CN110009417B - 目标客户筛选方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种目标客户筛选方法，包括：获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。本发明还公开了一种目标客户筛选装置、设备和一种存储介质。本发明根据自身的发展方向与各种维度的权重关系来最切合实际的对客户数据做出准确的筛选分析，筛选出目标客户，提高数据分析的准确率。

Description

目标客户筛选方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及目标客户筛选方法、装置、设备及计算机可读存储介质。

背景技术

近年来，随着金融科技(Fintech)，尤其是互联网金融的不断发展，数据分析被引入银行等金融机构的业务交易中。如何在众多业务数据中筛选出优质的客户是一项工作量很大，且容易出错的事情。

现有技术中，由银行金融市场部针对客户进行分层，具体通过一段时间内银行和客户之间发生的交易量总额的大小排名进行分层，排名高低即表示客户的优劣，这种方式在过去的经济体系中有一定的代表性，能够筛选出优质客户，以便业务人员进行跟踪和发展。但随着经济体系的多元化发展，银行与客户之间的合作和交易也趋于多元化，客户的优劣并不只是体现在交易量总额上，即目前这种只针对交易总额大小的筛选方式，在当前市场下所筛选出来的优质客户并不准确，不能很好的指导业务人员进行跟踪和发展，因此需要对目前的数据分析方式准确率低下，容易出错的情况进行改进。

发明内容

本发明的主要目的在于提出一种目标客户筛选方法、装置、设备及计算机可读存储介质，旨在提高数据分析的准确率。

为实现上述目的，本发明提供一种目标客户筛选方法，所述目标客户筛选方法包括如下步骤：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；

基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。

所述基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额的步骤包括：

基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额；

确定所述客户数据中各个交易产品所属的交易类型；

在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

优选地，所述根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值；

根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户的步骤包括：

将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分；

对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果；

根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

优选地，所述获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数的步骤包括：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

此外，为实现上述目的，本发明还提供一种目标客户筛选装置，所述目标客户筛选装置包括：

配置模块，用于获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；

计算模块，用于基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

筛选模块，用于基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户。

优选地，所述计算模块还用于：

基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述计算模块还用于：

基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额；

确定所述客户数据中各个交易产品所属的交易类型；

在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

优选地，所述计算模块还用于：

统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值；

根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述计算模块还用于：

将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

优选地，所述筛选模块还用于：

将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分；

对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果；

根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

优选地，所述配置模块还用于：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

此外，为实现上述目的，本发明还提供一种目标客户筛选设备，所述目标客户筛选设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标客户筛选程序，所述目标客户筛选程序被所述处理器执行时实现如上所述的目标客户筛选方法的步骤。

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目标客户筛选程序，所述目标客户筛选程序被处理器执行时实现如上所述的目标客户筛选方法的步骤。

本发明提出的目标客户筛选方法，获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。本发明根据自身的发展方向与各种维度的权重关系来最切合实际的对客户数据做出准确的筛选分析，筛选出目标客户，提高数据分析的准确率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明目标客户筛选方法第一实施例的流程示意图；

图3为本发明目标客户筛选方法第一实施例中，各个交易产品的权重系数配置示意图；

图4为本发明目标客户筛选方法第二实施例的流程示意图；

图5为本发明目标客户筛选方法第三实施例中，各个客户名称对应的交易维度的维度值的示意图；

图6为本发明目标客户筛选方法第三实施例中，各个客户名称对应的交易维度的维度得分的示意图。

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。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例终端可以是PC机或服务器设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及目标客户筛选程序。

其中，操作系统是管理和控制目标客户筛选设备与软件资源的程序，支持网络通信模块、用户接口模块、目标客户筛选程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1002；用户接口模块用于管理和控制用户接口1003。

