CN108399565A - 金融产品推荐装置、方法及计算机可读存储介质 - Google Patents
金融产品推荐装置、方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108399565A CN108399565A CN201710930686.8A CN201710930686A CN108399565A CN 108399565 A CN108399565 A CN 108399565A CN 201710930686 A CN201710930686 A CN 201710930686A CN 108399565 A CN108399565 A CN 108399565A
- Authority
- CN
- China
- Prior art keywords
- financial product
- item
- target customer
- contact medium
- recommended
- 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
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种金融产品推荐装置,包括存储器和处理器,存储器上存储有可在处理器上运行的金融产品推荐程序,该程序被处理器执行时实现如下步骤:从事项信息表中提取目标客户对应的事项特征;按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为目标客户选择待推荐的金融产品;获取目标客户在事项信息表中的每一事项对应的接触媒介,根据获取的接触媒介预测客户的常用接触媒介;将金融产品通过常用接触媒介推荐给目标客户。本发明还提出一种金融产品推荐方法以及一种计算机可读存储介质。本发明提高了金融产品的推荐成功率。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种金融产品推荐装置、方法及计算机可读存储介质。
背景技术
目前,大多数银行采用的营销方案是建立在传统的营销系统之上,对客户的交易数据进行统计,筛选出一定量的客户作为潜在客户,通过电话或者短信等向这些客户推荐银行指定的金融产品,而随着金融行业以及互联网行业的发展,金融产品的种类越来越多,有基金、理财、贵金属、保险等各类产品,而每一类产品下又包含有若干个产品,这就导致对于客户来说,面对数量众多的金融产品,难以选择出适合自己的产品,而对于银行来说,由于人手不足等原因,无法实现对产品进行全面的推销,一般会选择数量较少的较为热门的金融产品的推销,此外这种推销模式不具有针对性,往往是结合产品的业务规则批量选择一些客户,进行批量营销,没有对客户的交易行为等进行深入挖掘而进行个性化精准营销。
综上所述,对于现有的营销模式来说,由于上述各种缺陷的存在,导致将金融产品推荐给客户的成功率较低。
发明内容
本发明提供一种金融产品推荐装置、方法及计算机可读存储介质,其主要目的在于提高金融产品的推荐成功率。
为实现上述目的,本发明提供一种金融产品推荐装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的金融产品推荐程序,所述金融产品推荐程序被所述处理器执行时实现如下步骤:
从事项信息表中提取目标客户对应的事项特征;
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
可选地,所述从事项信息表中提取目标客户对应的事项特征的步骤包括:
根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;
从所述属于预设事项类别的事项中提取出对应的事项特征。
可选地,所述获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介的步骤包括:
获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;
对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。
可选地,所述预设的分类模型为支持向量机分类模型,所述处理器还用于执行所述金融产品推荐程序,以在从事项信息表中提取目标客户对应的事项特征的步骤之前还实现如下步骤:
获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别;
根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
可选地,所述接触媒介包括PC客户端、APP客户端以及电话营销渠道。
此外,为实现上述目的,本发明还提供一种金融产品推荐方法,该方法包括:
从事项信息表中提取目标客户对应的事项特征;
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
可选地,所述从事项信息表中提取目标客户对应的事项特征的步骤包括:
根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;
从所述属于预设事项类别的事项中提取出对应的事项特征。
可选地,所述获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介的步骤包括:
获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;
对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。
