(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 (43)申请公布日 (21)申请 号 202111273734.3 (22)申请日 2021.10.2 9 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 邱超乐　田鸥　彭莉　曾奕欣　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 熊永强 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06Q 40/06(2012.01) G06F 17/18(2006.01) G06K 9/62(2022.01)G06N 20/00(2019.01) (54)发明名称 基于特征匹配的用户促活方法、 装置、 设备 及存储介质 (57)摘要 本申请实施例公开了一种基于特征匹配的 用户促活方法、 装置、 设备及存储介质， 应用于人 工智能领域， 包括： 获取目标用户的用户业务数 据中与促活属性条目对应的目标促活属性数据； 将目标促活属性数据输入活跃度预测模型， 通过 活跃度预测模型得到目标用户的预测业务活跃 度； 若目标用户的预测业务活跃度大于或者等于 活跃度阈值， 则基于目标促活属性数据确定目标 用户的业务特征， 并基于目标用户的业务特征和 各用户类型的业务特征确定目标用户所属的用 户类型； 基于目标用户所属的用户类型获取目标 用户的对应的促活操作数据， 并基于促活操作数 据向目标用户发送促活信息。 采用本申请实施 例， 可提高用户促活的效率， 同时降低用户促活 的成本。 权利要求书3页 说明书18页 附图5页 CN 113988932 A 2022.01.28 CN 113988932 A 1.一种基于特 征匹配的用户促活方法， 其特 征在于， 所述方法包括： 获取目标用户的用户业 务数据中与促活属性条目对应的目标促活属性数据； 将所述目标促活属性数据输入活跃度 预测模型， 通过所述活跃度 预测模型得到所述目 标促活属 性数据对应的嵌入式特征向量并基于所述嵌入式特征向量输出所述目标用户的 预测业务活跃度； 若所述目标用户的预测业务活跃度 大于或者等于活跃度阈值， 则基于所述目标促活属 性数据确定所述目标用户的业务特征， 并基于所述目标用户的业务特征和各用户类型的业 务特征确定所述目标用户所属的用户类型； 基于所述目标用户所属的用户类型获取所述目标用户的对应的促活操作数据， 并基于 所述促活操作数据向所述目标用户发送促活信息 。 2.根据权利要求1所述的方法， 其特征在于， 在所述获取目标用户的用户业务数据中与 促活属性条目对应的目标促活属性数据之前， 所述方法还 包括： 获取多个样本用户的样本用户业务数据， 其中， 所述样本用户为业务活跃度大于或等 于所述活跃度阈值的用户； 确定各样本用户的样本用户业务数据中与基础属性条目对应的所述各样本用户的基 础属性数据， 其中， 所述基础属性条目包括： 用户基本信息、 用户登录渠道信息和用户已注 册业务信息中的一种或者多种； 对所述各样本用户的基础属性数据进行统计分析得到所述各样本用户的衍生属性数 据， 基于所述各样本用户的基础属性数据和衍生属性数据确定所述各样本用户的促活属性 数据， 并基于所述各样本用户的促活属性数据构建活跃度预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述各样本用户的基础属性数据 和衍生属性数据确定所述各样本用户的促活属性数据， 包括： 确定所述各样本用户的基础属性数据和衍生属性数据对应的多个属性条目， 并确定所 述多个属性条目在促活业 务场景的场景表现度； 基于所述场景表现度从所述多个属性条目中确定出促活属性条目， 并从所述各样本用 户的基础属性数据和衍生属性数据中确定与所述促活属性条目对应的促活属性数据， 以得 到所述各样本用户的促活属性数据。 4.