CN111353812A - 链式智能营销方法及装置 - Google Patents
链式智能营销方法及装置 Download PDFInfo
- Publication number
- CN111353812A CN111353812A CN202010103437.3A CN202010103437A CN111353812A CN 111353812 A CN111353812 A CN 111353812A CN 202010103437 A CN202010103437 A CN 202010103437A CN 111353812 A CN111353812 A CN 111353812A
- Authority
- CN
- China
- Prior art keywords
- marketing
- transaction
- chain
- customer
- chained
- 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 37
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000002360 preparation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种链式智能营销方法，包括：将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。本方法能够根据客户特征等信息，有针对性且迅速地找到有价值的优质潜在客户进行精准营销，极大的提高了营销效率，解决了银行传统营销低效性的问题。
Description
技术领域
本发明涉及互联网技术领域，特别是涉及一种链式智能营销方法和装置。
背景技术
营销是一个古老的概念，近代的营销最开始以产品为中心，主要的营销手段为通过广告、价格等因素促进产品销售；之后营销的中心由产品转移到消费者，主要利用市场细分、目标定位、吸引顾客注意等方式，促进产品销售；在此之后，营销进入情感时代，以媒体内容创新、传播沟通等方式达成产品促销；而信息科技所带来的链式智能营销，将消费者纳入企业生成营销环节，以消费者无时无刻的个性化、碎片化需求为中心，满足消费者的动态需求，实现品牌与实效完美结合。链式智能营销所涉及的技术手段主要包括：人工智能科技、机器学习等
现有技术中，关于顾客价值链在客户发掘中的应用和研究，主要有王明星在2008年发表的《基于顾客价值链的银行个人业务营销研究》，龚付强在2013年发表的《基于价值链整合的工商银行客户关系管理研究》和宋凯在2010年发表的《基于顾客价值链的“iphone”营销研究》等内容。以上已有的技术模型比较主观，没有量化指标衡量，特别是在对公客户营销中模型化思想不足；存在没有量化模型衡量对公客户的营销价值，模型复用性差；没有考虑客户的交易网络情况；客户关系管理系统CRM营销过程中主观性强，没有形成强有力的营销话术等问题。
从客户价值链角度考虑，针对不同价值链上的客户制定差异化的营销方案，未形成可以量化价值链的模型，营销成功率低；基于价值链理论讨论了商业银行客户关系管理模型和商业银行客户价值模型，应用客户价值主张模型通过客户关系管理系统CRM进行营销；目前在对公客户营销场景中还未应用社交网络模型和机器学习模型。
发明内容
基于此，本发明通过分析现有客户的交易关系，寻找潜在对公账户，提供了一种链式智能营销的方法和装置，实现了精准智能营销。
本发明第一个方面，提供一种链式智能营销方法，该方法包括：
一种链式智能营销方法，其特征在于，包括：
将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
优选地，该方法还包括：
将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
优选地，所述链式营销目标客户通过下述方法得到：
根据非现有客户与现有客户的资金流向，导出交易关系；
根据所述交易关系生成closeness、betweenness指标
根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
优选地，所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
本发明第二个方面，提供一种链式智能营销装置，该装置包括：
变量准备模块，用于将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
模型构建模块，用于根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
下发模块，用于根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
优选地，所述链式智能营销模块还包括：
评估模块，用于将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
优选地，所述变量准备模块还包括：
交易关系获取模块，用云云根据非现有客户与现有客户的资金流向，导出交易关系；
指标生成模块，用于根据所述交易关系生成closeness、betweenness指标；
排名计算模块，用于根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
目标客户选取模块，用于按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
优选地，所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
本发明第三方面，提供一种终端，所述终端包括存储器、处理器，所述存储器用于存储计算机程序；其特征在于，所述处理器用于执行所述计算机程序时实现如本发明所述的链式智能营销方法所述的步骤。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序由处理器执行时实现本发明所述的链式智能营销方法所述的步骤
综上所述，本发明提供的链式智能营销方法和装置能够根据客户特征等信息，有针对性且迅速地找到有价值的优质潜在客户进行精准营销，极大的提高了营销效率，解决了银行传统营销低效性的问题。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例中链式智能营销方法的流程示意图；
