[发明专利]基于金融APP的信息推送方法、装置和计算机设备

说明书

本申请涉及一种基于金融APP的信息推送方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取训练样本，每个训练样本中包含多个训练特征；对所述训练特征进行特征处理，获取处理后的训练特征；基于所述处理后的训练特征和逻辑回归模型，获取用户唤活模型；获取待推送用户信息，基于待推送用户信息和所述用户唤活模型，获取高唤活概率用户，并向所述高唤活概率用户推送信息。采用本方法能够提高对用户进行信息推送的唤活效率。

技术领域

本申请涉及互联网金融技术领域，特别是涉及一种基于金融APP的信息推送方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

金融APP的用户运营目前主要通过信息推送来进行，运营人员在后台配置消息推送信息，完成后展示在用户手机的消息通知栏和金融APP的消息沟通页签中。当前的推送设定，在推送人群方面，营销人员通常对全量用户进行推送，针对性不强；在推送参数方面，推送时间、推送内容多根据前期相关营销人员的经验设定，未能达到最优的推送效果。

金融APP当前推送多为全体推送，无法根据用户特点进行针对性营销，导致很多营销资源下放到了不会被唤活的用户群体中，导致推送后唤活效果不理想，造成了营销资源的浪费，且整体的推送效率偏低，对非目标用户造成了不必要的打扰。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高推送后唤活效率的基于金融APP的信息推送方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于金融APP的信息推送方法。所述方法包括：

获取训练样本，每个训练样本中包含多个训练特征；所述训练特征包含用户注册信息、用户资产信息、业务开通信息、重点功能使用信息、区域点击信息、用户交易信息和互联网产品使用信息中的至少一种；

对所述训练特征进行特征处理，获取处理后的训练特征；所述特征处理的过程包含缺失值处理、变量衍生、数据标准化和分类变量处理中的至少一种；

基于所述处理后的训练特征和逻辑回归模型，获取用户唤活模型；

获取待推送用户信息，基于待推送用户信息和所述用户唤活模型，获取高唤活概率用户，并向所述高唤活概率用户推送信息；其中，所述待推送用户信息中的信息类型与所述训练特征中的信息类型相同。

在其中一个实施例中，所述基于所述处理后的训练特征和逻辑回归模型，获取用户唤活模型包括：

基于所述处理后的训练特征和所述逻辑回归模型，获取第一唤活模型；

对处理后的训练特征进行主成分分析处理，获取主成分分析后的训练特征；

基于所述主成分分析后的训练特征和逻辑回归模型，获取第二唤活模型；

获取所述第一唤活模型和所述第二唤活模型中唤活用户概率高的模型作为用户唤活模型。

在其中一个实施例中，所述基于所述主成分分析后的训练特征和逻辑回归模型，获取第二唤活模型包括：

基于主成分分析后的训练特征对所述逻辑回归模型进行训练，获取训练后的逻辑回归模型作为第二唤活模型。

在其中一个实施例中，所述获取所述第一唤活模型和所述第二唤活模型中唤活用户概率高的模型作为用户唤活模型包括：

选取AUC和ROC作为训练后的逻辑回归模型的评价指标；

基于所述评价指标分别对所述第一唤活模型和所述第二唤活模型进行评价，获取所述第一唤活模型和所述第二唤活模型中效果评价高的模型作为所述用户唤活模型。

在其中一个实施例中，所述基于待推送用户信息和所述用户唤活模型，获取高唤活概率用户包括：