信用卡权益活动达标进度获取方法及相关装置与流程

信用卡权益活动达标进度获取方法及相关装置
【技术领域】
1.本发明涉及金融技术领域，尤其涉及信用卡权益活动达标进度获取方法及相关装置。


背景技术：

2.目前银行信用卡业务为了促进用户消费和保证用户活跃度，推出了丰富的信用卡权益活动供客户参与，为了提升客户的参与度及活动任务完成率，往往需要每个活动手工圈定未达标的客户并发送消息提醒，手工圈定未达标的客户运营成本较高，且手工圈定客群准确率不高并且不及时，会引起参与活动的客户投诉和不满。


技术实现要素：

3.有鉴于此，本发明提供了信用卡权益活动达标进度获取方法及相关装置，以降低运营成本提高圈定客户的准确率。
4.本发明第一实施例的具体技术方案为：一种信用卡权益活动达标进度获取方法，所述方法包括：获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集；根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；利用所述关联规则将所述频繁项集中的行为数据与所述权益活动任务进行关联获得所述目标客户的达标进度。
5.优选的，所述方法还包括：获取样本客户，所述样本客户包括：具有已达标进度的达标客户名单和具有未达标进度的未达标客户名单；获得达标客户名单中各客户的第一客户行为数据，获得未达标客户名单中各客户的第二客户行为数据；利用所述第一客户行为数据和所述第二客户行为数据对预设的机器学习模型进行训练，直至训练结果满足预设准确率时，结束训练；获取待预测客户的行为数据，将所述待预测客户的行为数据输入至训练后的机器学习模型中，获得待预测客户的达标进度。
6.优选的，所述获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据后，还包括：对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据；所述根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集。
7.优选的，所述数据校验包括数据格式校验、数据逻辑校验和数据完整性校验；所述数据格式校验为对所述目标客户的行为数据中的日期格式进行统一性校验，及对所述目标
客户的行为数据中的货币格式进行统一性校验；所述数据逻辑校验为对所述目标客户的行为数据中的消费金额和商品数量的关系进行逻辑统一性校验，不通过数据逻辑性校验的目标客户的行为数据被去除；所述数据完整性校验为校验所述目标客户的行为数据中每笔消费是否都包含用户信息，若不包含用户信息则去除对应的目标客户的行为数据。
8.优选的，所述对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据后，还包括：对所述优化后的目标行为数据进行数据清洗获得有效行为数据；所述数据清洗为去除所述优化后的目标行为数据中发生退款的消费数据和取消消费的分期数据，及去除所述优化后的目标行为数据中的噪声数据，所述噪声数据为小于预设交易额度的数据及非交易业务范围内的数据；将所述有效行为数据转换为预设格式的有效行为数据；所述预设格式为表格形式或图表形式；所述根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集。
9.优选的，所述将所述有效行为数据转换为预设格式的有效行为数据后，还包括：利用预设的聚合规则对格式转换后的有效行为数据进行聚合获得多个聚合数据集；所述根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对各所述聚合数据集进行分组得到多个分组行为数据集。
10.优选的，所述预设的聚合规则为根据所述对格式转换后的有效行为数据的消费发生时间或消费发生地点对所述格式转换后的有效行为数据进行聚合。
11.本发明第二实施例的具体技术方案为：一种信用卡权益活动达标进度获取系统，所述系统包括：任务信息获取模块、行为数据获取模块、分组模块、分支模块、关联计算模块和关联模块；所述任务信息获取模块用于获取信用卡的权益活动任务信息；所述行为数据获取模块用于根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；所述分组模块用于根据预设的分组规则对所述客户行为数据进行分组得到多个分组行为数据集；所述分支模块用于根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；频繁项集获取模块用于获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；所述关联计算模块用于利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；所述关联模块用于利用所述关联规则将所述频繁项集中的行为数据与所述权益活动任务进行关联获得所述目标客户的达标进度。