可选地,所述预设的分类模型为支持向量机分类模型,所述处理器还用于执行所述金融产品推荐程序,以在从事项信息表中提取目标客户对应的事项特征的步骤之前还实现如下步骤:
获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别;
根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有金融产品推荐程序,所述金融产品推荐程序可被一个或者多个处理器执行,以实现如上所述的金融产品推荐方法的步骤。
本发明提出的金融产品推荐装置、方法及计算机可读存储介质,根据目标客户的事项特征,按照预设的分类模型根据获取到的事项特征计算目标客户对持有的金融产品的满意度级别,然后根据目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为目标客户选择待推荐的金融产品。通过上述流程能够实现自动对目标客户的事项进行分析,并根据分类算法计算出客户对持有的金融产品的满意度级别,将满意度级别作为推荐新的金融产品的依据,并结合该金融产品的已有客户使用的接触媒介情况,为目标客户选择合适的接触媒介,通过这种方式,能够综合银行的所有金融产品,并针对某一客户进行针对性的推荐,提高产品的推荐成功率。
附图说明
图1为本发明金融产品推荐装置较佳实施例的示意图;
图2为本发明金融产品推荐装置一实施例中金融产品推荐程序的功能模块示意图;
图3为本发明金融产品推荐方法较佳实施例的流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种金融产品推荐装置。参照图1所示,为本发明金融产品推荐装置较佳实施例的示意图。
在本实施例中,金融产品推荐装置可以是PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式终端设备。
该金融产品推荐装置包括存储器11、处理器12,通信总线13,以及网络接口14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是金融产品推荐装置的内部存储单元,例如该金融产品推荐装置的硬盘。存储器11在另一些实施例中也可以是金融产品推荐装置的外部存储设备,例如金融产品推荐装置上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括金融产品推荐装置的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于金融产品推荐装置的应用软件及各类数据,例如金融产品推荐程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行金融产品推荐程序等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置与其他电子设备之间建立通信连接。
图1仅示出了具有组件11-14以及金融产品推荐程序的金融产品推荐装置,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,该装置还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在金融产品推荐装置中处理的信息以及用于显示可视化的用户界面。
在图1所示的装置实施例中,存储器11中存储有金融产品推荐程序;处理器12执行存储器11中存储的金融产品推荐程序时实现如下步骤:
从事项信息表中提取目标客户对应的事项特征。
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别。
本发明实施例中,预先建立有事项信息表,该事项信息表用于存储各个客户交易事项,以及基于交易事项发生的其他各种事项,例如,投诉事项、赔偿事项、评论事项、退保事项等。上述交易事项包括基金买入事项、保险买入事项等等针对各种金融产品的交易事项。也就是说,只要在本银行开户的客户,发生的各种与金融产品相关的事项都会记录在上述事项信息表中。同时,在记录一个事项时,同时还记录该事项发生时的接触媒介。接触媒介为,在该实施例中主要包括以下渠道:银行发布的PC客户端、APP客户端以及电话营销渠道。
可以在接收到对目标客户进行产品推荐的请求时,确定目标客户的身份信息,其中,身份信息可以是身份证号码或者手机号码等都能够在上述数据库中识别唯一客户的标识信息。根据其身份信息从事项信息表中提取出该客户的所有事项或者在过去一段时间内记录的事项。
作为一种实施方式,从事项信息表中提取目标客户对应的事项特征的步骤包括:根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;从所述属于预设事项类别的事项中提取出对应的事项特征。
在该实施方式中,为了提高对于客户满意度级别计算的准确性,在获取到与目标客户对应的所有事项后,对这些事项进行降维处理,保留属于预设类别的事项,过滤掉其中没有体现出客户对金融产品的满意度的事项,其中,一个或者多个事项可以对应于一个用户正在持有或者曾经持有过的金融产品。可选地,在该实施例中,预先设置如下几个类别的事项:开户类、买入类、加保类、退保类事项、投诉类、赔偿类等事项类别,在其他实施例中,可以根据需要预先设置更多的事项类别。例如,某客户购买某保险产品一段时间后,进行了退保,则会在事项信息表中生成一条退保事项的记录,由此可以推断出该客户对于该保险产品的满意度较低;或者,如果某客户在本银行开户后,又购买本银行的基金产品、保险产品,则会在事项信息表中对应地生成一个开户类事项和两个买入类事项,由此可以推断出该客户对相关金融产品的满意度较高。由此可见,不同的事项反映出客户对已有的金融产品的不同的满意度级别,因此,在综合评价目标客户对当前正在持有的金融产品或者曾经持有过的金融产品的满意度情况时,结合目标客户的所有历史事项进行评估。
