TWI784233B - 客製化紅利回饋配比的建議系統及其方法 - Google Patents

Abstract

提供一種客製化紅利回饋配比的建議系統，包括：一信用資料庫、一消費行為分析裝置以及一紅利回饋評估裝置。上述信用資料庫儲存多個信用資料。上述消費行為分析裝置取得客戶在多個消費類別之消費總額配比。上述紅利回饋評估裝置包括一紅利計算模組以及一風險計算模組。上述紅利計算模組依據消費總額配比與紅利轉換表計算銀行紅利回饋組合。上述風險計算模組預估和個人化紅利回饋組合對應之個人刷卡金額增量以及個人違約機率，當個人違約機率小於等於門檻值時，接受個人化紅利回饋組合，當個人違約機率大於門檻值時，回傳銀行紅利回饋組合。

Description

客製化紅利回饋配比的建議系統及其方法

本發明是有關於一種紅利回饋的建議系統，特別是一種銀行內部用於評估其客戶之客製化紅利回饋配比的建議系統。

信用卡紅利回饋是銀行利誘消費者刷卡之手段之一，當給予客戶最佳信用卡紅利回饋，部分客戶在利之所趨下，會因為誘人之信用卡紅利回饋而增加刷卡金額。但因信用卡違約風險評估過於鬆散，在核定信用卡刷卡額度時，是根據當時狀況進行風險評估，並不會經常對客戶的信用卡違約風險進行重新評估。但隨著時間的推移，客戶易因外在事件的發生而影響信用風險，例如客戶發生失業、減薪、大量負債等，造成客戶因無力償還卡債引起信用卡違約事件發生。綜合以上，如何能在客戶還款能力範圍內，讓消費總額最大化，即成為本領域中有待解決的問題。

鑑於上述欲解決之問題及其原因，具體而言，本發明提供一種客製化紅利回饋配比的建議系統，提供客戶自訂個人化紅利回饋組合功能，系統透過客戶自訂個人化紅利回饋組合重新檢視客戶的基本資料、財務狀況與信用卡繳款行為評估客戶信用卡違約風險，並根據客戶信用卡繳款行為資料與客戶過往刷卡紀錄，分析客戶在過往刷卡行為中提供最適合的信用卡紅利回饋時，是否造成高信用卡違約風險，計算在銀行合理可承擔的信用風險下最合適的銀行紅利回饋組合之建議。

本發明為一種客製化紅利回饋配比的建議系統，當一客戶向一銀行申請一個人化紅利回饋組合時，使用該系統評估該個人化紅利回饋組合，上述系統包括一信用資料庫、一消費行為分析裝置以及一紅利回饋評估裝置。

上述信用資料庫，儲存複數個信用資料，包括一客戶基本資料、一市場資料以及複數個消費行為資料。

上述消費行為分析裝置，取得客戶在多個消費類別之多個消費總額配比。

上述紅利回饋評估裝置，包括一紅利計算模組以及一風險計算模組。上述紅利計算模組，依據消費總額配比與紅利轉換表計算一銀行紅利回饋組合。上述風險計算模組，預估和個人化紅利回饋組合對應之一個人刷卡金額增量以及一個人違約機率，當個人違約機率小於等於一門檻值時，接受個人化紅利回饋組合，當個人違約機率大於門檻值時，回傳銀行紅利回饋組合。

依據一實施例，其中銀行紅利回饋組合的計算方式包括： 依據消費總額配比與一紅利轉換表計算一初始紅利回饋組合，預估初始紅利回饋組合對應之初始刷卡金額增量以及一初始違約機率，當初始違約機率小於等於門檻值時，銀行紅利回饋組合等於該初始紅利回饋組合。當該初始違約機率大於該門檻值時，根據一修正權重調整初始紅利回饋組合，得到一修正紅利回饋組合，並預估修正紅利回饋組合對應之修正刷卡金額增量以及一修正違約機率。當修正違約機率大於門檻值時，重複調整修正紅利回饋組合直至修正違約機率小於等於該門檻值時，銀行紅利回饋組合等於修正紅利回饋組合。

