CN110490729B - 一种基于用户画像模型的金融用户分类方法 - Google Patents
一种基于用户画像模型的金融用户分类方法 Download PDFInfo
- Publication number
- CN110490729B CN110490729B CN201910758468.XA CN201910758468A CN110490729B CN 110490729 B CN110490729 B CN 110490729B CN 201910758468 A CN201910758468 A CN 201910758468A CN 110490729 B CN110490729 B CN 110490729B
- Authority
- CN
- China
- Prior art keywords
- user
- label
- transaction
- financial
- labels
- 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.)
- Active
Links
Images
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户画像模型的金融用户分类方法,方法包括以下步骤:进行用户标签分类,并同时对用户进行分层,进一步从用户标签分类中引导出用户标签指标,从用户分层中引导出用户分层维度,通过对用户标签指标和用户分层维度的融合,结合为每个用户量化的用户价值指数,建立用户画像模型,通过建立单个用户的画像模型,对金融客户群进行整体用户分布画像,通过用户的一级标签或细分的二级标签进行整体分析。本发明通过构建一种基于用户画像模型的金融用户分类方法,从多角度、多维度来对用户进行分类划分,使得获取的用户数据丰富、广度宽,标准灵活,不仅准确描述用户特征,实现有效地利用优质客户资源,而且实现有效精细化运营用户。
Description
技术领域
本发明涉及一种分类方法,尤其涉及一种基于用户画像模型的金融用户分类方法。
背景技术
21世纪以来,随着智能手机与互联网技术的不断发展与革新,移动互联网作为二者结合的产物,近年来发展迅猛,在大数据时代,金融用户消费行为发生了较大的改变,企业难以接触到客户;用户群体正在出现分化,市场上很少有一种产品和一种金融服务可以满足所有用户的需求,金融产品也需要进行细化,为不同客户提供不同产品。随着人们使用智能手机的时长和频数的不断增加,其用户行为数据呈指数级增加。且从智能终端收集的数据具有大数据量、实时性、准确性、空间性、动态性的基本特征。
当前金融用户的分类方法比较单一,大多数金融机构会采用简单的存款量来划分用户的身份,标准不够灵活,或者以资产分类方式来划分;同时用户的数据比较单一,用户行为数据广度不够,数据标准不够灵活,对于优质客户的识别忽略了用户的行为,无法准确描述用户特征,影响有效地利用优质客户的资源。当前银行用来识别VIP客户,依旧存在模糊一刀切的情况,比如:通过存款金额或金融资产等来简单判断,无法有效实现精细化运营用户,效率低。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于用户画像模型的金融用户分类方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于用户画像模型的金融用户分类方法,包括以下步骤:进行用户标签分类,并同时对用户进行分层,进一步从用户标签分类中引导出用户标签指标,从用户分层中引导出用户分层维度,通过对用户标签指标和用户分层维度的融合,结合为每个用户量化的用户价值指数,建立用户画像模型,通过建立单个用户的画像模型,对金融客户群进行整体用户分布画像,通过用户的一级标签或细分的二级标签进行整体分析;
其中,用户标签分类的方法为:从用户属性、消费属性、财富属性、流量属性四个维度来对金融用户进行一级标签分类,然后从各个一级标签分类中进行二级标签分类,再从各个二级标签分类中进行三级标签分类,用户标签分级比较灵活;
二级标签分类的方法为:从一级标签的用户属性标签分出性别、年龄、行业、地区四类二级标签;从一级标签的消费属性标签分出交易量、交易笔数、交易频次、用券次数、核销卷次数五个消费特征;从一级标签的财富属性标签细分出金融资产、存款两个二级标签;从一级标签的流量属性标签细分出PV、UV、平均访问时间、交易转化率四个二级标签;
三级标签分类的方法为:从二级标签的行业标签分出商户行业、用户行业两个三级标签;从二级标签的地区标签细分出三级标签城市;
其中,用户标签指标包括交易量、交易额、交易频率、最后交易日期、用卷次数、核销卷次数、卷金、平均交易额、金融资产、存款、地区、操作系统、平均停留时长、商户行业、用户行业、年龄、性别、PV、UV;
其中,用户分层维度的方法为:从用户使用金融产品的性质来分,对用户的层次进行四类划分:新用户、未注册用户、注册用户、会员;
新用户为从未用过产品的用户;所述未注册用户为用过产品但没有注册过的用户;所述注册用户为已注册绑定手机号的用户;所述会员为已绑定银行借记卡的用户;所述新用户、未注册用户、注册用户未绑定银行借记卡,只有交易行为数据;所述会员绑定了银行借记卡,除了交易行为数据之外,还有借记卡数据、用券数据、身份数据;
