[发明专利]一种预测用户代驾服务需求的方法及系统

说明书

一种预测用户代驾服务需求的方法及系统。该方法可以包括：获取平台任意注册用户的用户特征信息；处理器基于所述用户特征信息预测该用户发起代驾服务请求的概率。所述用户特征信息可以包括消费能力特征、平台活跃度特征以及代驾时空特征中的至少一个。本申请通过对用户代驾服务需求的预测，可以实现更精准和有针对性的代驾运营活动。

技术领域

本发明涉及数据处理技术领域，特别涉及一种预测用户代驾服务需求的方法及系统。

背景技术

在现代生活中，随着代驾服务越来越受欢迎，网约车平台也增设了代驾服务。一般，网约车平台会拥有大量的(例如，几亿)用户。

有时网约车平台需要从上述大量的用户中筛选出代驾高潜用户(即，极可能发送代驾订单的用户)，以实现精准有针对性的代驾运营。因此，一种预测用户是否为代驾高潜用户，或者说预测用户代驾服务需求的方法是十分重要的。

发明内容

本发明一个实施例的目的在于提供一种预测用户代驾服务需求的方法及系统，通过选取特定的样本，训练一种可以预测用户代驾服务需求的模型。

第一方面，本发明披露了一种预测用户代驾服务需求的方法。该方法可以包括：获取平台任意注册用户的用户特征信息；处理器基于所述用户特征信息预测该用户发起代驾服务请求的概率。所述用户特征信息包括消费能力特征、平台活跃度特征以及代驾时空特征中的至少一个。其中，所述消费能力特征可以反映用户消费能力高低；所述平台活跃度特征可以反映用户在预设时间段内在平台上操作行为的数量；所述代驾时空特征可以反映用户在代驾高峰期在代驾区域内在平台上操作行为的类别或数量。

在一些实施例中，所述处理器基于所述用户特征信息预测该用户发起代驾服务请求的概率可以包括：处理器通过发单概率预测模型对所述用户特征信息进行处理，预测该用户发起代驾服务订单的概率。

在一些实施例中，所述发单概率预测模型可以通过以下方法获取：确定训练样本；提取每个训练样本的特征信息；确定每个训练样本的标签值；基于所述训练样本的特征信息以及所述训练样本的标签值训练初始发单概率预测模型，得到所述发单概率预测模型。其中，训练样本的特征信息可以包括消费能力特征、平台活跃度特征以及代驾时空特征中的至少一个。

在一些实施例中，所述训练样本可以包括第一类用户以及第二类用户。所述第一类用户的标签值可以确定为正样本标签值，所述第二类用户的标签值可以确定为负样本标签值。第一类用户可以为在预设时间段内通过所述平台发送过代驾服务订单的代驾用户。第二类用户可以为在预设时间段内没有代驾服务的相关行为的代驾用户。所述代驾服务的相关行为可以包括打开平台应用程序进入代驾服务界面、预估代驾服务订单的参数、发送代驾服务订单的中的至少一个。所述参数可以包括代驾服务订单的价格、距离、到达时间中的至少一个。所述第一类用户在所述平台上注册代驾账号的时间可以早于所述第二类用户在所述平台上注册代驾账号的时间，或所述第一类用户通过所述平台首次发送代驾服务订单的时间可以早于所述第二类用户通过所述平台首次发送代驾服务订单的时间。

在一些实施例中，所述初始发单概率预测模型可以包括Xgboost模型与逻辑回归模型两者的联合模型。所述发单概率预测模型可以为训练好的所述联合模型中的Xgboost模型。

在一些实施例中，所述代驾时空特征可以与用户代驾高峰期内在代驾区域发送的非代驾服务请求的数量和所述代驾区域的代驾热度相关。

在一些实施例中，所述消费能力特征可以与所述任意注册用户在所述平台的消费金额、在所述平台使用优惠券的情况、在所述平台动态调整服务价格下发送代驾服务请求的情况以及在所述平台动态调整服务价格下发送非代驾服务请求的情况中至少一个有关。

在一些实施例中，所述平台活跃度特征可以与用户在预设时间段内在平台上的操作行为的数量有关。