CN104951979A - 一种银行网点推荐方法 - Google Patents

Abstract

本发明公开了一种银行网点推荐方法，包括如下步骤：(1)实时获取各个网点的网点信息和环境信息，所述的网点信息包括对应网点的位置、开放服务的柜台数、业务范围、服务评价、当前排队人数以及各排队者的业务种类；所述的环境信息包括交通状况和天气情况；(2)根据接收到的用户请求，以及各个网点的网点信息和环境信息确定推荐结果并进行推荐，所述用户请求包括用户需要办理的业务类型和当前请求位置。本发明结合环境信息和所有网点的网点信息进行网点推荐，得到的推荐结果更加具有参考性，用户根据推荐结果选择一个作为目标网点办理业务，进而可以有效引导用户到等到时间少的网点办理业务，大大降低了用户在网点的现场等待时间。

Description

一种银行网点推荐方法

技术领域

本发明涉及银行系统技术领域，具体涉及一种银行网点推荐方法。

背景技术

随着经济社会的快速发展，人们越来越离不开银行。各大银行为了提供优质服务，建立了众多分行，每天接待几十上百的客户。客户在办取款、存款、开户、转账、账单详细查询、销户等业务时往往需要多次排队，浪费了大量精力和时间，也给银行网点的工作环境造成了不良影响。

为了提供高效率的服务、营造良好的工作环境，各个银行需要以高科技的客户管理手段代替传统的人工排队方式，进而出现了银行预约排队系统。

目前银行网点为了避免在大量客户同时办理业务时有可能造成拥挤，混乱的场面，导入一套有取号、填单、等待、叫号、办理业务，评价等流程的排队管理系统。使得每个客户均知道网点中有多少人在排队、当前排到第几号等信息。办理业务时，需要网点工作人员口询问或告知，办理什么业务需要那些资料与步骤。

通过这种方式，客户在取号后无需站立排位，为客户节省体力，并在等待叫号时扩大了客户的自由活动范围，为客户带来了一定程度上的便利。

但在取号后至办理业务前的这段时间内，客户依然必须留在银行内等待，而且取号业务也必须在网点现场才能办理，具有地理制约性，况且从等待时间上来看，并未为客户节省一分一秒。因此，寻找一种能够彻底将客户从排队中解放出来的方式是服务系统中亟待解决的问题。

此外，目前银行网点的排队系统都是各自独立，各网点没办法了解到周边网点同一时间内的排队情况，在来自己网点办理业务的客户多得超过自身处理能力时，因为不知道周边网点排队情况，不能判断是否可以疏导客户到其他网点办理，这种情况除了不能正常为客户办理业务，还会影响到银行名牌在客户中的形象。

发明内容

针对现有技术的不足，本发明提供了一种银行网点推荐方法。

一种银行网点推荐方法，包括如下步骤：

(1)实时获取各个网点的网点信息和环境信息，所述的网点信息包括对应网点的位置、开放服务的柜台数、业务范围、服务评价、当前排队人数以及各排队者的业务种类；所述的环境信息包括交通状况和天气情况；

(2)根据接收到的用户请求，以及各个网点的网点信息和环境信息确定推荐结果并进行推荐，

所述用户请求包括用户需要办理的业务类型和当前请求位置。

本发明的网点推荐方法中步骤(1)中的过程始终执行，步骤(2)可采用用户发送的用户请求作为启动条件。

本发明通过结合环境信息和所有网点的网点信息进行网点推荐，得到的推荐结果更加具有参考性，用户根据推荐的推荐结果选择一个作为目标网点办理业务，进而可以有效引导用户到等待时间少的网点办理业务，大大降低了用户在网点的现场等待时间。

所述的服务评价包括若干条历史评价，每条历史评价包括5项评分结果，分别为相应网点的服务质量打分、柜员态度打分、耗时可接受度、网点自助终端满意度和环境满意度。

服务评价可以包括该网点所有的历史评价，也可以是部分历史评价。每条历史评价均对应有评价时间(即用户提交该条历史评价的时间)，通常银行会根据历史评价对自身的服务质量进行改进，因此，距离接收到用户请求的时间越近的评价更加具有参考价值。

