CN115204631A - 一种产品营销管理方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种产品营销管理方法、装置、计算机设备及存储介质，本方案获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；选择办理意愿度大于预设阈值的候选客户，作为目标客户；从目标产品代理人中为各目标客户分配待推荐产品的产品代理人，从而提高了金融产品的营销效率。

Description

一种产品营销管理方法、装置、计算机设备及存储介质

技术领域

本申请涉及管理技术领域，具体涉及一种产品营销管理方法、装置、计算机设备及存储介质。

背景技术

随着信用卡规模的不断发展，信用卡本身的产品并不能满足客户的金融需求，有时需对信用卡客户交叉营销其他金融产品，例如贷款产品、理财产品、保险产品和基金产品等。

而在传统技术中每次营销金融产品时，均需依次对客户名单上的各个客户进行营销，但是由于有些客户对该金融产品没有需求，又或者是对该金融产品进行营销的部分代理人的营销热情较低，而导致金融产品的营销效率较低。

发明内容

本申请实施例提供一种产品营销管理方法、装置、计算机设备及存储介质，可以提高金融产品的营销效率。

本申请实施例提供了一种产品营销管理方法，包括：

获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各上述产品代理人的属性信息和产能信息确定各上述产品代理人的产品营销能力；

选择上述产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

从上述银行系统中至少获取待推荐产品和上述目标产品的历史客户信息，得到候选客户信息；

通过神经网络模型对各候选客户信息进行上述待推荐产品的办理意愿度预测，得到各候选客户面对上述待推荐产品时的办理意愿度；

选择上述办理意愿度大于预设阈值的候选客户，作为目标客户；

从上述目标产品代理人中为各目标客户分配上述待推荐产品的产品代理人。

相应的，本申请实施例还提供了一种产品营销管理装置，包括：

第一信息获取模块，用于获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各上述产品代理人的属性信息和产能信息确定各上述产品代理人的产品营销能力；

第一选择模块，用于选择上述产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

第二信息获取模块，用于从上述银行系统中至少获取待推荐产品和上述目标产品的历史客户信息，得到候选客户信息；

预测模块，用于通过神经网络模型对各候选客户信息进行上述待推荐产品的办理意愿度预测，得到各候选客户面对上述待推荐产品时的办理意愿度；

第二选择模块，用于选择上述办理意愿度大于预设阈值的候选客户，作为目标客户；

分配模块，用于从上述目标产品代理人中为各目标客户分配上述待推荐产品的产品代理人。

在一些实施例中，上述预测模块包括：

第一信息选择单元，用于根据各候选客户信息中的客户账龄，选择上述客户账龄大于等于预设账龄的候选客户信息，作为第一客户信息集合中的候选客户信息；

第二信息选择单元，用于根据各候选客户信息中的客户账龄，选择上述客户账龄小于预设账龄的候选客户信息，作为第二客户信息集合中的候选客户信息；

第一预测单元，用于通过上述神经网络模型对上述第一客户信息集合和上述第二客户信息中的候选客户信息分别进行上述待推荐产品的办理意愿度预测。

在一些实施例中，上述产品营销管理装置还包括：

第三信息获取模块，用于获取上述目标客户面对上述待推荐产品时的办理意愿度和对上述目标客户的历史营销信息；

第一策略确定模块，用于根据上述目标客户的办理意愿度和上述历史营销信息确定向上述目标客户营销上述待推荐产品的目标营销策略；

第一提示模块，用于基于上述目标客户对应的目标营销策略，向上述目标客户对应的产品代理人进行提示，以使上述产品代理人根据上述目标营销策略向上述目标客户营销上述待推荐产品。

在一些实施例中，上述第一策略确定模块包括：

时长确定单元，用于根据上述目标客户的办理意愿度所处的意愿度级别，确定上述意愿度级别对应的上述目标客户对上述待推荐产品的营销接受时长；

模板确定单元，用于从上述历史营销信息中确定出向上述目标客户营销成功的至少一个话术模板；

策略确定单元，用于基于上述至少一个话术模板和上述营销接受时长，确定向上述目标客户营销上述待推荐产品的营销策略。

在一些实施例中，上述产品营销管理装置还包括：

类型获取模块，用于获取上述待推荐产品的产品类型，当上述相同产品存在至少两个时，确定至少两个上述相同产品分别对应的产品成交率，上述相同产品为与上述产品类型一致的产品；

