卡片激励信息处理方法、装置、设备、介质和程序产品与流程

1.本技术涉及人工智能技术及金融科技领域，特别是涉及一种卡片激励信息处理方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着人工智能技术及金融科技的发展，计算机的数据分析能力得到提高。
3.随之在金融科技领域出现了根据用户的交易量等指标进行用户分级，再基于用户分级结果向用户推送对应级别的卡片激励信息的技术，使得每个等级的用户可以匹配到合适的卡片激励服务。
4.然而，目前技术中提供的卡片激励信息处理方法，在对用户进行分级时所依照的指标较为单一，导致目前技术中卡片激励信息与用户的匹配度较低，浪费了服务器推送卡片激励信息的相关计算资源。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种卡片激励信息处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种卡片激励信息处理方法。所述方法包括：
7.获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；
8.根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；
9.根据所述贡献度得分分布，划分各卡片激励等级；
10.针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；
11.针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；
12.根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；
13.根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。
14.在其中一个实施例中，所述根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布，包括：
15.根据所述贡献度评估权重，对所述各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据所述各样本用户对应的贡献度得分进行贡献度得分排序，得到所述样本用户集合的贡献度得分分布。
16.在其中一个实施例中，所述根据所述贡献度得分分布，划分各卡片激励等级，包
括：
17.获取根据所述样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据所述预设用户数和所述贡献度得分分布，划分所述各卡片激励等级；或者，所述根据所述贡献度得分分布，划分各卡片激励等级，包括：确定为各卡片激励等级分别设置的预设用户比例；根据所述预设用户比例和所述贡献度得分分布，划分所述各卡片激励等级。
18.在其中一个实施例中，所述根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息，包括：
19.根据所述处于同一激励程度等级的各样本用户的卡片使用行为数据，得到所述处于同一激励程度等级的各样本用户对所述每个评估维度的卡片使用行为偏好程度；根据对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。
20.在其中一个实施例中，在根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序之前，还包括：
21.获取所述当前用户的卡片使用行为数据；根据所述当前用户的卡片使用行为数据，得到所述当前用户针对所述每个评估维度的卡片使用行为偏好程度；根据针对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定所述卡片使用行为偏好信息。
22.在其中一个实施例中，所述根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户，包括：
23.根据所述推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户未执行所述第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户执行所述第一卡片激励幅度信息时，向所述当前用户提供所述第一卡片激励幅度信息对应的卡片激励服务；其中，所述第一卡片激励幅度信息的推送优先顺序高于所述第二卡片激励幅度信息。
24.在其中一个实施例中，所述方法还包括：
25.到达所述贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。
26.第二方面，本技术还提供了一种卡片激励信息处理装置。所述装置包括：
27.数据获取模块，用于获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；
28.得分计算模块，用于根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；
29.等级划分模块，用于根据所述贡献度得分分布，划分各卡片激励等级；
30.幅度划分模块，用于针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；
31.等级确定模块，用于针对当前用户，确定所述当前用户在所述各卡片激励等级中
所处的卡片激励等级；
32.顺序确定模块，用于根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；
33.信息推送模块，用于根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。