12.本发明第三实施例的具体技术方案为：一种信用卡权益活动达标进度获取设备，包括存储器和和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本技术第一实施例中任一项所述方法的步骤。
13.本发明第四实施例的具体技术方案为：一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如本技术第一实施例中任一项所述方法的步骤。
14.实施本发明实施例，将具有如下有益效果：
15.本发明通过获取信用卡的权益活动任务信息，根据权益活动任务信息收集目标客
户的行为数据；行为数据为参与权益活动任务的单个客户的消费信息；根据预设的分组规则对目标客户的行为数据进行分组得到多个分组行为数据集；根据预设的分支规则对各分组行为数据集进行分支得到多个分支行为数据集；获取各分支行为数据集中的频繁项集，频繁项集为各分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；利用关联规则算法计算频繁项集与权益活动任务的关联规则；利用关联规则将频繁项集中的行为数据与权益活动任务进行关联获得目标客户的达标进度。
16.通过对目标客户的行为数据进行分组操作和分支操作获得频繁项集，频繁项集的数据能够体现目标客户近期的主要行为数据，并利用关联规则计算获得频繁项集与权益活动任务的关联规则，关联规则能够体现消费数据与权益活动任务的关联性，利用关联规则将频繁项集中的行为数据与权益活动任务进行关联即为信用卡权益活动的达标进度。分组操作、分支操作、关联规则计算及频繁项集中的行为数据与权益活动任务进行关联均为自动化计算，无需手工圈定未达标的客户，降低运营成本。同时设定分组规则进行分组操作、设定分支规则进行分支操作相对于手工圈定准确率更高且处理速度快，降低错误圈定的概率，提升客户满意度。
【附图说明】
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为信用卡权益活动达标进度获取方法步骤流程图；
19.图2为训练预设的机器学习模型步骤流程图；
20.图3为对客户行为数据进行优化的步骤流程图；
21.图4为对优化的客户行为数据进行清洗和格式转换的步骤流程图；
22.图5为对格式转换后的客户行为数据进行聚合的步骤流程图；
23.图6为信用卡权益活动达标进度获取系统结构示意图；
24.其中，601、任务信息获取模块；602、行为数据获取模；603、分组模块；604、分支模块；605、频繁项集获取模块；606、关联计算模块；607、关联模块。
【具体实施方式】
25.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
26.本技术的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或模块。
27.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
28.对于有大额消费需求的客户来说，利用信用卡来消费短期内不能承担的超额消费是一种不错的选择。为促进客户提升信用卡的使用额度和使用频率，银行通常会推出多种信用卡权益活动以刺激客户消费。信用卡权益活动包含很多种活动，例如客户可以享受优惠买一些心仪的物品、新客户可以参与活动并且可以累计积分并在积分商城兑换酒店、本地刷卡享受折扣优惠等。
29.请参阅图1，为本技术第一实施例中一种信用卡权益活动达标进度获取方法的步骤流程图，可降低错误圈定的概率，提升客户满意度，所述方法包括：
30.步骤101、获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；
31.步骤102、根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集；
32.步骤103、根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；
33.步骤104、获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；