图2为本发明另一实施例中链式智能营销装置的架构示意图；
图3为本发明另一实施例中链式智能营销终端的系统示意图；
图4为本发明另一实施例中链式智能营销流程示意图；
图5为本发明另一实施例中链式营销目标客户获取流程示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
实施例1
一种链式智能营销方法，如图1所示，包括：
步骤S001将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
步骤S002根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
步骤S003根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
具体地，该方法还包括：
将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
本技术方案共使用四个模型评估指标，a：ROC曲线的AUC值评估模型效果，以AUC函数作为模型的评估目标函数；b：通过混淆矩阵计算准确率和召回率，准确率决定下发名单数量，召回率决定下发名单的覆盖率。
具体地，所述链式营销目标客户通过下述方法得到：
根据非现有客户与现有客户的资金流向，导出交易关系；
根据所述交易关系生成closeness、betweenness指标
根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
具体地，所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
于历史营销数据，以5个月为观察期定义营销成功与否的标签，同时使用非我行客户的历史交易数据和外部工商数据，注册时间、注册资本、上市公司标识、天眼查参考评分等16个特征，并增加衍生变量，近半年、一年、两年的交易特征构建LightGBM预测模型，给出考察客户能够营销成功的概率值。
应用社交网络模型结合外部工商数据构建交易网络模型，还包括构造资金中介度、资金中心度、资金交钱情况等变量。中介核心企业是资金流转中间人，也可以称之为“资金桥”。很多情况下，“资金桥”企业启到了资金通融的作用，有较强资本运作能力。程度核心企业是资金网络的“资金中心”，这些企业或者向其它企业提供资金，或者从其它企业获取资金，很可能有较大的资金沉淀，在供应链、资金链路中处于核心地位。交易金额反映客户的资金规模，间接反映客户的重要程度；交易笔数反映客户的交易频度，能较好的评价客户的活跃度。
可选地，本方法还包括：根据提交易网络模型。综合交易行为排名、交易网络排名和LightGBM模型输出的概率值，输出待营销客户名单，每月初增加下发新客；
名单按照CRM系统标准接口格式输出，直接自动对接，定时下发至客户经理或分支行；
客户经理根据营销名单及推荐的营销策略进行营销活动，并及时在CRM系统中进行反馈。
实施例2
一种链式智能营销装置101，如图2所示，所述装置包括：
变量准备模块102，用于将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
模型构建模块103，用于根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
下发模块104，用于根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
具体地，所述链式智能营销模块还包括：
评估模块，用于将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
具体地，所述变量准备模块还包括：
交易关系获取模块，用云云根据非现有客户与现有客户的资金流向，导出交易关系；
指标生成模块，用于根据所述交易关系生成closeness、betweenness指标；
排名计算模块，用于根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
目标客户选取模块，用于按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
具体地，所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
实施例3
本发明还提供一种终端，如图3所示，所述终端2包括存储器201、处理器202，所述存储器201用于存储计算机程序203；其特征在于，所述处理器用于执行所述计算机程序时实现如本发明所述的链式智能营销方法所述的步骤。
实施例4
本发明整体方案流程如图4所示。
当业务人员提出对公客户链式营销业务需求时,需将业务具体流程进行梳理分解；数据分析人员需理解业务问题的痛点所在，从数据思维的角度将业务问题进行提炼，归纳，初步评估，与业务人员共同确定业务需求的分析目标，
业务人员根据业务经验，分析人员根据建模经验，共创得到可能会对分析目标有影响的数据需求，当数据方案确定之后，开始数据准备工作，根据数据方案的结果从生产环境数据库中提取所需要的数据至挖掘环境，在挖掘环境对数据进行集成，提取所需要的字段的全部数据，此过程中需通过取数脚本从生产取数，产生数据文件传至挖掘环境并建表。
该链式营销模型可对接对公CRM系统、手机MPP系统，实现了营销名单按权限分配及营销效果及时跟踪、反馈的机制。全行下发营销客户名单，按月跟踪营销效果，客户数、存款余额、年日均存款余额均有较大增长，客户数与存款余额、年日均存款余额保持了同步增长，表明新拓客户的质量保持了比较高的水平。
实施例5
获取链式营销目标客户名单的方法流程如图5所示。
基础数据加工：包含源数据筛选过滤，核心交易码筛选，剔除部分交易对手，客户名称转化等基础性数据操作，全行统一加工，无分行特色；
交易行为排名分析：主要分析纯他行客户和他行客户账户与我行客户的资金流入和流出统计，存在分行特色；
交易网络数据加工：将数据库中的交易关系导出,用R语言生成closeness和betweenness指标并将结果导入数据库，全行统一加工，无分行特色；
对公客户视图：根据分行客户提供的客户名单,生成客户的相关信息,包括企业画像、上游三级、下游三级的数据，存在分行特色；
客户交易网络图形分析：根据具体客户，提供相关交易的图形，包括相关的一级网络、二级网络、三级网络的图形，通过Cytoscape展示；
