(19)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 202210915325.7 (22)申请日 2022.08.01 (71)申请人 睿智合创 （北京） 科技有限公司 地址 100000 北京市密云区鼓楼东大街3号 山水大厦3层313室-2 360(云创谷经济 开发中心集中办公区) (72)发明人 陈建　陈亚娟　周盈　王莹　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 30/02(2012.01) (54)发明名称 一种基于客户信用的客户动态定价方法 (57)摘要 本发明提供了一种基于客户信用的客户动 态定价方法， 包括： S1： 获取待定价产品和相关用 户信息以及相关产品信息； S2： 基于所述相关用 户信息和所述相关产品信息筛选出目标客户群 体； S3： 基于所述目标客户群体中每个目标客户 的历史行为信息和 信用评价模型， 确定出风险系 数； S4： 构建出每个目标客户对应的以价格为变 量的目标函数； S5： 求解满足约束条件时的目标 函数最优解， 将所述目标函数最优解作为对应目 标客户的最终定价； 用以根据不同的产品筛选目 标客户群体， 再利用预测模型预测客户风险， 同 时构建客户在不同价格下的业务目标函数， 并通 过最优化求解满足业务策略的限制条件下的目 标函数最大化， 从而计算出目标函数最优的一客 一价的定价。 权利要求书3页 说明书13页 附图2页 CN 115439208 A 2022.12.06 CN 115439208 A 1.一种基于客户信用的客户动态定价方法， 其特 征在于， 包括： S1： 获取待定价产品和所述待定价产品的相关用户信息和相关产品信息； S2： 基于所述相关用户信息和所述相关产品信息 筛选出目标客户群 体； S3： 基于所述目标客户群体中每个目标客户的历史行为信息和信用评价模型， 确定出 每个目标客户的信用分数， 基于所述信用分数确定出风险系数； S4： 基于每个目标客户的风险系数和在不同价格下的响应数据以及所述待定价产品的 资金成本， 构建出每 个目标客户对应的以价格为变量的目标函数； S5： 求解满足约束条件时的目标函数最优解， 将所述目标函数最优解作为对应目标客 户的最终定价。 2.根据权利要求1所述的一种基于客户信用的客户动态定价方法， 其特征在于， S1： 获 取待定价产品和所述待定价产品的相关用户信息和相关产品信息， 包括： S101： 获取 所述待定价产品的预测客户群 体的历史 交易信息作为相关用户信息； S102： 获取所述待定价产品的交易金额、 分期项目信息、 用户历史活动信息作为相关产 品信息。 3.根据权利要求2所述的一种基于客户信用的客户动态定价方法， 其特征在于， S2： 基 于所述相关用户信息和所述相关产品信息 筛选出目标客户群 体， 包括： S201： 确定出 所述用户历史 活动信息中的第一用户； S202： 基于所述相关用户信息和所述相关产品信息确定出用户筛 选条件； S203： 基于所述用户筛 选条件在所述预测客户群 体中筛选出第二用户； S204： 将所述第一用户和所述第二用户汇总， 获得目标客户群 体。 4.根据权利要求3所述的一种基于客户信用的客户动态定价方法， 其特征在于， S202： 基于所述相关用户信息和所述相关产品信息确定出用户筛 选条件， 包括： 基于所述相关用户信 息确定出对应的预测客户群体的历史交易信 息， 基于所述历史交 易信息构建出所述预测客户群体中每个预测客户的历史交易记录线程， 将所有预测客户的 历史交易记录线程汇总， 获得第一记录线程 集合； 基于所述用户历史活动信 息构建出每个历史用户的交易活动记录线程， 将所有历史用 户的交易活动记录线程汇总， 获得第二记录线程 集合； 基于所述相关产品信息确定出 所述待定价产品的产品属性和对应的产品属性范围； 在所述第一记录线程集合中提取出满足每个产品属性的产品属性范围的部分历史交 易记录线程， 获得每 个产品属性的第三记录线程 集合； 在所述第二记录线程集合中提取出满足每个产品属性的产品属性范围的交易活动记 录线程， 获得每 个产品属性的第四记录线程 集合； 将所述第三记录线程集合和第四记录线程集合按照产品属性进行对齐汇总， 获得每个 产品属性的综合线程集合， 对所述综合线程集合中包含的记录线程对应的交易记录信息进 行共性提取， 获得第一共性条件； 确定出所述综合线程集合中包含的记录线程对应的客户群体， 基于对应产品属性确定 关联用户信息属性； 提取出所述客户群体中每个客户的关联用户信 息属性对应的关联用户信 息， 对所述客 户群体中每个客户的关联用户信息进行共性 提取， 获得第二共性条件；权　利　要　求　书 1/3 页 2 CN 115439208 A 2调取出所述综合线程集合中包含的记录线程的相邻交易线程， 基于第 一共性条件确定 出约束属性， 在所述相邻交易线程中提取 出满足所述约束属性的相邻交易信息； 挖掘出所述交易记录信 息和对应相邻交易信 息之间的关联信 息， 对所述综合线程集合 中包含的关联信息进行综合分析， 获得第三共性条件； 将所述第一共性条件和所述第 二共性条件以及所述第 三共性条件汇总， 获得每个产品 属性的综合共性条件； 对所述待定价产品的所有产品属性对应的综合共性条件进行隐形挖掘， 获得用户筛选 条件。 5.根据权利要求4所述的一种基于客户信用的客户动态定价方法， 其特征在于， 对所述 待定价产品的所有产品属性对应的综合共性条件进行隐形挖掘， 获得用户筛 选条件， 包括： 将所有产品属性的综合线程集合汇总， 获得线程总集， 统计出所述线程总集中满足对 应产品属性的综合共性条件的线程对应的第一客户总数， 将所述预测客户群体和所有历史 用户汇总获得客户总群 体， 确定出 所述客户总群 体的第二 客户总数； 基于所述第一 客户总数和所述第二 客户总数， 确定出对应综合共性条件的支持度； 基于所述综合共性条件确定出共性阈值， 基于所述共性阈值和对应的支持度计算出对 应产品属性的共性支持度； 在所述线程总集中筛 选出对应产品属性满足对应共性支持度的第一线程 集合； 基于产品属性关联规则列表， 确定出与所述产品属性存在关联规则的关联产品属性， 并基于所述关联规则确定出所述产品属性和对应关联产品属性之 间的关联度， 基于所述关 联度和所述共性支持度计算出关联共性支持度； 在所述线程总集中筛 选出产品属性满足对应关联共性支持度的第二线程 集合； 基于所述第一线程集合对应的第三客户总数和所述第二线程集合对应的第四客户总 数， 确定出对应产品属性的客户提升度； 判断所有产品属性的客户提升度是否都满足客户提升度阈值， 若是， 则将所述产品属 性关联规则列表当作最终关联规则列表； 否则， 确定出客户提升度不满足客户提升度阈值的目标产品属性， 将与所述目标产品 属性的关联度最小的关联规则删除， 获得所述 目标产品属 性对应的最新关联规则列表， 基 于所述最新关联规则列 表计算出最新关联共性支持度， 直至基于所述最新关联共性支持度 确定出的最新客户提升度满足所述客户提升度阈值时， 则基于所述最新关联规则列 表确定 出最终关联规则列表； 基于所述最终关联规则列表中包含的最新关联规则， 将所述综合共性条件中存在最新 关联规则的产品属性对应的共性条件进行关联合并， 获得用户筛 选条件； 其中， 共性条件即为： 所述第一共性条件或所述第二共性条件或所述第三共性条件。 6.根据权利要求1所述的一种基于客户信用的客户动态定价方法， 其特征在于， S3： 基 于所述目标客户群体中每个目标客户的历史行为信息和信用评价模型， 确定出每个目标客 户的信用分数， 基于所述信用分数确定出风险系数， 包括： 基于所述目标客户群体中每个目标客户的历史行为信 息， 确定出每个目标客户对应的 信用评价属性特 征数据； 将所述信用评价属性特征数据输入至所述信用评价模型， 获得对应目标客户的信用分权　利　要　求　书 2/3 页 3 CN 115439208 A 3