确定一个用户对应的层级；
[0008]根据多个用户的交易附言信息，确定潜在高价值用户在多个用户集合中每一用户集合中的占比，交易附言信息用于确定潜在高价值用户；
[0009]根据潜在高价值用户在多个用户集合中每一用户集合中的占比调整分层节点对应的分层标准，直到确定潜在高价值用户在高价值用户集合中的占比为潜在高价值用户在多个用户集合中每一用户集合中的占比中的最高占比，以及根据调整后的分层节点输出高价值用户集合，高价值用户集合为多个用户集合中的集合之一。
[0010]可选地，根据多个用户的交易附言信息，确定潜在高价值用户在多个用户集合中每一用户集合中的占比包括：
[0011]若确定第一交易附言信息中包含预设关键词，则对第一交易附言信息对应的用户添加第一标记，第一交易附言信息为多个用户的交易附言信息中的信息之一，第一标记用于指示第一交易附言信息对应的用户为潜在高价值用户；
[0012]根据第一标记，确定多个用户集合中每一用户集合所包含的潜在高价值用户；
[0013]根据多个用户集合中每一用户集合所包含的潜在高价值用户的数量，确定潜在高价值用户在多个用户集合中每一用户集合的占比。
[0014]可选地，预设关键词包括如下至少一项：
[0015]预设消费产品关键词、预设消费品牌关键词和预设消费场所关键词。
[0016]可选地，根据多个用户的最近一次发生交易的时间、交易次数和交易金额，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合包括：
[0017]根据多个用户的最近一次发生交易的时间、交易次数和交易金额，以及预设的交易时间权重、预设的交易次数权重和预设的交易金额权重，对最近一次发生交易的时间、交易次数以及交易金额进行加权求和，得到多个用户的判定指标；
[0018]根据多个用户的判定指标，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合。
[0019]可选地，根据多个用户的最近一次发生交易的时间、交易次数和交易金额，以及预设的交易时间权重、预设的交易次数权重和预设的交易金额权重，对最近一次发生交易的时间、交易次数以及交易金额进行加权求和，得到多个用户的判定指标，包括：
[0020]将多个用户的最近一次发生交易的时间输入RFM模型中，得到多个用户中每个用户对应的RFM模型的R值；
[0021]将多个用户的交易次数输入RFM模型中，得到多个用户中每个用户对应的RFM模型的F值；
[0022]将多个用户的交易金额输入RFM模型中，得到多个用户中每个用户对应的RFM模型的M值；
[0023]根据预设的交易时间权重、预设的交易次数权重和预设的交易金额权重，将多个用户中每个用户对应的R值、F值和M值进行加权求和，得到多个用户的判定指标。
[0024]可选地，根据多个用户的判定指标，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合之前，还包括：
[0025]根据多个用户中每个用户对应的R值、F值和M值的数值大小，确定分层节点。
[0026]本申请还提供了一种基于RFM模型的用户属性识别装置，包括：处理模块、分层模块、确定模块和输出模块；
[0027]处理模块，用于对多个用户的对私交易数据进行处理，得到多个用户分别在历史时间段内的快捷支付中最近一次发生交易的时间、交易次数、交易金额以及交易附言信息；
[0028]分层模块，用于根据多个用户的最近一次发生交易的时间、交易次数和交易金额，通过RFM模型中的分层节点对多个用户进行分层，得到多个用户集合，其中，一个用户的最近一次发生交易的时间、交易次数和交易金额用于确定一个用户对应的层级；
[0029]确定模块，用于根据多个用户的交易附言信息，确定潜在高价值用户在多个用户集合中每一用户集合中的占比，交易附言信息用于确定潜在高价值用户；
[0030]输出模块，用于根据潜在高价值用户在多个用户集合中每一用户集合中的占比调整分层节点对应的分层标准，直到确定潜在高价值用户在高价值用户集合中的占比为潜在高价值用户在多个用户集合中每一用户集合中的占比中的最高占比，以及根据调整后的分层节点输出高价值用户集合，高价值用户集合为多个用户集合中的集合之一。
[0031]可选地，确定模块包括：添加子单元和确定子单元；