在图1所示的目标客户筛选设备中，所述目标客户筛选设备通过处理器1001调用存储器1005中存储的目标客户筛选程序，并执行下述目标客户筛选方法各个实施例中的操作。

基于上述硬件结构，提出本发明目标客户筛选方法实施例。

参照图2，图2为本发明目标客户筛选方法第一实施例的流程示意图，目标客户筛选方法应用于目标客户筛选设备中，目标客户筛选设备可选为计算机等终端，或者手机等移动终端，为描述方便，以下将以银行的终端为例进行说明，所述方法包括：

步骤S10，获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；

步骤S20，基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

步骤S30，基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。

本实施例的目标客户筛选方法应用于银行业务终端，相关业务人员可操作终端进行目标客户的筛选，终端通过获取指定时间段的客户数据，并对客户数据进行筛选分析，筛选出目标客户名称对应的目标客户，以便相关业务人员进行跟踪和发展。

以下将对各个步骤进行详细说明：

步骤S10，获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数。

在本实施例中，目标客户筛选方法应用于终端，终端获取指定时间段的客户数据，该客户数据包括客户名称、交易日期、交易产品和交易金额，其中，终端获取客户数据的时机可以是在接收到相关业务人员在终端中下达获取指定时间段的客户数据的指令后，终端根据该指令和交易日期，获取到对应的客户数据，如相关业务人员想要知道第一季度的优质客户，相关业务人员在终端上下达对应的指令，终端根据指令，获取交易日期为1月1号到3月31号的客户数据，并从中筛选出目标客户名称对应的优质客户。终端获取客户数据的时机还可以是在监测到当前时间为预设获取周期对应的时间时，自动获取客户数据，即终端内置有相关的获取程序，具体为每间隔预设时间获取一次客户数据。

终端在获取到客户数据后，接收基于交易产品所配置的权重系数，该权重系数优选为相关业务人员根据客户数据中的交易产品所配置，可以理解的，终端内可事先设置好各个交易产品的权重系数，但由于本实施例中的客户数据是按指定时间段截取的，因此终端获取到的客户数据并不具备代表性，仅代表某一段时间的交易信息，并且在经济多元化的背景下，银行实际经营的业务也是随时变化的，即终端每一次获取到的客户数据中的交易产品很可能都不一样，用事先设置好的权重系数配置给客户数据中的交易产品并不能很好的应对多变的交易信息，因此，在本实施例中，权重系数优选为根据获取到的客户数据中的交易产品，相关业务人员进行实时配置。

进一步地，步骤S10包括：

步骤a，获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

终端获取指定时间段的客户数据，并确定客户数据中交易产品对应的产品种类，在本实施例中，交易产品的产品种类至少包括但不限于黄金交易、同业存放存入、同业存放存出、同业拆借拆入、同业拆借拆出、质押式回购逆回购和质押式回购正回购等，具体的产品种类根据获取到的客户数据中的交易产品得出。

步骤b，接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

本实施例的权重系数由相关业务人员根据市场导向进行配置，可以理解的，配置的权重系数总和为1或者10等整数，为便于校正，本实施例的权重系数的总和优选为10。参考图3，以交易产品的产品种类是黄金交易、同业存放存入、同业存放存出、同业拆借拆入、同业拆借拆出、质押式回购逆回购和质押式回购正回购为例，终端获取到的各个交易产品的权重系数分别为黄金交易1.2、同业存放存入1.5、同业存放存出1.2、同业拆借拆入1.6、同业拆借拆出1.0、质押式回购逆回购2.0和质押式回购正回购1.5，终端在接收到基于交易产品所配置的权重系数后，根据客户数据中交易产品的产品种类对该权重系数进行校正，具体的，将交易产品中各个产品种类的权重系数进行相加，判断其总和是否为10，若否，则确定权重系数相加的总和与10的差值，根据差值，增加或者减少每一产品类型的权重系数，当权重系数相加的总和小于10时，增加每一产品类型的权重系数，使权重系数的总和等于10，具体计算权重系数相加的总和与10的差值，再将该差值除以产品类型的种类，每一产品类型的权重系数加上计算所得结果，即为最终的交易产品的权重系数；当权重系数相机的总和大于10时，每一产品类型的权重系数减去计算所得结果。即为最终的交易产品的权重系数。