作为优选，所述的服务评价包括最近两年用户办理业务对应的评价，进一步优选，所述的服务评价包括1000条评价时刻距当前时刻(接收到用户请求的时间)最近的历史评价。通过选择部分历史评价能够有效降低计算量。

所述步骤(2)具体如下：

(2-1)选出业务范围与用户请求相匹配的网点，并计算当前请求位置与各个匹配网点的距离，将距离小于预设的距离阈值的网点作为待选网点；

(2-2)针对任意一个待选网点，计算该待选网点的综合推荐指数：

(2-21)根据当前请求位置与该待选网点之间的位置并结合环境信息计算用户到达该待选网点的最短时间；

(2-22)根据该待选网点的开放服务的柜台数、排队人数以及各排队者的业务种类计算该待选网点的空闲比；

(2-23)根据最短时间、空闲比以及服务评价计算该待选网点的综合推荐指数；

(2-3)从所有待选网点中选择综合推荐指数高的前若干个作为推荐结果并推荐给用户。

所述的距离阈值为15千米，实际应用时可根据应用需求调整。通过进行业务范围匹配，以及设定距离阈值能够在大大缩小推荐时的可选范围，有利于提高整体推荐速度。

所述步骤(2-21)中计算用户到达该待选网点的最短时间时不仅考虑到当前请求位置和网点的位置之间的距离因素，还综合考虑了当前环境信息的影响因素。在计算时首先需要设定交通工具，根据设定的交通工具以及交通状况和天气情况进行路径规划，然后根据规划结果计算出最短时间。

为便于实现，降低成本，可利用现有的导航软件进行路径规划和计算，直接将计算结果(最短时间)返回给数据处理中心以供后续使用即可。

此外，由于本发明中考虑到天气情况对最短时间的影响，若采用的现有的导航软件中不考虑天气情况，可将导航软件的返回的计算结果乘以天气因子作为最终的最短时间以供后续使用，其中，天气因子根据不同的天气情况设定，可以基于历史数据以及统计学原理获取。

所述步骤(2-22)中根据如下公式计算当前待选网点的空闲比R：

$R=\frac{\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{t}_i}{n\×T_0},$

其中，t_i为当前待选网点第i个排队者业务办理预计时间，取决于第i个排队者的业务种类，I为当前待选网点的排队人数；

T₀为当前待选网点每个柜台的业务办理能力，n为当前网点开放的柜台数量。

本发明中采用时间衡量每个柜台的业务办理能力，通常假设柜台开放时间为8小时，即认为柜台的业务办理能力为8小时。

所述步骤(2-23)中根据如下公式计算当前待选网点的综合推荐指数P：

P＝ω₁×T+ω₂×(1-R)+ω₃×E/E₀，

其中，ω₁、ω₂、ω₃均为权重，且ω₁+ω₂+ω₃＝1；

T通过如下公式计算：

$T=\left\{\begin{array}{cc}1-T_v/T_m& T_v\≤T_m\\ 0& T_v>T_m\end{array}\right.,$

T_v为用户到达当前待选网点的最短时间，T_m为用户可接受的最大时间，

R为当前待选网点的空闲比，E为当前待选网点的历史综合评分，E₀为历史综合评分的满分值，所述的历史综合评分根据待选网点的服务评价计算得到。

所述的历史综合评分根据如下公式计算：

$E=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{\mathrm{\μ}}_j\×E_j,$

其中，J为所述的服务评价中历史评价的总条数，

μ_j为当前待选网点第j条评价的权重，

E_j为当前待选网点第j条评价的综合评分，根据如下公式计算：

$E_j=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l\×E_j^l,$

其中，为第j个历史客户对当前待选网点的服务评价中l项的评分结果，L为服务评价中评分结果的总项数，λ_l为第l项的评分结果的权重，

本发明中ω₁、ω₂、ω₃、μ_j以及λ_l的均为权重，通过调整各个权重值可以调整得到的推荐结果的可参考性。在实际应用时，各权重的具体取值可根据应用需求进行调整。

由于历史评价的评价时间越接近用户的时间(即用户的发送时间)，则该历史评论的参考作用越大。作为优选，第j条历史评价的评价时刻越接近当前时刻，其对应的权重μ_j越大。

本发明中步骤(2-3)确定推荐结果时也可以单独根据最短时间、空闲比、历史综合评分、各个单项历史综合评分、综合推荐指数等从待选网点中选择若干个作为推荐结果。

单项历史综合评分为服务评价中所有历史评价中每一项评分结果的综合结果。第m项评分结果对应的单项历史综合评分E_m根据如下公式计算：

$E_m=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{\mathrm{\μ}}_l\×E_j^m,$

其中，为第j条历史评价中第m项的评分结果，其中m＝1,2……，M，M为每条历史评价中的评分结果的总项数。第j条历史评价的评价时刻越接近当前时刻，其对应的权重μ_j越大。

例如，当根据空闲比从待选网点中选择若干个作为推荐结果时，直接根据空闲比选择空闲比较低的前若干个作为推荐结果进行推荐。具体个数根据应用需求设定。

本发明中将推荐结果推荐给用户时包括被选择的若干个待选网点的网点信息、最短时间、空闲比、历史综合评分、各个单项历史综合评分、综合推荐指数等信息。

此外，推荐时可以采用不同的排序方式将推荐结果排序后进行推荐。例如可以按照最短时间进行降序排序，也可以按照空闲比进行降序排序，具体根据应用需求设定。

与现有技术相比，本发明结合环境信息和所有网点的网点信息进行网点推荐，得到的推荐结果更加具有参考性，用户根据推荐结果选择一个作为目标网点办理业务，进而可以有效引导用户到等到时间少的网点办理业务，大大降低了用户在网点的现场等待时间。

具体实施方式

下面将结合具体实施方式对本发明进行详细说明。

本实施例的银行网点推荐方法，包括如下步骤：

(1)实时获取各个网点的网点信息和环境信息，网点信息包括对应网点的位置、开放服务的柜台数、业务范围、服务评价、排队人数以及各排队者的业务种类；环境信息包括交通状况和天气情况；

其中，网点信息可以从各个网点(银行网点)的管理系统获取，环境信息可以通过网络获取。

本实施例中针对每个网点的服务评价中包括最近两年用户办理业务对应的评价，每条历史评价包括5项评分结果，分别为相应网点的服务质量打分、柜员态度打分、耗时可接受度、网点自助终端满意度和环境满意度。

从银行网点管理系统的角度考虑，每条历史评价中设置多项评分结果，能够使银行有针对性的改进其服务质量。

从本实施例的推荐方法的角度考虑，每项评分结果均可以单独作为网点推荐的依据。

(2)根据接收到的用户请求(本实施例中用户请求包括用户需要办理的业务类型和当前请求位置)以及各个网点的网点信息和环境信息确定推荐结果并进行推荐。

本实施例中通过如下步骤确定推荐结果：

(2-1)选出业务范围与用户请求相匹配的网点作为匹配网点，并计算当前请求位置与各个匹配网点的距离，将距离小于预设的距离阈值(本实施例中该距离阈值为15千米)的网点作为待选网点；

(2-2)针对任意一个待选网点，计算该待选网点的综合推荐指数：

(2-21)根据当前请求位置与该待选网点的位置、以及环境信息计算用户到达该待选网点的最短时间；

(2-22)根据该待选网点的开放服务的柜台数、排队人数以及各排队者的业务种类根据如下公式计算该待选网点的空闲比R：

$R=\frac{\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{t}_i}{n\×T_0},$

其中，t_i为当前待选网点第i个排队者业务办理预计时间，取决于第i个排队者的业务种类，I为当前待选网点的排队人数，T₀为当前待选网点每个柜台的业务办理能力，n为当前网点开放的柜台数量。

例如某一网点有用户A、B、C三人在秩序排队中，用户D为要进入排队的用户，所看到的空闲比：

排队人：A B C

办理业务预计时间(分)：10 20 5

开放柜台：2

业务处理能力：2*8(小时)*60(分)＝480

空闲比＝(10+20+5)/480＝0.073。

(2-23)根据最短时间、空闲比以及服务评价利用如下公式计算该待选网点的综合推荐指数P：

P＝ω₁×T+ω₂×(1-R)+ω₃×E/E₀，

其中，ω₁、ω₂、ω₃均为权重，且ω₁+ω₂+ω₃＝1，本实施例中ω₁、ω₂、ω₃的取值分别为0.5、0.3、0.2；

T通过如下公式计算：

$T=\left\{\begin{array}{cc}1-T_v/T_m& T_v\≤T_m\\ 0& T_v>T_m\end{array}\right.,$

T_v为用户到达当前待选网点的最短时间，T_m为用户可接受的最大时间(本实施例中T_m取值4小时)，

R为当前待选网点的空闲比，

E₀为历史综合评分的满分值，E为当前待选网点的历史综合评分，历史综合评分根据待选网点的服务评价计算得到，计算公式如下：

$E=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{\mathrm{\μ}}_j\×E_j,$

其中，J为服务评价中最近两年的历史评价总条数，j越大表示时间越久远；

μ_j为当前待选网点第j条评价的权重，第j条历史评价的评价时间越接近所述预约请求的发送时间，其对应的权重μ_j越大；

本实施例中μ_j取值如下：

${\mathrm{\μ}}_j=\frac{{(J-j-1)}^2}{\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{(J-j-1)}^2}.$

E_j为当前待选网点第j条评价的综合评分，根据如下公式计算：

$E_j=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l\×E_j^l,$

其中，为第j个历史客户对当前待选网点的服务评价中l项的评分结果，L为服务评价中评分结果的总项数，λ_l为第l项的评分结果的权重，

本实施例中每条历史评价中包括5项评分结果，即说明L＝5，本实施例中令各项评分结果的权重相同，则有：λ_l＝0.2，其中，l＝1,2……5。

本实施例的银行网点推荐方法通过如下硬件系统实现：

该硬件系统包括相互通信连接的后台服务器和远程终端，用户通过远程终端向后台服务器发送用户请求，服务器接收到用户请求后，根据用户请求进行计算得到推荐结果，然后发送到远程终端供用户参考。

在推荐过程中，后台服务器需求获取如下数据：

与银行网点主机进行数据交互，以收集各网点的网点信息(开放服务的柜台数、排队人数、网点地理坐标、业务范围、以及服务评价等信息)，为实现网点间资源共享提供数据来源。

通过网络实时从互联网中获取交通状况(如：拥堵状况、工事信息)、天气情况等环境信息。

本实施例的推荐方法可以通过APP实现，且该APP提供地图和定位功能，这样用户在提交用户请求时可以直接对当前请求位置进行定位(另外，用户也可以自行设定)。另外，远程终端显示推荐结果时可以利用地图界面进行显示，列表显示时支持多种排序方式以供用户选择，如单独依据空闲比排序、最短时间排序等排序方式。

为进一步提高用户体验，在进行地图显示时，可以用户通过点击各个被推荐网点，可以查看该网点的网点信息、最短时间、空闲比等信息。且在显示时还可以以颜色等区分方式进行信息显示。以空闲比为例，业务处理能力全天为8小时，随着时间变化，会渐渐变小，空闲比也会随之变大，当达到空闲比为1时，说明已达到了此网点的处理能力(空闲比的取值区间为0～1)。显示空闲比信息时：

