CN117575769A - 一种信贷机构客户流量质量评估方法及系统 - Google Patents
一种信贷机构客户流量质量评估方法及系统 Download PDFInfo
- Publication number
- CN117575769A CN117575769A CN202311451196.1A CN202311451196A CN117575769A CN 117575769 A CN117575769 A CN 117575769A CN 202311451196 A CN202311451196 A CN 202311451196A CN 117575769 A CN117575769 A CN 117575769A
- Authority
- CN
- China
- Prior art keywords
- customer
- credit
- scores
- score
- agency
- 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
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 52
- 238000009826 distribution Methods 0.000 claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims description 39
- 238000013441 quality evaluation Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 abstract description 11
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 239000013598 vector Substances 0.000 description 81
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000008520 organization Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000000638 solvent extraction Methods 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种信贷机构客户流量质量评估方法及系统,其中,方法包括:步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;步骤2:获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;步骤3:基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。本发明的信贷机构客户流量质量评估方法及系统,自行对信贷机构的客户流量质量进行评估,输出评估结果,无需待合作平台需要人工对信贷机构自身的客户质量情况进行调研,降低了人力成本,另外,评估效率较高,便于待合作平台快速得知信贷机构自身的客户质量情况,加快合作进度,避免进度受阻或减缓。
Description
技术领域
本发明涉及信用评估技术领域,特别涉及一种信贷机构客户流量质量评估方法及系统。
背景技术
目前,信贷机构将自身的客户导流至待合作平台之前,待合作平台需要人工对信贷机构自身的客户质量情况进行调研,人力成本较大,无法快速得知信贷机构自身的客户质量情况,导致合作进度受阻或减缓。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种信贷机构客户流量质量评估方法,自行对信贷机构的客户流量质量进行评估,输出评估结果,无需待合作平台需要人工对信贷机构自身的客户质量情况进行调研,降低了人力成本,另外,评估效率较高,便于待合作平台快速得知信贷机构自身的客户质量情况,加快合作进度,避免进度受阻或减缓。
本发明实施例提供的一种信贷机构客户流量质量评估方法,包括:
步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
步骤2:获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
步骤3:基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
优选的,步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
优选的,步骤2:获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对信贷机构对自身客户进行信用评分的多个客户评分和其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于评分调用量,从对应客户评分集中随机调用目标客户评分;
将目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于多个第一分位点,对第一客户评分序列进行序列分割,获得多个第一局部序列;
统计第一局部序列中的目标客户评分的数量;
基于各个第一局部序列中的目标客户评分的数量与目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
优选的,获取不同所属信贷机构的客户评分集中的评分调用量,包括:
选取任一所属信贷机构的客户评分集中的评分预调用量作为基准机构调用量,并基准机构调用量作为选取的所属信贷机构的客户评分集中的评分调用量;
