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 PDF

Info

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
Application number
CN201910758468.XA
Other languages
English (en)
Other versions
CN110490729A (zh
Inventor
史晋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huiyinxun Information Technology Co ltd
Original Assignee
Nanjing Huiyinxun Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Huiyinxun Information Technology Co ltd filed Critical Nanjing Huiyinxun Information Technology Co ltd
Priority to CN201910758468.XA priority Critical patent/CN110490729B/zh
Publication of CN110490729A publication Critical patent/CN110490729A/zh
Application granted granted Critical
Publication of CN110490729B publication Critical patent/CN110490729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于用户画像模型的金融用户分类方法
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：
Figure GDA0003886965330000061
Figure GDA0003886965330000071
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：
Figure GDA0003886965330000072
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。
CN201910758468.XA 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 Active CN110490729B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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