可以理解的，同一产品种类的交易产品的权重系数相同。

步骤S20，基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

在本实施例中，终端在获得客户数据中各个交易产品的权重系数后，基于交易产品、权重系数和交易产品对应的交易金额，分别计算客户数据中，每个客户名称对应的交易维度的维度得分，其中，交易维度指的是交易类型、交易次数和交易产品数，需要说明的是，每一种交易类型都单独作为一个交易维度，即终端需先确定客户数据中有多少种交易类型，每一种交易类型都作为一个交易维度。客户数据的交易维度个数等于交易类型的种类数N加上交易次数1和交易产品数1：交易维度个数＝N+2。在本实施例中，交易类型包括包括资产业务产品、负债业务产品和中间业务产品，终端通过计算各个客户名称对应的每一交易维度的维度得分，即分别计算各个客户名称在资产业务产品、负债业务产品、中间业务产品、交易次数和交易产品数中对应的维度得分，获得客户数据中各个客户名称对应的交易维度的维度得分。

具体将各个交易产品对应的权重系数乘以对应的交易金额，得到各个交易产品的权重交易金额，并统计各个客户名称对应的交易次数和交易产品数，将同一客户名称所属同一交易维度的权重交易金额相加，并将相加结果、交易次数对应的值和交易产品数对应的值作为维度得分，得到各个客户名称在各个交易维度中的维度得分。

步骤S30，基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。

在本实施例中，终端基于获取到的各个客户名称对应的交易维度的维度得分，分别计算各个客户名称对应的总得分，并根据计算得到的各个客户名称对应的总得分和预设规则，在客户数据中筛选出目标客户名称，其中，预设规则可以是361规则，即在筛选目标客户名称时，将总得分较高的十分之三客户名称作为目标客户名称。

具体的，步骤S30包括：

步骤c，将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分。

在该步骤中，终端将所属同一客户名称的各个交易维度的维度得分进行相加，即在本实施例中，终端将同一客户名称对应的资产业务产品的维度得分、负债业务产品的维度得分、中间业务产品的维度得分、交易次数的维度得分和交易产品数的维度得分进行相加，得到各个客户名称对应的总得分。

步骤d，对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果。

在该步骤中，终端根据计算得到的各个客户名称的总得分，按照从大到小的顺序，对总得分进行排序，即对各个客户名称进行排序，得到各个客户名称的排序结果。

步骤e，根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

在该步骤中，终端根据排序结果和预设规则，从客户数据中筛选出目标客户名称，其中，预设规则可以是361规则，即百分之三十为优质客户，百分之六十为普通客户，百分之十为较差客户的规则，如现有A、B、C和D四个客户名称，其分别对应的总得分为A：317.5，B：410.2，C：105，D：150。则排序结果为BADC，再根据361规则，可筛选出B为优质客户对应的客户名称，即目标客户名称，AD为普通客户对应的客户名称，C为较差客户对应的客户名称。

最后，终端将筛选出来的目标客户名称显示于终端对应的显示界面上，以供相关业务人员获取到该目标客户名称，并对该目标客户名称对应的目标客户进行跟踪和发展。

本实施例提出的目标客户筛选方法，获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。本发明根据自身的发展方向与各种维度的权重关系来最切合实际的对客户数据做出准确的筛选分析，筛选出目标客户，提高数据分析的准确率。

进一步地，基于本发明目标客户筛选方法第一实施例，提出本发明目标客户筛选方法第二实施例。

目标客户筛选方法的第二实施例与目标客户筛选方法的第一实施例的区别在于，参照图4，步骤S20包括：

步骤S21，基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

步骤S22，根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

步骤S23，根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

本实施例通过计算客户数据中各个客户名称对应的交易维度的维度得分，以维度得分作为筛选目标客户名称的依据，简化了筛选所依据的数据形式，避免了繁杂的客户数据对筛选的干扰，能有效提高筛选准确率。