交易网络客户排名：根据客户的closeness、betweenness、交易笔数、交易金额的百分位排序，得到相应的客户整体排名，可出具全行排名，也可出具分行排名。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种链式智能营销方法、链式智能营销装置进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种链式智能营销方法，其特征在于，包括：
将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
2.根据权利要求1所述的链式智能营销方法，其特征在于，该方法还包括：
将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
3.根据权利要求2所述的链式智能营销方法，其特征在于，所述链式营销目标客户通过下述方法得到：
根据非现有客户与现有客户的资金流向，导出交易关系；
根据所述交易关系生成closeness、betweenness指标
根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
4.根据权利要求1～3任一项所述的链式智能营销方法，其特征在于，
所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
5.一种链式智能营销装置，其特征在于，所述装置包括：
变量准备模块，用于将链式营销目标客户的历史交易数据和外部工商数据设为特征变量；
模型构建模块，用于根据所述特征变量构建LightGBM预测模型，得到准确率和召回率；
下发模块，用于根据所述准确率决定下发名单数量，根据所述召回率决定所述下发名单的覆盖率。
6.根据权利要求5所述的链式智能营销装置，其特征在于，所述链式智能营销模块还包括：
评估模块，用于将所述LightGBM预测模型中ROC曲线的AUC值作为评估目标函数。
7.根据权利要求6所述的链式智能营销装置，其特征在于，所述变量准备模块还包括：
交易关系获取模块，用云云根据非现有客户与现有客户的资金流向，导出交易关系；
指标生成模块，用于根据所述交易关系生成closeness、betweenness指标；
排名计算模块，用于根据所述交易关系的交易笔数、交易金额、所述betweenness指标和所述closeness指标对所述非现有客户进行排序，得到相应的客户整体排名；
目标客户选取模块，用于按所述客户整体排名选取一部分客户作为所述链式营销目标客户。
8.根据权利要求5～7任一项所述的链式智能营销装置，其特征在于，
所述外部工商数据包括：注册时间、注册资本、上市公司标识、天眼查参考评分。
9.一种终端，所述终端包括存储器、处理器，所述存储器用于存储计算机程序；其特征在于，所述处理器用于执行所述计算机程序时实现如上述权利要求1至4任一项所述的链式智能营销方法所述的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序由处理器执行时实现权利要求1至4任一项所述的链式智能营销方法所述的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010103437.3A CN111353812A (zh) | 2020-02-20 | 2020-02-20 | 链式智能营销方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010103437.3A CN111353812A (zh) | 2020-02-20 | 2020-02-20 | 链式智能营销方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111353812A true CN111353812A (zh) | 2020-06-30 |
Family
ID=71192295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010103437.3A Pending CN111353812A (zh) | 2020-02-20 | 2020-02-20 | 链式智能营销方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111353812A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037018A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 基于代发薪客户交易行为的营销方法和装置 |
| CN113065885A (zh) * | 2021-03-01 | 2021-07-02 | 苏宁金融科技(南京)有限公司 | 用于智能营销的方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034903A (zh) * | 2018-07-27 | 2018-12-18 | 广州视源电子科技股份有限公司 | 用户转化率预测方法及装置、计算机可读存储介质 |
| CN109300039A (zh) * | 2018-12-05 | 2019-02-01 | 山东省城市商业银行合作联盟有限公司 | 基于人工智能和大数据进行智能产品推荐的方法及系统 |
| CN109829485A (zh) * | 2019-01-08 | 2019-05-31 | 科大国创软件股份有限公司 | 一种基于移动通信数据的用户关系挖掘方法及系统 |
| CN109934615A (zh) * | 2019-01-22 | 2019-06-25 | 中信银行股份有限公司 | 基于深度稀疏网络的产品营销方法 |
| CN110415106A (zh) * | 2019-07-23 | 2019-11-05 | 安徽迪科数金科技有限公司 | 一种经营主体的经营分析预测评估系统 |
-
2020
- 2020-02-20 CN CN202010103437.3A patent/CN111353812A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109034903A (zh) * | 2018-07-27 | 2018-12-18 | 广州视源电子科技股份有限公司 | 用户转化率预测方法及装置、计算机可读存储介质 |