34.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
35.获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；根据所述贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。
36.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
37.获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；根据所述贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。
38.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
39.获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；根据所述贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。
40.上述卡片激励信息处理方法、装置、计算机设备、存储介质和计算机程序产品，通
过获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布；根据贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息；针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级；根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。
41.在有益效果上：本技术通过定时地获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据，为各样本用户贡献度得分的计算提供了数据支撑，从而通过对贡献度得分进行排序，可以得到样本用户集合的贡献度得分分布；再根据贡献度得分分布，划分各卡片激励等级，并针对每个卡片激励等级，确定各评估维度对应的卡片激励幅度信息，从而极大地丰富了卡片激励的维度和内容，有利于提高卡片激励服务的多样性和匹配度；之后针对当前用户，确定其卡片激励等级，以及所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序，从而大大提高了卡片激励信息与用户实际贡献度的匹配度，并增加了卡片激励信息对用户需求的针对性；最后，根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。综上整个卡片激励信息处理的过程无需大量人工参与，通过人工智能技术配合各样本用户数据，可以全面、充分地评估用户的综合贡献度，从而可以达到的技术效果包括：基于用户的实际综合贡献精确地将用户与相应的卡片激励信息匹配起来，能够充分利用服务器推送卡片激励信息的相关计算资源。
附图说明
42.图1为一个实施例中卡片激励信息处理方法的应用环境图；
43.图2为一个实施例中卡片激励信息处理方法的流程示意图；
44.图3为一个实施例中获取贡献度得分分布步骤的流程示意图；
45.图4为一个实施例中确定卡片激励幅度信息步骤的流程示意图；
46.图5为一个实施例中确定卡片使用行为偏好信息步骤的流程示意图；
47.图6为一个实施例中推送卡片激励幅度信息步骤的流程示意图；
48.图7为另一个实施例中卡片激励信息处理方法的流程示意图；
49.图8为又一个实施例中卡片激励信息处理方法的流程示意图；
50.图9为一个实施例中卡片激励信息处理装置的结构框图；
51.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
52.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
53.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户
授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
54.本技术实施例提供的卡片激励信息处理方法，可以应用于如图1所示的应用环境中。其中，银行客户端101通过网络与服务器102进行通信。数据存储系统可以存储服务器102需要处理的数据。数据存储系统可以集成在服务器102上，也可以放在云上或其他网络服务器上。
55.具体地，本技术实施例提供的卡片激励信息处理方法，可以由服务器102执行。
56.示例性的，服务器102获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布；根据贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息；服务器102针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级；根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。
57.在如图1所示的应用环境中，银行客户端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
58.在一个实施例中，如图2所示，提供了一种卡片激励信息处理方法，以该方法应用于图1中的服务器102为例进行说明，包括以下步骤：
59.步骤s201，获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据。