34.步骤105、利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；
35.步骤106、利用所述关联规则将所述频繁项集中的行为数据与权益活动任务进行关联获得达标进度。
36.具体的，获取信用卡的权益活动任务信息，权益活动任务信息可以是优惠活动的任务信息、积分兑换的任务信息、礼品赠送的任务信息等，及参与权益活动的客户名单。根据权益活动任务信息收集目标客户的行为数据，具体的，目标客户的行为数据包括消费pos机、银联、支付宝、微信渠道上送的客户的消费行为记录，及信用卡分期系统上送的客户信用卡的分期记录，及手机信用卡管理系统上送的客户访问页面的行为埋点信息。根据预设的分组规则对目标客户的行为数据进行分组得到多个分组行为数据集，例如根据交易金额将目标客户的行为数据分组为小额交易数据、中等额交易数据和大额交易数据，再或者根据交易时间进行分组获得早上交易数据、中午交易数据和晚上交易数据；根据预设的分支规则对各分组行为数据集进行分支得到多个分支行为数据，例如将小额交易数据分支为白天小额交易、中午小额交易和晚上小额交易，将中等额度交易数据分支为白天中等额度交易、中午中等额度交易和晚上中等额度交易，将大额交易数据分支为白天大额交易数据、中午大额交易数据和晚上大额交易数据；获取各分支行为数据集中的频繁项集，频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集，多个单位行为数据构成分支行为数据，例如大额交易数据中的白天大额交易数据、中午大额交易数据和晚上大额交易数据均为单个行为数据；频繁项集可以是各分支行为数据(小额交易数据、中等额交易数据和大额交易数据)中都包含白天交易和晚上
交易这两个行为数据，即小额白天交易数据、小额晚上交易数据、中等额白天交易数据、中等额晚上交易数据、大额白天交易数据和大额晚上交易构成频繁项集；利用关联规则算法计算频繁项集与权益活动任务的关联规则；具体的，通过给出预设的支持度计算频繁项集与权益活动任务的关联规则，支持度用于表征频繁项集中的交易数据与权益活动任务的关联性，如当交易金额在1000元以下时，该消费为小额权益活动任务。利用支持度，可预测当新的交易金额为800元时，其为小额权益活动任务的概率更大。利用关联规则将频繁项集中的行为数据与权益活动任务进行关联获得达标进度，即通过判断频繁项集中的行为数据获取客户的消费行为，并对比权益活动任务规则获得针对权益活动的达标进度，具体的，权益活动任务规则为消费600元，当频繁项集中的行为数据为交易金额为100元、200元和300元时，客户的消费行为数据的交易金额的总和，即为600元，即客户的达标进度为100％；若用户的交易金额为150元时，即客户的达标进度为25％。
37.通过对目标客户的行为数据进行分组操作和分支操作获得频繁项集，频繁项集的数据能够体现目标客户近期的主要行为数据，并利用关联规则计算获得频繁项集与权益活动任务的关联规则，关联规则能够体现消费数据与权益活动任务的关联性，利用关联规则将频繁项集中的行为数据与权益活动任务进行关联即为信用卡权益活动的达标进度。分组操作、分支操作、关联规则计算及频繁项集中的行为数据与权益活动任务进行关联均为自动化计算，无需手工圈定未达标的客户，降低运营成本。同时设定分组规则进行分组操作、设定分支规则进行分支操作相对于手工圈定准确率更高且处理速度快，降低错误圈定的概率，提升客户满意度。
38.在具体实施例中，请参阅图2，所述方法还包括：
39.步骤201、获取样本客户，所述样本客户包括：具有已达标进度的达标客户名单和具有未达标进度的未达标客户名单；
40.步骤202、获得达标客户名单中各客户的第一客户行为数据，获得未达标客户名单中各客户的第二客户行为数据；
41.步骤203、利用所述第一客户行为数据和所述第二客户行为数据对预设的机器学习模型进行训练，直至训练结果满足预设准确率时，结束训练；
42.步骤204、获取待预测客户的行为数据，将所述待预测客户的行为数据输入至训练后的机器学习模型中，获得待预测客户的达标进度；
43.具体的，获取样本客户，样本客户中包含已达标进度的达标客户名单和具有未达标进度的未达标客户名单；获得达标客户名单的第一客户行为数据，获得未达标客户名单的第二客户行为数据；利用第一客户行为数据和第二客户行为数据对预设的机器学习模型进行训练，具体的，使用逻辑回归算法进行第一客户行为数据和第二客户行为数据的初步分类，例如按照交易商户(如购物、酒店、机票、高铁票、日常消费等)进行分类，然后使用随机森林算法进行进一步的分类和特征选择，分类规则可以是交易时间(上午、下午、晚上)、交易金额分布(大额、小额)或交易类型(入账、授权、退款)，特征可以是大额交易中的属性，如(1000-1500的区间、1500-2000的区间)，入账分类时效(t+1入账、实时入账)，直至训练结果满足预设准确率时，结束训练；获取待预测客户行为数据，将待预测客户行为数据输入至训练后的机器学习模型中，获得待预测客户的达标进度。