以下将对各个步骤进行详细说明：

步骤S21，基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度。

在本实施例中，终端先通过交易产品确定客户数据中各个客户名称对应的交易维度，其中，交易维度包括交易类型、交易次数和交易产品数，每种交易类型都单独作为一个交易维度，其中，交易类型包括资产业务产品、负债业务产品和中间业务产品，需要说明的是，以上述实施例交易产品的产品类型为例，同业存放存出、同业拆借拆出和质押式回购逆回购所属的交易类型为资产业务产品；同业存放存入、同业拆借拆入和质押式回购正回购所属的交易类型为负债业务产品；黄金交易所属的交易类型为中间业务产品等。即在本实施例中，客户数据对应有资产业务产品、负债业务产品、中间业务产品、交易次数和交易产品数五个交易维度。

步骤S22，根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额。

在本实施例中，终端将配置的交易产品的权重系数乘以交易产品对应的交易金额，得到客户数据中各个交易产品的权重交易金额，进而确定客户数据中各个客户名称对应的交易类型的交易总金额。

具体的，步骤S22包括：

步骤f，基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额。

在该步骤中，终端先分别计算客户数据中所有的交易产品中对应的权重交易金额，具体将各个交易产品对应的权重系数乘以各自对应的交易金额，得到客户数据中各个交易产品的权重交易金额，并将所属同一客户名称的权重交易金额归为一类。

步骤g，确定所述客户数据中各个交易产品所属的交易类型；

接着，确定客户数据中各个交易产品所属的交易类型，具体确定每一交易产品是属于资产业务产品、负债业务产品或者中间业务产品中的哪一种。

步骤h，在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

最后，将同一客户名称对应的交易产品中，所属相同交易类型的交易产品的权重交易金额进行相加，得到各个客户名称对应的交易类型的交易总金额，至此，各个客户名称在每一交易类型中，都对应仅有一个数值。

步骤S23，根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

在本实施例中，可以理解的，在分别计算客户名称对应的交易维度的维度得分时，需要获取到各个交易维度的参数值，该参数值在每一交易维度中代表不同的含义，其中，参数值在交易类型交易维度中为当前交易类型的权重交易总金额，而在交易次数交易维度中，参数值即为交易次数对应的数值，在交易产品数交易维度中，参数值即为交易产品数对应的数值。

终端根据计算所得的各个客户名称在每一交易类型中的交易总金额，客户名称对应的交易次数和客户名称对应的交易产品数，分别计算客户数据中各个客户名称对应的交易维度的维度得分。

具体的，步骤S23包括：

步骤i，统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值。

在该步骤中，终端统计客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值，具体的，统计同一客户名称在客户数据中出现的次数，即为交易次数。接着，在客户数据中出现一次以上的相同交易产品都计为1，统计交易产品数。即可得到客户数据中各个客户名称在交易次数和交易产品数这两个维度中的数值。

步骤j，根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

在该步骤中，终端根据计算所得的各个客户名称在每一交易类型中的交易总金额，以及各个客户名称在交易次数和交易产品数这两个交易维度中的数值，分别计算客户数据中各个客户名称对应的交易维度的维度得分，在本实施例中，可将各个客户名称对应的各个交易维度的参数值作为各个交易维度的维度得分，即将交易总金额作为交易类型的维度得分，将交易次数对应的数值作为交易次数的维度得分，将交易产品数对应的数值作为交易产品数的维度得分。

本实施例提供了一种计算客户数据中各个客户名称对应的交易维度的维度得分的方式，通过各个交易维度以及各个产品的权重系数，求出客户数据中各个客户名称对应的维度得分，后续以维度得分作为筛选目标客户名称的依据，避免了客户数据繁杂，不好统计且容易出错的问题，提高了目标客户筛选的准确率。