60.其中，样本用户集合是指在一定时间内统计的多个样本用户，每个样本用户各自均有相应的用户数据，这些数据可以包括在多个评估维度下的贡献度评估数据，该评估维度是指用于评估用户对银行贡献度的维度，可以包括aum(assets under management，资产管理规模)金额、增值服务使用情况、个人积分和活跃度等，而评估维度下的贡献度评估数据是指该维度下的具体数值，以个人积分作为评估维度为例，贡献度评估数据为个人积分的具体数值。
61.具体地，服务器102响应于针对当前用户的卡片激励信息处理请求，确定样本用户集合，并获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据。
62.步骤s202，根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布。
63.其中，在评估维度包括aum金额、贷款金额、消费金额和活跃度的情况下，多个评估维度下的贡献度评估权重可以设置为aum金额(权重a％)、贷款金额(权重b％)、消费金额(权重c％)和活跃度(权重d％)，其中，权重a％至权重d％的和为100％，贡献度得分分布能够直观地反映各样本用户的贡献度得分情况，其表现形式可以为柱状图或雷达图。
64.具体地，服务器102获取预设的多个评估维度下的贡献度评估权重，根据贡献度评估权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本
用户对应的贡献度得分，再汇总形成样本用户集合的贡献度得分分布。
65.步骤s203，根据所述贡献度得分分布，划分各卡片激励等级。
66.其中，卡片激励等级可以是优惠政策等级，如一级会员、二级会员和三级会员等，划分的标准可以是贡献度得分排序前x％名的用户为一级会员，贡献度得分排序x％-y％名之间的用户为二级会员，贡献度得分排序后z％的用户为三级会员。
67.具体地，服务器102在多种卡片激励等级划分条件中确定目标划分条件，根据目标划分条件和贡献度得分分布，划分各卡片激励等级，得到卡片激励等级划分结果。
68.举例说明，若目标划分条件为根据预设用户比例划分各卡片激励等级，则终端先确定为各卡片激励等级分别设置的预设用户比例；再根据预设用户比例和贡献度得分分布，划分各卡片激励等级，得到卡片激励等级划分结果。
69.步骤s204，针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息。
70.其中，卡片使用行为数据包括但不限于用户针对该卡片的贷款金额、交易数据和消费数据等方面的具体数值，以贷款金额作为其中一个卡片使用行为数据为例，卡片使用行为数据可以包括贷款金额的具体数值；卡片激励幅度信息可以包含卡片激励幅度的相对大小关系，如信用卡积分优惠幅度、贷款利率优惠幅度和增值服务的数量等。
71.具体地，服务器102针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，识别出处于同一激励程度等级的各样本用户对每个评估维度的卡片使用行为偏好程度，并将该卡片使用行为偏好程度量化成具体数值；根据对每个评估维度的卡片使用行为偏好程度对应数值的相对大小，确定每个评估维度对应的卡片激励幅度信息。
72.举例说明，根据持卡人a的卡片激励等级，银行向其提供相应的卡片激励服务，如：三级会员可享受基本利率、标准手续费；二级会员可享受利率优惠、手续费减免、专属客服等；一级会员可享受更高利率优惠、更多手续费减免、优先办理业务等。
73.步骤s205，针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级。
74.其中，当前用户是指卡片激励信息处理的应用对象，当前用户可以是一个或者多个。
75.具体地，服务器102针对当前用户，获取当前用户多个评估维度下的贡献度评估数据，并得到当前用户的贡献度得分，根据贡献度得分，确定当前用户在各卡片激励等级中所处的卡片激励等级。
76.步骤s206，根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序。
77.其中，卡片使用行为偏好信息可以包括用户针对每个评估维度的卡片使用行为偏好程度的相对大小；推送优先顺序高的卡片激励幅度信息比推送优先顺序低的卡片激励幅度信息先进行推送。
78.具体地，服务器102根据当前用户的卡片使用行为偏好信息，识别出当前用户在所处的卡片激励等级中每个评估维度对应的卡片使用行为的需求程度，根据需求程度，确定每个评估维度对应的卡片激励幅度信息的推送优先顺序。
79.步骤s207，根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。
80.具体地，服务器102根据推送优先顺序的相对高低关系，生成包含卡片激励幅度信息的卡片信息，并将该卡片信息按照推送优先顺序发送至当前用户。
81.上述卡片激励信息处理方法中，通过获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布；根据贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息；针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级；根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。