根据权利要求2或3所述的方法， 其特征在于， 所述基于所述各样本用户的促活属性 数据构建活跃度预测模型， 包括： 基于所述各样本用户的促活属性数据生成所述各样本用户对应的特征关系网络节点， 其中， 一个样本用户对应一个特 征关系网络节点； 基于任一样本用户的促活属性数据与其他各样本用户的促活属性数据确定所述任一 样本用户与其他各样本用户的相似度， 并将相似度大于相似度阈值的任意两个样本用户对 应的两个特 征关系网络节点建立连接， 以得到样本用户的特 征关系网络； 基于所述样本用户的特征关系网络进行图特征分析， 以确定各样本用户的促活属性数 据对应的嵌入式特征向量， 并基于所述各样本用户的促活属性数据和各样本用户的促活属 性数据对应的嵌入式特 征向量， 构建所述活跃度预测模型。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述各样本用户的促活属性数据 和各样本用户的促活属性数据对应的嵌入式特 征向量， 构建所述活跃度预测模型， 包括：权　利　要　求　书 1/3 页 2 CN 113988932 A 2基于所述各样本用户的促活属性数据和促活属性数据对应的嵌入式特征向量， 结合所 述各样本用户的业 务活跃度， 采用多种机器学习算法训练多个待筛 选活跃度预测模型； 获取测试样本用户的用户业务数据中与 所述促活属性条目对应的测试促活属性数据， 通过各个待筛选活跃度预测模型基于所述测试促活属 性数据确定所述测试样本用户的预 测业务活跃度， 其中， 所述测试样本用户为所述样本用户业 务数据库中的样本用户； 根据所述测试样本用户的预测业务活跃度与所述测试样本用户的业务活跃度的拟合 程度， 从所述多个待筛 选活跃度预测模型中确定出活跃度预测模型。 6.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 所述基于所述目标用户的业务特 征和各用户类型的业 务特征确定所述目标用户所属的用户类型之前， 所述方法还 包括： 基于促活业务场景确定多个用户类型以及各用户类型的业务特征， 其中， 所述用户类 型包括靶向业 务激励型、 关联业 务引流型以及全新 业务培养型； 所述基于所述目标用户的业务特征和各用户类型的业务特征确定所述目标用户所属 的用户类型包括： 将所述目标用户的业务特征与所述各用户类型的业务特征进行匹配， 将业务特征与 所 述目标用户的业 务特征匹配程度最高的用户类型确定为所述目标用户所属的用户类型。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述目标用户所属的用户类型获 取所述目标用户的对应的促活操作数据， 并基于所述促活操作数据向所述目标用户发送促 活信息， 包括： 基于所述目标用户所属的用户类型获取所述目标用户的对应的靶向业务促活操作数 据、 组合业务促活操作数据和/或优势业 务促活操作数据； 基于所述靶向业务促活操作数据、 组合业务促活操作数据和/或优势业务促活操作数 据向所述 目标用户发送目标业务的卡券信息、 所述 目标业务的关联业务组合的卡券信息、 以及所述目标业 务的业务介绍信息中的至少一组促活信息 。 8.一种基于特 征匹配的用户促活装置， 其特 征在于， 所述装置包括： 资源获取模块， 用于获取目标用户的用户业务数据中与促活属性条目对应的目标促活 属性数据； 活跃度预测模块， 用于将所述目标促活属性数据输入活跃度预测模型， 通过所述活跃 度预测模型得到所述目标促活属 性数据对应的嵌入式特征向量并基于所述嵌入式特征向 量输出所述目标用户的预测业 务活跃度； 类型匹配模块， 用于在所述目标用户的预测业务活跃度大于或者等于活跃度阈值时， 基于所述目标促活属性数据确定所述目标用户的业务特征， 并基于所述目标用户的业务特 征和各用户类型的业 务特征确定所述目标用户所属的用户类型； 用户促活模块， 用于基于所述目标用户所属的用户类型获取所述目标用户的对应的促 活操作数据， 并基于所述 促活操作数据向所述目标用户发送促活信息 。 9.一种终端设备， 其特征在于， 包括处理器和存储器， 所述处理器和存储器相互连接， 其中， 所述存储器用于存储计算机程序， 所述计算机程序包括程序指 令， 所述处理器被配置 用于调用所述 程序指令， 执 行如权利要求1 ‑7任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机存储介质存储有计算机程序， 所述计算机程序包括程序指令， 所述程序指令 当被处理器执行时使所述处理器执行如权利权　利　要　求　书 2/3 页 3 CN 113988932 A 3