CN105681409A - 基于大数据预测引导客户办理银行业务的推荐系统及方法 - Google Patents
基于大数据预测引导客户办理银行业务的推荐系统及方法 Download PDFInfo
- Publication number
- CN105681409A CN105681409A CN201610013266.9A CN201610013266A CN105681409A CN 105681409 A CN105681409 A CN 105681409A CN 201610013266 A CN201610013266 A CN 201610013266A CN 105681409 A CN105681409 A CN 105681409A
- Authority
- CN
- China
- Prior art keywords
- client
- time
- business
- site
- handling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000013475 authorization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000013497 data interchange Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000000205 computational method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于大数据预测引导客户办理银行业务的推荐系统及方法,包括:客户端,定位模块,网点,数据传输模块和预测模块;客户端对客户进行画像并对其归类;定位模块对客户当前位置进行定位,同时显示网点的具体距离和预计到达时间;网点将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间、不同时间段办理某种业务的需求密度或不同时间段预约某种业务的需求密度;数据传输模块通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块;预测模块为客户定制推荐信息。本发明可以准确且智能地给出各网点的推荐程度,通过对客户画像、分类,可以对不同客户进行个性化推荐和精准营销,效率较高且成本较低。
Description
技术领域
本发明涉及银行服务管理领域,尤其涉及一种基于大数据预测引导客户办理银行业务的推荐系统及方法。
背景技术
在银行办理业务时,经常出现客户在银行网点中等待时间较长、取号未办理业务等现象,这样不仅不能充分利用资源,而且会引起客户的不满,降低客户体验度。叫号机在一定程度上解决了客户排队的有序性,但是还存在客户对于业务办理时间的不确定性以及很多人取号之后没有办理业务导致客户仍然会花费大量时间在等待上的问题。针对这一现象,为客户合理有效地推荐办理银行业务显得十分重要,即要实现最小化客户办理银行业务的时间。
中国专利CN201310690773公开了一种自动优化客户排队队列的方法及系统,包括:银行业务申请书处理服务器、手机银行客户端、客户速度计算服务器、特急客户预约服务器、个性化客户服务器、优化客户排队队列服务器。客户在120公里速度不能到达选定银行网点,则取消该排队号,并通知客户重新预约;符合储存特急事件定义的预约,可向银行业务申请书处理服务器申请特急事件处理。对于重要的客户,提供个性化服务,排队队列服务器始终在15分钟内保留一个业务办理时间,用于优质客户办理业务。银行网点等候时间超过预定义的范围,则重新计算出能最快办理业务的网点,发出信息供客户用手机银行客户端重新选择。解决部分客户对银行的贡献度高,是较为重要的客户群,却未能获得个性化服务的问题。
但该发明存在以下缺点:第一,该专利并没有给出客户分类的标准,不能准确辨别重要客户和一般客户。第二,该专利中并未阐释若客户反复点击排队请求的处理方法,反复点击会造成排队效率低的后果。第三,所述的精确计算所有等待办业务的客户的等候时间没有考虑到因客户可能会有更多需求和疑问导致的业务办理时间延长等情况。
发明内容
本发明是为了解决现有技术的不足,提供一种基于大数据预测引导客户办理银行业务的推荐系统及方法,本发明提供的一种基于大数据预测引导客户办理银行业务的推荐系统,包括:客户端,定位模块,网点,数据传输模块和预测模块。
所述的客户端包括但不限于客户的手机、电脑等可以连接互联网的设备。客户在客户端输入信息,客户端对客户进行画像并对其归类。
所述的定位模块,在客户授权位置信息后对客户当前位置进行定位并识别指定半径内的网点,同时显示这些网点的具体距离,根据不同的交通方式推荐给客户较合适的路线并预计到达时间。交通方式包括但不限于步行,打车等。
所述网点,将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间,并根据客户的不同类型,计算不同时间段办理某种业务的需求密度或不同时间段预约某种业务的需求密度。
所述的数据传输模块,是一个数据交换平台,通过通用网关连接网点、客户端和定位模块,并通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块。
所述的预测模块,根据不同客户类型和客户输入信息建立模型,并为客户定制推荐信息。
上述的一种基于大数据预测引导客户办理银行业务的推荐系统,其中,所述客户的归类类型包括普通客户、潜在VIP客户和VIP客户。
上述的一种基于大数据预测引导客户办理银行业务的推荐系统,其中,所述定位模块通过电信移动运营商的无线电通讯网络或外部定位方式获取客户端用户的位置信息。
