用户价值确定方法、装置、设备、介质及产品

技术领域

本申请属于数据处理技术，尤其涉及一种用户价值确定方法、装置、设备、介质及产品。

背景技术

信用卡高价值用户是指为信用卡创造较高经济价值、或具有较大贡献潜力且风险水平相对较低的用户群体。高价值用户是信用卡业务的主要利润来源，是创造业务收入的核心业务群体。因此，如何对用户价值进行科学评价，是对高价值用户进行维护和管理的基础。

通常，确定用户价值的方式仅仅是基于历史数据，量化用户实际带来的收入和银行对其实际投入的成本，对用户已产生的历史价值进行价值评估。

这样，导致评估得到的用户价值并不准确，降低了用户价值评估的准确性。

发明内容

本申请实施例提供一种用户价值确定方法、装置、设备、介质及产品，能够提高用户价值评估的准确性。

第一方面，本申请实施例提供一种用户价值确定方法，该方法包括：

获取多个用户分别对应的历史价值；

将所述多个用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个用户分别对应的价值等级；

获取与目标用户对应的目标历史特征信息；

基于所述目标历史特征信息，预测所述目标用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

根据所述目标概率集合，以及所述多个用户分别对应的历史价值和价值等级，确定所述目标用户对应的用户价值。

第二方面，本申请实施例提供一种用户价值确定方法，该方法包括：

获取多个信用卡用户分别对应的历史价值；

将所述多个信用卡用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个信用卡用户分别对应的价值等级；

获取与目标信用卡用户对应的目标历史特征信息；

基于所述目标历史特征信息，预测所述目标信用卡用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

根据所述目标概率集合，以及所述多个信用卡用户分别对应的历史价值和价值等级，确定所述目标信用卡用户对应的用户价值。

第三方面，本申请实施例提供了一种用户价值确定装置，该装置包括：

第一获取模块，用于获取多个用户分别对应的历史价值；

第一划分模块，用于将所述多个用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个用户分别对应的价值等级；

第二获取模块，用于获取与目标用户对应的目标历史特征信息；

第一预测模块，用于基于所述目标历史特征信息，预测所述目标用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

第一确定模块，用于根据所述目标概率集合，以及所述多个用户分别对应的历史价值和价值等级，确定所述目标用户对应的用户价值。

第四方面，本申请实施例提供了一种用户价值确定装置，该装置包括：

第三获取模块，用于获取多个信用卡用户分别对应的历史价值；

第二划分模块，用于将所述多个信用卡用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个信用卡用户分别对应的价值等级；

第四获取模块，用于获取与目标信用卡用户对应的目标历史特征信息；

第二预测模块，用于基于所述目标历史特征信息，预测所述目标信用卡用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

第二确定模块，用于根据所述目标概率集合，以及所述多个信用卡用户分别对应的历史价值和价值等级，确定所述目标信用卡用户对应的用户价值。

第五方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；

处理器执行所述计算机程序指令时实现如第一方面和/或第二方面的任一项实施例中所述的用户价值确定方法的步骤。

第六方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面和/或第二方面的任一项实施例中所述的用户价值确定方法的步骤。

第七方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面和/或第二方面的任一项实施例中所述的用户价值确定方法的步骤。

本申请实施例中的用户价值确定方法、装置、设备、介质及产品，通过基于目标用户对应的目标历史特征信息，预测该目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，进而结合目标用户在未来处于各个价值等级时对应的概率，以及用户群体的历史价值和价值等级，最终确定目标用户的用户价值。如此，由于本申请实施例在考虑用户历史价值的同时，还通过预测用户在未来处于各个价值等级时对应的概率，考虑用户未来可能产生的潜在价值，因此，可以提高用户价值评估的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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。

图1是本申请一个实施例提供的用户价值确定方法的流程示意图；

图2是本申请另一个实施例提供的用户价值确定方法的流程示意图；

图3是本申请一个实施例提供的用户价值确定装置的结构示意图；

图4是本申请另一个实施例提供的用户价值确定装置的结构示意图；

图5是本申请一个实施例提供的电子设备的结构示意图。

具体实施方式

下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

在现有技术中，对信用卡用户价值的评价，一般是制定一套标准的价值度量方法，并将其应用于全量信用卡用户。基于这套度量方法，每个用户获得一个价值度量的绝对值。例如：A用户价值度量为10，B用户价值度量为5，且认为A用户价值高于B。

实际上，对不同生命周期的用户、不同用卡需求的用户，对其价值的度量尺度和方法应有差异。例如：对年轻用户，其消费能力和收入水平处于成长期，对其价值的评估应充分考虑到未来的潜力和成长性；对循环信贷用户，其利息和手续费收入贡献高，但对其价值的评估应充分考虑其后期坏账的风险。同时，用户价值是一个随时间动态变化的指标，不同观察时点、时间区间对应的用户价值也有所不同。

基于此，本申请实施例提供了一种用户价值确定方法、装置、设备、介质及产品。其中，该用户价值确定方法可以应用于对用户的用户价值进行评估的场景，对用户的历史价值进行评价的同时，预测其未来潜在价值，进而综合用户历史价值和未来价值两个维度，对用户的用户价值进行准确地评估。

下面对本申请实施例所提供的用户价值确定方法进行详细介绍。

图1是本申请一个实施例提供的用户价值确定方法的流程示意图。如图1所示，该用户价值确定方法具体可以包括如下步骤：

S110、获取多个用户分别对应的历史价值；

S120、将多个用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与多个用户分别对应的价值等级；

S130、获取与目标用户对应的目标历史特征信息；

S140、基于目标历史特征信息，预测目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

S150、根据目标概率集合，以及多个用户分别对应的历史价值和价值等级，确定目标用户对应的用户价值。

由此，通过基于目标用户对应的目标历史特征信息，预测该目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，进而结合目标用户在未来处于各个价值等级时对应的概率，以及用户群体的历史价值和价值等级，最终确定目标用户的用户价值。如此，由于本申请实施例在考虑用户历史价值的同时，还通过预测用户在未来处于各个价值等级时对应的概率，考虑用户未来可能产生的潜在价值，因此，可以提高用户价值评估的准确性。

下面介绍上述各个步骤的具体实现方式。

在一些实施方式中，在S110中，历史价值可以是在过去预设时长内由该用户带来的收益评估得到的用户价值。

这里，对于同一用户，由于在不同时期评估得到的用户价值可能不同，因此，可设置价值评估周期，例如一年。用户在一个价值评估周期内对应的用户价值是固定不变的。基于此，历史价值可以是用户在过去一个价值评估周期内对应的用户价值，或者过去多个价值评估周期内对应的用户价值的综合价值。

由于历史时间段中不同的价值评估周期距离当前时间的时长不同，因此，不同价值评估周期评估得到的用户价值对当前用户价值的影响也不同。为了提高获取到的历史价值的准确性，在一些实施方式中，上述S110具体可以包括：

获取多个用户中每个用户在历史第二时间段内多个价值评估周期分别对应的原始用户价值；

利用价值衰减函数，根据原始用户价值计算第二时间段内每个价值评估周期对应的衰减后的用户价值，并将每个价值评估周期对应的衰减后的用户价值之和确定为用户对应的历史价值，其中，价值衰减函数为基于预设的价值衰减系数构造的衰减函数，距离系统时间越远的价值评估周期对应的衰减程度越高。

这里，可通过引入价值衰减系数，构造价值衰减函数，以利用该价值衰减函数来计算每个价值评估周期对应的衰减后的用户价值。

例如，以一年为一个价值评估周期，基于当前价值评估周期T

其中，VHT0为用户在价值评估周期T

基于上述公式(1)，假设N＝3，计算每个用户在过去3年产生的价值，经衰减后在T

其中，

在一些实施方式中，距离系统时间越远的价值评估周期对应的衰减程度越高。

如此，通过利用价值衰减函数，刻画了用户历史价值的大小随着时间衰减的现象，从而可准确地计算出用户在任意时刻对应的历史价值，提高了历史价值确定的准确性和业务合理性。

在一些实施方式中，在S120中，可预设多个价值等级，例如5个价值等级。示例性地，可对该多个用户按照其对应的历史价值的大小进行等级划分，进而可得到每个用户各自对应的价值等级。

这里，价值等级对应的历史价值的取值区间可按照经验进行设定，也可以根据该多个用户对应的历史价值的分布情况进行确定，在此不作限定。

为了使每个价值等级对应的用户数量之间的比例达到理想的比例，在一些实施方式中，上述S120具体可以包括：

基于多个用户分别对应的历史价值，按照预设分布比例，确定多个价值等级中每个价值等级对应的取值区间；

基于取值区间，将多个用户分别对应的历史价值按照价值大小进行等级划分，得到与多个用户分别对应的价值等级。

这里，可将上一步骤中获取的多个用户的历史价值

在一些具体的例子中，以K＝5为例，在将预设分布比例设定为q

按照上述公式(3)确定出的每个价值等级对应的取值区间，得到公式(4)，具体如下所示：

利用上述公式(4)可确定出每个用户对应的历史价值所在的价值等级，也即该用户对应的价值等级。

如此，通过设置预设分布比例来确定各个价值等级对应的取值区间，可使每个价值等级对应的用户数量之间的比例达到理想比例，从而便于最终能够准确地确定出用户的用户价值。

在一些实施方式中，在S130中，目标用户可以是上述多个用户中的任一用户，也可以是上述多个用户之外的其他用户，在此不作限定。

示例性地，可根据目标用户在过去预设时间段内的特征数据，提取该目标用户对应的目标历史特征信息。其中，过去预设时间段例如可以是过去N年内，N可以是任意自然数。另外，特征数据包括但不限于用户基础特征数据、交易特征数据、信用卡使用风险特征数据和用户行为特征数据等多个维度的特征数据。

在一些实施方式中，在S140中，在获取到目标特征信息后，可利用该目标特征信息预测该目标用户的未来潜在价值，具体可以是目标用户在未来第一时间段处于该多个价值等级中的每个价值等级时分别对应的概率。另外，第一时间段可以是当前系统时间之后的预设时长，例如未来一年。

示例性地，以价值等级有5个等级为例，可通过该目标用户的目标历史特征信息，预测目标用户在未来一年分别处于以上5个价值等级时对应的概率，得到5个价值等级下的5个概率，由该5个概率构成目标概率集合。

在一些实施方式中，在S150中，在获取该目标概率集合后，可基于该目标概率集合，以及上述多个用户分别对应的历史价值和价值等级，确定该目标用户的用户价值。

在一些实施方式中，上述S150具体可以包括：

根据多个用户分别对应的历史价值和价值等级，确定多个价值等级中每个价值等级对应的平均历史价值；

将目标概率集合中与每个价值等级对应的概率作为每个价值等级对应的权重，对多个价值等级分别对应的平均历史价值进行加权求和，得到目标用户对应的用户价值。

示例性地，以价值评估周期为一年为例，可根据连续随机变量的期望公式(5)来计算目标用户的用户价值，具体如下所示：

其中，

基于此，假设

其中，n为前述多个用户的用户数量，[p

另外，在一些实施方式中，上述S140具体可以包括：

将目标历史特征信息输入至多分类模型中，利用多分类模型根据目标历史特征信息预测目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，输出得到目标概率集合。

这里，多分类模型H(X)例如可以是经训练的LightGBM(Light Gradient BoostingMachine，轻量梯度提升机)模型。未来第一时间段例如可以是未来第M年，其中，M可以为任意自然数。

示例性地，在得到目标用户对应的目标历史特征信息后，可将目标历史特征信息输入至该经训练的LightGBM模型中，以利用该LightGBM模型根据目标历史特征信息预测目标用户在未来第M年时分别处在第1至K个价值等级时的概率p

另外，在使用上述多分类模型之前，需要先对该模型进行训练。

基于此，在一些实施方式中，在上述将目标历史特征信息输入至多分类模型中，利用多分类模型根据目标历史特征信息预测目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，输出得到目标概率集合的步骤之前，本申请实施例提供的用户价值确定方法还可以包括：

获取样本用户在历史第三时间段内多个价值评估周期分别对应的特征数据；

根据特征数据提取与样本用户对应的历史特征信息；

基于历史特征信息和样本用户在目标历史价值评估周期内对应的价值等级，构建训练样本；

利用训练样本训练预设分类模型，得到多分类模型。

这里，第三时间段可以是过去S年，例如从T

示例性地，可采集样本用户在T

在一些实施方式中，上述特征数据可以包括用户基础特征数据、交易特征数据、信用卡使用风险特征数据和用户行为特征数据中的至少一项。其中，用户基础特征数据例如可以包括年龄、账龄、所持卡种等；交易特征数据例如可以包括交易特征(消费、分期、取现、积分兑换、参与优惠活动、购买权益等)、交易金额、交易频次、交易商户数、交易平均费率等；信用卡使用风险特征数据例如可以包括额度使用率、风险系数等；用户行为特征数据例如可以包括信用卡APP登录时间、信用卡APP浏览时长等。

假设模型训练目标为根据M年之前S年内的特征数据预测用户在第M年的价值等级，则可将前S年内采集到的用户特征数据构造的特征向量作为历史特征信息，并将用户在M年实际评估出的价值等级作为样本标签，构造训练样本，对预设分类模型进行有监督的训练，直至该预设分类模型收敛，得到训练后的多分类模型。其中，预设分类模型可以是未经训练的LightGBM模型。

基于此，在使用模型时若上述M年为T

另外，本申请上述各个实施例提供的用户价值确定方法均可应用于对信用卡用户进行价值评估的场景。具体地，图2是本申请一个实施例提供的用户价值确定方法的流程示意图。如图2所示，该用户价值确定方法具体可以包括如下步骤：

S210、获取多个信用卡用户分别对应的历史价值；

S220、将多个信用卡用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与多个信用卡用户分别对应的价值等级；

S230、获取与目标信用卡用户对应的目标历史特征信息；

S240、基于目标历史特征信息，预测目标信用卡用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

S250、根据目标概率集合，以及多个信用卡用户分别对应的历史价值和价值等级，确定目标信用卡用户对应的用户价值。

这样，通过基于目标信用卡用户对应的目标历史特征信息，预测该目标信用卡用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，进而结合目标信用卡用户在未来处于各个价值等级时对应的概率，以及信用卡用户群体的历史价值和价值等级，最终确定目标信用卡用户的用户价值。如此，由于本申请实施例在考虑信用卡用户历史价值的同时，还通过预测信用卡用户在未来处于各个价值等级时对应的概率，考虑信用卡用户未来可能产生的潜在价值，因此，可以提高信用卡用户价值评估的准确性。

需要说明的是，前述各个实施例所提供的用户价值确定方法的各种实施方式，同样适用于对信用卡用户进行价值评估的场景，且相关部分解释可参考前述各个实施例的相关部分，在此不再赘述。

为了更好地描述整个方案，基于上述各实施例，举一些具体例子。

例如，对3名信用卡用户A、B、C进行价值评估。

设定当前价值评估周期所在的年份为2022年，N＝3，W＝3。取1000名用户的用户价值数据，其中A、B、C三名用户在2019-2021年间的用户价值分布如下表1所示：

表1

首先，计算该1000名用户的历史价值，其中A、B、C三名用户的历史价值如下表2所示：

表2

其次，依据该1000名用户的历史价值，并设定5个价值等级，该5个价值等级分别对应的q

由上述公式(7)确定出的每个价值等级对应的取值区间，进而可确定出公式(8)，具体如下所示：

根据上述公式(8)即可确定该1000名用户分别对应的价值等级。

然后，基于2022年之前S年的客群画像数据构造特征向量集，其中A、B、C三名用户的特征集可如下表3所示：

表3

之后，利用训练后的LightGBM模型，也即多分类模型H(X)，根据上述特征集，预测A、B、C三名用户在2022年分别处在第1至5价值等级的概率：[p

表4

最后，估计A、B、C三名用户在2022年的价值。

具体地，根据上述1000名用户对应的历史价值和所处的价值等级，可得到用户在等级K时的历史价值的均值，也即平均历史价值。具体如下表5所示：

表5

如此，A、B、C三名用户在2022年评估得到的用户价值，可如下表6所示：

表6

由此，一方面，本申请实施例刻画了用户历史价值随着时间衰减的现象，从而提高了价值预测的准确性和业务合理性。另一方面，本申请实施例还结合多分类模型的概率预测结果以及矩估计法，简单、高效地实现了对每个用户未来价值的预测。

另外，需要说明的是，上述本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

基于相同的发明构思，本申请还提供了一种用户价值确定装置。具体结合图3和图4进行详细说明。

图3是本申请一个实施例提供的用户价值确定装置的结构示意图。

如图3所示，该用户价值确定装置300可以包括：

第一获取模块301，用于获取多个用户分别对应的历史价值；

第一划分模块302，用于将所述多个用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个用户分别对应的价值等级；

第二获取模块303，用于获取与目标用户对应的目标历史特征信息；

第一预测模块304，用于基于所述目标历史特征信息，预测所述目标用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

第一确定模块305，用于根据所述目标概率集合，以及所述多个用户分别对应的历史价值和价值等级，确定所述目标用户对应的用户价值。

下面对上述用户价值确定装置300进行详细说明，具体如下所示：

在其中一些实施例中，第一获取模块301具体可以包括：

第一获取子模块，用于获取所述多个用户中每个用户在历史第二时间段内多个价值评估周期分别对应的原始用户价值；

第一确定子模块，用于利用价值衰减函数，根据所述原始用户价值计算所述第二时间段内每个价值评估周期对应的衰减后的用户价值，并将每个所述价值评估周期对应的衰减后的用户价值之和确定为所述用户对应的历史价值，其中，所述价值衰减函数为基于预设的价值衰减系数构造的衰减函数，距离系统时间越远的价值评估周期对应的衰减程度越高。

在其中一些实施例中，距离系统时间越远的所述价值评估周期对应的衰减程度越高。

在其中一些实施例中，第一预测模块304具体可以用于：

将所述目标历史特征信息输入至多分类模型中，利用所述多分类模型根据所述目标历史特征信息预测所述目标用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，输出得到所述目标概率集合。

在其中一些实施例中，上述用户价值确定装置300还可以包括：

第五获取模块，用于在将所述目标历史特征信息输入至多分类模型中，利用所述多分类模型根据所述目标历史特征信息预测所述目标用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，输出得到所述目标概率集合之前，获取样本用户在历史第三时间段内多个价值评估周期分别对应的特征数据；

特征提取模块，用于根据所述特征数据提取与所述样本用户对应的历史特征信息；

样本构建模块，用于基于所述历史特征信息和所述样本用户在目标历史价值评估周期内对应的价值等级，构建训练样本；

模型训练模块，用于利用所述训练样本训练预设分类模型，得到所述多分类模型。

在其中一些实施例中，所述特征数据包括用户基础特征数据、交易特征数据、信用卡使用风险特征数据和用户行为特征数据中的至少一项。

在其中一些实施例中，第一划分模块302具体可以包括：

区间确定子模块，用于基于所述多个用户分别对应的历史价值，按照预设分布比例，确定多个价值等级中每个价值等级对应的取值区间；

等级划分子模块，用于基于所述取值区间，将所述多个用户分别对应的历史价值按照价值大小进行等级划分，得到与所述多个用户分别对应的价值等级。

在其中一些实施例中，所述第一确定模块305具体可以包括：

第二确定子模块，用于根据所述多个用户分别对应的历史价值和价值等级，确定所述多个价值等级中每个价值等级对应的平均历史价值；

加权求和子模块，用于将所述目标概率集合中与每个价值等级对应的概率作为所述每个价值等级对应的权重，对所述多个价值等级分别对应的平均历史价值进行加权求和，得到所述目标用户对应的用户价值。

由此，通过基于目标用户对应的目标历史特征信息，预测该目标用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，进而结合目标用户在未来处于各个价值等级时对应的概率，以及用户群体的历史价值和价值等级，最终确定目标用户的用户价值。如此，由于本申请实施例在考虑用户历史价值的同时，还通过预测用户在未来处于各个价值等级时对应的概率，考虑用户未来可能产生的潜在价值，因此，可以提高用户价值评估的准确性。

图4是本申请另一个实施例提供的用户价值确定装置的结构示意图。

如图4所示，该用户价值确定装置400可以包括：

第三获取模块401，用于获取多个信用卡用户分别对应的历史价值；

第二划分模块402，用于将所述多个信用卡用户分别对应的历史价值按照价值大小划分为多个价值等级，得到与所述多个信用卡用户分别对应的价值等级；

第四获取模块403，用于获取与目标信用卡用户对应的目标历史特征信息；

第二预测模块404，用于基于所述目标历史特征信息，预测所述目标信用卡用户在未来第一时间段处于所述多个价值等级中的每个价值等级时分别对应的概率，得到目标概率集合；

第二确定模块405，用于根据所述目标概率集合，以及所述多个信用卡用户分别对应的历史价值和价值等级，确定所述目标信用卡用户对应的用户价值。

由此，通过基于目标信用卡用户对应的目标历史特征信息，预测该目标信用卡用户在未来第一时间段处于多个价值等级中的每个价值等级时分别对应的概率，进而结合目标信用卡用户在未来处于各个价值等级时对应的概率，以及信用卡用户群体的历史价值和价值等级，最终确定目标信用卡用户的用户价值。如此，由于本申请实施例在考虑信用卡用户历史价值的同时，还通过预测信用卡用户在未来处于各个价值等级时对应的概率，考虑信用卡用户未来可能产生的潜在价值，因此，可以提高信用卡用户价值评估的准确性。

图5是本申请一个实施例提供的电子设备的结构示意图。

在电子设备500可以包括处理器501以及存储有计算机程序指令的存储器502。

具体地，上述处理器501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在综合网关容灾设备的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。

在特定实施例中，存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本申请的一方面的方法所描述的操作。

处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现上述实施例中的任意一种用户价值确定方法。

在一些示例中，电子设备500还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。

通信接口503主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线510包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线510可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

示例性的，电子设备500可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等。

该电子设备500可以执行本申请实施例中的用户价值确定方法，从而实现结合图1至图4描述的用户价值确定方法和装置。

另外，结合上述实施例中的用户价值确定方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种用户价值确定方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质，如便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件等。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。