其中,建立用户画像模型的方法为:通过公式:用户分层维度*权重+用户标签指标*权重=用户价值指数,用户价值指数即用户贡献度,构建出聚财用户的大体用户特征画像,构建用户价值体系;
权重的维度配参包括用户价值指数;根据用户价值指数来量化用户价值,最终进行个性化推荐以及精准营销;
其中,用户价值指数=(a*k1+b*k2+c*k3+d*k4+...+z*kx)*100%;
a:交易量;
b:交易额:用户在一定时期内使用来聚财的交易额;
c:交易频率:累计交易次数/累计时间区间或日;
d:最后交易日期:最后一次交易日期data距离计算日的日期;
e:用卷次数:指定期间内使用优惠券的次数;
z:PV访问量;
a-z分别代表用户标签指标;
k1,k2,…,kx指每个维度所占比权重;
权重的指标配参包括深度因子、衰减因子、关联因子、行为因子;具体因子设定配置,衰减因子为:r=0.9,将衰减选取为每天下降为前一天的0.9,为指数级衰减;具体的权重值需要根据业务需求进行二次建模。
本发明通过构建一种基于用户画像模型的金融用户分类方法,从多角度、多维度来对用户进行分类划分,使得获取的用户数据丰富、广度宽,而且标准灵活,不仅准确描述用户特征,实现有效地利用优质客户资源,同时可以实现有效精细化运营用户,提高了效率。
本发明采用一种基于用户画像模型的方法,用户画像模型不仅包括用户金融基础属性,还加入用户标签属性、用户金融行为属性等,构建出整体的用户价值指数,根据用户价值指数来量化用户价值,最终进行个性化推荐以及精准营销。
本发明通过采集海量的数据后,进行数据清洗加工,形成应用层数据,再通过数据分析,对不同维度和指标相互结合,形成用户特征数据,细分用户的层级,形成用户画像,把产品的焦点放到用户的行为和动机上,解决了金融用户分类需求的痛点。
本发明更全面地对金融用户标签进行分类,分为四类一级标签和二级标签,用户分层特征比传统分类方法更多维度,更准确描绘用户行为特征,灵活可配置的用户画像模型的计算方法,通过海量用户可对用户价值体系进行全面构建。
附图说明
图1为本发明的方法总体步骤图。
图2为用户标签分类图。
图3为用户分层分类图。
图4为实例中个人用户画像。
图5为实例中整体用户分布画像。
图6为实例中整体用户分布可视化仪表盘形式图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1-3所示的一种基于用户画像模型的金融用户分类方法,方法包括以下步骤:进行用户标签分类,并同时对用户进行分层,进一步从用户标签分类中引导出用户标签指标,从用户分层中引导出用户分层维度,通过对用户标签指标和用户分层维度的融合,结合为每个用户量化的用户价值指数,建立用户画像模型,通过建立单个用户的画像模型,对金融客户群进行整体用户分布画像,通过用户的一级标签或细分的二级标签进行整体分析。
本发明主要用于实现一种基于用户画像模型的金融用户分类方法,涉及到金融消费场景分析方面、用户特征提取画像分类领域。本发明通过给用户打上标签,了解用户特征,根据现有指标比如:交易量,交易额,交易次数等,形成用户影像,从而得出关于银行业的用户画像大体架构,通过挖掘出未知的信息价值,实现有效精细化运营用户。
用户标签分类的方法为:从用户属性、消费属性、财富属性、流量属性四个维度来对金融用户进行一级标签分类,然后从各个一级标签分类中进行二级标签分类,再从各个二级标签分类中进行三级标签分类,用户标签分级比较灵活。
二级标签分类的方法为:从一级标签的用户属性标签分出性别、年龄、行业、地区四类二级标签;从一级标签的消费属性标签分出交易量、交易笔数、交易频次、用券次数、核销卷次数五个消费特征;从一级标签的财富属性标签细分出金融资产、存款两个二级标签;从一级标签的流量属性标签细分出PV、UV、平均访问时间、交易转化率四个二级标签。
三级标签分类的方法为:从二级标签的行业标签分出商户行业、用户行业两个三级标签;从二级标签的地区标签细分出三级标签城市。
用户标签指标包括交易量、交易额、交易频率、最后交易日期、用卷次数、核销卷次数、卷金、平均交易额、金融资产、存款、地区、操作系统、平均停留时长、商户行业、用户行业、年龄、性别、PV、UV。
交易量:用户在一定时期内使用来聚财的交易笔数;
交易额:用户在一定时期内使用来聚财的交易额;
交易频率:累计交易次数/累计时间区间(日);
最后交易日期:最后一次交易日期data距离计算日的日期;
用卷次数:指定期间内使用优惠券的次数;
核销卷次数:指定期间内使用优惠券的次数;
卷金额:当期交易使用的发卷金额;
平均交易额:累计期间内总交易额/累计时间区间(日);
金融资产:指用户在中行的所有金融资产之和(银行提供接口);
存款:指用户在中行的所有存款之和(银行提供接口);
地区:当前客户扫码时所在地区(位置信息);
操作系统:用户使用的操作系统;
平均停留时长:扫码一次的平均时长;
商户行业:商户所属行业;
用户行业:用户所属行业/职业;
年龄:用户年龄段;
性别:男或女;
PV:访问量;
UV:唯一访问用户。
用户分层维度的方法为:从用户使用金融产品的性质来分,对用户的层次进行四类划分:新用户、未注册用户、注册用户、会员。
新用户为从未用过产品的用户;未注册用户为用过产品但没有注册过的用户;注册用户为已注册绑定手机号的用户;会员为已绑定银行借记卡的用户;新用户、未注册用户、注册用户未绑定银行借记卡,只有交易行为数据;会员绑定了银行借记卡,除了交易行为数据之外,还有借记卡数据、用券数据、身份数据。在实际应用中,根据用户分层转化判断形式,用户评分按照从低到高0-5分划分,用户贡献度按照贡献度算法算出,最后结合用户评分与用户贡献度得出用户分级,潜力用户为0-2.5分,高净值用户为:2.5-5分。在准确描述用户特征的同时,实现有效地利用优质客户资源,提高效率。