| CN109300039A (zh) * | 2018-12-05 | 2019-02-01 | 山东省城市商业银行合作联盟有限公司 | 基于人工智能和大数据进行智能产品推荐的方法及系统 |
| CN109829485A (zh) * | 2019-01-08 | 2019-05-31 | 科大国创软件股份有限公司 | 一种基于移动通信数据的用户关系挖掘方法及系统 |
| CN109934615A (zh) * | 2019-01-22 | 2019-06-25 | 中信银行股份有限公司 | 基于深度稀疏网络的产品营销方法 |
| CN110415106A (zh) * | 2019-07-23 | 2019-11-05 | 安徽迪科数金科技有限公司 | 一种经营主体的经营分析预测评估系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张磊等: ""基于数据挖掘的电商搜索广告投放策略研究"", 《工业工程》, vol. 22, no. 1, pages 213 - 214 * |
| 牟少敏等: "《模式识别与机器学习技术》", 冶金工业出版社, pages: 11 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037018A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 基于代发薪客户交易行为的营销方法和装置 |
| CN113065885A (zh) * | 2021-03-01 | 2021-07-02 | 苏宁金融科技(南京)有限公司 | 用于智能营销的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11392858B2 (en) | Method and system of generating a chain of alerts based on a plurality of critical indicators and auto-executing stock orders | |
| CN102203775A (zh) | 市场动态 | |
| CN107103548A (zh) | 网络行为数据的监控方法和系统以及风险监控方法和系统 | |
| CN110796539A (zh) | 一种征信评估方法及装置 | |
| CN111353812A (zh) | 链式智能营销方法及装置 | |
| Chelhi et al. | Estimation of Murabaha margin | |
| Coyle et al. | What is the value of data? A review of empirical methods | |
| Akbulaev et al. | Economic analysis of tourism enterprise solvency and the possibility of bankruptcy: The case of the Thomas cook group | |
| CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
| US20200210907A1 (en) | Utilizing econometric and machine learning models to identify analytics data for an entity | |
| Lidiawan et al. | Does e-banking moderate customer value relations with corporate reputation: The case of BNI bank in Kediri city, Indonesia | |
| CN112950290A (zh) | 经济依存客户的挖掘方法、装置、存储介质及电子设备 | |
| CN110706135A (zh) | 合约处理方法以及装置 | |
| WO2023114637A1 (en) | Computer-implemented system and method of facilitating artificial intelligence based lending strategies and business revenue management | |
| US11798100B2 (en) | Transaction counterpart identification | |
| CN111340281B (zh) | 预测模型训练方法及装置 | |
| CN113240513A (zh) | 一种用户授信额度的确定方法和相关装置 | |
| CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
| CN112308639A (zh) | 目标事件的时效预计方法及装置 | |
| CN111667307A (zh) | 一种理财产品销量的预测方法及装置 | |
| CA3052738A1 (en) | Financial instrument pricing | |
| Al Mawaali et al. | Business Strategy and Earnings Management: Financial Versus Non-Financial Firms | |
| Mamashli et al. | Customer Segmentation Based on Mobile Banking User’s Behavior | |
| TWI776370B (zh) | 對於基金商品的投資風險評分方法及系統 | |
| KR102308098B1 (ko) | 매출 채권과 입출금 정보간 자동화된 매칭 서비스에 기초한 사용자 인터페이스 제공 방법 및 그 장치 |
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 |
Application publication date: 20200630 |
|
| RJ01 | Rejection of invention patent application after publication |