[0032]添加子单元，用于若确定第一交易附言信息中包含预设关键词，则对第一交易附言信息对应的用户添加第一标记，第一交易附言信息为多个用户的交易附言信息中的信息之一，第一标记用于指示第一交易附言信息对应的用户为潜在高价值用户；
[0033]确定子单元，用于根据第一标记，确定多个用户集合中每一用户集合所包含的潜在高价值用户；
[0034]确定子单元，还用于根据多个用户集合中每一用户集合所包含的潜在高价值用户的数量，确定潜在高价值用户在多个用户集合中每一用户集合的占比。
[0035]本申请还提供了一种计算机设备，包括：处理器，处理器与存储器耦合，存储器中存储有至少一条计算机程序指令，至少一条计算机程序指令由处理器加载并执行，以使计算机设备实现上述基于RFM模型的用户属性识别方法。
[0036]本申请还提供了一种计算机存储介质，用于存储计算机程序，计算机程序被执行时，用于实现上述基于RFM模型的用户属性识别方法。
[0037]因此，本申请的有益效果是：对多个用户的对私交易数据进行处理，得到多个用户分别在历史时间段内的快捷支付中最近一次发生交易的时间、交易次数、交易金额以及交易附言信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RFM模型的用户属性识别方法，其特征在于，所述方法包括：对多个用户的对私交易数据进行处理，得到所述多个用户分别在历史时间段内的快捷支付中最近一次发生交易的时间、交易次数、交易金额以及交易附言信息；根据所述多个用户的所述最近一次发生交易的时间、所述交易次数和所述交易金额，通过客户关系管理RFM模型中的分层节点对所述多个用户进行分层，得到多个用户集合，其中，一个用户的所述最近一次发生交易的时间、所述交易次数和所述交易金额用于确定所述一个用户对应的层级；根据所述多个用户的所述交易附言信息，确定潜在高价值用户在所述多个用户集合中每一用户集合中的占比，所述交易附言信息用于确定所述潜在高价值用户；根据所述潜在高价值用户在所述多个用户集合中每一用户集合中的占比调整所述分层节点对应的分层标准，直到确定所述潜在高价值用户在高价值用户集合中的占比为所述潜在高价值用户在所述多个用户集合中每一用户集合中的占比中的最高占比，以及根据调整后的所述分层节点输出所述高价值用户集合，所述高价值用户集合为所述多个用户集合中的集合之一。2.根据权利要求1所述的方法，其特征在于，根据所述多个用户的交易附言信息，确定潜在高价值用户在所述多个用户集合中每一用户集合中的占比包括：若确定第一交易附言信息中包含预设关键词，则对所述第一交易附言信息对应的用户添加第一标记，所述第一交易附言信息为所述多个用户的交易附言信息中的信息之一，所述第一标记用于指示所述第一交易附言信息对应的用户为所述潜在高价值用户；根据所述第一标记，确定所述多个用户集合中每一用户集合所包含的所述潜在高价值用户；根据所述多个用户集合中每一用户集合所包含的所述潜在高价值用户的数量，确定所述潜在高价值用户在所述多个用户集合中每一用户集合的占比。3.根据权利要求2所述的方法，其特征在于，所述预设关键词包括如下至少一项：预设消费产品关键词、预设消费品牌关键词和预设消费场所关键词。4.根据权利要求1所述的方法，其特征在于，根据所述多个用户的所述最近一次发生交易的时间、所述交易次数和所述交易金额，通过RFM模型中的分层节点对所述多个用户进行分层，得到多个用户集合包括：根据所述多个用户的所述最近一次发生交易的时间、所述交易次数和所述交易金额，以及预设的交易时间权重、预设的交易次数权重和预设的交易金额权重，对所述最近一次发生交易的时间、所述交易次数以及所述交易金额进行加权求和，得到所述多个用户的判定指标；根据所述多个用户的判定指标，通过所述RFM模型中的分层节点对所述多个用户进行分层，得到多个用户集合。5.根据权利要求4所述的方法，其特征在于，根据所述多个用户的所述最近一次发生交易的时间、所述交易次数和所述交易金额，以及预设的交易时间权重、预设的交易次数权重和预设的交易金额权重，对所述最近一次发生交易的时间、所述交易次数以及所述交易金额进行加权求和，得到所述多个用户的判定指标，包括：将所述多个用户的所述最近一次发生交易的时间输入所述RFM模型中，得到所述多个
用户中每个用户对应的所述RFM模型的R值；将所述多个用户的所述交易次数输入所述RFM模...

【专利技术属性】
技术研发人员：徐梓丞，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：