从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项后,从这些事项中提取事项特征。本实施例中的事项特征提取过程主要是从记录的事项内容中提取出与客户满意度之间具有相关性的内容作为事项特征,例如,对于购买保险产品的事项,则事项特征可以为该保险产品的属性信息;或者,若记录的事项为:客户通过APP客户端对某一理财产品进行了评论,则可以对其评论内容进行分析,提取评价中能够反映客户满意度的关键词作为事项特征。事项信息表中记录的每一条事项都有对应的各个信息项,例如事项名称,事项对象,事项属性等。因此,可以预先设置每个事项类别下的事项要提取的信息项,在提取事项特征时,提取预先设置的信息项的内容即可。
可以理解的是,在使用预设的分类模型计算目标客户对应的满意度级别时,需要对分类模型进行训练。可选地,在一些实施例中,选择支持向量机分类模型作为预设的分类模型。获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别,也就是说,训练集中的特征需要人工预先判断各个事项特征体现出的;根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
预先将满意度设为多个等级,可选地,在本实施例中,将满意度设为五个级别,级别越高,则说明用户对当前正在持有的金融产品或者曾经持有过的金融产品的满意度越高。将事项信息表中所有客户的属于预设类别的事项提取出来并从中提取事项特征,并针对每个用户,根据其事项特征人工评估其对持有的金融产品的满意度级别,并将事项特征关联满意度级别的标签后,建立事项特征库,从中选择80%的事项特征作为训练集,用于训练模型,剩余的20%的事项特征作为验证集。将训练集输入到支持向量机分类模型中对模型进行训练,得到模型参数,并通过验证集对训练结果进行评估,其中,训练集中的用户越多,则训练得到模型参数越精确。得到的模型参数反映出用户的预设类型的事项与其对当前正在持有的金融产品或者曾经持有过的金融产品的满意度级别之间的相关关系。此外,可以理解的是,在对模型的训练过程中,可以不断地调整训练集,经过多次迭代获取模型最优参数。
将提取得到的目标客户的事项特征输入到上述训练好的支持向量机分类模型中,计算得到目标客户对持有的金融产品的满意度级别。
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品。
本实施例提出的装置中,预先建立每一金融产品在不同的满意度级别下,与其他一个或者多个金融产品之间的映射关系,则在选择推荐产品时,根据映射关系为用户选择合适的金融产品。
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介。
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
在确定待推荐的金融产品后,对该金融产品的现有的客户群进行分析,获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,接触媒介的分布概率大,说明客户通过该接触媒介购买该金融产品的概率更高,则将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。以提高推荐成功率。
本实施例提出的金融产品推荐装置,根据目标客户的事项特征,按照预设的分类模型根据获取到的事项特征计算目标客户对持有的金融产品的满意度级别,然后根据目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为目标客户选择待推荐的金融产品。通过上述流程能够实现自动对目标客户的事项进行分析,并根据分类算法计算出客户对持有的金融产品的满意度级别,将满意度级别作为推荐新的金融产品的依据,并结合该金融产品的已有客户使用的接触媒介情况,为目标客户选择合适的接触媒介,通过这种方式,能够综合银行的所有金融产品,并针对某一客户进行针对性的推荐,提高产品的推荐成功率。
可选地,在其他的实施例中,金融产品推荐程序还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述金融产品推荐程序在金融产品推荐装置中的执行过程。
例如,参照图2所示,为本发明金融产品推荐装置一实施例中的金融产品推荐程序的功能模块示意图,该实施例中,金融产品推荐程序可以被分割为获取模块10、计算模块20、选择模块30和推荐模块40,示例性地:
获取模块10用于:从事项信息表中提取目标客户对应的事项特征;
计算模块20用于:按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
选择模块30用于:获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取模块10还用于:获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
推荐模块40用于:将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
上述获取模块10、计算模块20、选择模块30和推荐模块40被执行所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明还提供一种金融产品推荐方法。参照图3所示,为本发明金融产品推荐方法第一实施例的流程图。
在本实施例中,金融产品推荐方法包括:
步骤S10,从事项信息表中提取目标客户对应的事项特征。
步骤S20,按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别。
