基于運營商大數據的ETC獲客方法以及裝置制造方法及圖紙

本公開是關于一種基于運營商大數據的ETC獲客方法、裝置、電子設備以及存儲介質。其中，該方法包括：在運營商大數據中選取多組車主特征信息，生成特征指標集；通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。本公開通過基于運營商大數據分析處理，生成高ETC意向人群，可以更好的發揮促銷價值。

Etc customer acquisition method and device based on operator big data

The present disclosure relates to an etc customer acquisition method, device, electronic device and storage medium based on operator big data. Among them, the method includes: selecting multiple groups of vehicle owner's characteristic information from the operator's big data to generate characteristic indicator set; calculating the correlation of multiple groups of vehicle owner's characteristic information in the characteristic indicator set through preset algorithm, if the correlation is greater than the first preset value, it is defined as strong correlation attribute and removed from the characteristic indicator set; removing the strong correlation attribute, the characteristic indicator The target set is decentralized and sorted according to the eigenvalue, and the index column sorted by the first and second preset values is selected as the final eigenvalue; based on the preset evaluation algorithm, an intention crowd recognition model is established, and the final eigenvalue is used as the input to train and evaluate the generation of etc intention crowd. Through the analysis and processing of operators' big data, the disclosure generates high etc intention groups, which can better play the promotion value.

【技術實現步驟摘要】
基于運營商大數據的ETC獲客方法以及裝置
本公開涉及大數據處理領域，具體而言，涉及一種基于運營商大數據的ETC獲客方法、裝置、電子設備以及計算機可讀存儲介質。
技術介紹
ETC(ElectronicTollCollection)是不停車收費系統，為目前世界上最先進的路橋收費方式。通過安裝在車輛擋風玻璃上的車載電子標簽與在收費站ETC車道上的微波天線之間的微波專用短程通訊，利用計算機聯網技術與銀行進行后臺結算處理，從而達到車輛通過路橋收費站不需停車而能交納路橋費的目的。“兩年內基本取消全國高速公路省屆收費站”的政策形勢下，銀行承擔著車輛安裝ETC的任務。受限于銀行數據的單一性與局限性，需求借助運營商大數據對這部分ETC需求用戶進行精準觸達。因此，需要一種或多種方法解決上述問題。需要說明的是，在上述
技術介紹
部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
本公開的目的在于提供一種基于運營商大數據的ETC獲客方法、裝置、電子設備以及計算機可讀存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或者多個問題。根據本公開的一個方面，提供一種基于運營商大數據的ETC獲客方法，包括：特征指標集選取步驟，在運營商大數據中選取多組車主特征信息，生成特征指標集，其中所述車主特征信息包括但不限于基礎信息、行為特征、金融特征、位置特征；強相關屬性去除步驟，通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；最終特征值選取步驟，將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；ETC意向人群生成步驟，基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。在本公開的一種示例性實施例中，所述特征指標集選取步驟還包括：所述車主特征信息的基礎信息包括但不限于性別、年齡、職業特征、是否家庭主號、信用分；所述車主特征信息的行為特征包括但不限于是否汽車愛好者、汽車類短信頻次、地圖類APP是否安裝、地圖類APP日均使用情況、用戶到其近1年頻繁漫游地最便捷交通方式、依次出現在高速入、出口頻次、出行方式偏好；所述車主特征信息的金融特征包括但不限于是否有穩定工資發放日、收入等級、消費等級、話務套餐、星級用戶；所述車主特征信息的位置特征包括但不限于日常位置軌跡變化大、出入高速路段的頻次、外出頻次、出入加油站頻次、出入4S或途虎養車等地方、高速路段出現時長。在本公開的一種示例性實施例中，所述強相關屬性去除步驟還包括：歸一化計算，根據公式將車主特征信息的值映射到相同的區間中；其中，是變換后的值，x是指標值原始的值，xmin為當前指標值中的最小值，xmax為當前指標值中的最大值。在本公開的一種示例性實施例中，所述強相關屬性去除步驟還包括：通過公式計算所述特征指標集中多組車主特征信息的相關性，若所述相關性的絕對值大于0.35，則定義為強相關屬性并從所述特征指標集中去除；其中，Cov(A,B)為兩列指標的協方差，Var(·)表示相關指標值的方差。在本公開的一種示例性實施例中，所述最終特征值選取步驟還包括：將所述去除強相關屬性后的特征指標集去中心化計算，得到所述特征指標集的協方差矩陣；求取所述協方差矩陣的特征值組和相應的特征向量組，并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值。在本公開的一種示例性實施例中，所述ETC意向人群生成步驟還包括：建模數據預處理，通過聚類法或鄰近算法，去除所述最終特征值中的噪聲點；丟棄所述最終特征值中缺失比例超過30％的指標項。在本公開的一種示例性實施例中，所述ETC意向人群生成步驟還包括：基于前饋神經網絡進行ETC意向人群識別模型的構建，并選取誤差極大化泛化的網絡結構、權重閾值更新策略及激活函數。在本公開的一種示例性實施例中，所述ETC意向人群生成步驟還包括：對所述基于前饋神經網絡的評估結果進行評分表達，所述評分公式為評分值Score越大，ETC安裝可能性越小，反之越大，其總區間為[0,1000]。在本公開的一個方面，提供一種基于運營商大數據的ETC獲客裝置，包括：特征指標集選取模塊，用于在運營商大數據中選取多組車主特征信息，生成特征指標集，其中所述車主特征信息包括但不限于基礎信息、行為特征、金融特征、位置特征；強相關屬性去除模塊，用于通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；最終特征值選取模塊，用于將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；ETC意向人群生成模塊，用于基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。在本公開的一個方面，提供一種電子設備，包括：處理器；以及存儲器，所述存儲器上存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時實現根據上述任意一項所述的方法。在本公開的一個方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現根據上述任意一項所述的方法。本公開的示例性實施例中的基于運營商大數據的ETC獲客方法，在運營商大數據中選取多組車主特征信息，生成特征指標集；通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。一方面，本公開通過基于運營商大數據分析處理，生成高ETC意向人群，可以更好的發揮促銷價值；另一方面，本公開基于融合運營商的ETC意向人群識別模型，實現精準觸達意向人群，降低ETC覆蓋的投入成本，避免了目標群體不準確帶來的用戶感知差的問題。應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，并不能限制本公開。附圖說明通過參照附圖來詳細描述其示例實施例，本公開的上述和其它特征及優點將變得更加明顯。圖1示出了根據本公開一示例性實施例的基于運營商大數據的ETC獲客方法的流程圖；圖2示出了根據本公開一示例性實施例的基于運營商大數據的ETC獲客裝置的示意框圖；圖3示意性示出了根據本公開一示例性實施例的電子設備的框圖；以及圖4示意性示出了根據本公開一示例性實施例的計算機可讀存儲介質的示意圖。具體實施方式本文檔來自技高網...

【技術保護點】
1.一種基于運營商大數據的ETC獲客方法，其特征在于，所述方法包括：/n特征指標集選取步驟，在運營商大數據中選取多組車主特征信息，生成特征指標集，其中所述車主特征信息包括但不限于基礎信息、行為特征、金融特征、位置特征；/n強相關屬性去除步驟，通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；/n最終特征值選取步驟，將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；/nETC意向人群生成步驟，基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。/n

【技術特征摘要】
1.一種基于運營商大數據的ETC獲客方法，其特征在于，所述方法包括：
特征指標集選取步驟，在運營商大數據中選取多組車主特征信息，生成特征指標集，其中所述車主特征信息包括但不限于基礎信息、行為特征、金融特征、位置特征；
強相關屬性去除步驟，通過預設算法計算所述特征指標集中多組車主特征信息的相關性，若所述相關性大于第一預設值，則定義為強相關屬性并從所述特征指標集中去除；
最終特征值選取步驟，將所述去除強相關屬性后的特征指標集去中心化并按照特征值排序，選取前第二預設值排序的指標列，作為最終特征值；
ETC意向人群生成步驟，基于預設評估算法，建立意向人群識別模型，以所述最終特征值為輸入，訓練并評估生成ETC意向人群。


2.如權利要求1所述的方法，其特征在于，所述特征指標集選取步驟還包括：
所述車主特征信息的基礎信息包括但不限于性別、年齡、職業特征、是否家庭主號、信用分；
所述車主特征信息的行為特征包括但不限于是否汽車愛好者、汽車類短信頻次、地圖類APP是否安裝、地圖類APP日均使用情況、用戶到其近1年頻繁漫游地最便捷交通方式、依次出現在高速入、出口頻次、出行方式偏好；
所述車主特征信息的金融特征包括但不限于是否有穩定工資發放日、收入等級、消費等級、話務套餐、星級用戶；
所述車主特征信息的位置特征包括但不限于日常位置軌跡變化大、出入高速路段的頻次、外出頻次、出入加油站頻次、出入4S或途虎養車等地方、高速路段出現時長。


3.如權利要求1所述的方法，其特征在于，所述強相關屬性去除步驟還包括：
歸一化計算，根據公式將車主特征信息的值映射到相同的區間中；
其中，是變換后的值，x是指標值原始的值，xmin為當前指標值中的最小值，xmax為當前指標值中的最大值。


4.如權利要求1或3所述的方法，其特征在于，所述強相關屬性去除步驟還包括：
通過公式計算所述特征指標集中多組車主特征信息的相關性，若所述相關性的絕對值大于0.35，則定義為強相關屬性并從所述特征指標集中去除；
其中，Cov(A,B)為兩列指標的協方差，Var(·)表示相關指標值的方差。


5.如權利要求1所述的方法，其特征在于，所述...

【專利技術屬性】
技術研發人員：沈林江，張笑笑，
申請(專利權)人：北京市天元網絡技術股份有限公司，
類型：發明
國別省市：北京;11