上述的一基于大数据预测引导客户办理银行业务的推荐系统,其中,所述预测模块包括:
网点输入信息单元,用于筛选数据传输模块中网点的输入信息。
定位输入信息单元,用于筛选数据传输模块中定位模块的输入信息。
网点推荐单元,用于根据输入信息给出各网点推荐分数,分数越低,推荐程度越高。
上述的一种基于大数据预测引导客户办理银行业务的推荐系统,其中,对于普通客户和潜在VIP客户,所述预测模块还包括:业务办理时间推荐单元,用于根据输入信息给出该网点办理业务时间的推荐分数,分数越低,推荐程度越高。
对于VIP客户,所述预测模块还包括:预约时间推荐单元,用于根据输入信息通过模型给出该网点预约办理业务时间的推荐分数,分数越低,推荐程度越高。
本发明还提供了一种基于大数据预测引导客户办理银行业务的推荐方法,是基于上述的基于大数据预测引导客户办理银行业务的推荐系统的推荐方法,包括以下步骤:
(1)客户在客户端输入用户名、卡号、密码、需要办理的业务类型以及选择性输入办理业务的半径、网点或时间,客户端其进行客户画像并归类,归类类型包括普通客户、潜在VIP客户和VIP客户。
(2)定位模块在客户授权位置信息后通过定位客户当前位置搜索指定半径内的网点并显示这些网点的具体距离,并结合距离和交通方式显示到这些网点的预计到达时间。
(3)若客户为普通客户或潜在VIP客户,网点将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间和不同时间段办理某种业务的需求密度;否则,执行步骤(4)。
(4)若客户为VIP客户,网点将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度。
(5)数据传输模块通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块。
(6)若客户为普通客户或潜在VIP客户,则可选择在客户端中输入希望办理业务的网点、半径或办理时间。
若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段办理某种业务的需求密度来进行对比,并为客户推荐最佳办理时间段。
若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和在不同时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。
若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在该时间段的平均办理时间和该时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。否则,执行步骤(7)。
(7)若客户为VIP客户,则可选择在客户端中输入希望办理业务的网点、半径或办理时间。
若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段预约办理业务的需求密度来进行对比,并为客户推荐最佳办理时间段。
若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。
若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并通过预计到达时间、某种业务在该时间段的平均办理时间和该时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。
上述的一种基于大数据预测引导客户办理银行业务的推荐方法,其中,所述步骤(1)中,所述客户画像是根据客户在银行的存款总额或近几个月的存款总额或该客户的征信数据对客户进行的画像,从而识别客户的类型。
上述的一种基于大数据预测引导客户办理银行业务的推荐方法,其中,所述步骤(6)中,所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段办理某种业务的需求密度,所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
上述的一种基于大数据预测引导客户办理银行业务的推荐方法,其中,所述步骤(7)中,所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段预约某种业务的需求密度,所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
上述的一种基于大数据预测引导客户办理银行业务的推荐方法,其中,所述步骤(6)中,对于潜在VIP客户,预测模块在为其推荐合适的网点或者办理业务的时间的同时,还为其提供VIP优质服务从而努力将其转化成VIP客户。
综上所述,与现有技术相比,本发明有以下优点和突出效果:
1、本发明是基于大数据预测的引导客户流量的推荐系统及方法,结合了客户在银行办理各业务的历史数据、客户的位置信息,通过计算平均办理时间和办理业务的需求密度等,更准确地预估客户需要等待的时间,并通过建模,更加准确、智能地给出各网点的推荐程度。
2、本发明基于用户画像将客户进行了合理的分类,不仅能够对VIP客户进行个性化推荐和精准营销,而且对于潜在的VIP客户,在正常办理一般业务的同时对其提供VIP优质服务并将其升级为VIP客户,这种获客方式的效率较高且成本较低。
3、采用本发明系统和方法,客户可以根据推荐信息合理有效地选择所要办理业务的网点,有效地解决了部分网点客户流量小,资源浪费或部分网点客户流量大等网点客户流量分配不均匀、客户等待时间较长的现象。
附图说明
图1是本发明一种基于大数据预测引导客户办理银行业务的推荐系统的连接示意图。
图2是本发明一种基于大数据预测引导客户办理银行业务的推荐系统的原理图。
图3是本发明一种基于大数据预测引导客户办理银行业务的推荐方法的流程图。
图4是本发明的预测模块的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细介绍。
实施例1
请参见图1,一种基于大数据预测引导客户办理银行业务的推荐系统,包括:客户端,定位模块,网点,数据传输模块和预测模块。
客户在客户端输入用户名、卡号、密码、需要办理的业务类型以及选择性输入办理业务的半径、网点或时间,客户端根据客户在银行的存款总额或近几个月的存款总额或该客户的征信数据对客户进行的画像,将客户归类,归类类型包括普通客户、潜在VIP客户和VIP客户。
定位模块通过电信移动运营商的无线电通讯网络(GSM网、CDMA网)或外部定位方式(如GPS等)获取客户端用户的位置信息。在客户授权位置信息后通过定位客户当前位置搜索指定半径内的网点并显示这些网点的具体距离,并结合距离和交通方式显示到这些网点的预计到达时间。
网点在数据预处理的过程中,将时间分成不同的时间段,比如[9:00,10:00),[10:00,11:00),…,[16:00,17:00]等。办理业务的时间分段的标准以业务办理的开始时间为准,比如10:50开始,11:05结束的业务,这笔业务应归入[10:00,11:00)这个时间段。若客户为普通客户或潜在VIP客户,则网点分别计算某种业务在不同时间段的平均办理时间和不同时间段办理某种业务的需求密度;若客户为VIP客户,则网点分别计算某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度。
某种业务在不同时间段的平均办理时间的计算模型为MODEL-1,其计算方法为:计算业务办理的交易流水中的开始时间和结束时间的时间差,对时间差的所有历史数据先按不同时间段进行数据分类预处理,然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值,期望值为平均时间差,即为该业务在各时间段的平均办理时间,比如下午2:00办理现金业务的平均办理时间为15分钟等。
不同时间段办理某种业务的需求密度的计算模型为MODEL-2,其计算方法为:统计叫号机凭条中的时间和等待人数这两种历史数据,等待人数先按照时间段进行分类预处理,然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值,期望值为平均等待人数,即为该业务在各时间段的办理的需求密度,比如上午10:00为办理现金业务而已取号的人数为6人,也就是说,10:00办理现金业务的需求密度为6人。
不同时间段预约某种业务的需求密度的计算模型为MODEL-3,其计算方法为:统计客户预约的时间和该时间段的预约人数这两种历史数据,预约人数先按时间段进行分类预处理,然后对各个时间段的历史数据进行统计分析得出其分布的概率密度曲线及其期望值,期望值为平均预约人数,即为该业务在各时间段的预约的需求密度,比如下午2:00为咨询理财产品预约的人数为3人,也就是说,14:00预约咨询理财产品的需求密度为3人。
数据传输模块是一个数据交换平台,通过通用网关连接网点、客户端和定位模块,并通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块。
预测模块包括:网点输入信息单元,用于筛选数据传输模块中网点的输入信息:定位输入信息单元,用于筛选数据传输模块中定位模块的输入信息;网点推荐单元,用于根据输入信息给出各网点推荐分数,分数越低,推荐程度越高。对于普通客户和潜在VIP客户,预测模块还包括:业务办理时间推荐单元,用于根据输入信息给出该网点办理业务时间的推荐分数,分数越低,推荐程度越高;对于VIP客户,预测模块还包括:预约时间推荐单元,用于根据输入信息通过模型给出该网点预约办理业务时间的推荐分数,分数越低,推荐程度越高。
客户为普通客户或潜在VIP客户时,预测模块为客户推荐最佳方案可分为三种情况:
(1)若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段办理某种业务的需求密度来进行对比,并为客户推荐最佳办理时间段。比如10:00的时候客户选择了在A网点办理现金业务,由A网点的数据可知[10:00,11:00),[11:00,12:00),…,[16:00,17:00]这7个时间段办理现金业务的需求密度分别为1,3,2,4,1,0,1.也就是说,在[15:00,16:00)这个时间段办理现金业务的需求密度最低,那么客户端会根据预测模块的结果向客户推荐在[15:00,16:00)这个时间段内办理业务。
(2)若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和在不同时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。该分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段办理某种业务的需求密度,预计到达时间、某种业务在某时间段的平均办理时间的单位均为分钟。
(3)若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在该时间段的平均办理时间和该时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。该分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段办理某种业务的需求密度,预计到达时间、某种业务在某时间段的平均办理时间的单位均为分钟。
另外,对于潜在VIP客户,预测模块在为其推荐合适的网点或者办理业务的时间的同时,还为其提供VIP优质服务从而努力将其转化成VIP客户。
客户为VIP客户时,预测模块为客户推荐最佳方案可分为三种情况:
(1)若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段预约办理业务的需求密度来进行对比,并为客户推荐最佳办理时间段。比如13:00的时候客户选择了在A网点办理咨询理财产品的业务,由A网点的数据可知[13:00,14:00),[14:00,15:00),[15:00,16:00),[16:00,17:00]这4个时间段办理咨询理财产品的业务需求密度分别为1,0,1,2,也就是说,在[14:00,15:00)这个时间段办理咨询理财产品的需求密度最低,那么客户端会根据预测模块的结果向客户推荐在[14:00,15:00)这个时间段内办理业务,客户提出在该时间段的预约请求。
(2)若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段预约某种业务的需求密度,预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
比如A网点距客户3km,开车预计到达时间为3分钟,该业务办理的平均时间为10分钟,当前时间段需求密度为7人;B网点距客户500m,步行8分钟,该网点现金业务办理的平均时间为12分钟,当前时间段需求密度为20人,A网点和B网点的得分分别为:
Score(A)=3+10*7=73
Score(B)=8+12*20=248。
若只考虑距离近,B网点较适合客户,但从需求密度来看,A网点可能会较快地为客户办理咨询理财产品的业务。预测得分综合考虑了各种因素,由结果可知A网点得分较低,推荐程度较高。也就是说,A网点相对B网点更适合该客户办理咨询理财产品的业务。若客户选择了该网点,则提出预约请求。具体预约时间推荐可由该网点在不同时间段预约办理的需求密度来进行对比。
(3)若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并通过预计到达时间、某种业务在该时间段的平均办理时间和该时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段预约某种业务的需求密度,预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
实施例2
实施对象:普通客户。
假设条件:上午9:45的时候客户张先生想办理个人住房贷款业务,张先生已授权开通客户端可以访问当前位置的功能。
张先生在客户端输入用户名、卡号、密码,且选择性输入了半径为3km。登陆成功后在需要办理业务类型中选择“个人住房贷款业务”。
客户端根据客户的输入信息和个人相关的征信信息进行客户画像:已知张先生该卡近三个月的余额均在20万以下,而且征信信息表明张先生在其他行也存在贷款行为,客户画像的结果为普通客户。
定位模块在授权后通过定位张先生当前的位置,搜索附近3km内的网点,结果有6个,这里分别为A={A1,A2,A3},距离分别为100m,800m,1.5km.交通方式有两种:步行,打车。通过步行到达各网点的时间为1min,8min,15min。
网点的历史数据按照8个时间段进行划分,分别为:[9:00,10:00),[10:00,11:00),...,[16:00,17:00]等,那么9:45输入[9:00,10:00)时间段。分别对这8个时间段的历史数据进行统计分析求得其概率密度曲线为f1,f2,...,f8.由MODEL-1得出该时间段个人住房贷款业务的平均办理时间分别为:22min,18min,17min,由MODEL-2得出该时间段办理个人住房贷款业务的需求密度分别为:10,7,9。
数据传输模块的输入信息包括各距离、预计到达时间,业务平均办理时间和业务办理需求密度。
预测模块根据数据计算这三个网点的得分分别为:
Score(A1)=1+10*22=221
Score(A2)=8+7*18=134
Score(Aa)=15+9*17=168。
由结果可知A2网点的得分最低,推荐程度最高,即为推荐结果。
实施例3
实施对象:VIP客户
假设条件:客户李女士想在B1网点办理咨询银行理财产品的业务,李女士已授权开通客户端可以访问当前位置的功能。
李女士在客户端输入用户名、卡号、密码,且选择性输入了B1网点。登陆成功后在需要办理业务类型中选择“咨询理财产品业务”。
客户端根据客户的输入信息和个人相关的征信信息进行客户画像:已知李女士该卡近三个月的余额均在500万以上,而且征信信息表明李女士是某家上市公司的股东,客户画像结果为VIP客户。
定位模块在授权后通过定位李女士当前的位置,搜索出B1网点,距离为800m。
网点的历史数据按照4个时间段进行划分,分别为:[9:00,11:00),[11:00,13:00),[13:00,15:00),[15:00,17:00].分别对这4个时间段的历史数据进行统计分析求得其概率密度曲线为f1,f2,...,f8.由MODEL-3得出该时间段预约办理咨询理财产品业务的需求密度分别为:5,2,3,4。结果可知[13:00,15:00)时间段内预约办理咨询理财产品业务的需求密度最低,推荐程度最高,即为推荐结果,李女士根据推荐结果完成预约。
本发明与现有技术相比,有以下优点和突出效果:
1、本发明是基于大数据预测的引导客户流量的推荐系统及方法,结合了客户在银行办理各业务的历史数据、客户的位置信息,通过计算平均办理时间和办理业务的需求密度等,更准确地预估客户需要等待的时间,并通过建模,更加准确、智能地给出各网点的推荐程度。
2、本发明基于用户画像将客户进行了合理的分类,不仅能够对VIP客户进行个性化推荐和精准营销,而且对于潜在的VIP客户,在正常办理一般业务的同时对其提供VIP优质服务并将其升级为VIP客户,这种获客方式的效率较高且成本较低。
3、采用本发明系统和方法,客户可以根据推荐信息合理有效地选择所要办理业务的网点,有效地解决了部分网点客户流量小,资源浪费或部分网点客户流量大等网点客户流量分配不均匀、客户等待时间较长的现象。
以上所述的实施例仅用于说明本发明的技术思想及特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,不能仅以本实施例来限定本发明的专利范围,即凡依本发明所揭示的精神所作的同等变化或修饰,仍落在本发明的专利范围内。
Claims (10)
1.一种基于大数据预测引导客户办理银行业务的推荐系统,其特征在于,包括:客户端,定位模块,网点,数据传输模块和预测模块;
所述的客户端,客户在客户端输入信息,客户端对客户进行画像并对其归类;
所述的定位模块,在客户授权位置信息后对客户当前位置进行定位并识别指定半径内的网点,同时显示这些网点的具体距离和预计到达时间;
所述网点,将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间,并根据客户的不同类型,计算不同时间段办理某种业务的需求密度或不同时间段预约某种业务的需求密度;
所述的数据传输模块,是一个数据交换平台,通过通用网关连接网点、客户端和定位模块,并通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块;
所述的预测模块,根据不同客户类型和客户输入信息建立模型,并为客户定制推荐信息。
2.根据权利要求1所述的基于大数据预测引导客户办理银行业务的推荐系统,其特征在于,所述客户的归类类型包括普通客户、潜在VIP客户和VIP客户。
3.根据权利要求1所述的基于大数据预测引导客户办理银行业务的推荐系统,其特征在于,所述定位模块通过电信移动运营商的无线电通讯网络或外部定位方式获取客户端用户的位置信息。
4.根据权利要求1所述的基于大数据预测引导客户办理银行业务的推荐系统,其特征在于,所述预测模块包括:
网点输入信息单元,用于筛选数据传输模块中网点的输入信息;
定位输入信息单元,用于筛选数据传输模块中定位模块的输入信息;
网点推荐单元,用于根据输入信息给出各网点推荐分数,分数越低,推荐程度越高。
5.根据权利要求2所述的基于大数据预测引导客户办理银行业务的推荐系统,其特征在于,对于普通客户和潜在VIP客户,所述预测模块还包括:业务办理时间推荐单元,用于根据输入信息给出该网点办理业务时间的推荐分数,分数越低,推荐程度越高;
对于VIP客户,所述预测模块还包括:预约时间推荐单元,用于根据输入信息通过模型给出该网点预约办理业务时间的推荐分数,分数越低,推荐程度越高。
6.一种基于大数据预测引导客户办理银行业务的推荐方法,是基于权利要求1所述的基于大数据预测引导客户办理银行业务的推荐系统的推荐方法,其特征在于,包括以下步骤:
(1)客户在客户端输入用户名、卡号、密码、需要办理的业务类型以及选择性输入办理业务的半径、网点或时间,客户端其进行客户画像并归类,归类类型包括普通客户、潜在VIP客户和VIP客户;
(2)定位模块在客户授权位置信息后通过定位客户当前位置搜索指定半径内的网点并显示这些网点的具体距离,并结合距离和交通方式显示到这些网点的预计到达时间;
(3)若客户为普通客户或潜在VIP客户,网点将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间和不同时间段办理某种业务的需求密度;否则,执行步骤(4):
(4)若客户为VIP客户,网点将时间分成不同的时间段,分别计算某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度;
(5)数据传输模块通过实时连接客户端、网点和定位模块来获取数据并传输到预测模块;
(6)若客户为普通客户或潜在VIP客户,则可选择在客户端中输入希望办理业务的网点、半径或办理时间;
若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段办理某种业务的需求密度来进行对比,并为客户推荐最佳办理时间段;
若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和不同时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高;
若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在该时间段的平均办理时间和该时间段办理某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高;
否则,执行步骤(7);
(7)若客户为VIP客户,则可选择在客户端中输入希望办理业务的网点、半径或办理时间;
若客户选择输入希望办理业务的网点,则预测模块会根据该网点在不同时间段预约办理业务的需求密度来进行对比,并为客户推荐最佳办理时间段;
若客户选择输入希望办理业务的半径,则预测模块会根据半径距离,通过不同交通方式预计到达时间,并根据预计到达时间、某种业务在不同时间段的平均办理时间和不同时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高;
若客户选择输入希望办理业务的时间,则默认的半径值为5km,预测模块根据5km内各网点的距离,通过不同交通方式预计到达时间,并通过预计到达时间、某种业务在该时间段的平均办理时间和该时间段预约某种业务的需求密度这三个输入项建立模型并得出一个分数,通过该分数评价不同网点办理该业务的推荐程度,得分越低推荐程度越高。
7.根据权利要求6所述的基于大数据预测引导客户办理银行业务的推荐方法,其特征在于,所述步骤(1)中,所述客户画像是根据客户在银行的存款总额或近几个月的存款总额或该客户的征信数据对客户进行的画像,识别客户的类型。
8.根据权利要求6所述的基于大数据预测引导客户办理银行业务的推荐方法,其特征在于,所述步骤(6)中,所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段办理某种业务的需求密度,所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
9.根据权利要求6所述的基于大数据预测引导客户办理银行业务的推荐方法,其特征在于,所述步骤(7)中,所述分数的计算公式为:分数=预计到达时间+某种业务在某时间段的平均办理时间×某时间段预约某种业务的需求密度,所述预计到达时间、某种业务在某时间段的平均办理时间的单位为分钟。
10.根据权利要求6所述的基于大数据预测引导客户办理银行业务的推荐方法,其特征在于,所述步骤(6)中,对于潜在VIP客户,预测模块在为其推荐合适的网点或者办理业务的时间的同时,还为其提供VIP优质服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610013266.9A CN105681409A (zh) | 2016-01-11 | 2016-01-11 | 基于大数据预测引导客户办理银行业务的推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610013266.9A CN105681409A (zh) | 2016-01-11 | 2016-01-11 | 基于大数据预测引导客户办理银行业务的推荐系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105681409A true CN105681409A (zh) | 2016-06-15 |
Family
ID=56299716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610013266.9A Pending CN105681409A (zh) | 2016-01-11 | 2016-01-11 | 基于大数据预测引导客户办理银行业务的推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105681409A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230047A (zh) * | 2017-07-07 | 2017-10-03 | 郑州云海信息技术有限公司 | 一种基于云计算的智能车管所服务系统及服务方法 |
CN107424281A (zh) * | 2017-04-13 | 2017-12-01 | 中国联合网络通信集团有限公司 | 批量排队预约方法及装置 |
CN107818375A (zh) * | 2017-11-09 | 2018-03-20 | 陕西外号信息技术有限公司 | 一种基于光标签的带导流功能的服务预约方法与系统 |
CN108416651A (zh) * | 2018-02-09 | 2018-08-17 | 北京天元创新科技有限公司 | 一种通信服务的推荐方法和系统 |
CN109034870A (zh) * | 2018-06-27 | 2018-12-18 | 北京中电普华信息技术有限公司 | 基于服务网点压力和路网信息的服务网点推荐方法 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109284044A (zh) * | 2018-08-29 | 2019-01-29 | 中国建设银行股份有限公司 | 一种基于大数据的功能菜单展示方法及相关设备 |
TWI649700B (zh) * | 2017-09-01 | 2019-02-01 | 辛順輝 | 免預約之動態推薦系統 |
CN109410027A (zh) * | 2018-08-29 | 2019-03-01 | 中国建设银行股份有限公司 | 一种基于特征识别的金融信息处理方法、智能终端及介质 |
CN109472913A (zh) * | 2018-10-23 | 2019-03-15 | 广东觅游信息科技有限公司 | 营业厅智能排队方法及系统 |
TWI657387B (zh) * | 2017-02-02 | 2019-04-21 | 第一商業銀行股份有限公司 | 線上報到方法、線上報到系統及行動裝置 |
CN110400026A (zh) * | 2018-04-18 | 2019-11-01 | 南京奥拓电子科技有限公司 | 一种机器人数据统计分析方法 |
CN110737847A (zh) * | 2018-07-02 | 2020-01-31 | 优信数享(北京)信息技术有限公司 | 一种业务办理目的地推荐方法及系统 |
CN110751459A (zh) * | 2019-10-15 | 2020-02-04 | 上海云从企业发展有限公司 | 一种基于时间信息的业务管理方法、系统、设备和介质 |
CN112116253A (zh) * | 2020-09-21 | 2020-12-22 | 中国建设银行股份有限公司 | 一种中心网点选择的方法、装置和系统 |
CN112133051A (zh) * | 2020-11-24 | 2020-12-25 | 兰和科技(深圳)有限公司 | 一种基于大数据的行为预判监控系统 |
CN113888060A (zh) * | 2021-11-24 | 2022-01-04 | 中国工商银行股份有限公司 | 用于确定网点运营策略的方法、装置、电子设备和介质 |
CN114399351A (zh) * | 2021-12-22 | 2022-04-26 | 中国电信股份有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254290A (zh) * | 2011-08-08 | 2011-11-23 | 中国工商银行股份有限公司 | 银行业务的预约方法、终端及系统 |
CN104951979A (zh) * | 2015-06-06 | 2015-09-30 | 浙江维融电子科技股份有限公司 | 一种银行网点推荐方法 |
CN104992228A (zh) * | 2015-06-06 | 2015-10-21 | 浙江维融电子科技股份有限公司 | 一种银行业务办理的远程排队方法及系统 |
-
2016
- 2016-01-11 CN CN201610013266.9A patent/CN105681409A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254290A (zh) * | 2011-08-08 | 2011-11-23 | 中国工商银行股份有限公司 | 银行业务的预约方法、终端及系统 |
CN104951979A (zh) * | 2015-06-06 | 2015-09-30 | 浙江维融电子科技股份有限公司 | 一种银行网点推荐方法 |
CN104992228A (zh) * | 2015-06-06 | 2015-10-21 | 浙江维融电子科技股份有限公司 | 一种银行业务办理的远程排队方法及系统 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI657387B (zh) * | 2017-02-02 | 2019-04-21 | 第一商業銀行股份有限公司 | 線上報到方法、線上報到系統及行動裝置 |
CN107424281A (zh) * | 2017-04-13 | 2017-12-01 | 中国联合网络通信集团有限公司 | 批量排队预约方法及装置 |
CN107230047A (zh) * | 2017-07-07 | 2017-10-03 | 郑州云海信息技术有限公司 | 一种基于云计算的智能车管所服务系统及服务方法 |
TWI649700B (zh) * | 2017-09-01 | 2019-02-01 | 辛順輝 | 免預約之動態推薦系統 |
CN109427006A (zh) * | 2017-09-01 | 2019-03-05 | 辛顺辉 | 免预约的动态推荐系统 |
CN107818375A (zh) * | 2017-11-09 | 2018-03-20 | 陕西外号信息技术有限公司 | 一种基于光标签的带导流功能的服务预约方法与系统 |
CN107818375B (zh) * | 2017-11-09 | 2021-10-01 | 陕西外号信息技术有限公司 | 一种基于光标签的带导流功能的服务预约方法与系统 |
CN108416651A (zh) * | 2018-02-09 | 2018-08-17 | 北京天元创新科技有限公司 | 一种通信服务的推荐方法和系统 |
CN110400026A (zh) * | 2018-04-18 | 2019-11-01 | 南京奥拓电子科技有限公司 | 一种机器人数据统计分析方法 |
CN109034870A (zh) * | 2018-06-27 | 2018-12-18 | 北京中电普华信息技术有限公司 | 基于服务网点压力和路网信息的服务网点推荐方法 |
CN110737847A (zh) * | 2018-07-02 | 2020-01-31 | 优信数享(北京)信息技术有限公司 | 一种业务办理目的地推荐方法及系统 |
CN109064268A (zh) * | 2018-07-20 | 2018-12-21 | 中国建设银行股份有限公司 | 业务推荐方法、装置、服务端及存储介质 |
CN109410027A (zh) * | 2018-08-29 | 2019-03-01 | 中国建设银行股份有限公司 | 一种基于特征识别的金融信息处理方法、智能终端及介质 |
CN109284044A (zh) * | 2018-08-29 | 2019-01-29 | 中国建设银行股份有限公司 | 一种基于大数据的功能菜单展示方法及相关设备 |
CN109472913A (zh) * | 2018-10-23 | 2019-03-15 | 广东觅游信息科技有限公司 | 营业厅智能排队方法及系统 |
CN110751459A (zh) * | 2019-10-15 | 2020-02-04 | 上海云从企业发展有限公司 | 一种基于时间信息的业务管理方法、系统、设备和介质 |
CN112116253A (zh) * | 2020-09-21 | 2020-12-22 | 中国建设银行股份有限公司 | 一种中心网点选择的方法、装置和系统 |
CN112133051A (zh) * | 2020-11-24 | 2020-12-25 | 兰和科技(深圳)有限公司 | 一种基于大数据的行为预判监控系统 |
CN113888060A (zh) * | 2021-11-24 | 2022-01-04 | 中国工商银行股份有限公司 | 用于确定网点运营策略的方法、装置、电子设备和介质 |
CN114399351A (zh) * | 2021-12-22 | 2022-04-26 | 中国电信股份有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105681409A (zh) | 基于大数据预测引导客户办理银行业务的推荐系统及方法 | |
Trépanier et al. | Individual trip destination estimation in a transit smart card automated fare collection system | |
US20200057918A1 (en) | Systems and methods for training artificial intelligence to predict utilization of resources | |
US20140122374A1 (en) | Cost exploration of data sharing in the cloud | |
CN110443695A (zh) | 数据处理方法及其装置、电子设备和介质 | |
US20030088487A1 (en) | Travel expense reimbursement system and method | |
US20060098647A1 (en) | Monitoring and reporting enterprise data using a message-based data exchange | |
US20120143755A1 (en) | Collection and Distribution of Customer Service Metric Information | |
US20210090017A1 (en) | Feedback-based management of delivery orders | |
US9785897B2 (en) | Methods and systems for optimizing efficiency of a workforce management system | |
CN110880082B (zh) | 服务评价方法、装置、系统、电子设备和可读存储介质 | |
US20110040591A1 (en) | Virtual meeting aggregator price comparison system and method | |
CN109155041A (zh) | 提供与社交图相关联的基于旅行或促销的推荐 | |
CN108961604A (zh) | 现金服务推荐方法、现金服务推荐系统及服务器 | |
Dai et al. | O2O on-demand delivery optimization with mixed driver forces | |
JP6200041B1 (ja) | 店舗検索システムおよび方法 | |
WO2021186211A1 (en) | Methods, systems, and devices for managing service requests and pricing policies for services provided by service providers to users | |
US10740824B2 (en) | Product delivery system and method | |
Wu et al. | Dynamic parcel pick-up routing problem with prioritized customers and constrained capacity via lower-bound-based rollout approach | |
CN110458311A (zh) | 一种酒店预订系统 | |
CN110930103A (zh) | 服务单审核方法及系统、介质和计算机系统 | |
RU117210U1 (ru) | Система для заказа товаров и/или услуг посредством мобильного персонального абонентского устройства сотовой связи (сервисфона) | |
KR20140101055A (ko) | 지식 서비스 중개 장치 및 그 방법 | |
KR102107453B1 (ko) | 자금 관리 서비스 시스템 및 방법과, 이를 위한 모바일 장치 및 컴퓨터 프로그램 | |
WO2021081408A1 (en) | Code generation and tracking for automatic data synchronization in a data management system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160615 |