CN116596660A - 基于大数据分析及智能触达的贷后催收方法、系统及介质 - Google Patents
基于大数据分析及智能触达的贷后催收方法、系统及介质 Download PDFInfo
- Publication number
- CN116596660A CN116596660A CN202310578291.1A CN202310578291A CN116596660A CN 116596660 A CN116596660 A CN 116596660A CN 202310578291 A CN202310578291 A CN 202310578291A CN 116596660 A CN116596660 A CN 116596660A
- Authority
- CN
- China
- Prior art keywords
- user
- repayment
- collection
- intention
- arrearing
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 45
- 230000006978 adaptation Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012789 harvest method Methods 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 33
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种基于大数据分析及智能触达的贷后催收方法、系统及介质,通过获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据,采用预先构建的意图识别模型识别对话信息中的还款意图,根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略,基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。基于上述方法能够实现催收策略信息的自动化触达,减少人力物力消耗,提升欠款用户的信息触达的精确度,用以解决目前现有的催收方法催收效率低、回款效果差的问题。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于大数据分析及智能触达的贷后催收方法、系统及介质。
背景技术
在金融领域,银行主要起着为企业或个人提供周转资金的杠杆作用,银行的盈利主要来源于企业和个人的贷款业务。随着经济的快速发展,截至20年末,我国金融机构人民币各项贷款余额172.75万亿元,同比增长12.8%。但是贷款贷出去存在有风险,当个人或贷款企业无法偿还贷款时,就形成了坏账,随之而来的是待催收违约客户也逐渐增多。
得益于近年来海量增长的大数据和飞速发展的人工智能技术,利用机器人进行催收取得了新的进展,例如,公开号为CN115249481A的中国发明专利公开了一种基于情绪识别的催收方法,能够及时识别用户的不满情绪并进行处理,从而更有效地完成催收任务。催收过程中智能机器人的使用,不仅可以节省大量人工成本,还可以保护债务人的隐私,提升催收效率和客户满意度。
目前在实际应用中,机器人在与用户进行通话交流时,如何及时识别用户的意图,从而更有效地完成催收任务,成为了当前亟需解决的技术问题;并且,在根据用户的意图确认催收策略之后,如何根据催收策略向用户执行信息触达,也是需要解决的技术问题。
发明内容
针对现有技术中的技术缺陷,本发明实施例的目的在于提供一种基于大数据分析及智能触达的贷后催收方法及系统,以解决背景技术中所提出的技术问题。
为实现上述目的,第一方面,本发明实施例提供了一种基于大数据分析及智能触达的贷后催收方法,包括:
获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据;
根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图;
根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略;
基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
进一步,所述获取人工客服与欠款用户之间的对话信息,具体包括:采用预先构建的文字提取器提取对话中的文字信息,采用预先构建的声音提取器提取对话中的欠款用户声音信息。
进一步,所述根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图,包括:
将所述文字信息和所述欠款用户声音信息输入所述预先构建的意图识别模型中,以获取所述欠款用户的还款意图。
进一步,根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略,包括:
根据所述历史还款行为数据计算所述欠款用户的信用数据;
根据所述信用数据和所述还款意图对所述欠款用户进行还款评级打分;
根据所述还款评级打分在多种预设的催收策略中选择推荐催收策略。
进一步,所述催收策略包括催收频次、催收方式和催收话术。
进一步,所述催收方式包括人工催收和智能设备催收。
进一步,将所述对话信息、所述还款意图和所述信用数据输入预设的催收话术模型进行话术匹配,得到催收话术。
进一步,基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达,包括:
根据所述欠款用户的历史沟通行为数据确认沟通方式,所述沟通方式包括电话沟通、短信沟通和/或即时通讯沟通。
第二方面,本发明实施例还提供了一种基于大数据分析及智能触达的贷后催收系统,包括:
数据获取模块,用于获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据;
意图确认模块,用于根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图;
催收策略推荐模块,用于根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略;
催收执行模块,用于基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
第三方面,本发明实施例还提供了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,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
实施本发明实施例提供的方法,通过获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据,采用预先构建的意图识别模型识别对话信息中的还款意图,根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略,基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
基于上述方法能够实现催收信息的自动化触达,减少人力物力消耗,提升欠款用户的信息触达的精确度,用以解决目前现有的催收方法催收效率低、回款效果差的问题,可以实现科学合理制定催收策略,以提升催收效率和回款效果的技术效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种基于大数据分析及智能触达的贷后催收方法的流程图;
图2是本发明实施例提供的一种基于大数据分析及智能触达的贷后催收系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
第一方面,如图1所示,本发明实施例提供了一种基于大数据分析及智能触达的贷后催收方法的流程图。如图1所示,该方法包括:
S101:获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据。
具体的,所述人工客服与欠款用户之间的对话信息包括文字信息和欠款用户声音信息。
所述获取人工客服与欠款用户之间的对话信息,具体包括:采用预先构建的文字提取器提取对话中的文字信息,采用预先构建的声音提取器提取对话中的欠款用户声音信息。
本实施例中,通过提取对话信息中的文字信息和欠款用户声音信息,从多个角度获取欠款用户意图相关信息,从而可提高对欠款用户对话的敏感度,进而更好地捕捉欠款用户的还款意图。
S102:根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图。
本实施例中,基于自然语言处理技术,采用递归卷积神经网络模型进行意图识别。在进行自然语言处理模块设计前,要先针对特定领域进行语料收集和文本预处理。之后结合智能催收电话系统的实际业务,对自然语言处理模块进行还款意图设计,再进行模型训练。
在收集语料前,首先根据已有的数据和业务要求,定义用户意图和系统动作,再从收集的语料库中抽取对应的数据进行训练。本申请是针对金融催收领域主题的语料库,主要通过网络爬虫的方式爬取自己所需要的语料数据。本实施例中可以采用python语言中的Request库模拟HTTP协议向新浪微博、中国金融新闻网、金融行业资讯网、每日金融新闻网等财经网站发送请求,获取相关的HTML页面。并且,还有一些金融公司对话日志,其中含有大量人工客服与客户的对话记录,这些对话可以作为智能催收系统中语言理解的训练语料。此外,可以从用户日志中选取一些催收机器人对应的场景,人工构造一部分用于项目冷启动,形成相应场景下的对话数据。
还款意图是对用户一句话表达的判断,判断用户想要完成什么任务。本实施例中,还款意图可以分为有还款意愿、无还款意愿和还款意愿不明确三种。
本实施例中,所述根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图,包括:将所述文字信息和所述欠款用户声音信息输入所述预先构建的意图识别模型中,以获取所述欠款用户的还款意图。
S103:根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略。
具体包括:根据所述历史还款行为数据计算所述欠款用户的信用数据;根据所述信用数据和所述还款意图对所述欠款用户进行还款评级打分;根据所述还款评级打分在多种预设的催收策略中选择推荐催收策略。
本实施例中,所述催收策略包括催收频次、催收方式和催收话术。其中,所述催收方式包括人工催收和智能设备催收。将所述对话信息、所述还款意图和所述信用数据输入预设的催收话术模型进行话术匹配,得到催收话术。具体的,若所述欠款用户的信用数据属于第一级别或第二级别,且有还款意愿,则确定所述推荐催收策略为采用所述人工智能设备对所述欠款用户的欠款执行催收;
若所述欠款用户的信用数据属于第一级别或第二级别,且无还款意愿,则确定所述推荐催收策略为采用所述客服人员对所述欠款用户的欠款执行催收;
若所述欠款用户的信用数据属于第一级别,且还款意愿不明确,引入其他维度的信息,经过特征筛选,选取欠款用户的历史还款表现行为、用卡行为、风险评分等信息作为还款能力评级模型的输入特征,若还款能力评级大于等于预设级别,确定所述推荐催收策略为采用所述人工智能设备对所述欠款用户的欠款执行催收;若还款能力评级小于预设级别,则确定所述推荐催收策略为采用所述客服人员对所述欠款用户的欠款执行催收;
若所述欠款用户的信用数据属于第二级别,且还款意愿不明确,则确定所述推荐催收策略为采用所述客服人员对所述欠款用户的欠款执行催收。其中,所述第一级别对应的还款能力高于第二级别。
S104:基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
具体的,根据所述欠款用户的历史沟通行为数据确认沟通方式,所述沟通方式包括电话沟通、短信沟通和/或即时通讯沟通。
不同的欠款用户具有不同的沟通习惯,从欠款用户的历史沟通行为数据可以确认欠款用户习惯的沟通方式,例如,有的欠款用户习惯电话沟通,有的欠款用户习惯通过短信沟通,有的欠款用户习惯通过微信、QQ和/或电子邮箱等即时通讯方式进行沟通。为保证欠款用户能够接收到催收信息,采用欠款用户习惯的沟通方式执行信息触达,将催收信息发送给欠款用户。
综上所述,实施本发明实施例提供的方法,通过获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据,采用预先构建的意图识别模型识别对话信息中的还款意图,根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略,基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
基于上述方法能够实现催收信息的自动化触达,减少人力物力消耗,提升欠款用户的信息触达的精确度,用以解决目前现有的催收方法催收效率低、回款效果差的问题,可以实现科学合理制定催收策略,以提升催收效率和回款效果的技术效果。
基于相同的发明构思,第二方面,本发明实施例还提供了一种基于大数据分析及智能触达的贷后催收系统。如图2所示,该系统200可以包括:
数据获取模块201,用于获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据;
意图确认模块202,用于根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图;
催收策略推荐模块203,用于根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略;
催收执行模块204,用于基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
进一步地,本发明实施例还提供了一种可读存储介质,存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:上述基于大数据分析及智能触达的贷后催收方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元,例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备,例如所述系统上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,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发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于大数据分析及智能触达的贷后催收方法,其特征在于,包括:
获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据;
根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图;
根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略;
基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
2.如权利要求1所述的方法,其特征在于:所述获取人工客服与欠款用户之间的对话信息,具体包括:采用预先构建的文字提取器提取对话中的文字信息,采用预先构建的声音提取器提取对话中的欠款用户声音信息。
3.如权利要求2所述的方法,其特征在于:所述根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图,包括:
将所述文字信息和所述欠款用户声音信息输入所述预先构建的意图识别模型中,以获取所述欠款用户的还款意图。
4.如权利要求1所述的方法,其特征在于:根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略,包括:
根据所述历史还款行为数据计算所述欠款用户的信用数据;
根据所述信用数据和所述还款意图对所述欠款用户进行还款评级打分;
根据所述还款评级打分在多种预设的催收策略中选择推荐催收策略。
5.如权利要求1所述的方法,其特征在于:所述催收策略包括催收频次、催收方式和催收话术。
6.如权利要求5所述的方法,其特征在于:所述催收方式包括人工催收和智能设备催收。
7.如权利要求5所述的方法,其特征在于:将所述对话信息、所述还款意图和所述信用数据输入预设的催收话术模型进行话术匹配,得到催收话术。
8.如权利要求1所述的方法,其特征在于:基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达,包括:
根据所述欠款用户的历史沟通行为数据确认沟通方式,所述沟通方式包括电话沟通、短信沟通和/或即时通讯沟通。
9.一种基于大数据分析及智能触达的贷后催收系统,其特征在于,包括:
数据获取模块,用于获取人工客服与欠款用户之间的对话信息、所述欠款用户的历史还款行为数据以及所述欠款用户的历史沟通行为数据;
意图确认模块,用于根据所述对话信息,调用预先构建的意图识别模型,确认所述欠款用户的还款意图;
催收策略推荐模块,用于根据所述还款意图以及所述历史还款行为数据,在多种预设的催收策略中选择与所述欠款用户适配度最高的催收策略为推荐催收策略;
催收执行模块,用于基于所述推荐催收策略以及所述欠款用户的历史沟通行为数据,向所述欠款用户执行信息触达。
10.一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,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310578291.1A CN116596660A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据分析及智能触达的贷后催收方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310578291.1A CN116596660A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据分析及智能触达的贷后催收方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596660A true CN116596660A (zh) | 2023-08-15 |
Family
ID=87611182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310578291.1A Pending CN116596660A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据分析及智能触达的贷后催收方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596660A (zh) |
-
2023
- 2023-05-22 CN CN202310578291.1A patent/CN116596660A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507116A (zh) | 基于客户应答语料的客户画像方法及其相关设备 | |
CN111383093A (zh) | 账单逾期智能催收方法及系统 | |
CN110378575B (zh) | 逾期事件回款催收方法及装置、计算机可读存储介质 | |
TWI807172B (zh) | 基於智慧互動的主動風控方法和系統 | |
US11086991B2 (en) | Method and system for active risk control based on intelligent interaction | |
CN109409927A (zh) | 基于网络数据的分布式实时营销方法和系统及存储介质 | |
CN110782341A (zh) | 业务催收方法、装置、设备及介质 | |
CN114398512A (zh) | 一种基于大数据的通信运营商行业客户语音画像分析方法 | |
CN109902747A (zh) | 一种身份识别方法、装置、设备及计算机可读存储介质 | |
CN113206909A (zh) | 骚扰电话拦截方法及装置 | |
CN111126071A (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
CN115423597A (zh) | 一种货车etc金融数智风控决策大数据系统及方法 | |
CN110059171A (zh) | 智能问答性能提升方法及系统 | |
CN113918703A (zh) | 一种智能客服问答方法、装置、服务器和存储介质 | |
CN113887214A (zh) | 基于人工智能的意愿推测方法、及其相关设备 | |
US20100076904A1 (en) | Apparatus and methods for facts based trading | |
CN117196630A (zh) | 交易风险预测方法、装置、终端设备以及存储介质 | |
CN116596660A (zh) | 基于大数据分析及智能触达的贷后催收方法、系统及介质 | |
CN116664227A (zh) | 金融产品智能推荐方法及装置 | |
CN111464687A (zh) | 一种陌生呼叫请求的处理方法及装置 | |
CN109858900A (zh) | 一种支付信息推送方法、装置及终端设备 | |
CN116029737A (zh) | 一种基于大数据的企业数据咨询服务系统 | |
KR20090063805A (ko) | 불법 금융 거래 정보를 관리하고 혐의 거래의 확인과보고서 작성 및 등록을 통합적으로 수행하는 방법 및시스템 | |
CN113807618A (zh) | 一种基于状态机的不良资产催收的方法,装置和设备 | |
CN114253957A (zh) | 数据处理方法、相关设备、存储介质及计算机程序产品 |
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 |