44.在具体实施例中，利用所述第一客户行为数据和所述第二客户行为数据对预设的
机器学习模型进行训练包括：获取训练数据和验证数据，所述训练数据和所述验证数据均来自与第一客户行为数据和第二客户行为数据，通过利用训练数据对机器学习模型对训练获得预测结果，并将预测结果与验证数据进行交叉验证以调整机器学习模型中的调整参数，以减小机器学习模型的随机误差，提升机器学习模型的准确率。
45.通过利用第一客户行为数据和第二客户行为数据对预设的机器学习模型进行训练，使机器学习模型能够有效的识别出待预测客户的达标进度，提升获取达标进度时间。
46.在具体实施例中，请参阅图3，获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据后，还包括
47.步骤301、对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据；
48.步骤102中根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集，包括：
49.步骤302、根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集。
50.具体的，日期格式可以为yyyy-mm-dd这种年-月-日格式或者yyyy-mm这种年-月格式，货币单位统一为人民币格式。通过对日期进行去重处理、日期格式统一处理和数据校验，及对货币单位进行去重处理、货币单位统一处理和数据校验，规范目标客户的行为数据的文本格式及文本的有效性，提升多个分组行为数据的准确率和有效性。
51.在具体实施例中，数据校验包括数据格式校验、数据逻辑校验和数据完整性校验；数据格式校验为对目标客户的行为数据中的日期格式进行统一性校验，及对目标客户的行为数据中的货币格式进行统一性校验；数据逻辑校验为对目标客户的行为数据中的消费金额和商品数量的关系进行逻辑统一性校验，不通过数据逻辑性校验的目标客户的行为数据被去除；数据完整性校验为校验目标客户的行为数据中每笔消费是否都包含用户信息，若不包含用户信息去除对应的目标客户的行为数据。
52.具体的，数据逻辑校验为对目标客户的行为数据中的消费金额和商品数量的关系进行逻辑统一性校验，例如商品单价为a，消费金额为b，商品数量为c，数据逻辑校验为验证消费金额b与商品数量c的对应关系是否等于商品单价a。
53.通过对目标客户的行为数据进行数据校验，保证分组前的目标客户的行为数据格式统一、逻辑性唯一及保证了目标客户的行为数据的完成性，进而提升后续获得达标进度的精准度。
54.在具体实施例中，请参阅图4，对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据后，还包括：
55.步骤401、对所述优化后的目标行为数据进行数据清洗获得有效行为数据；所述数据清洗为去除所述优化后的目标行为数据中发生退款的消费数据和取消消费的分期数据，及去除所述优化后的目标行为数据中的噪声数据，所述噪声数据为小于预设交易额度的数据及非交易业务范围内的数据；
56.步骤402、将所述有效行为数据转换为预设格式的有效行为数据；所述预设格式为
表格形式或图表形式；
57.步骤302中根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集，包括：
58.步骤403、根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集。
59.具体的，噪声数据可以是消费金额为1分钱的交易、账单分期金额小于1元的生产验证数据等非正常业务范围数据。通过去除发生退款的消费数据和取消消费的分期数据，及去除其中的噪声数据，能够提升分组行为数据集的有效性，降低分组行为数据集中分组的数量，降低关联规则算法的计算量，缩短获取达标进去的时间。
60.在具体实施例中，请参阅图5，步骤402中将所述有效行为数据转换为预设格式的有效行为数据后，还包括：
61.步骤501、利用预设的聚合规则对格式转换后的有效行为数据进行聚合获得多个聚合数据集；
62.步骤403中根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集，包括：