本发明实施例的方法可以由一个装置执行,该装置可以由软件和/或硬件实现。该装置中预先建立有事项信息表,该事项信息表用于存储各个客户交易事项,以及基于交易事项发生的其他各种事项,例如,投诉事项、赔偿事项、评论事项、退保事项等。上述交易事项包括基金买入事项、保险买入事项等等针对各种金融产品的交易事项。也就是说,只要在本银行开户的客户,发生的各种与金融产品相关的事项都会记录在上述事项信息表中。同时,在记录一个事项时,同时还记录该事项发生时的接触媒介。接触媒介为,在该实施例中主要包括以下渠道:银行发布的PC客户端、APP客户端以及电话营销渠道。
可以在接收到对目标客户进行产品推荐的请求时,确定目标客户的身份信息,其中,身份信息可以是身份证号码或者手机号码等都能够在上述数据库中识别唯一客户的标识信息。根据其身份信息从事项信息表中提取出该客户的所有事项或者在过去一段时间内记录的事项。
作为一种实施方式,从事项信息表中提取目标客户对应的事项特征的步骤包括:根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;从所述属于预设事项类别的事项中提取出对应的事项特征。
在该实施方式中,为了提高对于客户满意度级别计算的准确性,在获取到与目标客户对应的所有事项后,对这些事项进行降维处理,保留属于预设类别的事项,过滤掉其中没有体现出客户对金融产品的满意度的事项,其中,一个或者多个事项可以对应于一个用户正在持有或者曾经持有过的金融产品。可选地,在该实施例中,预先设置如下几个类别的事项:开户类、买入类、加保类、退保类事项、投诉类、赔偿类等事项类别,在其他实施例中,可以根据需要预先设置更多的事项类别。例如,某客户购买某保险产品一段时间后,进行了退保,则会在事项信息表中生成一条退保事项的记录,由此可以推断出该客户对于该保险产品的满意度较低;或者,如果某客户在本银行开户后,又购买本银行的基金产品、保险产品,则会在事项信息表中对应地生成一个开户类事项和两个买入类事项,由此可以推断出该客户对相关金融产品的满意度较高。由此可见,不同的事项反映出客户对已有的金融产品的不同的满意度级别,因此,在综合评价目标客户对当前正在持有的金融产品或者曾经持有过的金融产品的满意度情况时,结合目标客户的所有历史事项进行评估。
从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项后,从这些事项中提取事项特征。本实施例中的事项特征提取过程主要是从记录的事项内容中提取出与客户满意度之间具有相关性的内容作为事项特征,例如,对于购买保险产品的事项,则事项特征可以为该保险产品的属性信息;或者,若记录的事项为:客户通过APP客户端对某一理财产品进行了评论,则可以对其评论内容进行分析,提取评价中能够反映客户满意度的关键词作为事项特征。事项信息表中记录的每一条事项都有对应的各个信息项,例如事项名称、事项对象、事项属性等。因此,可以预先设置每个事项类别下的事项要提取的信息项,在提取事项特征时,提取预先设置的信息项的内容即可。
可以理解的是,在使用预设的分类模型计算目标客户对应的满意度级别时,需要对分类模型进行训练。可选地,在一些实施例中,选择支持向量机分类模型作为预设的分类模型。获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别,也就是说,训练集中的特征需要人工预先判断各个事项特征体现出的;根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
预先将满意度设为多个等级,可选地,在本实施例中,将满意度设为五个级别,级别越高,则说明用户对当前正在持有的金融产品或者曾经持有过的金融产品的满意度越高。将事项信息表中所有客户的属于预设类别的事项提取出来并从中提取事项特征,并针对每个用户,根据其事项特征人工评估其对持有的金融产品的满意度级别,并将事项特征关联满意度级别的标签后,建立事项特征库,从中选择80%的事项特征作为训练集,用于训练模型,剩余的20%的事项特征作为验证集。将训练集输入到支持向量机分类模型中对模型进行训练,得到模型参数,并通过验证集对训练结果进行评估,其中,训练集中的用户越多,则训练得到模型参数越精确。得到的模型参数反映出用户的预设类型的事项与其对当前正在持有的金融产品或者曾经持有过的金融产品的满意度级别之间的相关关系。此外,可以理解的是,在对模型的训练过程中,可以不断地调整训练集,经过多次迭代获取模型最优参数。
步骤S30,将提取得到的目标客户的事项特征输入到上述训练好的支持向量机分类模型中,计算得到目标客户对持有的金融产品的满意度级别。
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品。
本实施例中,预先建立每一金融产品在不同的满意度级别下,与其他一个或者多个金融产品之间的映射关系,则在选择推荐产品时,根据映射关系为用户选择合适的金融产品。
步骤S40,获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介。
步骤S50,将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
在确定待推荐的金融产品后,对该金融产品的现有的客户群进行分析,获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,接触媒介的分布概率大,说明客户通过该接触媒介购买该金融产品的概率更高,则将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。以提高推荐成功率。
本实施例提出的金融产品推荐方法,根据目标客户的事项特征,按照预设的分类模型根据获取到的事项特征计算目标客户对持有的金融产品的满意度级别,然后根据目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为目标客户选择待推荐的金融产品。通过上述流程能够实现自动对目标客户的事项进行分析,并根据分类算法计算出客户对持有的金融产品的满意度级别,将满意度级别作为推荐新的金融产品的依据,并结合该金融产品的已有客户使用的接触媒介情况,为目标客户选择合适的接触媒介,通过这种方式,能够综合银行的所有金融产品,并针对某一客户进行针对性的推荐,提高产品的推荐成功率。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有金融产品推荐程序,所述金融产品推荐程序可被一个或多个处理器执行,以实现如下操作:
从事项信息表中提取目标客户对应的事项特征;
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
进一步地,所述从事项信息表中提取目标客户对应的事项特征的步骤包括:
根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;
从所述属于预设事项类别的事项中提取出对应的事项特征。
进一步地,所述获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介的步骤包括:
获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;
对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。
进一步地,所述预设的分类模型为支持向量机分类模型,所述处理器还用于执行所述金融产品推荐程序,以在从事项信息表中提取目标客户对应的事项特征的步骤之前还实现如下步骤:
获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别;
根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
本发明计算机可读存储介质具体实施方式与上述金融产品推荐装置和方法各实施例基本相同,在此不作累述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种金融产品推荐装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的金融产品推荐程序,所述金融产品推荐程序被所述处理器执行时实现如下步骤:
从事项信息表中提取目标客户对应的事项特征;
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
2.根据权利要求1所述的金融产品推荐装置,其特征在于,所述从事项信息表中提取目标客户对应的事项特征的步骤包括:
根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;
从所述属于预设事项类别的事项中提取出对应的事项特征。
3.根据权利要求1所述的金融产品推荐装置,其特征在于,所述获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介的步骤包括:
获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;
对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。
4.根据权利要求1至3中任一项所述的金融产品推荐装置,其特征在于,所述预设的分类模型为支持向量机分类模型,所述处理器还用于执行所述金融产品推荐程序,以在从事项信息表中提取目标客户对应的事项特征的步骤之前还实现如下步骤:
获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别;
根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
5.根据权利要求4所述的金融产品推荐装置,其特征在于,所述接触媒介包括PC客户端、APP客户端以及电话营销渠道。
6.一种金融产品推荐方法,其特征在于,所述金融产品推荐方法包括:
从事项信息表中提取目标客户对应的事项特征;
按照预设的分类模型,根据目标客户的事项特征计算目标客户对持有的金融产品的满意度级别;
获取目标客户的持有的金融产品的产品数据,并根据所述目标客户的持有的金融产品的产品数据和对持有的金融产品的满意度级别,为所述目标客户选择待推荐的金融产品;
获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介;
将所述金融产品通过所述常用接触媒介推荐给所述目标客户。
7.根据权利要求6所述的金融产品推荐方法,其特征在于,所述从事项信息表中提取目标客户对应的事项特征的步骤包括:
根据目标客户的身份信息从事项信息表中提取目标客户的所有事项,并从提取的事项中过滤出属于预设事项类别的事项;
从所述属于预设事项类别的事项中提取出对应的事项特征。
8.根据权利要求6所述的金融产品推荐方法,其特征在于,所述获取所述待推荐的金融产品对应的现有客户所使用的接触媒介,并根据获取的接触媒介预测客户的推荐接触媒介的步骤包括:
获取所述待推荐的金融产品对应的每一现有客户所使用的接触媒介;
对获取的每一现有客户所使用的接触媒介进行统计,确定所述待推荐的产品在各个接触媒介上的分布概率,将分布概率最大的接触媒介作为所述目标客户的常用接触媒介。
9.根据权利要求6至8中任一项所述的金融产品推荐方法,其特征在于,所述预设的分类模型为支持向量机分类模型,所述处理器还用于执行所述金融产品推荐程序,以在从事项信息表中提取目标客户对应的事项特征的步骤之前还实现如下步骤:
获取事项特征训练集,所述事项特征训练集中的每一个事项特征有对应的满意度级别;
根据所述事项特征训练集训练所述支持向量机分类模型,以获取所述分类模型的模型参数。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有金融产品推荐程序,所述金融产品推荐程序可被一个或者多个处理器执行,以实现如权利要求6至9中任一项所述的金融产品推荐方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710930686.8A CN108399565A (zh) | 2017-10-09 | 2017-10-09 | 金融产品推荐装置、方法及计算机可读存储介质 |
PCT/CN2018/077631 WO2019071906A1 (zh) | 2017-10-09 | 2018-02-28 | 金融产品推荐装置、方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710930686.8A CN108399565A (zh) | 2017-10-09 | 2017-10-09 | 金融产品推荐装置、方法及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108399565A true CN108399565A (zh) | 2018-08-14 |
Family
ID=63094507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710930686.8A Pending CN108399565A (zh) | 2017-10-09 | 2017-10-09 | 金融产品推荐装置、方法及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108399565A (zh) |
WO (1) | WO2019071906A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255715A (zh) * | 2018-09-03 | 2019-01-22 | 平安科技(深圳)有限公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
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 |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN110009159A (zh) * | 2019-04-11 | 2019-07-12 | 湖北风口网络科技有限公司 | 基于网络大数据的金融借贷需求预测方法及系统 |
CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
CN111429232A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 产品推荐方法、装置和电子设备及计算机可读存储介质 |
CN112669136A (zh) * | 2020-12-10 | 2021-04-16 | 前海飞算科技(深圳)有限公司 | 基于大数据的金融产品推荐方法、系统、设备及存储介质 |
CN113468421A (zh) * | 2021-06-29 | 2021-10-01 | 平安信托有限责任公司 | 基于向量匹配技术的产品推荐方法、装置、设备及介质 |
WO2022007798A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳市富途网络科技有限公司 | 数据显示方法、装置、终端设备及存储介质 |
JP2022535636A (ja) * | 2019-06-06 | 2022-08-10 | テンセント・テクノロジー・(シェンジェン)・カンパニー・リミテッド | 金融商品推薦方法、装置、電子機器及びプログラム |
CN115619436A (zh) * | 2022-11-14 | 2023-01-17 | 平安银行股份有限公司 | 一种金融产品的推荐方法、装置、计算机设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008109A (zh) * | 2013-02-26 | 2014-08-27 | 南京邮电大学 | 基于用户兴趣的Web信息推送服务系统 |
US20150032523A1 (en) * | 2013-07-29 | 2015-01-29 | Bank Of America Corporation | Credit source recommendation based on product level data analysis |
CN104463630A (zh) * | 2014-12-11 | 2015-03-25 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及系统 |
CN104835066A (zh) * | 2015-05-25 | 2015-08-12 | 北京京东尚科信息技术有限公司 | 一种投放渠道的选择方法及系统 |
CN106339469A (zh) * | 2016-08-29 | 2017-01-18 | 乐视控股(北京)有限公司 | 数据推荐方法及装置 |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