进一步地，基于本发明目标客户筛选方法第一、第二实施例，提出本发明目标客户筛选方法第三实施例。

目标客户筛选方法的第三实施例与目标客户筛选方法的第一、第二实施例的区别在于，步骤j包括：

步骤j1，将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

步骤j2，将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

本实施例通过精化维度得分的计算方式，使得计算得到的维度得分趋于规范化，便于后续通过比较和排序，筛选出目标客户名称。

以下将对各个步骤进行详细说明：

步骤j1，将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值。

在本实施例中，在得到客户数据中各个客户名称对应的各个交易类型的交易总金额，以及各个客户名称在交易次数和交易产品数两个维度中对应的数值后，将各个客户名称对应的各个交易类型的交易总金额，以及各个客户名称在交易次数和交易产品数两个维度中对应的数值作为各个交易维度的维度值(即上述实施例所提及的参数值)，并在每一交易维度对应的维度值中，确定最大的最高维度值，参照图5，图5为A、B、C和D四位客户名称对应的资产业务产品、负债业务产品、中间业务产品、交易次数和交易产品数这五个交易维度的维度值，阴影所示部分即为每一交易维度中的最高维度值。具体将各个交易维度对应的维度值在当前维度中进行大小比较，确定出最高维度值。

步骤j2，将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

在本实施例中，将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到各个客户名称对应的交易维度的维度得分，其中，预设阈值可根据实际情况进行设定，在本实施例，预设阈值为100，即将同一交易维度的维度值依次除以当前交易维度的最高维度值，再乘以100，可以理解的，最终得到的各个客户名称对应的各个交易维度的维度得分最高为100。

参照图6，图6为A、B、C和D四位客户名称对应的交易维度的维度得分。在后续的筛选过程中，将A、B、C和D四位客户名称对应的交易维度的维度得分进行相加，求得A:317.5、B:410.2、C:105和D:150。通过比较排序，并根据预设规则，可筛选出目标客户名称B。

本实施例提供一种计算客户数据中各个客户名称对应的交易维度的维度得分的方式，通过精化维度得分的计算方式，使数值大小差异过大的维度值转化为规范的维度得分，便于后续的筛选，提高目标客户名称筛选的准确率。

本发明还提供一种目标客户筛选装置。本发明目标客户筛选装置装置包括：

配置模块，用于获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；

计算模块，用于基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

筛选模块，用于基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户。

进一步地，所述计算模块还用于：

基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

进一步地，所述计算模块还用于：

基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额；

确定所述客户数据中各个交易产品所属的交易类型；

在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

进一步地，所述计算模块还用于：

统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值；

根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

进一步地，所述计算模块还用于：

将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

进一步地，所述筛选模块还用于：

将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分；

对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果；

根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

进一步地，所述配置模块还用于：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

上述各程序模块所执行的操作可参照本发明目标客户筛选方法实施例，此处不再赘述。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有目标客户筛选程序，所述目标客户筛选程序被处理器执行时实现如上所述的目标客户筛选方法的步骤。

其中，在所述处理器上运行的目标客户筛选程序被执行时所实现的方法可参照本发明目标客户筛选方法各个实施例，此处不再赘述。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。

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。

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，空调器，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 (16)

1.一种目标客户筛选方法，其特征在于，所述目标客户筛选方法包括如下步骤：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述交易产品所配置的权重系数，并基于所述产品种类对所述权重系数进行校正，其中，所述基于所述产品种类对所述权重系数进行校正，包括：将交易产品中各个产品种类的权重系数进行相加，判断各个产品种类的权重系数相加的总和是否为预设数值，若否，则确定权重系数相加的总和与所述预设数值的差值，根据所述差值，增加或者减少各个产品种类的权重系数，以对所述产品种类的权重系数进行校正；

基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户名称。

2.如权利要求1所述的目标客户筛选方法，其特征在于，所述基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

3.如权利要求2所述的目标客户筛选方法，其特征在于，所述根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额的步骤包括：

基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额；

确定所述客户数据中各个交易产品所属的交易类型；

在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

4.如权利要求2所述的目标客户筛选方法，其特征在于，所述根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值；