建立用户画像模型的方法为:通过公式:用户分层维度*权重+用户标签指标*权重=用户价值指数,用户价值指数即用户贡献度,构建出聚财用户的大体用户特征画像,构建用户价值体系。
根据需要设置权重的指标配参:例如,在实际应用中,选取部分指标制成以下表格,如下表所示:
其中,K指每个指标所占比权重,是数据统计经验值;标签指前述的用户标签,实际应用中,具体的用户具体的分析用户标签类型。
权重的指标配参包括深度因子、衰减因子、关联因子、行为因子;具体因子设定可配置,假设衰减因子为:r=0.9,可将衰减简单地选取为每天下降为前一天的0.9,一般为指数级衰减;具体的权重值需要根据业务需求可进行二次建模。
根据需要设置权重的维度配参:
例如,在实际应用中,将维度制成以下表格,维值由内部运营配置,根据实际的产品情况得出维值,如下表所示:
权重的维度配参包括用户价值指数;根据用户价值指数来量化用户价值,最终进行个性化推荐以及精准营销;
其中,用户价值指数=(a*k1+b*k2+c*k3+d*k4+...+z*kx)*100%。
a:交易量;
b:交易额:用户在一定时期内使用来聚财的交易额;
c:交易频率:累计交易次数/累计时间区间(日);
d:最后交易日期:最后一次交易日期data距离计算日的日期;
e:用卷次数:指定期间内使用优惠券的次数;
……
z:PV访问量;
a-z分别代表用户标签指标;
k1,k2,…,kx指每个维度所占比权重;
根据用户价值指数来量化用户价值,最终进行个性化推荐以及精准营销,最终输出结果。例如,在实际应用中,根据某用户的情况,得出个人用户画像,如图4所示。用户画像模型的方法是给用户打上标签,了解用户特征,根据现有指标如:交易量,交易额,交易次数等,形成个人用户画像。
通过建立单个用户的画像模型,对金融客户群进行整体用户分布画像,得出关于银行业的用户画像大体架构,例如图5所示的整体用户分布画像。如图6所示,在实际应用中,通过用户的一级标签或细分的二级标签进行整体分析,最终呈现出可视化的仪表盘形式,可自行配参。
图4、图5、图6仅仅作为一个范例展示,在实际应用中,针对具体的银行产品,设定具体的参数值,通过计算得到用户价值指数,再建立个人用户画像,最后得出整体用户分布画像,以及最终呈现的可视化仪表盘形式图。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (1)
1.一种基于用户画像模型的金融用户分类方法,其特征在于:所述方法包括以下步骤:进行用户标签分类,并同时对用户进行分层,进一步从用户标签分类中引导出用户标签指标,从用户分层中引导出用户分层维度,通过对用户标签指标和用户分层维度的融合,结合为每个用户量化的用户价值指数,建立用户画像模型,通过建立单个用户的画像模型,对金融客户群进行整体用户分布画像,通过用户的一级标签或细分的二级标签进行整体分析;
其中,用户标签分类的方法为:从用户属性、消费属性、财富属性、流量属性四个维度来对金融用户进行一级标签分类,然后从各个一级标签分类中进行二级标签分类,再从各个二级标签分类中进行三级标签分类,用户标签分级比较灵活;
二级标签分类的方法为:从一级标签的用户属性标签分出性别、年龄、行业、地区四类二级标签;从一级标签的消费属性标签分出交易量、交易笔数、交易频次、用券次数、核销卷次数五个消费特征;从一级标签的财富属性标签细分出金融资产、存款两个二级标签;从一级标签的流量属性标签细分出PV、UV、平均访问时间、交易转化率四个二级标签;
三级标签分类的方法为:从二级标签的行业标签分出商户行业、用户行业两个三级标签;从二级标签的地区标签细分出三级标签城市;
其中,用户标签指标包括交易量、交易额、交易频率、最后交易日期、用卷次数、核销卷次数、卷金、平均交易额、金融资产、存款、地区、操作系统、平均停留时长、商户行业、用户行业、年龄、性别、PV、UV;
其中,用户分层维度的方法为:从用户使用金融产品的性质来分,对用户的层次进行四类划分:新用户、未注册用户、注册用户、会员;
新用户为从未用过产品的用户;所述未注册用户为用过产品但没有注册过的用户;所述注册用户为已注册绑定手机号的用户;所述会员为已绑定银行借记卡的用户;所述新用户、未注册用户、注册用户未绑定银行借记卡,只有交易行为数据;所述会员绑定了银行借记卡,除了交易行为数据之外,还有借记卡数据、用券数据、身份数据;
其中,建立用户画像模型的方法为:通过公式:用户分层维度*权重+用户标签指标*权重=用户价值指数,用户价值指数即用户贡献度,构建出聚财用户的大体用户特征画像,构建用户价值体系;
权重的维度配参包括用户价值指数;根据用户价值指数来量化用户价值,最终进行个性化推荐以及精准营销;
其中,用户价值指数=(a*k1+b*k2+c*k3+d*k4+...+z*kx)*100%;
a:交易量;
b:交易额:用户在一定时期内使用来聚财的交易额;
c:交易频率:累计交易次数/累计时间区间或日;
d:最后交易日期:最后一次交易日期data距离计算日的日期;
e:用卷次数:指定期间内使用优惠券的次数;
z:PV访问量;
a-z分别代表用户标签指标;