策略选取模块，用于从至少两个上述相同产品中选取产品成交率最高的相同产品对应的至少一个营销策略；

第二策略确定模块，用于根据上述至少一个营销策略确定向上述目标客户营销上述待推荐产品的目标营销策略；

第二提示模块，用于基于上述目标客户对应的目标营销策略，向上述目标客户对应的产品代理人进行提示，以使上述产品代理人根据上述目标营销策略向上述目标客户营销上述待推荐产品。

在一些实施例中，上述预测模块还包括：

第二预测单元，用于通过上述神经网络模型，对各候选客户信息中的属性信息、浏览行为信息和交易行为信息进行上述待推荐产品的办理意愿度预测。

在一些实施例中，上述第一信息获取模块包括：

第一指标分析单元，用于对上述产品代理人的属性信息进行指标分析，得到第一指标分值；

第二指标分析单元，用于对上述产品代理人的产能信息中的营销频次、营销金额以及客户反馈信息分别进行指标分析，得到上述营销频次、上述营销金额以及上述客户反馈信息分别对应的指标分值；

均值计算单元，用于对上述营销频次、上述营销金额以及上述客户反馈信息分别对应的指标分值进行均值计算，得到第二指标分值；

权值赋予单元，用于分别对上述第一指标分值和上述第二指标分值赋予对应权值，并将赋予权值后的第一指标分值和第二指标分值之间的总和确定为上述产品代理人的产品营销能力。

相应的，本申请实施例还提供了一种计算机设备，包括存储器，处理器及存储在储存器上并可在处理器上运行的计算机程序，其中，处理器执行本申请实施例任一提供的产品营销管理方法。

相应的，本申请实施例还提供了一种存储介质，存储介质存储有多条指令，指令适于处理器进行加载，以执行如上的产品营销管理方法。

本申请实施例获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各上述产品代理人的属性信息和产能信息确定各上述产品代理人的产品营销能力；选择上述产品营销能力符合预设条件的产品代理人，作为目标产品代理人；从上述银行系统中至少获取待推荐产品和上述目标产品的历史客户信息，得到候选客户信息；通过神经网络模型对各候选客户信息进行上述待推荐产品的办理意愿度预测，得到各候选客户面对上述待推荐产品时的办理意愿度；选择上述办理意愿度大于预设阈值的候选客户，作为目标客户；从上述目标产品代理人中为各目标客户分配上述待推荐产品的产品代理人，从而通过选取营销待推荐产品的目标产品代理人和对待推荐产品意愿度较高的目标客户进行待推荐产品的营销，来提高了金融产品的营销效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种产品营销管理方法的流程示意图。

图2为本申请实施例提供的一种办理意愿度预测的流程示意图。

图3为本申请实施例提供的一种产品营销管理装置的结构框图。

图4为本申请实施例提供的计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

本申请实施例提供一种产品营销管理方法、装置、存储介质及计算机设备。具体地，本申请实施例的产品营销管理方法可以由计算机设备执行，其中，该计算机设备可以为服务器，也可以为终端等设备。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、台式计算机、笔记本电脑、平板电脑等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

例如，该计算机设备可以是终端，该终端可以获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；选择办理意愿度大于预设阈值的候选客户，作为目标客户；从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

基于上述问题，本申请实施例提供第一种产品营销管理方法、装置、计算机设备及存储介质，可以提高金融产品的营销效率。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例提供一种产品营销管理方法，该方法可以由终端或服务器执行，本申请实施例以产品营销管理方法由终端执行为例来进行说明。