根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

5.如权利要求4所述的目标客户筛选方法，其特征在于，所述根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分的步骤包括：

将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

6.如权利要求1至5中任一项所述的目标客户筛选方法，其特征在于，所述基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户的步骤包括：

将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分；

对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果；

根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

7.如权利要求1至5中任一项所述的目标客户筛选方法，其特征在于，所述获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数的步骤包括：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

8.一种目标客户筛选装置，其特征在于，所述目标客户筛选装置包括：

配置模块，用于获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并接收基于所述交易产品所配置的权重系数；

计算模块，用于基于所述交易产品、所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分；

筛选模块，用于基于所述交易维度和所述维度得分，分别计算所述客户数据中各个客户名称对应的总得分，并根据所述总得分和预设规则，在所述客户数据中筛选出目标客户；

所述配置模块还用于：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正，其中，所述基于所述产品种类对所述权重系数进行校正，包括：，将交易产品中各个产品种类的权重系数进行相加，判断各个产品种类的权重系数相加的总和是否为预设数值，若否，则确定权重系数相加的总和与所述预设数值的差值，根据所述差值，增加或者减少各个产品种类的权重系数，以对所述产品种类的权重系数进行校正。

9.如权利要求8所述的目标客户筛选装置，其特征在于，所述计算模块还用于：

基于所述交易产品，确定所述客户数据中各个客户名称对应的交易维度，所述交易维度包括交易类型、交易次数和交易产品数，每种交易类型单独作为一个交易维度；

根据所述权重系数和所述交易金额，分别计算所述客户数据中各个客户名称对应的交易类型的交易总金额；

根据所述交易总金额、所述交易次数和所述交易产品数，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

10.如权利要求9所述的目标客户筛选装置，其特征在于，所述计算模块还用于：

基于所述权重系数和所述交易金额，分别计算所述客户数据中各个交易产品的权重交易金额；

确定所述客户数据中各个交易产品所属的交易类型；

在同一客户名称对应的交易产品中，将所属相同交易类型的交易产品的权重交易金额进行相加，得到所述客户数据中各个客户名称对应的交易类型的交易总金额。

11.如权利要求9所述的目标客户筛选装置，其特征在于，所述计算模块还用于：

统计所述客户数据中各个客户名称在交易次数和交易产品数两个维度中的数值；

根据所述交易总金额和所述数值，分别计算所述客户数据中各个客户名称对应的交易维度的维度得分。

12.如权利要求11所述的目标客户筛选装置，其特征在于，所述计算模块还用于：

将所述交易总金额和所述数值作为所述交易维度的维度值，并确定所述交易维度中各个交易维度的最高维度值；

将所属同一交易维度的各个维度值除以当前交易维度中的最高维度值，并乘以预设阈值，得到所述客户数据中各个客户名称对应的交易维度的维度得分。

13.如权利要求8至12中任一项所述的目标客户筛选装置，其特征在于，所述筛选模块还用于：

将同一客户名称的各个交易维度的维度得分进行相加，得到所述客户数据中各个客户名称对应的总得分；

对所述总得分进行排序，确定所述客户数据中各个客户名称的排序结果；

根据所述排序结果和预设规则，在所述客户数据中筛选出目标客户名称，并显示所述目标客户名称。

14.如权利要求8至12中任一项所述的目标客户筛选装置，其特征在于，所述配置模块还用于：

获取指定时间段的客户数据，所述客户数据包括客户名称、交易产品和交易金额，并确定所述交易产品对应的产品种类；

接收基于所述产品种类所配置的权重系数，并基于所述产品种类对所述权重系数进行校正。

15.一种目标客户筛选设备，其特征在于，所述目标客户筛选设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标客户筛选程序，所述目标客户筛选程序被所述处理器执行时实现如权利要求1至7中任一项所述的目标客户筛选方法的步骤。

16.一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目标客户筛选程序，所述目标客户筛选程序被处理器执行时实现如权利要求1至7中任一项所述的目标客户筛选方法的步骤。

Images