k1,k2,…,kx指每个维度所占比权重;
权重的指标配参包括深度因子、衰减因子、关联因子、行为因子;具体因子设定配置,衰减因子为:r=0.9,将衰减选取为每天下降为前一天的0.9,为指数级衰减;具体的权重值需要根据业务需求进行二次建模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758468.XA CN110490729B (zh) | 2019-08-16 | 2019-08-16 | 一种基于用户画像模型的金融用户分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758468.XA CN110490729B (zh) | 2019-08-16 | 2019-08-16 | 一种基于用户画像模型的金融用户分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490729A CN110490729A (zh) | 2019-11-22 |
CN110490729B true CN110490729B (zh) | 2022-11-18 |
Family
ID=68551417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910758468.XA Active CN110490729B (zh) | 2019-08-16 | 2019-08-16 | 一种基于用户画像模型的金融用户分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490729B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027854A (zh) * | 2019-12-10 | 2020-04-17 | 重庆撼地大数据有限公司 | 一种基于企业大数据的综合画像指数生成方法及相关设备 |
CN110992111B (zh) * | 2019-12-17 | 2024-02-27 | 上海德拓信息技术股份有限公司 | 基于大数据的投保人用户画像挖掘方法 |
CN111127105A (zh) * | 2019-12-25 | 2020-05-08 | 青梧桐有限责任公司 | 用户分层模型构建方法及系统、运营分析方法及系统 |
CN111881190B (zh) * | 2020-08-05 | 2021-10-08 | 厦门南讯股份有限公司 | 基于客户画像的关键数据挖掘系统 |
CN112035541A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技(深圳)有限公司 | 客户画像方法、装置、计算机可读存储介质及终端设备 |
CN112116448A (zh) * | 2020-09-09 | 2020-12-22 | 中国农业银行股份有限公司湖南省分行 | 一种面向三农客户画像的精准营销构建方法 |
CN112598442A (zh) * | 2020-12-25 | 2021-04-02 | 中国建设银行股份有限公司 | 一种网络流量多维运营分析方法和装置 |
CN112685510B (zh) * | 2020-12-29 | 2023-08-08 | 科来网络技术股份有限公司 | 一种基于全流量标签的资产标签方法、计算机程序及存储介质 |
CN112860808A (zh) * | 2020-12-30 | 2021-05-28 | 深圳市华傲数据技术有限公司 | 基于数据标签的用户画像分析方法、装置、介质和设备 |
CN112967132B (zh) * | 2021-03-30 | 2024-04-16 | 中信银行股份有限公司 | 基于大数据级联的银行信息管理系统、银行信息管理方法 |
CN113449163A (zh) * | 2021-06-29 | 2021-09-28 | 平安养老保险股份有限公司 | 基于人工智能的客户挖掘方法、装置、设备及存储介质 |
CN113793060A (zh) * | 2021-09-27 | 2021-12-14 | 武汉众邦银行股份有限公司 | 一种基于客户交易数据的客户评级方法、装置及存储介质 |
CN116468460A (zh) * | 2023-04-27 | 2023-07-21 | 苏银凯基消费金融有限公司 | 基于人工智能的消费金融客户画像识别系统及其方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892714A (zh) * | 2005-07-01 | 2007-01-10 | 上海卡友信息服务有限公司 | 一种实现个人自助还款业务的系统及方法 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN107239486A (zh) * | 2017-04-19 | 2017-10-10 | 中国建设银行股份有限公司 | 一种数据特征库建立方法和系统 |
CN107908606A (zh) * | 2017-10-31 | 2018-04-13 | 上海壹账通金融科技有限公司 | 基于不同信息源自动生成报表的方法和系统 |