63.步骤502、根据预设的分组规则对各所述聚合数据集进行分组得到多个分组行为数据集。
64.具体的，通过对格式转换后的有效行为数据按照预设的聚合规则进行聚合分类，提升格式转换后的有效行为数据中的数据关联性，便于对分组行为数据集进行分支。
65.在具体实施例中，预设的聚合规则为根据所述对格式转换后的有效行为数据的消费发生时间或消费发生地点对所述格式转换后的有效行为数据进行聚合。具体的，通过设定固定维度对格式转换后的有效行为数据进行聚合，便于针对特定场景的信用卡活动对格式转换后有效行为数据进行分析。
66.在具体实施例中，请参阅图6，本技术第二实施例提供一种信用卡权益活动达标进度获取系统，系统包括：任务信息获取模块601、行为数据获取模602、分组模块603、分支模块604、频繁项集获取模块605、关联计算模块606和关联模块607；任务信息获取模块用于获取信用卡的权益活动任务信息；任务信息获取模块601用于获取信用卡的权益活动任务信息；行为数据获取模块602用于根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；分组模块603用于根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集；分支模块604用于根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；频繁项集获取模块605用于获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；关联计算模块606用于利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；关联模块607用于利用所述关联规则将所述频繁项集中的行为数据与所述权益活动任务进行关联获得所述目标客户的达标进度。
67.通过使用本系统，使分组操作、分支操作、关联规则计算及频繁项集中的行为数据与权益活动任务进行关联均为自动化计算，无需手工圈定未达标的客户，降低运营成本。同时设定分组规则进行分组操作、设定分支规则进行分支操作相对于手工圈定准确率更高且
处理速度快，降低错误圈定的概率，提升客户满意度。
68.在具体实施例中，本技术第三实施例提供一种信用卡权益活动达标进度获取设备，包括存储器和和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本技术第一实施例中任一项所述方法的步骤。通过使用本设备，使分组操作、分支操作、关联规则计算及频繁项集中的行为数据与权益活动任务进行关联均为自动化计算，无需手工圈定未达标的客户，降低运营成本。同时设定分组规则进行分组操作、设定分支规则进行分支操作相对于手工圈定准确率更高且处理速度快，降低错误圈定的概率，提升客户满意度。
69.在具体实施例中，本技术第四实施例提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如本技术第一实时例中任一项所述方法的步骤。
70.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
71.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种信用卡权益活动达标进度获取方法，其特征在于，所述方法包括：获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集；根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；利用所述关联规则将所述频繁项集中的行为数据与所述权益活动任务进行关联获得所述目标客户的达标进度。2.如权利要求1所述的信用卡权益活动达标进度获取方法，其特征在于，所述方法还包括：获取样本客户，所述样本客户包括：具有已达标进度的达标客户名单和具有未达标进度的未达标客户名单；获得达标客户名单中各客户的第一客户行为数据，获得未达标客户名单中各客户的第二客户行为数据；利用所述第一客户行为数据和所述第二客户行为数据对预设的机器学习模型进行训练，直至训练结果满足预设准确率时，结束训练；获取待预测客户的行为数据，将所述待预测客户的行为数据输入至训练后的机器学习模型中，获得待预测客户的达标进度。3.