CN106682949A (zh) * | 2016-12-31 | 2017-05-17 | 中国移动通信集团江苏有限公司 | 业务推荐方法、业务信息接收方法、装置及系统 |
CN106780052A (zh) * | 2017-01-10 | 2017-05-31 | 上海诺悦智能科技有限公司 | 基于分类客户行为分析的保险服务推荐方法及系统 |
CN106815364A (zh) * | 2017-01-24 | 2017-06-09 | 百度在线网络技术(北京)有限公司 | 内容推送方法和装置 |
TWM543416U (zh) * | 2016-12-29 | 2017-06-11 | First Commercial Bank Co Ltd | 智能產品行銷系統 |
CN106991598A (zh) * | 2017-04-07 | 2017-07-28 | 北京百分点信息科技有限公司 | 数据推送方法及其系统 |
CN107025310A (zh) * | 2017-05-17 | 2017-08-08 | 长春嘉诚信息技术股份有限公司 | 一种自动实时新闻推荐方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140114674A1 (en) * | 2012-10-22 | 2014-04-24 | Robert M. Krughoff | Health Insurance Plan Comparison Tool |
CN104424247A (zh) * | 2013-08-28 | 2015-03-18 | 北京闹米科技有限公司 | 一种产品信息过滤推荐方法和装置 |
CN106991609A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 投资产品的推荐方法和装置 |
CN107194754A (zh) * | 2017-04-11 | 2017-09-22 | 美林数据技术股份有限公司 | 基于混合协同过滤的券商产品推荐方法 |
-
2017
- 2017-10-09 CN CN201710930686.8A patent/CN108399565A/zh active Pending
-
2018
- 2018-02-28 WO PCT/CN2018/077631 patent/WO2019071906A1/zh active Application Filing
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008109A (zh) * | 2013-02-26 | 2014-08-27 | 南京邮电大学 | 基于用户兴趣的Web信息推送服务系统 |
US20150032523A1 (en) * | 2013-07-29 | 2015-01-29 | Bank Of America Corporation | Credit source recommendation based on product level data analysis |
CN104463630A (zh) * | 2014-12-11 | 2015-03-25 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及系统 |
CN104835066A (zh) * | 2015-05-25 | 2015-08-12 | 北京京东尚科信息技术有限公司 | 一种投放渠道的选择方法及系统 |
CN106339469A (zh) * | 2016-08-29 | 2017-01-18 | 乐视控股(北京)有限公司 | 数据推荐方法及装置 |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 |
TWM543416U (zh) * | 2016-12-29 | 2017-06-11 | First Commercial Bank Co Ltd | 智能產品行銷系統 |
CN106682949A (zh) * | 2016-12-31 | 2017-05-17 | 中国移动通信集团江苏有限公司 | 业务推荐方法、业务信息接收方法、装置及系统 |
CN106780052A (zh) * | 2017-01-10 | 2017-05-31 | 上海诺悦智能科技有限公司 | 基于分类客户行为分析的保险服务推荐方法及系统 |
CN106815364A (zh) * | 2017-01-24 | 2017-06-09 | 百度在线网络技术(北京)有限公司 | 内容推送方法和装置 |
CN106991598A (zh) * | 2017-04-07 | 2017-07-28 | 北京百分点信息科技有限公司 | 数据推送方法及其系统 |
CN107025310A (zh) * | 2017-05-17 | 2017-08-08 | 长春嘉诚信息技术股份有限公司 | 一种自动实时新闻推荐方法 |
Non-Patent Citations (1)
Title |
---|
戴夫•查菲 等: "《电子商务 战略、执行与实践》", 31 January 2017, 东北财经大学出版社 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109255715A (zh) * | 2018-09-03 | 2019-01-22 | 平安科技(深圳)有限公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
CN109447728A (zh) * | 2018-09-07 | 2019-03-08 | 平安科技(深圳)有限公司 | 金融产品推荐方法、装置、计算机设备及存储介质 |