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
WO2019061976A1 (zh) * | 2017-09-28 | 2019-04-04 | 平安科技(深圳)有限公司 | 基金产品推荐方法、装置、终端设备及存储介质 |
CN109815987A (zh) * | 2018-12-27 | 2019-05-28 | 北京卓思天成数据咨询股份有限公司 | 一种人群分类方法和分类系统 |
CN110097066A (zh) * | 2018-01-31 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 一种用户分类方法、装置及电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1567319A (zh) * | 2003-06-20 | 2005-01-19 | 马涛 | 证券投资客户管理系统 |
US20070061245A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Location based presentation of mobile content |
US20090198602A1 (en) * | 2008-01-31 | 2009-08-06 | Intuit Inc. | Ranking commercial offers based on user financial data |
WO2011085497A1 (en) * | 2010-01-14 | 2011-07-21 | Evan V Chrapko | Systems and methods for conducting more reliable financial transactions, credit decisions, and security assessments |
US9704165B2 (en) * | 2010-05-11 | 2017-07-11 | Oracle International Corporation | Systems and methods for determining value of social media pages |
US8495143B2 (en) * | 2010-10-29 | 2013-07-23 | Facebook, Inc. | Inferring user profile attributes from social information |
KR102139664B1 (ko) * | 2013-10-11 | 2020-07-30 | 삼성전자주식회사 | 프로필 이미지 카드를 공유하는 시스템 및 방법 |
US20170364957A1 (en) * | 2016-06-16 | 2017-12-21 | Facebook, Inc. | Identifying target audience for content distribution based on historical user activity |
CN106228403A (zh) * | 2016-07-20 | 2016-12-14 | 武汉斗鱼网络科技有限公司 | 一种基于层次分析算法的用户价值评分方法及系统 |
CN107577814A (zh) * | 2017-09-29 | 2018-01-12 | 崔昊洋 | 一种基于排名的注册用户管理方法及系统 |
CN110006435A (zh) * | 2019-04-23 | 2019-07-12 | 西南科技大学 | 一种基于残差网络的变电站巡检机器人视觉辅助导航方法 |
-
2019
- 2019-08-16 CN CN201910758468.XA patent/CN110490729B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1892714A (zh) * | 2005-07-01 | 2007-01-10 | 上海卡友信息服务有限公司 | 一种实现个人自助还款业务的系统及方法 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN107239486A (zh) * | 2017-04-19 | 2017-10-10 | 中国建设银行股份有限公司 | 一种数据特征库建立方法和系统 |
WO2019061976A1 (zh) * | 2017-09-28 | 2019-04-04 | 平安科技(深圳)有限公司 | 基金产品推荐方法、装置、终端设备及存储介质 |
CN107908606A (zh) * | 2017-10-31 | 2018-04-13 | 上海壹账通金融科技有限公司 | 基于不同信息源自动生成报表的方法和系统 |
CN110097066A (zh) * | 2018-01-31 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 一种用户分类方法、装置及电子设备 |
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