基于基准机构调用量和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的权重系数,确定公式如下:
其中,α为其他所属信贷机构的客户评分集的权重系数,β为基准机构调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量;
基于权重系数和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的中的评分调用量,确定公式如下:
δ=γ*α
其中,δ为其他所属信贷机构的客户评分集的中的评分调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量,α为其他所属信贷机构的客户评分集的权重系数。
优选的,步骤3中,基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,包括:
将多个客户评分从小到大进行排序,获得第二客户评分序列;
获取预设的多个第二分位点;
基于多个第二分位点,对第二客户评分序列进行序列分割,获得多个第二局部序列;
统计第二局部序列中的客户评分的数量;
基于各个第二局部序列中的客户评分的数量与多个客户评分的总数量的比值,确定机构客户评分分布;
将机构客户评分分布与行业全景标准客户评分分布进行对比分析,确定差异信息;
将差异信息作为客户流量质量评估结果。
优选的,信贷机构客户流量质量评估方法,还包括:
获取信贷机构自身客户关联的关联客户;
获取关联客户的客户画像;
对客户画像进行画像特征提取,获得多个客户画像特征;
基于多个客户画像特征,确定关联客户的信用情况;
将信用情况补入至客户流量质量评估结果中;
其中,获取信贷机构自身客户关联的关联客户,包括:
查询预设的预关联客户库,确定信贷机构自身客户对应的多个预关联客户;
获取预关联客户与信贷机构自身客户之间的多个历史关联记录;
对多个历史关联记录进行特征提取,获得多个历史关联记录特征;
基于多个历史关联记录特征,构建第一特征描述向量;
获取预设的关联评价库,关联评价库包括:多组一一对应的第二特征描述向量和关联评价值;
将第一特征描述向量与任一第二特征描述向量进行匹配;
若匹配符合,当匹配符合的第二特征描述向量对应的关联评价值大于等于预设的关联评价值阈值时,将对应预关联客户作为信贷机构自身客户关联的关联客户;
其中,基于多个客户画像特征,确定关联客户的信用情况,包括:
基于多个客户画像特征,构建第三特征描述向量;
获取预设的信用评价库,信用评价库包括:多组一一对应的第四特征描述向量和信用评价值;
将第三特征描述向量与任一第四特征描述向量进行匹配;
若匹配符合,将匹配符合的第四特征描述向量对应的信用评价值作为关联客户的信用情况。
优选的,信贷机构客户流量质量评估方法,还包括:
输出客户流量质量评估结果时,实现与查看用户的互动;
其中,实现与查看用户的互动,包括:
当查看用户查看客户流量质量评估结果的输出界面时,获取查看用户最近预设时间内的视线落在输出界面内的位置移动形成的位置移动轨迹;
基于位置移动轨迹,确定输出界面中查看用户最近预设时间内主要查看的第一目标内容区域;
获取第一目标内容区域的内容类型对应的预设的疑惑语义库,疑惑语义库包括:多组一一对应的疑惑语义和疑惑解答内容;
获取查看用户最近预设时间内的发言语音的语音语义;
将语音语义与任一疑惑语义进行匹配;
若匹配符合,在输出界面内挑选适宜输出的第二目标内容区域,将匹配符合的疑惑语义对应的疑惑解答内容在第二目标内容区域内进行临时输出;
其中,基于位置移动轨迹,确定输出界面中查看用户最近预设时间内主要查看的第一目标内容区域,包括:
依次遍历输出界面中的任一内容区域;
每次遍历时,确定位置移动轨迹落在遍历到的内容区域中的局部轨迹;
对局部轨迹进行轨迹特征提取,获得多个局部轨迹特征;
基于多个局部轨迹特征,构建第五特征描述向量;
获取遍历到的内容区域中的内容布局对应的预设的用于进行内容主要查看判定的第六特征描述向量;
计算第五特征描述向量与第六特征描述向量的向量相似度;
若向量相似度大于等于预设的向量相似度阈值,将遍历到的内容区域作为查看用户最近预设时间内主要查看的第一目标内容区域;
其中,在输出界面内挑选适宜输出的第二目标内容区域,包括:
依次遍历输出界面中除第一目标内容区域之外的其他内容区域;
每次遍历时,获取遍历到的其他内容区域的区域中心点与第一目标内容区域的区域中心点之间的直线距离;
基于第一目标内容区域的区域中心点以及由第一目标内容区域的区域中心点向遍历到的其他内容区域的区域中心点的直线方向,构建第一方向向量;
获取查看用户的查看方向习惯的第二方向向量;
计算第一方向向量与第二方向向量之间的向量夹角;
基于预设的计算规则,根据直线距离和向量夹角,计算遍历到的其他内容区域的区域适宜值;
遍历其他内容区域结束后,将最大区域适宜值对应的其他内容区域作为适宜输出的第二目标内容区域。
本发明实施例提供的一种信贷机构客户流量质量评估系统,包括:
第一获取模块,用于获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
第二获取模块,用于获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
确定模块,用于基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
优选的,第一获取模块获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
优选的,第二获取模块获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对信贷机构对自身客户进行信用评分的多个客户评分和其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于评分调用量,从对应客户评分集中随机调用目标客户评分;
将目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于多个第一分位点,对第一客户评分序列进行序列分割,获得多个第一局部序列;
统计第一局部序列中的目标客户评分的数量;
基于各个第一局部序列中的目标客户评分的数量与目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种信贷机构客户流量质量评估方法的示意图;
图2为获取不同所属信贷机构的客户评分集中的评分调用量的实例图;
图3为本发明实施例中一种信贷机构客户流量质量评估系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种信贷机构客户流量质量评估方法,如图1所示,包括:
步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
步骤2:获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
步骤3:基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
上述技术方案的工作原理及有益效果为:
信贷机构会对自身客户进行信用评分(例如:FICO信用分)。信贷机构行业分为国有银行、股份制银行、民营银行等。行业全景标准客户评分分布具体为信贷机构行业内全部信贷机构对自身客户进行信用评分得到的客户评分进行评分分布划分的评分分布。
本申请使用的客户流量质量评估的方法是将信贷机构对自身客户的客户评分情况(多个客户评分)与信贷机构所属的信贷机构行业内的全部信贷机构自身客户的客户评分情况(行业全景标准客户评分分布)进行对比,从而得知信贷机构的客户质量相对于信贷机构所属的信贷机构行业内的全部信贷机构自身客户的客户质量的相对客户质量,相对客户质量越高,说明信贷机构客户流量质量越佳。
本申请自行对信贷机构的客户流量质量进行评估,输出评估结果,无需待合作平台需要人工对信贷机构自身的客户质量情况进行调研,降低了人力成本,另外,评估效率较高,便于待合作平台快速得知信贷机构自身的客户质量情况,加快合作进度,避免进度受阻或减缓。
本发明实施例提供了一种信贷机构客户流量质量评估方法,步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
上述技术方案的工作原理及有益效果为:
信贷机构对自身客户进行信用评分时,可以基于FICO实现。FICO是一种个人信用评级法,属于现有技术范畴,不作赘述。
本发明实施例提供了一种信贷机构客户流量质量评估方法,步骤2:获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对信贷机构对自身客户进行信用评分的多个客户评分和其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于评分调用量,从对应客户评分集中随机调用目标客户评分;
将目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于多个第一分位点,对第一客户评分序列进行序列分割,获得多个第一局部序列;
统计第一局部序列中的目标客户评分的数量;
基于各个第一局部序列中的目标客户评分的数量与目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
上述技术方案的工作原理及有益效果为:
信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分时,也可基于FICO实现,进行评分统一。不同信贷机构行业的信贷机构可以使用不同版本的FICO,例如:FICO大数据信用评分银行版、消金版、汽车金融版、小贷版等。将信贷机构所属的信贷行业内每一信贷机构给自身客户的客户评分进行归类,获得评分集。评分调用量具体为从评分集中抽取调用客户评分的数量。从客户评分集中随机调用评分调用量个客户评分,从小到大进行排序。预设的多个第一分位点具体为,例如:大小排名20%、40%、60%、80%。基于分位点,对第一客户评分序列进行序列分割,例如:划分成大小排名前20%、前20%至40%、前40%至60%和前60%至80%的客户评分,一一作为局部序列。基于各个第一局部序列中的目标客户评分的数量与目标客户评分的总数量的比值,确定行业全景标准客户评分分布,例如:大小排名前20%客户评分占比1/3等。机构行业分为国有银行和股份制银行等。
本申请设置第一分位点,对第一客户评分序列分割,根据分割情况确定行业全景标准客户评分分布,提升了全部信贷机构自身客户的客户评分情况获取的精准性。
本发明实施例提供了一种信贷机构客户流量质量评估方法,获取不同所属信贷机构的客户评分集中的评分调用量,包括:
选取任一所属信贷机构的客户评分集中的评分预调用量作为基准机构调用量,并基准机构调用量作为选取的所属信贷机构的客户评分集中的评分调用量;
基于基准机构调用量和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的权重系数,确定公式如下:
其中,α为其他所属信贷机构的客户评分集的权重系数,β为基准机构调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量;
基于权重系数和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的中的评分调用量,确定公式如下:
δ=γ*α
其中,δ为其他所属信贷机构的客户评分集的中的评分调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量,α为其他所属信贷机构的客户评分集的权重系数。
上述技术方案的工作原理及有益效果为:
如图2所示,以机构行业为持牌消费金融公司为例。以机构A为基准,将机构B至机构E的调用量调整至与机构A一致,具体公式为:权重系数=基准机构调用量/机构调用量,调节后的调用量=机构实际调用量*权重系数。
本申请对每家机构的评分调用数量进行调节,使得每家机构的权重一致,提升后续用作全部信贷机构自身客户的客户评分情况获取的精准性。
本发明实施例提供了一种信贷机构客户流量质量评估方法,步骤3中,基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,包括:
将多个客户评分从小到大进行排序,获得第二客户评分序列;
获取预设的多个第二分位点;
基于多个第二分位点,对第二客户评分序列进行序列分割,获得多个第二局部序列;
统计第二局部序列中的客户评分的数量;
基于各个第二局部序列中的客户评分的数量与多个客户评分的总数量的比值,确定机构客户评分分布;
将机构客户评分分布与行业全景标准客户评分分布进行对比分析,确定差异信息;
将差异信息作为客户流量质量评估结果。
上述技术方案的工作原理及有益效果为:
引入预设的多个第二分为点,例如:大小排名20%、40%、60%、80%。同理,需要确定信贷机构对自身客户进行评分的机构客户评分分布。将机构客户评分分布与行业全景标准客户评分分布进行对比分析,确定差异信息,将差异信息作为客户流量质量评估结果。差异信息具体为,例如:机构客户评分分布中排名前20%的客户评分占得比例很大,而行业全景标准客户评分分布中排名前20%的客户评分占得比例很小,说明机构客户质量较高。
本申请将机构客户评分分布与行业全景标准客户评分分布进行对比分析,得到信贷机构的客户质量相对于信贷机构所属的信贷机构行业内的全部信贷机构自身客户的客户质量的相对客户质量,提升了信贷机构客户流量质量评估的精准性。
本发明实施例提供了一种信贷机构客户流量质量评估方法,还包括:
获取信贷机构自身客户关联的关联客户;
获取关联客户的客户画像;
对客户画像进行画像特征提取,获得多个客户画像特征;
基于多个客户画像特征,确定关联客户的信用情况;
将信用情况补入至客户流量质量评估结果中;
其中,获取信贷机构自身客户关联的关联客户,包括:
查询预设的预关联客户库,确定信贷机构自身客户对应的多个预关联客户;
获取预关联客户与信贷机构自身客户之间的多个历史关联记录;
对多个历史关联记录进行特征提取,获得多个历史关联记录特征;
基于多个历史关联记录特征,构建第一特征描述向量;
获取预设的关联评价库,关联评价库包括:多组一一对应的第二特征描述向量和关联评价值;
将第一特征描述向量与任一第二特征描述向量进行匹配;
若匹配符合,当匹配符合的第二特征描述向量对应的关联评价值大于等于预设的关联评价值阈值时,将对应预关联客户作为信贷机构自身客户关联的关联客户;
其中,基于多个客户画像特征,确定关联客户的信用情况,包括:
基于多个客户画像特征,构建第三特征描述向量;
获取预设的信用评价库,信用评价库包括:多组一一对应的第四特征描述向量和信用评价值;
将第三特征描述向量与任一第四特征描述向量进行匹配;
若匹配符合,将匹配符合的第四特征描述向量对应的信用评价值作为关联客户的信用情况。
上述技术方案的工作原理及有益效果为:
FICO评分只是基于信贷机构自身客户的自身情况(例如:违约次数等)进行信用打分。一般的,客户会与一些人产生往来记录,这些人也的自身情况也可以作为客户的信用情况。因此,获取信贷机构自身客户关联的关联客户的客户画像,客户画像具体为:客户的历史信用违约情况等。提取出客户画像的画像特征,画像特征具体为,例如:客户的历史信用违约次数等。基于多个客户画像特征,确定关联客户的信用情况,将关联客户的信用情况补入客户流量质量评估结果中,供待合作平台参考,提升客户流量质量评估的全面性。
获取关联客户时,引入预设的预关联客户库,预关联客户库中存储有与信贷机构自身客户存在一些往来关系(例如:信用担保等)的客户。从预关联客户库中确定信贷机构自身客户对应的多个预关联客户。获取预关联客户与信贷机构自身客户之间的多个历史关联记录,历史关联记录具体为:表示往来关系的记录,例如:预关联用户对信贷机构自身客户进行信用担保。提取出历史关联记录的多个历史关联记录特征,历史关联记录特征具体为,例如:往来关系的记录的数目,不同类型的往来关系的记录的数目等。基于多个历史关联记录特征,构建第一特征描述向量。第二特征描述向量和关联评价值具体为:第二特征描述向量为预先根据不同历史关联记录特征构建的特征描述向量,例如:用于构建的历史关联记录特征分别为往来关系的记录的数目为7,则说明往来密切,关联评价值则较大。将第一特征描述向量与任一第二特征描述向量进行匹配,若匹配符合,当匹配符合的第二特征描述向量对应的关联评价值大于等于预设的关联评价值阈值时,说明对应预关联客户与信贷机构自身客户往来关系密切,作为关联客户。根据关联记录,筛选出往来关系密切的预关联客户作为关联客户,提升了关联客户获取的精准性,另外,基于特征描述向量的构建以及关联评价,精准确定往来关系的密切程度,同时,确定效率较高。
同理,基于多个客户画像特征,确定关联客户的信用情况时,基于多个客户画像特征,构建第三特征描述向量。第四特征描述向量和信用评价值具体为:第四特征描述向量为预先根据不同客户画像特征构建的特征描述向量,例如:用于构建的画像特征为历史信用违约次数6次等,则信用评价值较低。将第三特征描述向量与任一第四特征描述向量进行匹配,若匹配符合,将匹配符合的第四特征描述向量对应的信用评价值作为关联客户的信用情况。根据客户画像特征,确定信用情况,提升了信用情况的确定精准性,另外,基于特征描述向量的构建以及信用评价,提升了信用情况确定的确定效率。
本发明实施例提供了一种信贷机构客户流量质量评估方法,还包括:
输出客户流量质量评估结果时,实现与查看用户的互动;
其中,实现与查看用户的互动,包括:
当查看用户查看客户流量质量评估结果的输出界面时,获取查看用户最近预设时间内的视线落在输出界面内的位置移动形成的位置移动轨迹;
基于位置移动轨迹,确定输出界面中查看用户最近预设时间内主要查看的第一目标内容区域;
获取第一目标内容区域的内容类型对应的预设的疑惑语义库,疑惑语义库包括:多组一一对应的疑惑语义和疑惑解答内容;
获取查看用户最近预设时间内的发言语音的语音语义;
将语音语义与任一疑惑语义进行匹配;
若匹配符合,在输出界面内挑选适宜输出的第二目标内容区域,将匹配符合的疑惑语义对应的疑惑解答内容在第二目标内容区域内进行临时输出;
其中,基于位置移动轨迹,确定输出界面中查看用户最近预设时间内主要查看的第一目标内容区域,包括:
依次遍历输出界面中的任一内容区域;
每次遍历时,确定位置移动轨迹落在遍历到的内容区域中的局部轨迹;
对局部轨迹进行轨迹特征提取,获得多个局部轨迹特征;
基于多个局部轨迹特征,构建第五特征描述向量;
获取遍历到的内容区域中的内容布局对应的预设的用于进行内容主要查看判定的第六特征描述向量;
计算第五特征描述向量与第六特征描述向量的向量相似度;
若向量相似度大于等于预设的向量相似度阈值,将遍历到的内容区域作为查看用户最近预设时间内主要查看的第一目标内容区域;
其中,在输出界面内挑选适宜输出的第二目标内容区域,包括:
依次遍历输出界面中除第一目标内容区域之外的其他内容区域;
每次遍历时,获取遍历到的其他内容区域的区域中心点与第一目标内容区域的区域中心点之间的直线距离;
基于第一目标内容区域的区域中心点以及由第一目标内容区域的区域中心点向遍历到的其他内容区域的区域中心点的直线方向,构建第一方向向量;
获取查看用户的查看方向习惯的第二方向向量;
计算第一方向向量与第二方向向量之间的向量夹角;
基于预设的计算规则,根据直线距离和向量夹角,计算遍历到的其他内容区域的区域适宜值;
遍历其他内容区域结束后,将最大区域适宜值对应的其他内容区域作为适宜输出的第二目标内容区域。
上述技术方案的工作原理及有益效果为:
当查看用户查看输出的客户流量质量评估结果时,可能会产生疑问,例如:不清楚行业全景标准客户评分分布的得出过程等,为了辅助查看用户更高效率地解读客户流程质量评估结果,需要进行互动式解释。
最近预设的时间具体为,例如:最近30秒内。获取查看用户的视线落在输出界面内的位置移动形成的位置移动轨迹。视线获取以及视线落点位置确定均属于现有技术范畴,不作赘述。位置移动轨迹反应了用户最近再看哪些位置。基于位置移动轨迹,确定输出界面中查看用户最近预设时间内主要查看的第一目标内容区域。引入预设的第一目标内容区域的内容类型对应的预设的疑惑语义库,库中的疑惑语义和疑惑解答内容具体为,例如:第一目标内容区域的内容类型为机构客户评分分布和行业全景标准客户评分分布,则库中的疑惑语义为“行业全景标准客户评分分布的得出过程是什么”等,对应疑惑解答内容为行业全景标准客户评分分布的得出过程。获取查看用户最近预设时间内的发言语音的语音语义,可通过语音输入装置获取,进行语音获取及语义解析。将语音语义与任一疑惑语义进行匹配,若匹配符合,说明用户产生疑问,输出对应疑惑解答内容,供查看用户查看,实现互动式解释,极大程度上提升了查看用户解读客户流量质量评估结果的效率。另外,筛选出主要查看内容,基于内容类型对应的预设的疑惑语义库,识别是否产生疑惑,提升了疑惑识别的针对性和精准性。
输出界面中有多个内容区域,确定主要查看内容时,遍历内容区域。每次遍历时,确定位置移动轨迹落在遍历到的内容区域中的局部轨迹,即位置移动轨迹上在内容区域内的轨迹部分。提取出局部轨迹的局部轨迹特征,局部轨迹特征具体为:轨迹方向、轨迹总长度、轨迹停留点和轨迹停留点的停留时长等。基于多个局部轨迹特征,构建第五特征描述向量。获取遍历到的内容区域中的内容布局对应的预设的用于进行内容主要查看判定的第六特征描述向量,第六特征描述向量具体为:基于查看内容布局时应产生的视线落点移动轨迹的特征构建的特征向量,用于构建的特征为,例如:内容布局为从左到右,则轨迹方向为从左到右等。计算第五特征描述向量与第六特征描述向量的向量相似度,若向量相似度大于等于预设的向量相似度阈值,将对应遍历到的内容区域作为主要查看内容区域。本申请根据轨迹特征,确定主要查看内容,引入内容布局对应的用于进行内容主要查看判定的第六特征描述向量,提升了主要查看内容判定的精准性和针对性。
挑选适宜输出的第二目标内容区域时,将输出界面中除第一目标内容区域之外的其他内容区域的中心点与第一目标内容区域的区域中心点之间的直线距离以及基于第一目标内容区域的区域中心点以及由第一目标内容区域的区域中心点向遍历到的其他内容区域的区域中心点的直线方向构建的第一方向向量与查看用户的查看方向习惯的第二方向向量(例如:方向为由左至右的方向向量)之间的向量夹角作为判定依据,直线距离越小,用户查看解释内容时,视线移动距离就越小,向量夹角越小,用户查看解释内容时,视线移动方向越符合自身习惯,预设的计算规则,根据直线距离和向量夹角,计算遍历到的其他内容区域的区域适宜值,遍历结束后,将最大区域适宜值对应的其他内容区域作为适宜输出的第二目标内容区域。使得用户以尽可能小的视线移动距离且尽可能符合自身视线移动习惯地查看到解释内容,提升用户体验。预设的计算规则具体为,通过如下公式进行计算:
其中,σ为遍历到的其他内容区域的区域适宜值,τ1和τ2为预设的权重值,l为直线距离,为向量夹角,α为第一方向向量,β为第二方向向量,arccos为反余弦函数,|…|为向量的模。
本发明实施例提供了一种信贷机构客户流量质量评估系统,如图3所示,包括:
第一获取模块1,用于获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
第二获取模块2,用于获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
确定模块3,用于基于多个客户评分和行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
本发明实施例提供了一种信贷机构客户流量质量评估系统,第一获取模块1获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
本发明实施例提供了一种信贷机构客户流量质量评估系统,第二获取模块2获取信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对信贷机构对自身客户进行信用评分的多个客户评分和其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于评分调用量,从对应客户评分集中随机调用目标客户评分;
将目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于多个第一分位点,对第一客户评分序列进行序列分割,获得多个第一局部序列;
统计第一局部序列中的目标客户评分的数量;
基于各个第一局部序列中的目标客户评分的数量与目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种信贷机构客户流量质量评估方法,其特征在于,包括:
步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
步骤2:获取所述信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
步骤3:基于所述多个客户评分和所述行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
2.如权利要求1所述的一种信贷机构客户流量质量评估方法,其特征在于,所述步骤1:获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取所述信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
3.如权利要求1所述的一种信贷机构客户流量质量评估方法,其特征在于,所述步骤2:获取所述信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取所述信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对所述信贷机构对自身客户进行信用评分的多个客户评分和所述其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于所述评分调用量,从对应所述客户评分集中随机调用目标客户评分;
将所述目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于所述多个第一分位点,对所述第一客户评分序列进行序列分割,获得多个第一局部序列;
统计所述第一局部序列中的所述目标客户评分的数量;
基于各个所述第一局部序列中的所述目标客户评分的数量与所述目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,所述机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
4.如权利要求3所述的一种信贷机构客户流量质量评估方法,其特征在于,所述获取不同所属信贷机构的客户评分集中的评分调用量,包括:
选取任一所属信贷机构的客户评分集中的评分预调用量作为基准机构调用量,并所述基准机构调用量作为选取的所属信贷机构的客户评分集中的评分调用量;
基于所述基准机构调用量和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的权重系数,确定公式如下:
其中,α为其他所属信贷机构的客户评分集的权重系数,β为所述基准机构调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量;
基于所述权重系数和其他所属信贷机构的客户评分集中的评分预调用量,确定其他所属信贷机构的客户评分集的中的评分调用量,确定公式如下:
δ=γ*α
其中,δ为其他所属信贷机构的客户评分集的中的评分调用量,γ为其他所属信贷机构的客户评分集中的评分预调用量,α为其他所属信贷机构的客户评分集的权重系数。
5.如权利要求1所述的一种信贷机构客户流量质量评估方法,其特征在于,所述步骤3中,基于所述多个客户评分和所述行业全景标准客户评分分布,确定客户流量质量评估结果,包括:
将所述多个客户评分从小到大进行排序,获得第二客户评分序列;
获取预设的多个第二分位点;
基于所述多个第二分位点,对所述第二客户评分序列进行序列分割,获得多个第二局部序列;
统计所述第二局部序列中的所述客户评分的数量;
基于各个所述第二局部序列中的所述客户评分的数量与所述多个客户评分的总数量的比值,确定机构客户评分分布;
将所述机构客户评分分布与所述行业全景标准客户评分分布进行对比分析,确定差异信息;
将所述差异信息作为客户流量质量评估结果。
6.一种信贷机构客户流量质量评估系统,其特征在于,包括:
第一获取模块,用于获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分;
第二获取模块,用于获取所述信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布;
确定模块,用于基于所述多个客户评分和所述行业全景标准客户评分分布,确定客户流量质量评估结果,并进行输出。
7.如权利要求6所述的一种信贷机构客户流量质量评估系统,其特征在于,所述第一获取模块获取需要进行客户流量质量评估的信贷机构对自身客户进行信用评分的多个客户评分,包括:
获取所述信贷机构基于FICO对自身客户进行信用评分的多个客户评分。
8.如权利要求6所述的一种信贷机构客户流量质量评估系统,其特征在于,所述第二获取模块获取所述信贷机构所属的信贷机构行业对应的行业全景标准客户评分分布,包括:
获取所述信贷机构所属的信贷机构行业内其他信贷机构对自身客户进行信用评分的多个客户评分;
对所述信贷机构对自身客户进行信用评分的多个客户评分和所述其他信贷机构对自身客户进行信用评分的多个客户评分按照所属信贷机构进行归类,获得不同所属信贷机构的客户评分集;
获取不同所属信贷机构的客户评分集中的评分调用量;
基于所述评分调用量,从对应所述客户评分集中随机调用目标客户评分;
将所述目标客户评分从小到大进行排序,获得第一客户评分序列;
获取预设的多个第一分位点;
基于所述多个第一分位点,对所述第一客户评分序列进行序列分割,获得多个第一局部序列;
统计所述第一局部序列中的所述目标客户评分的数量;
基于各个所述第一局部序列中的所述目标客户评分的数量与所述目标客户评分的总数量的比值,确定行业全景标准客户评分分布;
其中,所述机构行业包括:国有银行、股份制银行、民营银行、城商行、汽车金融机构、持牌消费金融公司和大型互联网平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451196.1A CN117575769A (zh) | 2023-11-02 | 2023-11-02 | 一种信贷机构客户流量质量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451196.1A CN117575769A (zh) | 2023-11-02 | 2023-11-02 | 一种信贷机构客户流量质量评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117575769A true CN117575769A (zh) | 2024-02-20 |
Family
ID=89892659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311451196.1A Pending CN117575769A (zh) | 2023-11-02 | 2023-11-02 | 一种信贷机构客户流量质量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575769A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109428760A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于运营商数据的用户信用评估方法 |
CN110135971A (zh) * | 2019-04-15 | 2019-08-16 | 上海良鑫网络科技有限公司 | 基于弱变量数据的信用风险评估系统与方法 |
CN113919932A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种基于贷款申请评分模型的客户评分偏移检测方法 |
CN113919931A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种贷款申请评分模型的使用效果评估方法及系统 |
CN114298472A (zh) * | 2021-11-29 | 2022-04-08 | 汇鼎数据科技(上海)有限公司 | 数字工厂上下游企业画像评价方法以及系统 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
WO2022183729A1 (zh) * | 2021-03-05 | 2022-09-09 | 中兴通讯股份有限公司 | 用户感知评估方法、装置、终端及存储介质 |
CN115496420A (zh) * | 2022-10-31 | 2022-12-20 | 中国平安财产保险股份有限公司 | 新用户质量评估方法、装置、计算机设备及存储介质 |
CN115619517A (zh) * | 2022-09-02 | 2023-01-17 | 睿智合创(北京)科技有限公司 | 一种应用于信贷领域的机构评估方法及系统 |
CN115719270A (zh) * | 2022-11-25 | 2023-02-28 | 中国工商银行股份有限公司 | 信用评价方法、装置、设备、介质和程序产品 |
CN116128339A (zh) * | 2022-12-22 | 2023-05-16 | 中国建设银行股份有限公司 | 客户信用评估方法及装置、存储介质及电子设备 |
-
2023
- 2023-11-02 CN CN202311451196.1A patent/CN117575769A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109428760A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于运营商数据的用户信用评估方法 |
CN110135971A (zh) * | 2019-04-15 | 2019-08-16 | 上海良鑫网络科技有限公司 | 基于弱变量数据的信用风险评估系统与方法 |
WO2022183729A1 (zh) * | 2021-03-05 | 2022-09-09 | 中兴通讯股份有限公司 | 用户感知评估方法、装置、终端及存储介质 |
CN113919932A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种基于贷款申请评分模型的客户评分偏移检测方法 |
CN113919931A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种贷款申请评分模型的使用效果评估方法及系统 |
CN114298472A (zh) * | 2021-11-29 | 2022-04-08 | 汇鼎数据科技(上海)有限公司 | 数字工厂上下游企业画像评价方法以及系统 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN115619517A (zh) * | 2022-09-02 | 2023-01-17 | 睿智合创(北京)科技有限公司 | 一种应用于信贷领域的机构评估方法及系统 |
CN115496420A (zh) * | 2022-10-31 | 2022-12-20 | 中国平安财产保险股份有限公司 | 新用户质量评估方法、装置、计算机设备及存储介质 |
CN115719270A (zh) * | 2022-11-25 | 2023-02-28 | 中国工商银行股份有限公司 | 信用评价方法、装置、设备、介质和程序产品 |
CN116128339A (zh) * | 2022-12-22 | 2023-05-16 | 中国建设银行股份有限公司 | 客户信用评估方法及装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sinkey Jr | A multivariate statistical analysis of the characteristics of problem banks | |
Zhang | Assessing fair lending risks using race/ethnicity proxies | |
Gao et al. | Words matter: The role of readability, tone, and deception cues in online credit markets | |
Cavalluzzo et al. | Competition, small business financing, and discrimination: Evidence from a new survey | |
Engelmann et al. | Testing rating accuracy | |
Oude Avenhuis | Testing the generalizability of the bankruptcy prediction models of Altman, Ohlson and Zmijewski for Dutch listed and large non-listed firms | |
CN111291816B (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
CN109583966B (zh) | 一种高价值客户识别方法、系统、设备及存储介质 | |
KR100883827B1 (ko) | 소상공인의 영업점 입지적합도 및 매출등급 계산 시스템 및방법 | |
CN109063931A (zh) | 一种预测货运物流司机违约概率的模型方法 | |
Marcelli et al. | Unauthorized Mexican workers in the 1990 Los Angeles County labour force | |
Bates | An econometric analysis of lending to black businessmen | |
CA2927849A1 (en) | Intelligent collections models | |
CN110503099B (zh) | 基于深度学习的信息识别方法及相关设备 | |
CN111709844A (zh) | 一种保险洗钱人员检测方法、装置和计算机可读存储介质 | |
Svabova et al. | Being an outlier: a company non-prosperity sign? | |
CN114971294A (zh) | 数据采集方法、装置、设备及存储介质 | |
Courchane et al. | Lessons learned: statistical techniques and fair lending | |
CN117575769A (zh) | 一种信贷机构客户流量质量评估方法及系统 | |
Deng | Detection of fraudulent financial statements based on Naïve Bayes classifier | |
Kisaka | Effect of Credit rating practices on loan book performance of commercial banks in Kenya | |
CN114331728A (zh) | 一种证券分析管理系统 | |
US20170052959A1 (en) | Filtering Resources Using a Multilevel Classifier | |
Peussa | Credit risk scorecard estimation by logistic regression | |
Bates | Financing black enterprise |
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 |