【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种客退商品风险预测方法、装置、存储介质及计算机设备。
技术介绍
1、在对电商平台进行优化资损的过程中发现，客退商品残次是客退的一大来源，而一旦平台给用户退款，那么即使在商品回仓之后发现商品已残次，也无法向用户追偿。因此，在不影响大部分用户极速退(泛指用户提交了售后申请之后，在退货包裹回仓之前，就可以受到退款)体验的基础上，通过技术手段尽早识别有残次风险的订单，并针对该订单禁用极速退，成为亟需研究的方向之一。
2、现有的客退风控主要通过风控规则层完成，比如，用户在一定时间内极速退总金额超过一定数额、用户在一定时间内极速退总次数超过次数限制，或者极速退的商品属于易调包品牌品类等，则当次客退单不允许享受极速退服务。但由于这些拦截条件与客退残次并不直接相关，这样不仅会导致大量优质客户在退货时因规则被误拦进而无法享受极速退，影响用户体验，同时，其拦截效率也很低。
技术实现思路
1、本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中设置的拦截条件与客退残次并不直接相关，这样不仅会导致大量优质客户在退货时因规则被误拦进而无法享受极速退，影响用户体验，同时，其拦截效率也很低的技术缺陷。
2、本申请提供了一种客退商品风险预测方法，所述方法包括：
3、接收用户发起的客退申请，并创建对应的客退单；
4、利用预设的风险预测模型对所述客退单中的客退商品发生残次和调包的概率进行预测，并得到预测结果；
5、若所述
6、若所述预测结果显示所述客退商品发生残次和调包的概率不高于所述预设概率阈值，则直接触发退款流程。
7、可选地，所述客退单中包含客退商品的商品信息、客退用户的用户信息以及客退时间；
8、所述利用预设的风险预测模型对所述客退单中的客退商品发生残次和调包的概率进行预测，并得到预测结果，包括：
9、将所述客退单中客退商品的商品信息、客退用户的用户信息以及客退时间输入至预设的风险预测模型中，得到所述风险预测模型输出的对所述客退单中的客退商品发生残次和调包的概率的预测结果；
10、其中，所述风险预测模型是以历史客退单中客退商品的商品信息、客退用户的用户信息以及客退时间为训练样本，以所述历史客退单中的客退商品发生残次和调包的结果为样本标签进行训练得到的。
11、可选地，所述风险预测模型中正负样本的比例为1:4；
12、其中，所述正样本为历史客退单中的正常客退商品对应的商品信息、客退用户的用户信息以及客退时间；
13、所述负样本为历史客退单中发生残次和调包的客退商品对应的商品信息、客退用户的用户信息以及客退时间。
14、可选地，在所述客退商品回仓质检后触发退款流程，包括：
15、在所述客退商品回仓质检后，若检测到所述客退商品发生残次和调包，则触发客服挽回流程；
16、若检测到所述客退商品未发生残次和调包，则触发退款流程。
17、本申请还提供了一种客退商品风险预测装置，包括：
18、客退单创建模块，用于接收用户发起的客退申请，并创建对应的客退单；
19、风险预测模块，用于利用预设的风险预测模型对所述客退单中的客退商品发生残次和调包的概率进行预测，并得到预测结果；
20、第一退款模块，用于若所述预测结果显示所述客退商品发生残次和调包的概率高于预设概率阈值，则在所述客退商品回仓质检后触发退款流程；
21、第二退款模块，用于若所述预测结果显示所述客退商品发生残次和调包的概率不高于所述预设概率阈值，则直接触发退款流程。
22、可选地，所述客退单中包含客退商品的商品信息、客退用户的用户信息以及客退时间；
23、所述风险预测模块，包括：
24、模型预测模块，用于将所述客退单中客退商品的商品信息、客退用户的用户信息以及客退时间输入至预设的风险预测模型中，得到所述风险预测模型输出的对所述客退单中的客退商品发生残次和调包的概率的预测结果；
25、其中，所述风险预测模型是以历史客退单中客退商品的商品信息、客退用户的用户信息以及客退时间为训练样本，以所述历史客退单中的客退商品发生残次和调包的结果为样本标签进行训练得到的。
26、可选地，所述风险预测模型中正负样本的比例为1:4；
27、其中，所述正样本为历史客退单中的正常客退商品对应的商品信息、客退用户的用户信息以及客退时间；
28、所述负样本为历史客退单中发生残次和调包的客退商品对应的商品信息、客退用户的用户信息以及客退时间。
29、可选地，所述第一退款模块，包括：
30、客服挽回模块模块，用于在所述客退商品回仓质检后，若检测到所述客退商品发生残次和调包，则触发客服挽回流程；
31、触发退款模块，用于若检测到所述客退商品未发生残次和调包，则触发退款流程。
32、本申请还提供了一种存储介质，所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述实施例中任一项所述客退商品风险预测方法的步骤。
33、本申请还提供了一种计算机设备，包括：一个或多个处理器，以及存储器；
34、所述存储器中存储有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，执行如上述实施例中任一项所述客退商品风险预测方法的步骤。
35、从以上技术方案可以看出，本申请实施例具有以下优点：
36、本申请提供的客退商品风险预测方法、装置、存储介质及计算机设备，当接收到用户发起的客退申请时，可以先创建对应的客退单，接着利用预设的风险预测模型来对客退单中的客退商品发生残次和调包的概率进行预测，这样便可以根据预测结果来选择是否立即触发退款流程，例如，当预测结果显示客退商品发生残次和调包的概率高于预设概率阈值时，则等待客退商品回仓质检后再触发退款流程，而当预测结果显示客退商品发生残次和调包的概率不高于预设概率阈值时，则可以直接触发退款流程，这样既可以提高拦截效率，又可以避免优质客户在退货时因规则被误拦进而无法享受极速退的缺陷，从而有效提升用户体验。
本文档来自技高网...【技术保护点】
1.一种客退商品风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的客退商品风险预测方法，其特征在于，所述客退单中包含客退商品的商品信息、客退用户的用户信息以及客退时间；
3.根据权利要求2所述的客退商品风险预测方法，其特征在于，所述风险预测模型中正负样本的比例为1:4；
4.根据权利要求1所述的客退商品风险预测方法，其特征在于，在所述客退商品回仓质检后触发退款流程，包括：
5.一种客退商品风险预测装置，其特征在于，包括：
6.根据权利要求5所述的客退商品风险预测装置，其特征在于，所述客退单中包含客退商品的商品信息、客退用户的用户信息以及客退时间；
7.根据权利要求6所述的客退商品风险预测装置，其特征在于，所述风险预测模型中正负样本的比例为1:4；
8.根据权利要求5所述的客退商品风险预测装置，其特征在于，所述第一退款模块，包括：
9.一种存储介质，其特征在于：所述存储介质中存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要
10.一种计算机设备，其特征在于，包括：一个或多个处理器，以及存储器；
...【技术特征摘要】
1.一种客退商品风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的客退商品风险预测方法，其特征在于，所述客退单中包含客退商品的商品信息、客退用户的用户信息以及客退时间；
3.根据权利要求2所述的客退商品风险预测方法，其特征在于，所述风险预测模型中正负样本的比例为1:4；
4.根据权利要求1所述的客退商品风险预测方法，其特征在于，在所述客退商品回仓质检后触发退款流程，包括：
5.一种客退商品风险预测装置，其特征在于，包括：
6.根据权利要求5所述的客退商品风险预测装置，其特征在于，所述...
【专利技术属性】
技术研发人员：金璐，徐敏，张刚，范立，袁新栋，
申请(专利权)人：广州品唯软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。