请参阅图1，图1为本申请实施例提供的一种产品营销管理方法的流程示意图。该产品营销管理方法的具体流程可以如下：

101、获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力。

其中，上述银行系统可以用于存储产品营销中的历史营销信息、产品的产品信息，以及各产品代理人的各项信息等，上述产品营销方法可以基于银行系统进行营销。上述该目标产品为寿险产品，相应地，上述目标产品的产品代理人为寿险代理人，是用来营销寿险产品的人员。上述产品代理人的属性信息包括但不限于是年龄、性别、资历等。上述产品代理人的产能信息为产品代理人在营销产品过程中所产生的信息，该产能信息包括但不限于是营销频次、营销金额和客户反馈信息等。

具体地，上述营销频次可以是预设时间内营销成功的次数，上述营销金额可以是预设时间内的营销成功的产品所产生的利润的总额，上述客户反馈信息可以是预设时间内客户基于产品代理人对某一产品的营销所反馈的信息，例如投诉信息，表扬信息等。

在一些实施例中，终端可以根据各产品代理人的属性信息和产能信息分别对两者进行指标性分析，以得到指标分析结果，该指标分析结果即相当于各产品代理人的产品营销能力，从而准确得到代理人的产品营销能力。

具体可以包括：终端对产品代理人的属性信息进行指标分析，得到第一指标分值，并对所述客户代理人的产能信息进行指标分析，得到第二指标分值，从而根据所述第一指标分值和所述第二指标分值确定产品代理人的产品营销能力。

其中，上述对产品代理人的属性信息进行指标分析，得到第一指标分值，可以包括：对产品代理人的属性信息中的年龄、性别以及资历分别进行指标分析，得到年龄、性别以及资历分别对应的指标分值；对年龄、性别以及资历分别对应的指标分值进行均值计算，得到第一指标分值。

其中，上述对所述客户代理人的产能信息进行指标分析，得到第二指标分值，可以包括：对产品代理人的产能信息中的营销频次、营销金额以及客户反馈信息分别进行指标分析，得到营销频次、营销金额以及客户反馈信息分别对应的指标分值；对营销频次、营销金额以及客户反馈信息分别对应的指标分值进行均值计算，得到第二指标分值。

其中，上述根据所述第一指标分值和所述第二指标分值确定产品代理人的产品营销能力，可以包括：分别对第一指标分值和第二指标分值赋予对应权值，并将赋予权值后的第一指标分值和第二指标分值之间的总和确定为产品代理人的产品营销能力。

本发明实施例中，“第一”、“第二”仅仅是为区别指标分值，无其他特殊含义。

102、选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人。

在本实施例中，上述预设条件是用来评判产品营销能力的强弱，具体可根据用户需求进行设定，若产品营销能力符合预设条件，则说明产品营销能力较强，若产品营销能力不符合预设条件，则说明产品营销能力较弱，从而从中确定出产品营销能力较强的目标产品代理人。

例如，当产品营销能力是以分值的形式来呈现的话，可以设定预设条件为大于等于预设营销阈值，若产品营销能力对应的分值小于该营销阈值，则说明产品营销能力不符合该预设条件，若产品营销能力对应的分值大于等于该营销阈值，则说明产品营销能力符合该预设条件。

103、从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息。

其中，上述待推荐产品为当前需向客户进行营销的产品，例如信用卡的生息产品，该生息产品包括但不限于是贷款产品、理财产品、保险产品和基金产品等。上述待推荐产品的历史客户信息为待推荐产品的产品类型对应的历史客户信息。若上述目标产品为寿险产品，则该目标产品的历史客户信息为寿险客户对应的客户信息，上述客户信息包括但不限于是属性信息、浏览行为信息和交易行为信息。

具体地，上述属性信息包括但不限于是客户的年龄、性别、职业等；上述浏览行为信息为客户浏览终端时产生的信息，该信息可以通过数据埋点技术来得到；上述交易行为信息为客户预设时间内的交易数据，包括但不限于是交易的产品种类、交易的次数和交易的金额等。

可以理解的是，银行系统中存在不同的业务渠道，可通过不同的业务渠道获取该渠道对应的历史客户信息，例如当目标产品为寿险产品时，可通过寿险渠道获取对应的历史客户信息，即寿险客户的信息；当上述待推荐产品为信用卡生息产品时，可通过信用卡渠道获取对应的历史客户信息，即信息卡客户的信息，即已办理信用卡的客户信息。终端还可进一步获取非寿险客户和/或非信用卡客户的信息，若获取的是非信用卡客户的信息，则可先让客户办理信用卡，再对客户营销待推荐产品。

104、通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度。

在本实施例中，通过将各候选客户信息输入至神经网络模型中，以使神经网络模型针对各候选客户分别进行待推荐产品的办理意愿度预测，从而得到各候选客户面对待推荐产品时的办理意愿度，以便于根据各候选客户面对待推荐产品时的办理意愿度来进行待推荐产品的营销管理。

具体地，上述神经网络模型可以采用spark xgboost算法进行建模，从而促使神经网络模型可以承载较大的数据量以及较多特征的样本数据，从而提升模型的跑批效率。

并且，在神经网络模型的训练过程中，终端可采用正样本和负样本之间的样本数量为预设比例的方式获取训练样本，例如，正样本和负样本之间的比例为1/9，正样本和负样本之间的总数量为50万，从而从全部样本中以随机抽样的方式抽取对应比例的正样本和负样本，得到训练样本，从而利用该训练样本对神经网络模型进行训练建模。终端还可以采用将当前所获取的全部样本作为训练样本，例如全部样本的数量为1200万，从而通过较多数量的训练样本来促使模型预测结果更能体现客户的实际情况，从而呈现真实的数据分布，提高模型的精确度。

在一些实施例中，上述通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测可以包括：通过神经网络模型，对各候选客户信息中的属性信息、浏览行为信息和交易行为信息进行待推荐产品的办理意愿度预测。

在一些实施例中，如图2所示，上述通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测可以包括：终端根据各候选客户信息中的客户账龄，选择客户账龄大于等于预设账龄的候选客户信息，作为第一客户信息集合中的候选客户信息。再根据各候选客户信息中的客户账龄，选择客户账龄小于预设账龄的候选客户信息，作为第二客户信息集合中的候选客户信息。其中，上述账龄可以根据用户需求进行设定，例如3，即账龄大于等于3的候选客户为第一客户信息集合中的候选客户；账龄小于3的候选客户为第二客户信息集合中的候选客户。再将第一客户信息集合和第二客户信息集合中的各候选客户信息分别输入神经网络模型中，以通过神经网络模型对第一客户信息集合和第二客户信息中的候选客户信息分别进行待推荐产品的办理意愿度预测，从而得到各候选客户面对待推荐产品时的办理意愿度。

具体地，终端可预先训练两个神经网络模型，即根据客户账龄大于等于预设账龄的训练样本数据对第一神经网络模型进行训练，以通过训练后的第一神经网络模型对第一客户信息集合中的各候选客户信息进行待推荐产品的办理意愿度预测；根据客户账龄小预设账龄的训练样本数据对第二神经网络模型进行训练，以通过训练后的第二神经网络模型对第二客户信息集合中的各候选客户信息进行待推荐产品的办理意愿度预测。

具体地，终端可预先训练一个神经网络模型，终端设备可对训练样本数据进行标记，即客户账龄大于等于预设账龄的训练样本数据标记为第一训练样本数据，客户账龄小预设账龄的训练样本数据标记为第二训练样本数据，再根据第一训练样本数据和第二训练样本数据对神经网络模型分别进行训练，以使神经网络模型在预测第一客户信息集合和第二客户信息集合时，预先识别两者分别对应的预测方式，再分别进行预测。

105、选择办理意愿度大于预设阈值的候选客户，作为目标客户。

在本实施例中，上述预设阈值是用来评判对待推荐产品的办理意愿的强弱，具体可根据用户需求进行设定，若办理意愿度大于预设阈值，则说明目标客户对待推荐产品的办理意愿较强，若办理意愿度小于等于预设阈值，则说明目标客户对待推荐产品的办理意愿较弱，从而从中确定出办理待推荐产品的意愿较强的目标客户。

106、从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

在本实施例中，终端通过从目标产品代理人中为个目标客户分配营销待推荐产品的产品代理人，来使产品代理人向目标客户影响待推荐产品，以提高待推荐产品的办理率，从而提升了金融产品的营销效率。

在一些实施例中，在确定向各目标客户营销待推荐产品的产品代理人之后，还可以包括：终端获取向目标客户营销待推荐产品的营销策略，从而基于目标客户对应的目标营销策略，向目标客户对应的产品代理人进行提示，以使产品代理人根据目标营销策略向目标客户营销待推荐产品。

在一些实施例中，终端获取目标客户面对待推荐产品时的办理意愿度和对目标客户的历史营销信息，从而根据目标客户的办理意愿度和历史营销信息确定向目标客户营销待推荐产品的目标营销策略。其中，上述历史营销信息为历史过程中向目标客户营销金融产品时产生的信息。

其中，上述根据目标客户的办理意愿度和历史营销信息确定向目标客户营销待推荐产品的营销策略，具体可以包括：

终端根据目标客户的办理意愿度所处的意愿度级别，例如，确定预设数量的意愿度级别，每个意愿度级别对应一段办理意愿度范围和营销接受时长，从而根据办理意愿度所处的办理意愿度范围，即可确定出该办理意愿度范围对应的意愿度级别。

再确定意愿度级别对应的目标客户对待推荐产品的营销接受时长，该营销接受时长为目标客户可以接受的最大营销时长，倘若超出该营销接受时长可能会导致目标客户对本次营销活动不满，从而不利于待推荐产品的办理。

最后从历史营销信息中确定出向目标客户营销成功的至少一个话术模板，从而基于至少一个话术模板和营销接受时长，确定向目标客户营销待推荐产品的营销策略。

具体地，终端可以预测至少一个话术模板对应的营销时长，从而将该营销时长与营销接受时长进行对比，从而选取出合适话术模板，根据该话术模板确定出对应的营销策略，又或者是，基于营销接受时长，对至少一个话术模板进行模板融合，从而得到一个小于或等于该营销接受时长的话术模板，并根据该话术模板确定出对应的营销策略。

在一些实施例中，终端获取待推荐产品的产品类型，从而根据该产品类型确定与该产品类型一致的相同产品，以根据该相同产品确定出该相同产品对应的营销策略，以根据该相同产品的营销策略确定待推荐产品的营销策略。进一步地，当相同产品存在至少两个时，确定至少两个相同产品分别对应的产品成交率，并从至少两个相同产品中选取产品成交率最高的相同产品对应的至少一个营销策略，以根据至少一个营销策略确定向目标客户营销待推荐产品的目标营销策略。

具体地，终端可以根据至少一个营销策略分别对应的营销过程信息确定出至少一个营销策略对应的客户办理意愿度，该营销过程信息为基于营销策略对客户进行产品营销时产生的客户态度信息。从而将客户办理意愿度最高的营销策略确定为目标客户营销待推荐产品的目标营销策略。

本申请实施例公开了一种产品营销管理方法，该方法包括：获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；选择办理意愿度大于预设阈值的候选客户，作为目标客户；从目标产品代理人中为各目标客户分配待推荐产品的产品代理人，以此，提高了金融产品的营销效率。

为便于更好的实施本申请实施例提供的产品营销管理方法，本申请实施例还提供一种基于上述产品营销管理方法的产品营销管理装置。其中名词的含义与上述产品营销管理方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图3，图3为本申请实施例提供的一种产品营销管理装置的结构框图，该装置包括：

第一信息获取模块301，用于获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力。

第一选择模块302，用于选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人。

第二信息获取模块303，用于从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息。

预测模块304，用于通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度。

第二选择模块305，用于选择办理意愿度大于预设阈值的候选客户，作为目标客户。

分配模块306，用于从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

在一些实施例中，上述预测模块304包括：

第一信息选择单元，用于根据各候选客户信息中的客户账龄，选择客户账龄大于等于预设账龄的候选客户信息，作为第一客户信息集合中的候选客户信息。

第二信息选择单元，用于根据各候选客户信息中的客户账龄，选择客户账龄小于预设账龄的候选客户信息，作为第二客户信息集合中的候选客户信息。

第一预测单元，用于通过神经网络模型对第一客户信息集合和第二客户信息中的候选客户信息分别进行待推荐产品的办理意愿度预测。

在一些实施例中，上述产品营销管理装置还包括：

第三信息获取模块，用于获取目标客户面对待推荐产品时的办理意愿度和对目标客户的历史营销信息。

第一策略确定模块，用于根据目标客户的办理意愿度和历史营销信息确定向目标客户营销待推荐产品的目标营销策略。

第一提示模块，用于基于目标客户对应的目标营销策略，向目标客户对应的产品代理人进行提示，以使产品代理人根据目标营销策略向目标客户营销待推荐产品。

在一些实施例中，上述第一策略确定模块包括：

时长确定单元，用于根据目标客户的办理意愿度所处的意愿度级别，确定意愿度级别对应的目标客户对待推荐产品的营销接受时长。

模板确定单元，用于从历史营销信息中确定出向目标客户营销成功的至少一个话术模板。

策略确定单元，用于基于至少一个话术模板和营销接受时长，确定向目标客户营销待推荐产品的营销策略。

在一些实施例中，上述产品营销管理装置还包括：

类型获取模块，用于获取待推荐产品的产品类型，当相同产品存在至少两个时，确定至少两个相同产品分别对应的产品成交率，相同产品为与产品类型一致的产品。

策略选取模块，用于从至少两个相同产品中选取产品成交率最高的相同产品对应的至少一个营销策略。

第二策略确定模块，用于根据至少一个营销策略确定向目标客户营销待推荐产品的目标营销策略。

第二提示模块，用于基于目标客户对应的目标营销策略，向目标客户对应的产品代理人进行提示，以使产品代理人根据目标营销策略向目标客户营销待推荐产品。

在一些实施例中，上述预测模块304还包括：

第二预测单元，用于通过神经网络模型，对各候选客户信息中的属性信息、浏览行为信息和交易行为信息进行待推荐产品的办理意愿度预测。

在一些实施例中，上述第一信息获取模块包括：

第一指标分析单元，用于对产品代理人的属性信息进行指标分析，得到第一指标分值。

第二指标分析单元，用于对产品代理人的产能信息中的营销频次、营销金额以及客户反馈信息分别进行指标分析，得到营销频次、营销金额以及客户反馈信息分别对应的指标分值。

均值计算单元，用于对营销频次、营销金额以及客户反馈信息分别对应的指标分值进行均值计算，得到第二指标分值。

权值赋予单元，用于分别对第一指标分值和第二指标分值赋予对应权值，并将赋予权值后的第一指标分值和第二指标分值之间的总和确定为产品代理人的产品营销能力。

本申请实施例公开了一种产品营销管理装置，通过第一信息获取模块301，用于获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；第一选择模块302，用于选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；第二信息获取模块303，用于从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；预测模块304，用于通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；第二选择模块305，用于选择办理意愿度大于预设阈值的候选客户，作为目标客户；分配模块306，用于从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。以此，提高了金融产品的营销效率。

相应的，本申请实施例还提供一种计算机设备，该计算机设备可以为终端。如图4所示，图4为本申请实施例提供的计算机设备的结构示意图。该计算机设备400包括有一个或者一个以上处理核心的处理器401、有一个或一个以上计算机可读存储介质的存储器402及存储在存储器402上并可在处理器上运行的计算机程序。其中，处理器401与存储器402电性连接。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，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。

处理器401是计算机设备400的控制中心，利用各种接口和线路连接整个计算机设备400的各个部分，通过运行或加载存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备400的各种功能和处理数据，从而对计算机设备400进行整体监控。

在本申请实施例中，计算机设备400中的处理器401会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能：

获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；

选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；

通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；

选择办理意愿度大于预设阈值的候选客户，作为目标客户；

从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

可选的，如图4所示，计算机设备400还包括：触控显示屏403、射频电路404、音频电路405、输入单元406以及电源407。其中，处理器401分别与触控显示屏403、射频电路404、音频电路405、输入单元406以及电源407电性连接。本领域技术人员可以理解，图4中示出的计算机设备结构并不构成对计算机设备的限定，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。

触控显示屏403可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏403可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的消息或提供给用户的消息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(LCD，Liquid Cryst客户端账户l Displ客户端账户y)、有机发光二极管(OLED，Org客户端账户nic Light-Emitting Diode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸消息，并将它转换成触点坐标，再送给处理器401，并能接收处理器401发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器401以确定触摸事件的类型，随后处理器401根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中，可以将触控面板与显示面板集成到触控显示屏403而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏403也可以作为输入单元406的一部分实现输入功能。

射频电路404可用于收发射频信号，以通过无线通信与网络设备或其他计算机设备建立无线通讯，与网络设备或其他计算机设备之间收发信号。

音频电路405可以用于通过扬声器、传声器提供用户与计算机设备之间的音频接口。音频电路405可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路405接收后转换为音频数据，再将音频数据输出处理器401处理后，经射频电路404以发送给比如另一计算机设备，或者将音频数据输出至存储器402以便进一步处理。音频电路405还可能包括耳塞插孔，以提供外设耳机与计算机设备的通信。

输入单元406可用于接收输入的数字、字符消息或用户特征消息(例如指纹、虹膜、面部消息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

电源407用于给计算机设备400的各个部件供电。可选的，电源407可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源407还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管图4中未示出，计算机设备400还可以包括摄像头、传感器、无线保真模块、蓝牙模块等，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

由上可知，本实施例提供的计算机设备，通过获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；选择办理意愿度大于预设阈值的候选客户，作为目标客户；从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种产品营销管理方法中的步骤。例如，该计算机程序可以执行如下步骤：

获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各产品代理人的属性信息和产能信息确定各产品代理人的产品营销能力；

选择产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

从银行系统中至少获取待推荐产品和目标产品的历史客户信息，得到候选客户信息；

通过神经网络模型对各候选客户信息进行待推荐产品的办理意愿度预测，得到各候选客户面对待推荐产品时的办理意愿度；

选择办理意愿度大于预设阈值的候选客户，作为目标客户；

从目标产品代理人中为各目标客户分配待推荐产品的产品代理人。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Re客户端账户d Only Memory)、随机存取记忆体(R客户端账户M，R客户端账户ndom客户端账户ccess Memory)、磁盘或光盘等。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种产品营销管理方法中的步骤，因此，可以实现本申请实施例所提供的任一种产品营销管理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种产品营销管理方法、装置、存储介质及计算机设备进行了详细介绍，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；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种产品营销管理方法，其特征在于，所述方法包括：

获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各所述产品代理人的属性信息和产能信息确定各所述产品代理人的产品营销能力；

选择所述产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

从所述银行系统中至少获取待推荐产品和所述目标产品的历史客户信息，得到候选客户信息；

通过神经网络模型对各候选客户信息进行所述待推荐产品的办理意愿度预测，得到各候选客户面对所述待推荐产品时的办理意愿度；

选择所述办理意愿度大于预设阈值的候选客户，作为目标客户；

从所述目标产品代理人中为各目标客户分配所述待推荐产品的产品代理人。

2.根据权利要求1所述的方法，其特征在于，所述通过神经网络模型对各候选客户信息进行所述待推荐产品的办理意愿度预测，包括：

根据各候选客户信息中的客户账龄，选择所述客户账龄大于等于预设账龄的候选客户信息，作为第一客户信息集合中的候选客户信息；

根据各候选客户信息中的客户账龄，选择所述客户账龄小于预设账龄的候选客户信息，作为第二客户信息集合中的候选客户信息；

通过所述神经网络模型对所述第一客户信息集合和所述第二客户信息中的候选客户信息分别进行所述待推荐产品的办理意愿度预测。

3.根据权利要求1所述的方法，其特征在于，在从所述目标产品代理人中为各目标客户分配所述待推荐产品的产品代理人之后，还包括：

获取所述目标客户面对所述待推荐产品时的办理意愿度和对所述目标客户的历史营销信息；

根据所述目标客户的办理意愿度和所述历史营销信息确定向所述目标客户营销所述待推荐产品的目标营销策略；

基于所述目标客户对应的目标营销策略，向所述目标客户对应的产品代理人进行提示，以使所述产品代理人根据所述目标营销策略向所述目标客户营销所述待推荐产品。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标客户的办理意愿度和所述历史营销信息确定向所述目标客户营销所述待推荐产品的营销策略，包括：

根据所述目标客户的办理意愿度所处的意愿度级别，确定所述意愿度级别对应的所述目标客户对所述待推荐产品的营销接受时长；

从所述历史营销信息中确定出向所述目标客户营销成功的至少一个话术模板；

基于所述至少一个话术模板和所述营销接受时长，确定向所述目标客户营销所述待推荐产品的营销策略。

5.根据权利要求1所述的方法，其特征在于，在从所述目标产品代理人中为各目标客户分配所述待推荐产品的产品代理人之后，还包括：

获取所述待推荐产品的产品类型，当所述相同产品存在至少两个时，确定至少两个所述相同产品分别对应的产品成交率，所述相同产品为与所述产品类型一致的产品；

从至少两个所述相同产品中选取产品成交率最高的相同产品对应的至少一个营销策略；

根据所述至少一个营销策略确定向所述目标客户营销所述待推荐产品的目标营销策略；

基于所述目标客户对应的目标营销策略，向所述目标客户对应的产品代理人进行提示，以使所述产品代理人根据所述目标营销策略向所述目标客户营销所述待推荐产品。

6.根据权利要求1所述的方法，其特征在于，所述通过神经网络模型对各候选客户信息进行所述待推荐产品的办理意愿度预测，包括：

通过所述神经网络模型，对各候选客户信息中的属性信息、浏览行为信息和交易行为信息进行所述待推荐产品的办理意愿度预测。

7.根据权利要求1所述的方法，其特征在于，所述根据各所述产品代理人的属性信息和产能信息确定各所述产品代理人的产品营销能力，包括：

对所述产品代理人的属性信息进行指标分析，得到第一指标分值；

对所述产品代理人的产能信息中的营销频次、营销金额以及客户反馈信息分别进行指标分析，得到所述营销频次、所述营销金额以及所述客户反馈信息分别对应的指标分值；

对所述营销频次、所述营销金额以及所述客户反馈信息分别对应的指标分值进行均值计算，得到第二指标分值；

分别对所述第一指标分值和所述第二指标分值赋予对应权值，并将赋予权值后的第一指标分值和第二指标分值之间的总和确定为所述产品代理人的产品营销能力。

8.一种产品营销管理装置，其特征在于，所述装置包括：

第一信息获取模块，用于获取银行系统中目标产品的各产品代理人的属性信息和产能信息，根据各所述产品代理人的属性信息和产能信息确定各所述产品代理人的产品营销能力；

第一选择模块，用于选择所述产品营销能力符合预设条件的产品代理人，作为目标产品代理人；

第二信息获取模块，用于从所述银行系统中至少获取待推荐产品和所述目标产品的历史客户信息，得到候选客户信息；

预测模块，用于通过神经网络模型对各候选客户信息进行所述待推荐产品的办理意愿度预测，得到各候选客户面对所述待推荐产品时的办理意愿度；

第二选择模块，用于选择所述办理意愿度大于预设阈值的候选客户，作为目标客户；

分配模块，用于从所述目标产品代理人中为各目标客户分配所述待推荐产品的产品代理人。

9.一种计算机设备，其特征在于，包括存储器，处理器及存储在存储器上并在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7任一项所述的产品营销管理方法。

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的产品营销管理方法。

Images