1.一种潜在客户的预测方法,其特征在于,包括:
获取用户的基本信息;
将所述用户的基本信息输入到机器学习模型中,输出预测的所述用户的贷款累计额度使用率;所述机器学习模型为已通过用户的基本信息和贷款累计额度使用率的关系对所述机器学习模型进行了训练;
判断预测的所述用户的贷款累计额度使用率是否超过了预设的额度使用率阈值;
若预测的所述用户的贷款累计额度使用率超过了预设的额度使用率阈值,则表示所述用户为潜在客户。
2.根据权利要求1所述的方法,其特征在于,所述通过用户的基本信息和贷款累计额度使用率的关系对所述机器学习模型进行训练的过程包括:
获取包含用户的基本信息和所述用户的累计额度使用率的样本集;
根据样本集中每个用户的基本信息和所述用户的累计额度使用率,对所述机器学习模型进行训练。
3.根据权利要求2所述的方法,其特征在于,所述用户的基本信息包括:
所述用户的身份信息、交易信息、资产数据、授信数据、金融交易行为数据、网络行为数据、购买记录和浏览记录。
4.根据权利要求2所述的方法,其特征在于,所述获取贷款累计额度使用率,包括:
获取所述用户对贷款的累计提款额度和所述用户的贷款额度;
计算所述用户的提款额度和所述贷款额度的比值,得到所述用户的贷款累计额度使用率。
5.根据权利要求2所述的方法,其特征在于,还包括:
在训练出多个机器学习模型的情况下,计算每个机器学习模型的评价指标;
根据每个机器学习模型的评价指标,确定最优的机器学习模型。
6.一种潜在客户的预测装置,其特征在于,包括:
获取单元,用于获取用户的基本信息;
预测单元,用于将所述用户的基本信息输入到机器学习模型中,输出预测的所述用户的贷款累计额度使用率;所述机器学习模型为已通过用户的基本信息和贷款累计额度使用率的关系对所述机器学习模型进行了训练;
判断单元,用于判断预测的所述用户的贷款累计额度使用率是否超过了预设的额度使用率阈值;
确定单元,用于若预测的所述用户的贷款累计额度使用率超过了预设的额度使用率阈值,则表示所述用户为潜在客户。
7.根据权利要求6所述的装置,其特征在于,还包括:
样本集获取单元,用于获取包含用户的基本信息和所述用户的累计额度使用率的样本集;
训练单元,用于根据样本集中每个用户的基本信息和所述用户的累计额度使用率,对所述机器学习模型进行训练。
8.根据权利要求7所述的装置,其特征在于,所述用户的基本信息包括:
所述用户的身份信息、交易信息、资产数据、授信数据、金融交易行为数据、网络行为数据、购买记录和浏览记录。
9.根据权利要求7所述的装置,其特征在于,所述样本集获取单元,包括:
获取子单元,用于获取所述用户对贷款的累计提款额度和所述用户的贷款额度;
第一计算子单元,用于计算所述用户的提款额度和所述贷款额度的比值,得到所述用户的贷款累计额度使用率。
10.根据权利要求7所述的装置,其特征在于,还包括:
第二计算子单元,用于在训练出多个机器学习模型的情况下,计算每个机器学习模型的评价指标;
确定子单元,用于根据每个机器学习模型的评价指标,确定最优的机器学习模型。