82.在有益效果上：本技术实施例通过定时地获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据，为各样本用户贡献度得分的计算提供了数据支撑，从而通过对贡献度得分进行排序，可以得到样本用户集合的贡献度得分分布；再根据贡献度得分分布，划分各卡片激励等级，并针对每个卡片激励等级，确定各评估维度对应的卡片激励幅度信息，从而极大地丰富了卡片激励的维度和内容，有利于提高卡片激励服务的多样性和匹配度；之后针对当前用户，确定其卡片激励等级，以及所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序，从而大大提高了卡片激励信息与用户实际贡献度的匹配度，并增加了卡片激励信息对用户需求的针对性；最后，根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。综上整个卡片激励信息处理的过程无需大量人工参与，通过人工智能技术配合各样本用户数据，可以全面、充分地评估用户的综合贡献度，从而可以达到的技术效果包括：基于用户的实际综合贡献精确地将用户与相应的卡片激励信息匹配起来，能够充分利用服务器推送卡片激励信息的相关计算资源。
83.在其中一个实施例中，如图3所示，上述步骤s202中，根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布，具体包括如下步骤：
84.步骤s301，根据贡献度评估权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分。
85.步骤s302，根据各样本用户对应的贡献度得分进行贡献度得分排序，得到样本用户集合的贡献度得分分布。
86.其中，加权处理是指根据贡献度评估数据各自所占的权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权计算。
87.具体地，服务器102获取预设的多个评估维度下的贡献度评估权重，根据贡献度评估权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据各样本用户对应的贡献度得分进行贡献度得分排序，基于贡献度得分排序结果，得到样本用户集合的贡献度得分分布。
88.举例说明，假设某银行设定了以下贡献度评价指标：aum金额(权重a％)、贷款金额(权重b％)、消费金额(权重c％)和活跃度(权重d％)，银行获得多个持卡人的交易数据，并
根据评价指标分别计算每个持卡人的贡献度得分；再对各持卡人的贡献度得分进行贡献度得分排序，得到贡献度得分分布。
89.本实施例中，通过根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布；从而在配置了贡献度评估权重的条件下对贡献度评估数据进行加权计算，可以准确地得到各样本用户对应的贡献度得分，进而对贡献度得分进行排序，由此可以有效地得到样本用户集合的贡献度得分分布。
90.在其中一个实施例中，上述步骤s203中，根据贡献度得分分布，划分各卡片激励等级，具体包括如下步骤：获取根据样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据预设用户数和贡献度得分分布，划分各卡片激励等级。
91.根据贡献度得分分布，划分各卡片激励等级，还包括如下步骤：确定为各卡片激励等级分别设置的预设用户比例；根据预设用户比例和贡献度得分分布，划分各卡片激励等级。
92.其中，预设用户数和预设用户比例可由人工预先设定，并可根据实际情况进行调整；举例说明，贡献度得分排序前100名的用户为一级会员，贡献度得分排序100-200名之间的用户为二级会员，贡献度得分排序200-300名之间的用户为三级会员等；贡献度得分排序前25％名的用户为一级会员，贡献度得分排序25％-50％名之间的用户为二级会员，贡献度得分排序50％-75％名之间的用户为三级会员等。
93.具体地，服务器102获取根据样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据预设用户数和贡献度得分分布，划分各卡片激励等级，得到卡片激励等级划分结果。
94.进一步地，服务器102根据贡献度得分分布，划分各卡片激励等级，还包括如下步骤：确定为各卡片激励等级分别设置的预设用户比例；根据预设用户比例和贡献度得分分布，划分各卡片激励等级，得到卡片激励等级划分结果。
95.本实施例中，通过不同的卡片激励等级划分标准划分各卡片激励等级，有利于增加卡片激励等级划分方式的多样性，并可根据不同的场景适应性选择相应的划分方式。
96.在其中一个实施例中，如图4所示，上述步骤s204中，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息，具体包括如下步骤：
97.步骤s401，根据处于同一激励程度等级的各样本用户的卡片使用行为数据，得到处于同一激励程度等级的各样本用户对每个评估维度的卡片使用行为偏好程度。
98.步骤s402，根据对每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。
99.其中，卡片使用行为偏好程度可以是用户对某一评估维度对应的卡片使用行为的需求程度或喜好程度。
100.具体地，服务器102对处于同一激励程度等级的各样本用户的卡片使用行为数据进行统计分析，根据数据统计结果，得到处于同一激励程度等级的各样本用户对每个评估维度的卡片使用行为偏好程度；比较对每个评估维度的卡片使用行为偏好程度的相对大小，根据偏好程度的比较结果，确定每个评估维度对应的卡片激励幅度信息。
101.本实施例中，通过根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息，从而极大地丰富了卡片激励的维度和内容，有利于提高卡片激励服务的多样性和匹配度。
102.在其中一个实施例中，如图5所示，在根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序之前，还包括如下步骤：
103.步骤s501，获取当前用户的卡片使用行为数据。
104.步骤s502，根据当前用户的卡片使用行为数据，得到当前用户针对每个评估维度的卡片使用行为偏好程度。
105.步骤s503，根据针对每个评估维度的卡片使用行为偏好程度的相对大小，确定卡片使用行为偏好信息。
106.其中，卡片使用行为数据是指当前用户的aum、贷款金额、交易数据、消费数据等数据的集合。
107.具体地，服务器102获取当前用户的卡片使用行为数据；对当前用户的卡片使用行为数据进行分析，根据分析结果，得到当前用户针对每个评估维度的卡片使用行为偏好程度；根据针对每个评估维度的卡片使用行为偏好程度的相对大小，确定卡片使用行为偏好信息。
108.本实施例中，通过根据当前用户的卡片使用行为数据，得到当前用户针对每个评估维度的卡片使用行为偏好程度；再根据针对每个评估维度的卡片使用行为偏好程度的相对大小，确定卡片使用行为偏好信息，有利于提高卡片激励服务的匹配度和针对性，并为推送优先顺序的确定提供数据支撑。
109.在其中一个实施例中，如图6所示，上述步骤s207中，根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户，具体包括如下步骤：
110.步骤s601，根据推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户。
111.步骤s602，当前用户未执行第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户。
112.步骤s603，当前用户执行第一卡片激励幅度信息时，向当前用户提供第一卡片激励幅度信息对应的卡片激励服务；其中，第一卡片激励幅度信息的推送优先顺序高于第二卡片激励幅度信息。
113.其中，第一卡片激励幅度信息的推送优先顺序最高，当前用户对其的偏好程度最大。
114.具体地，服务器102根据推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户；实时监测第一卡片激励幅度信息的执行情况，在监测到当前用户未执行第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户；在监测到当前用户执行第一卡片激励幅度信息时，向当前用户提供第一卡片激励幅度信息对应的卡片激励服务；其中，第一卡片激励幅度信息的推送优先顺序高于第二卡片激励幅度信息。
115.本实施例中，通过根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息
至当前用户，可以精确地将用户对银行的实际贡献度与相应的待实施优惠政策匹配起来，针对性地满足了用户的个性化需求。
116.在其中一个实施例中，还包括如下步骤：
117.到达贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。
118.其中，贡献度得分分布的更新周期可由人工预先设定，并可根据实际情况进行调整。
119.具体地，终端在识别到到达贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。
120.举例说明，银行定期对贡献度得分分布以及持卡人a的贡献度得分进行更新，并综合更新后的贡献度得分分布和贡献度得分调整持卡人a的优惠政策等级。例如，持卡人a原为二级会员，经过一段时间后，他的贡献度得分在更新后的贡献度得分分布中提高至一级会员范围内，银行将相应调整其优惠政策等级，并向其提供一级会员级别的优惠服务。
121.本实施例中，通过到达贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布；从而增强了卡片激励的时效性，并进一步提高了卡片激励与用户实际贡献度的匹配度。
122.在一个实施例中，如图7所示，还提供了一种卡片激励信息处理方法，具体包括以下步骤：
123.步骤s701，获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据。
124.步骤s702，根据贡献度评估权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据各样本用户对应的贡献度得分进行贡献度得分排序，得到样本用户集合的贡献度得分分布。
125.步骤s703，获取根据样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据预设用户数和贡献度得分分布，划分各卡片激励等级。
126.步骤s704，确定为各卡片激励等级分别设置的预设用户比例；根据预设用户比例和贡献度得分分布，划分各卡片激励等级。
127.步骤s705，根据处于同一激励程度等级的各样本用户的卡片使用行为数据，得到处于同一激励程度等级的各样本用户对每个评估维度的卡片使用行为偏好程度；根据对每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。
128.步骤s706，针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级。
129.步骤s707，获取当前用户的卡片使用行为数据；根据当前用户的卡片使用行为数据，得到当前用户针对每个维度的卡片使用行为偏好程度；根据针对每个维度的卡片使用行为偏好程度的相对大小，确定卡片使用行为偏好信息。
130.步骤s708，根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序。
131.步骤s709，根据推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将