CN109815987A (zh) * | 2018-12-27 | 2019-05-28 | 北京卓思天成数据咨询股份有限公司 | 一种人群分类方法和分类系统 |
Non-Patent Citations (5)
Title |
---|
一种基于用户评价值的动态访问控制模型;高燕等;《现代电子技术》;20150415(第08期);第85-87+91页 * |
基于客户画像和GBDT算法的客户价值预测方法;冯娟娟等;《洛阳理工学院学报(自然科学版)》;20180925(第03期);第54-59页 * |
新浪微博会员制的激励作用探讨――基于客户价值的角度;林臻;《新闻知识》;20121215(第12期);第17-19页 * |
用户画像体系介绍汇总;皇帝的新装;《csdn》;20190329;全文 * |
零售银行数据价值驱动模型研究与应用;田江等;《电子科学技术》;20161110(第06期);第89-96页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110490729A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490729B (zh) | 一种基于用户画像模型的金融用户分类方法 | |
Han et al. | Segmentation of telecom customers based on customer value by decision tree model | |
CN107644375A (zh) | 一种专家模型与机器学习模型融合的小商户信用评估方法 | |
CN104321794B (zh) | 一种使用多维评级来确定一实体的未来商业可行性的系统和方法 | |
CN109063945A (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN101783004A (zh) | 快速智能化的商品推荐系统 | |
CN107563343A (zh) | 基于人脸识别技术的FaceID数据库的自我完善方法和系统 | |
Tennant et al. | What types of banks profit most from fees charged? A cross-country examination of bank-specific and country-level determinants | |
CN111626766A (zh) | 一种融合多个机器学习模型的手机银行营销客户筛选方法 | |
Offiong et al. | Determinants of foreign direct investment in Nigeria | |
CN116468460A (zh) | 基于人工智能的消费金融客户画像识别系统及其方法 | |
CN115456745A (zh) | 小微企业画像构建方法及装置 | |
CN110992111A (zh) | 基于大数据的投保人用户画像挖掘方法 | |
CN111428092B (zh) | 基于图模型的银行精准营销方法 | |
Hsieh et al. | Enhancing consumer behavior analysis by data mining techniques | |
Magallón González et al. | Banking innovations and their effect on profitability | |
CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
Koyuncugil et al. | Detecting road maps for capacity utilization decisions by clustering analysis and CHAID decision tress | |
CN113254775A (zh) | 一种基于客户浏览行为序列的信用卡产品推荐方法 | |
Butler et al. | Customer behaviour classification using simulated transactional data | |
Guan et al. | The portrait depiction of the market members based on data mining | |
Pathak et al. | Digital Innovation for Financial Inclusion: With reference to Indian Women Entrepreneurs | |
Wu et al. | User portraits and investment planning based on accounting data | |
Dev et al. | Profiling us restaurants from billions of payment card transactions | |
AU2011101640A4 (en) | Consumer Transactional Banking Benchmarking Method & System |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |