CN115439158A - 客户营销方法及装置 - Google Patents

客户营销方法及装置 Download PDF

Info

Publication number
CN115439158A
CN115439158A CN202211121961.9A CN202211121961A CN115439158A CN 115439158 A CN115439158 A CN 115439158A CN 202211121961 A CN202211121961 A CN 202211121961A CN 115439158 A CN115439158 A CN 115439158A
Authority
CN
China
Prior art keywords
customer
information
marketing
training
model
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
Application number
CN202211121961.9A
Other languages
English (en)
Inventor
任凌然
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.)
Bank of China Ltd
Original Assignee
Bank of China 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 Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202211121961.9A priority Critical patent/CN115439158A/zh
Publication of CN115439158A publication Critical patent/CN115439158A/zh
Pending legal-status Critical Current

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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种客户营销方法及装置，涉及人工智能及大数据技术领域，其中该方法包括：获取目标客户的收支信息；通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。本发明有助于提高对客户进行产品营销的效率。

Description

客户营销方法及装置
技术领域
本发明涉及人工智能及大数据技术领域，尤其涉及客户营销方法及装置。
背景技术
商业银行客户营销是银行根据客户的各类金融产品需求而提供的金融服务，主要可分为公司业务营销、个人业务营销等，是银行业务开展的重要部分。目前的客户营销主要通过营销人员人工对客户进行需求分析确定出客户的需求，进而向客户推送金融产品。目前这种人工营销的方式需要投入大量的人力资源，并且存在准确性和效率不足的问题。
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
发明内容
本发明实施例提供一种客户营销方法，用以解决目前人工营销的方式存在的效率不足的问题，该方法包括：
获取目标客户的收支信息；
通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；
将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；
根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
可选的，所述客户分类模型为根据支持向量机算法模型训练得出的。
可选的，该客户营销方法，还包括：
获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息；
根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
可选的，该客户营销方法，还包括：
获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
可选的，该客户营销方法，还包括：
获取预设的多个客户分类；
针对每个所述客户分类生成多个所述第一训练样本。
可选的，该客户营销方法，还包括：
根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
本发明实施例还提供一种客户营销装置，用以解决目前人工营销的方式存在的效率不足的问题，该装置包括：
收支信息获取单元，用于获取目标客户的收支信息；
文本特征提取单元，用于通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；
客户类型识别单元，用于将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；
金融产品确定单元，用于根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
可选的，所述客户分类模型为根据支持向量机算法模型训练得出的。
可选的，该客户营销装置，还包括：
第一训练样本获取单元，用于获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息；
第一模型训练单元，用于根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
可选的，该客户营销装置，还包括：
第二训练样本获取单元，用于获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
第二模型训练单元，用于根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
可选的，该客户营销装置，还包括：
第一训练样本生成单元，用于获取预设的多个客户分类，并针对每个所述客户分类生成多个所述第一训练样本。
可选的，该客户营销装置，还包括：
产品推荐单元，用于根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述客户营销方法。
本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现上述客户营销方法。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述客户营销方法。
本发明实施例中，通过预设的文本特征提取模型从目标客户的收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型，进而根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销，实现了提高对客户进行产品营销的效率的有益效果。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中客户营销方法的流程图；
图2为本发明实施例中客户分类模型的训练流程图；
图3为本发明实施例中文本特征提取模型的训练流程图；
图4为本发明实施例中客户营销装置的第一结构示意图；
图5为本发明实施例中客户营销装置的第二结构示意图；
图6为本发明实施例中客户营销装置的第三结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
需要说明的是，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
图1是本发明实施例中客户营销方法的流程图，如图1所示，在本发明一个实施例中，本发明的客户营销方法包括步骤S101至步骤S104。
步骤S101，获取目标客户的收支信息。
在本发明一个实施例中，本步骤可以通过接入银行内部信息数据资源，得到目标客户的收支信息。所述收支信息包括客户的各类型的收入和指出信息，收入信息具体可以包括：工资收入、金融产品收入以及其他收入等，指出信息具体可以包括：消费指出、金融产品指出等。
需要说明的是，目标客户的收支信息为目标客户许可使用的数据，本发明方案中对数据的获取、存储、使用、处理等均得到客户的授权以及均符合国家法律法规的相关规定。
步骤S102，通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的。
本发明通过HOG(Histogram of Oriented Gradient，方向梯度直方图)算法进行文本特征提取，实现了准确的从客户的收支信息中提取出收入信息以及金融产品历史购买信息，进而有助于提高确定客户类型的准确性。
步骤S103，将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型。
在本发明一个实施例中，所述客户分类模型为根据支持向量机(SVM)算法模型训练得出的。
步骤S104，根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
在本发明一个实施例中，营销人员先将不同收入水平和投资方向的客户划分为多个客户类型，进而针对每个客户类型根据经验设置好对应的金融产品。进而在确定出目标客户的客户类型之后，可以直接确定出待推荐给目标客户的金融产品。
在本发明一个实施例中，在上述步骤S104之后，本发明方法还包括：
根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
图2为本发明实施例中客户分类模型的训练流程图，如图2所示，在本发明一个实施例中，上述步骤S103中的客户分类模型具体由步骤S201和步骤S202训练得出。
步骤S201，获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息。
步骤S202，根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
在本发明一个实施例中，在上述步骤S201之前，本发明方法还包括：
获取预设的多个客户分类；针对每个所述客户分类生成多个所述第一训练样本。
在本发明一个实施例中，营销人员先将不同收入水平和投资方向的客户划分为多个客户类型。进而针对每个划分出的客户类型生成对应的多个第一训练样本。
图3为本发明实施例中文本特征提取模型的训练流程图，如图3所示，在本发明一个实施例中，上述步骤S102的文本特征提取模型具体由步骤S301和步骤S302训练得出。
步骤S301，获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
步骤S302，根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
HOG特征提取算法和SVM分类算法都是非常流行且功能强大的相应领域算法，是进行特征提取和分类算法的极优选择，本发明通过将HOG算法与SVM分类算法相结合，能够实现准确提取出客户的文本特征进而准确的对客户分类，有助于提高为客户进行营销的准确性和效率。
由以上实施例可以看出，本发明通过机器学习算法替代人工服务，极大提高了客户营销的精度，缩短了客户营销的工作时间，增强了客户营销的效率。
本发明实施例中还提供了一种客户营销装置，如下面的实施例所述。由于该装置解决问题的原理与客户营销法相似，因此该装置的实施可以参见客户营销方法的实施，重复之处不再赘述。
图4为本发明实施例中客户营销装置的第一结构示意图，如图4所示，在本发明一个实施例中，本发明的客户营销装置具体包括：
收支信息获取单元1，用于获取目标客户的收支信息；
文本特征提取单元2，用于通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；
客户类型识别单元3，用于将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；
金融产品确定单元4，用于根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
在本发明一个实施例中，所述客户分类模型为根据支持向量机算法模型训练得出的。
图5为本发明实施例中客户营销装置的第二结构示意图，如图5所示，在本发明一个实施例中，本发明的客户营销装置还包括：
第一训练样本获取单元5，用于获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息；
第一模型训练单元6，用于根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
图6为本发明实施例中客户营销装置的第三结构示意图，如图6所示，在本发明一个实施例中，本发明的客户营销装置还包括：
第二训练样本获取单元7，用于获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
第二模型训练单元8，用于根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
在本发明一个实施例中，本发明的客户营销装置还包括：
第一训练样本生成单元，用于获取预设的多个客户分类，并针对每个所述客户分类生成多个所述第一训练样本。
在本发明一个实施例中，本发明的客户营销装置还包括：
产品推荐单元，用于根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述客户营销方法。
本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现上述客户营销方法。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述客户营销方法。
本发明实施例中，通过预设的文本特征提取模型从目标客户的收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型，进而根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销，实现了提高对客户进行产品营销的效率的有益效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种客户营销方法，其特征在于，包括：
获取目标客户的收支信息；
通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；
将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；
根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
2.如权利要求1所述的客户营销方法，其特征在于，所述客户分类模型为根据支持向量机算法模型训练得出的。
3.如权利要求2所述的客户营销方法，其特征在于，还包括：
获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息；
根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
4.如权利要求1所述的客户营销方法，其特征在于，还包括：
获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
5.如权利要求3所述的客户营销方法，其特征在于，还包括：
获取预设的多个客户分类；
针对每个所述客户分类生成多个所述第一训练样本。
6.如权利要求1所述的客户营销方法，其特征在于，还包括：
根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
7.一种客户营销装置，其特征在于，包括：
收支信息获取单元，用于获取目标客户的收支信息；
文本特征提取单元，用于通过预设的文本特征提取模型从所述收支信息中提取出所述目标客户的收入信息以及金融产品历史购买信息，其中，所述文本特征提取模型为根据HOG算法模型训练得出的；
客户类型识别单元，用于将所述收入信息以及所述金融产品历史购买信息输入到预设的客户分类模型中，得到所述目标客户的客户类型；
金融产品确定单元，用于根据预设的客户类型与金融产品之间的对应关系，确定出所述目标客户的客户类型对应的金融产品，以根据确定出的金融产品对所述目标客户进行客户营销。
8.如权利要求7所述的客户营销装置，其特征在于，所述客户分类模型为根据支持向量机算法模型训练得出的。
9.如权利要求8所述的客户营销装置，其特征在于，还包括：
第一训练样本获取单元，用于获取第一训练样本，其中，所述第一训练样本为标注出客户分类的客户数据，所述客户数据包括收入信息和金融产品历史购买信息；
第一模型训练单元，用于根据所述第一训练样本对支持向量机算法模型进行训练，得到所述客户分类模型。
10.如权利要求7所述的客户营销装置，其特征在于，还包括：
第二训练样本获取单元，用于获取第二训练样本，其中，所述第二训练样本为标注出收入信息以及金融产品历史购买信息的客户收支信息；
第二模型训练单元，用于根据所述第二训练样本对HOG算法模型进行训练，得到所述文本特征提取模型。
11.如权利要求9所述的客户营销装置，其特征在于，还包括：
第一训练样本生成单元，用于获取预设的多个客户分类，并针对每个所述客户分类生成多个所述第一训练样本。
12.如权利要求7所述的客户营销装置，其特征在于，还包括：
产品推荐单元，用于根据确定出的金融产品生成金融产品推荐信息，进而将所述金融产品推荐信息发送给所述目标客户。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一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存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
CN202211121961.9A 2022-09-15 2022-09-15 客户营销方法及装置 Pending CN115439158A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211121961.9A CN115439158A (zh) 2022-09-15 2022-09-15 客户营销方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211121961.9A CN115439158A (zh) 2022-09-15 2022-09-15 客户营销方法及装置

Publications (1)

Publication Number Publication Date
CN115439158A true CN115439158A (zh) 2022-12-06

Family

ID=84249671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211121961.9A Pending CN115439158A (zh) 2022-09-15 2022-09-15 客户营销方法及装置

Country Status (1)

Country Link
CN (1) CN115439158A (zh)

Similar Documents

Publication Publication Date Title
CN109388675B (zh) 数据分析方法、装置、计算机设备及存储介质
CN113434685B (zh) 一种资讯分类处理的方法及系统
CN111402017A (zh) 一种基于大数据的信用评分方法和系统
CN111931809A (zh) 数据的处理方法、装置、存储介质及电子设备
CN112884569A (zh) 一种信用评估模型的训练方法、装置及设备
CN113450075A (zh) 基于自然语言技术的工单处理方法及装置
CN111736940A (zh) 智能柜台的业务界面展示方法及装置
CN115439158A (zh) 客户营销方法及装置
CN115167965A (zh) 交易进度条的处理方法及装置
CN115099928A (zh) 流失客户识别方法及装置
CN115545095A (zh) 客户类型确定方法及装置
CN114049126A (zh) 安全认证方法及装置
CN113112339A (zh) 手机银行产品的推荐方法及装置
CN114092245A (zh) 场景化的银行交易错误信息返回方法及装置
CN113849634A (zh) 用于提升深度模型推荐方案可解释性的方法
CN110956027A (zh) 一种数字短信内容生成的方法和装置
CN113139842A (zh) 一种表单处理方法、装置和系统
CN112101816B (zh) 审计计划智能推荐方法及装置
CN117035794A (zh) 非法资金转移风险交易的分析方法及系统
CN116521879A (zh) 客户咨询数据的处理方法及装置
CN115423020A (zh) 手机银行交易账本生成方法及装置
CN115358855A (zh) 交易数据分解方法及装置
CN115423529A (zh) 经营状态分析方法及装置
CN117113143A (zh) 一种用户分类方法、装置、设备及介质
CN117669538A (zh) 投诉单据的识别方法、装置、存储介质及电子设备

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