首先将空闲比的取值区间划分为三个区域，分别对应空闲区域、繁忙区域、和拥挤区域，然后进而将网点按照空闲比归并至三个区域中进而将所有被推荐的网点分为三类，显示时针对每一类采用不同的颜色进行标记，使用户能直接判断网点状态。

以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种银行网点推荐方法，其特征在于，包括如下步骤：

(1)实时获取各个网点的网点信息和环境信息，所述的网点信息包括对应网点的位置、开放服务的柜台数、业务范围、服务评价、当前排队人数以及各排队者的业务种类；所述的环境信息包括交通状况和天气情况；

(2)根据接收到的用户请求，以及各个网点的网点信息和环境信息确定推荐结果并进行推荐，

所述用户请求包括用户需要办理的业务类型和当前请求位置。

2.如权利要求1所述的银行网点推荐方法，其特征在于，所述的服务评价包括若干条历史评价，每条历史评价包括5项评分结果，分别为相应网点的服务质量打分、柜员态度打分、耗时可接受度、网点自助终端满意度和环境满意度。

3.如权利要求2所述的银行网点推荐方法，其特征在于，所述的服务评价包括最近两年用户办理业务对应的评价。

4.如权利要求1～3中任意一项所述的银行网点推荐方法，其特征在于，所述步骤(2)具体如下：

(2-1)选出业务范围与用户请求相匹配的网点，并计算当前请求位置与各个匹配网点的距离，将距离小于预设的距离阈值的网点作为待选网点；

(2-2)针对任意一个待选网点，计算该待选网点的综合推荐指数：

(2-21)根据当前请求位置与该待选网点之间的位置并结合环境信息计算用户到达该待选网点的最短时间；

(2-22)根据该待选网点的开放服务的柜台数、排队人数以及各排队者的业务种类计算该待选网点的空闲比；

(2-23)根据最短时间、空闲比以及服务评价计算该待选网点的综合推荐指数；

(2-3)从所有待选网点中选择综合推荐指数高的前若干个作为推荐结果并推荐给用户。

5.如权利要求4所述的银行网点推荐方法，其特征在于，所述步骤(2-22)中根据如下公式计算当前待选网点的空闲比R：

$R=\frac{\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{t}_i}{n\×T_0},$

其中，t_i为当前待选网点第i个排队者业务办理预计时间，取决于第i个排队者的业务种类，I为当前待选网点的排队人数；

T₀为当前待选网点每个柜台的业务办理能力，n为当前网点开放的柜台数量。

6.如权利要求4所述的银行网点推荐方法，其特征在于，所述步骤(2-23)中根据如下公式计算当前待选网点的综合推荐指数P：

P＝ω₁×T+ω₂×(1-R)+ω₃×E/E₀，

其中，ω₁、ω₂、ω₃均为权重，且ω₁+ω₂+ω₃＝1；

T通过如下公式计算：

$T=\left\{\begin{array}{cc}1-T_v/T_m& T_v\≤T_m\\ 0& T_v>T_m\end{array}\right.,$

T_v为用户到达当前待选网点的最短时间，T_m为用户可接受的最大时间，

R为当前待选网点的空闲比，E为当前待选网点的历史综合评分，E₀为历史综合评分的满分值，所述的历史综合评分根据待选网点的服务评价计算得到。

7.如权利要求4所述的银行网点推荐方法，其特征在于，所述的历史综合评分根据如下公式计算：

$E=\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{\mathrm{\μ}}_j\×E_j,$

其中，J为所述的服务评价中历史评价的总条数，

μ_j为当前待选网点第j条评价的权重，

E_j为当前待选网点第j条评价的综合评分，根据如下公式计算：

$E_j=\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\λ}}_l\×E_j^l,$

其中，为第j个历史客户对当前待选网点的服务评价中l项的评分结果，L为服务评价中评分结果的总项数，λ_l为第l项的评分结果的权重，

8.如权利要求7所述的银行网点推荐方法，其特征在于，第j条历史评价的评价时刻越接近当前时刻，其对应的权重μ_j越大。