该卡片信息发送至当前用户；当前用户未执行所述第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户；当前用户执行第一卡片激励幅度信息时，向当前用户提供第一卡片激励幅度信息对应的卡片激励服务。
132.步骤s710，到达贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。
133.本实施例的卡片激励信息处理方法，通过定时地获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据，为各样本用户贡献度得分的计算提供了数据支撑，从而通过对贡献度得分进行排序，可以得到样本用户集合的贡献度得分分布；再根据贡献度得分分布，划分各卡片激励等级，并针对每个卡片激励等级，确定各评估维度对应的卡片激励幅度信息，从而极大地丰富了卡片激励的维度和内容，有利于提高卡片激励服务的多样性和匹配度；之后针对当前用户，确定其卡片激励等级，以及所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序，从而大大提高了卡片激励信息与用户实际贡献度的匹配度，并增加了卡片激励信息对用户需求的针对性；最后，根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。综上整个卡片激励信息处理的过程无需大量人工参与，通过人工智能技术配合各样本用户数据，可以全面、充分地评估用户的综合贡献度，从而可以达到的技术效果包括：基于用户的实际综合贡献精确地将用户与相应的卡片激励信息匹配起来，能够充分利用服务器推送卡片激励信息的相关计算资源。
134.为了更清晰阐明本技术实施例提供的卡片激励信息处理方法，以下以一个具体的实施例对该卡片激励信息处理方法进行具体说明。在一个实施例中，如图8所示，本技术还提供了一种卡片激励信息处理方法，具体包括以下步骤：
135.设置贡献度评价指标：银行客户端根据自身业务需求，设定贡献度评价指标，包含但不限于贷款金额、信用卡消费金额、信用卡消费笔数等，支持配置各数据的权重。
136.设置卡片激励等级：银行客户端根据持卡人贡献度得分，设定不同的得分对应级别，持卡人划分为不同的卡片激励等级，如一级会员、二级会员、三级会员等。
137.确定卡片激励幅度信息：银行客户端为不同的卡片激励等级的用户，配置有针对性的卡片激励幅度，如信用卡积分优惠、存款利率优惠、贷款利率优惠等。
138.收集持卡人数据：采集系统收集持卡人的aum、贷款、交易数据、消费数据等，用于贡献度计算。
139.计算持卡人贡献度：计算系统根据银行客户端设置的贡献度评价指标，以及设置的卡片激励等级，对持卡人数据进行加权计算，得出持卡人的贡献度得分，以及持卡人所属的卡片激励等级。
140.推送激励信息：激励系统根据持卡人的卡片激励等级，向其推送相应的激励信息。
141.使用激励：在持卡人使用该激励信息对应的激励时，激励系统执行相应的激励，如信用卡积分优惠、存贷款利率优惠、增值服务、手续费减免、专属客服、优先办理业务等。
142.定期重新计算持卡人卡片激励等级：计算系统定期对持卡人的贡献度得分进行更新，并根据更新后的贡献度得分调整持卡人的卡片激励等级，确保卡片激励等级与持卡人贡献度的匹配性。
143.上述实施例带来的有益效果如下：
144.(1)提高用户贡献度评估的准确性：通过设定更为综合和全面的贡献度评价指标，支持对指标配置不同的权重，可以更精确地评估用户的贡献度，同时在卡片激励实施后，支持实施结果的观察，确保卡片激励与用户匹配性。
145.(2)实现个性化卡片激励：通过计算持卡人贡献度得分、设定卡片激励等级等步骤，可以为持卡人提供更加个性化的卡片激励，针对性地满足用户卡片激励的个性化需求。
146.(3)动态调整卡片激励等级：通过银行系统定期对持卡人的贡献度得分进行更新，并根据更新后的贡献度得分调整持卡人的卡片激励等级，进一步提高了卡片激励与用户的匹配度。
147.(4)提高卡片激励与用户的匹配度：结合人工智能技术，针对不同卡片激励等级的持卡人，制定有针对性的卡片激励信息，从而基于持卡人的贡献度精确地将用户和相应的卡片激励信息匹配起来。
148.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
149.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的卡片激励信息处理方法的卡片激励信息处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个卡片激励信息处理装置实施例中的具体限定可以参见上文中对于卡片激励信息处理方法的限定，在此不再赘述。
150.在一个实施例中，如图9所示，提供了一种卡片激励信息处理装置，包括：
151.数据获取模块901，用于获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；
152.得分计算模块902，用于根据预设的多个评估维度下的贡献度评估权重和各样本用户各自多个评估维度下的贡献度评估数据，得到样本用户集合的贡献度得分分布；
153.等级划分模块903，用于根据贡献度得分分布，划分各卡片激励等级；
154.幅度划分模块904，用于针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息；
155.等级确定模块905，用于针对当前用户，确定当前用户在各卡片激励等级中所处的卡片激励等级；
156.顺序确定模块906，用于根据当前用户的卡片使用行为偏好信息，确定所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；
157.信息推送模块907，用于根据推送优先顺序，推送各评估维度对应的卡片激励幅度信息至当前用户。
158.在一个实施例中，得分计算模块902，还用于根据贡献度评估权重，对各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据各样本用户对应的贡献度得分进行贡献度得分排序，得到样本用户集合的贡献度
得分分布。
159.在一个实施例中，等级划分模块903，还用于获取根据样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据预设用户数和贡献度得分分布，划分各卡片激励等级。或者，等级划分模块903，还用于确定为各卡片激励等级分别设置的预设用户比例；根据预设用户比例和贡献度得分分布，划分各卡片激励等级。
160.在一个实施例中，幅度划分模块904，还用于根据处于同一激励程度等级的各样本用户的卡片使用行为数据，得到处于同一激励程度等级的各样本用户对每个评估维度的卡片使用行为偏好程度；根据对每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。
161.在一个实施例中，卡片激励信息处理装置还包括偏好获取模块，用于获取当前用户的卡片使用行为数据；根据当前用户的卡片使用行为数据，得到当前用户针对每个评估维度的卡片使用行为偏好程度；根据针对每个评估维度的卡片使用行为偏好程度的相对大小，确定卡片使用行为偏好信息。
162.在一个实施例中，信息推送模块907，还用于根据推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户；当前用户未执行第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至当前用户；当前用户执行第一卡片激励幅度信息时，向当前用户提供第一卡片激励幅度信息对应的卡片激励服务；其中，第一卡片激励幅度信息的推送优先顺序高于第二卡片激励幅度信息。
163.在一个实施例中，卡片激励信息处理装置还包括信息更新模块，用于到达贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。
164.上述卡片激励信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
165.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储贡献度评估数据、卡片激励幅度信息和推送优先顺序等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种卡片激励信息处理方法。本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
166.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
167.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
168.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
169.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
170.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。
171.以上所述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，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种卡片激励信息处理方法，其特征在于，所述方法包括：获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；根据所述贡献度得分分布，划分各卡片激励等级；针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。2.根据权利要求1所述的方法，其特征在于，所述根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布，包括：根据所述贡献度评估权重，对所述各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据所述各样本用户对应的贡献度得分进行贡献度得分排序，得到所述样本用户集合的贡献度得分分布。3.根据权利要求2所述的方法，其特征在于，所述根据所述贡献度得分分布，划分各卡片激励等级，包括：获取根据所述样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据所述预设用户数和所述贡献度得分分布，划分所述各卡片激励等级；或者，所述根据所述贡献度得分分布，划分各卡片激励等级，包括：确定为各卡片激励等级分别设置的预设用户比例；根据所述预设用户比例和所述贡献度得分分布，划分所述各卡片激励等级。4.根据权利要求1所述的方法，其特征在于，所述根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息，包括：根据所述处于同一激励程度等级的各样本用户的卡片使用行为数据，得到所述处于同一激励程度等级的各样本用户对所述每个评估维度的卡片使用行为偏好程度；根据对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。5.根据权利要求1所述的方法，其特征在于，在根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序之前，还包括：获取所述当前用户的卡片使用行为数据；根据所述当前用户的卡片使用行为数据，得到所述当前用户针对所述每个评估维度的卡片使用行为偏好程度；
根据针对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定所述卡片使用行为偏好信息。6.根据权利要求1所述的方法，其特征在于，所述根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户，包括：根据所述推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户未执行所述第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户执行所述第一卡片激励幅度信息时，向所述当前用户提供所述第一卡片激励幅度信息对应的卡片激励服务；其中，所述第一卡片激励幅度信息的推送优先顺序高于所述第二卡片激励幅度信息。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：到达所述贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。8.一种卡片激励信息处理装置，其特征在于，所述装置包括：数据获取模块，用于获取样本用户集合中各样本用户各自多个评估维度下的贡献度评估数据；得分计算模块，用于根据预设的所述多个评估维度下的贡献度评估权重和所述各样本用户各自多个评估维度下的贡献度评估数据，得到所述样本用户集合的贡献度得分分布；等级划分模块，用于根据所述贡献度得分分布，划分各卡片激励等级；幅度划分模块，用于针对每个卡片激励等级，根据处于同一卡片激励等级的各样本用户的卡片使用行为数据，确定各所述评估维度对应的卡片激励幅度信息；等级确定模块，用于针对当前用户，确定所述当前用户在所述各卡片激励等级中所处的卡片激励等级；顺序确定模块，用于根据所述当前用户的卡片使用行为偏好信息，确定所述所处的卡片激励等级中每个评估维度对应的卡片激励幅度信息的推送优先顺序；信息推送模块，用于根据所述推送优先顺序，推送各评估维度对应的卡片激励幅度信息至所述当前用户。9.根据权利要求8所述的装置，其特征在于，所述得分计算模块，还用于根据所述贡献度评估权重，对所述各样本用户各自多个评估维度下的贡献度评估数据进行加权处理，得到各样本用户对应的贡献度得分；根据所述各样本用户对应的贡献度得分进行贡献度得分排序，得到所述样本用户集合的贡献度得分分布。10.根据权利要求8所述的装置，其特征在于，所述等级划分模块，还用于获取根据所述样本用户集合中包含的各样本用户的数量为各卡片激励等级分别设置的预设用户数；根据所述预设用户数和所述贡献度得分分布，划分所述各卡片激励等级；或者，还用于确定为各卡片激励等级分别设置的预设用户比例；根据所述预设用户比例和所述贡献度得分分布，划分所述各卡片激励等级。11.根据权利要求8所述的装置，其特征在于，所述幅度划分模块，还用于根据所述处于同一激励程度等级的各样本用户的卡片使用行为数据，得到所述处于同一激励程度等级的
各样本用户对所述每个评估维度的卡片使用行为偏好程度；根据对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定每个评估维度对应的卡片激励幅度信息。12.根据权利要求8所述的装置，其特征在于，所述卡片激励信息处理装置还包括偏好信息获取模块，用于获取所述当前用户的卡片使用行为数据；根据所述当前用户的卡片使用行为数据，得到所述当前用户针对所述每个评估维度的卡片使用行为偏好程度；根据针对所述每个评估维度的卡片使用行为偏好程度的相对大小，确定所述卡片使用行为偏好信息。13.根据权利要求8所述的装置，其特征在于，所述信息推送模块，还用于根据所述推送优先顺序，生成包含第一卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户未执行所述第一卡片激励幅度信息时，生成包含第二卡片激励幅度信息的卡片信息，并将该卡片信息发送至所述当前用户；所述当前用户执行所述第一卡片激励幅度信息时，向所述当前用户提供所述第一卡片激励幅度信息对应的卡片激励服务；其中，所述第一卡片激励幅度信息的推送优先顺序高于所述第二卡片激励幅度信息。14.根据权利要求8至13任一项所述的装置，其特征在于，所述卡片激励信息处理装置还包括信息更新模块，用于到达所述贡献度得分分布的更新周期时，重新确定样本用户集合，并根据该重新确定的样本用户集合获取对应的贡献度得分分布。15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。17.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种卡片激励信息处理方法、装置、设备、介质和程序产品，涉及人工智能技术及金融科技领域。本申请能够精确地将用户与相应的卡片激励信息匹配，充分运用服务器推送卡片激励信息的相关计算资源。该方法包括：获取各样本用户的贡献度评估数据；根据预设的多个评估维度下的贡献度评估权重和贡献度评估数据，得到样本用户集合的贡献度得分分布；根据贡献度得分分布，划分各卡片激励等级；针对每个等级，根据各样本用户的卡片使用行为数据，确定各评估维度对应的卡片激励幅度信息；针对当前用户，确定当前用户的卡片激励等级；根据当前用户的卡片使用行为偏好信息，确定卡片激励幅度信息的推送优先顺序；推送卡片激励幅度信息至当前用户。至当前用户。至当前用户。


技术研发人员：吴双 简志枰 蒋吉荣 王晓鹏 杜智铨 黄文琳
受保护的技术使用者：建信金融科技有限责任公司
技术研发日：2023.06.12
技术公布日：2023/9/12