CN110009159A (zh) * | 2019-04-11 | 2019-07-12 | 湖北风口网络科技有限公司 | 基于网络大数据的金融借贷需求预测方法及系统 |
CN110135942A (zh) * | 2019-04-12 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置及计算机可读存储介质 |
JP2022535636A (ja) * | 2019-06-06 | 2022-08-10 | テンセント・テクノロジー・(シェンジェン)・カンパニー・リミテッド | 金融商品推薦方法、装置、電子機器及びプログラム |
CN111429232A (zh) * | 2020-04-12 | 2020-07-17 | 中信银行股份有限公司 | 产品推荐方法、装置和电子设备及计算机可读存储介质 |
WO2022007798A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳市富途网络科技有限公司 | 数据显示方法、装置、终端设备及存储介质 |
US11978116B2 (en) | 2020-07-08 | 2024-05-07 | Shenzhen Futu Network Technology Co., Ltd. | Data display method and apparatus, terminal device, and storage medium |
CN112669136A (zh) * | 2020-12-10 | 2021-04-16 | 前海飞算科技(深圳)有限公司 | 基于大数据的金融产品推荐方法、系统、设备及存储介质 |
CN113468421A (zh) * | 2021-06-29 | 2021-10-01 | 平安信托有限责任公司 | 基于向量匹配技术的产品推荐方法、装置、设备及介质 |
CN115619436A (zh) * | 2022-11-14 | 2023-01-17 | 平安银行股份有限公司 | 一种金融产品的推荐方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019071906A1 (zh) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399565A (zh) | 金融产品推荐装置、方法及计算机可读存储介质 | |
US10783457B2 (en) | Method for determining risk preference of user, information recommendation method, and apparatus | |
CN108133013B (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN109299997A (zh) | 产品推荐方法、装置及计算机可读存储介质 | |
CN109615487A (zh) | 基于用户行为的产品推荐方法、装置、设备及存储介质 | |
CN109272408A (zh) | 车贷款金融产品智能推荐方法、装置、设备及介质 | |
CN107730389A (zh) | 电子装置、保险产品推荐方法及计算机可读存储介质 | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
CN110135942A (zh) | 产品推荐方法、装置及计算机可读存储介质 | |
CN107688987A (zh) | 电子装置、保险推荐方法、及计算机可读存储介质 | |
CN107784504B (zh) | 客户回访事件的生成方法及终端设备 | |
CN107783861B (zh) | 交易回滚方法、装置、存储介质和计算机设备 | |
CN108256537A (zh) | 一种用户性别预测方法和系统 | |
CN109978033A (zh) | 同操作人识别模型的构建与同操作人识别的方法和装置 | |
US20190333077A1 (en) | Purchase information utilization system, purchase information utilization method, and program | |
CN109544266A (zh) | 产品数据推送方法、装置及计算机可读存储介质 | |
CN111708883A (zh) | 一种基于机器学习和设备指纹的授信额度确定方法及装置 | |
CN107392614A (zh) | 线下交易的实现方法和装置 | |
CN112529575A (zh) | 风险预警方法、设备、存储介质及装置 | |
US20140046708A1 (en) | Systems and methods for determining a cloud-based customer lifetime value | |
US20140019207A1 (en) | Interactive in-memory based sales forecasting | |
CN112511632B (zh) | 基于多源数据的对象推送方法、装置、设备及存储介质 | |
US20130138474A1 (en) | Customer retention and screening using contact analytics | |
CN105809488A (zh) | 一种信息处理方法及电子设备 | |
JP5209089B2 (ja) | 投稿情報評価装置及び投稿情報評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180814 |