如权利要求1所述的信用卡权益活动达标进度获取方法，其特征在于：所述获取信用卡的权益活动任务信息，根据所述权益活动任务信息收集目标客户的行为数据后，还包括：对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据；所述根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集。4.如权利要求3所述的信用卡权益活动达标进度获取方法，其特征在于：所述数据校验包括数据格式校验、数据逻辑校验和数据完整性校验；所述数据格式校验为对所述目标客户的行为数据中的日期格式进行统一性校验，及对所述目标客户的行为数据中的货币格式进行统一性校验；所述数据逻辑校验为对所述目标客户的行为数据中的消费金额和商品数量的关系进行逻辑统一性校验，不通过数据逻辑性校验的目标客户的行为数据被去除；所述数据完整性校验为校验所述目标客户的行为数据中每笔消费是否都包含用户信息，若不包含用户信息则去除对应的目标客户的行为数据。5.如权利要求3所述的信用卡权益活动达标进度获取方法，其特征在于：所述对所述目标客户的行为数据中的日期进行去重处理、日期格式统一处理和数据校验，及对所述目标
客户的行为数据中的货币单位进行去重处理、货币单位统一处理和数据校验，获得优化后的目标行为数据后，还包括：对所述优化后的目标行为数据进行数据清洗获得有效行为数据；所述数据清洗为去除所述优化后的目标行为数据中发生退款的消费数据和取消消费的分期数据，及去除所述优化后的目标行为数据中的噪声数据，所述噪声数据为小于预设交易额度的数据及非交易业务范围内的数据；将所述有效行为数据转换为预设格式的有效行为数据；所述预设格式为表格形式或图表形式；所述根据预设的分组规则对所述优化后的目标行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集。6.如权利要求5所述的信用卡权益活动达标进度获取方法，其特征在于：所述将所述有效行为数据转换为预设格式的有效行为数据后，还包括：利用预设的聚合规则对格式转换后的有效行为数据进行聚合获得多个聚合数据集；所述根据预设的分组规则对格式转换后的有效行为数据进行分组得到多个分组行为数据集，包括：根据预设的分组规则对各所述聚合数据集进行分组得到多个分组行为数据集。7.如权利要求6所述的信用卡权益活动达标进度获取方法，其特征在于：所述预设的聚合规则为根据所述对格式转换后的有效行为数据的消费发生时间或消费发生地点对所述格式转换后的有效行为数据进行聚合。8.一种信用卡权益活动达标进度获取系统，其特征在于，所述系统包括：任务信息获取模块、行为数据获取模块、分组模块、分支模块、关联计算模块和关联模块；所述任务信息获取模块用于获取信用卡的权益活动任务信息；所述行为数据获取模块用于根据所述权益活动任务信息收集目标客户的行为数据；所述行为数据为参与权益活动任务的单个客户的消费信息；所述分组模块用于根据预设的分组规则对所述目标客户的行为数据进行分组得到多个分组行为数据集；所述分支模块用于根据预设的分支规则对各所述分组行为数据集进行分支得到多个分支行为数据集；所述频繁项集获取模块用于获取各所述分支行为数据集中的频繁项集，所述频繁项集为各所述分支行为数据中的单位行为数据的出现次数高于预设出现次数的所有单位行为数据构成的数据集；所述关联计算模块用于利用关联规则算法计算所述频繁项集与权益活动任务的关联规则；所述关联模块用于利用所述关联规则将所述频繁项集中的行为数据与所述权益活动任务进行关联获得所述目标客户的达标进度。9.一种信用卡权益活动达标进度获取设备，包括存储器和和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如
权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。

技术总结
本申请公开了信用卡权益活动达标进度获取方法及相关装置，通过对目标客户的行为数据进行分组操作和分支操作获得频繁项集，频繁项集的数据能够体现目标客户近期的主要行为数据，并利用关联规则计算获得频繁项集与权益活动任务的关联规则，关联规则能够体现消费数据与权益活动任务的关联性，利用关联规则将频繁项集中的行为数据与权益活动任务进行关联即为信用卡权益活动的达标进度。分组操作、分支操作、关联规则计算及频繁项集中的行为数据与权益活动任务进行关联均为自动化计算，降低运营成本。同时设定分组规则进行分组操作、设定分支规则进行分支操作相对于手工圈定准确率更高且处理速度快，降低错误圈定的概率，提升客户满意度。客户满意度。客户满意度。


技术研发人员：黄超
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.06.02
技术公布日：2023/8/21