依據又一實施例，其中客戶之紅利回饋總額為一定值，其中消費類別包括實體店面以及網路消費，其中實體店面以及網路消費分別包括食、衣、住、行、育、樂等類別。

依據又一實施例，其中個人化紅利回饋會自動儲存至該信用資料庫。

依據又一實施例，更包括一風險監控模組，用以定期監控該客製化紅利回饋配比，該銀行所需承擔的違約機率變化。

綜上所述，本發明是以客製化紅利回饋方式，參考客戶最想要紅利回饋的消費類別，並且重新檢視客戶之信用資料，在客戶還款能力範圍內，提出在各消費類別中的紅利回饋配比的建議。

110:銀行

120:銀行內部系統

121:信用資料庫

122:消費行為分析裝置

123:紅利回饋評估裝置

124:紅利計算模組

125:風險計算模組

126:風險監控模組

200-209:步驟

300-309:步驟

為了讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附附圖之說明如下： 圖1係繪示依據本發明之一實施例之一種客製化紅利回饋配比的建議系統中各模組的關係架構圖。

圖2係繪示依據本發明之一實施例之一種客製化紅利回饋配比的建議系統的方法的流程示意圖。

圖3係繪示依據本發明之一實施例之銀行紅利回饋組合的計算方式的方法的流程示意圖。

請參閱圖1，圖1係繪示依據本發明一實施例之一種客製化紅利回饋配比的建議系統中各模組的關係架構圖。圖1的客製化紅利回饋配比的建議系統包括銀行110以及銀行內部系統120。

上述銀行內部系統120包括信用資料庫121、消費行為分析裝置122、紅利回饋評估裝置123以及風險監控模組126。其中紅利回饋評估裝置123包括紅利計算模組124以及風險計算模組125。

上述信用資料庫121係儲存多個信用資料，包括一客戶基本資料、一市場資料以及多個消費行為資料。上述客戶基本資料例如可為個人基本資料、財務資料以及信用狀況等等。上述市場資料例如可為國內生產總值(Gross Domestic Product,GDP)、採購經理人指數(Purchasing Managers' Index,PMI)及失業率等等。上述消費行為資料例如可為信用卡繳款行為及客戶過往刷卡紀錄等等。上述信用資料庫121可為任意可用之資料庫。

上述消費行為分析裝置122係取得客戶在多個消費類別之多個消費總額配比。上述消費類別包括實體店面以及網路消費，其中實體店面以及網路消費分別包括食、衣、住、行、育、樂。上述消費行為分析裝置122可為任何可用之計算機裝置，例如個人電腦、筆電或手持電子裝置。

根據本發明之一實施例，例如某一客戶半年間的交易行為中，總交易筆數30筆，網路交易25筆，其中使用類別為衣服服飾類17筆，使用類別為飲食類3筆，使用類別為交通類5筆，一般交易5筆，其中使用類別為交通類1筆，使用類別為飲食類為4筆，消費行為分析裝置了解某一客戶習慣進行網路交易，且習慣從網路上購買衣服服飾鞋子類商品，從30筆交易行為中有高達83%進行網路交易，68%從網路上購買衣服服飾鞋子類商品。

根據本發明又一實施例，上述某一客戶習慣在網路上購買衣服，因此某一客戶可能會提出信用卡90%紅利回饋為網路消費的衣服部分的請求。

上述紅利回饋評估裝置123包括紅利計算模組124以及風險計算模組125。上述紅利計算模組124係依據消費總額配比與紅利轉換表計算銀行紅利回饋組合。上述風險計算模組125係預估和個人化紅利回饋組合對應之個人刷卡金額增量以及個人違約機率，當個人違約機率小於等於門檻值時，接受個人化紅利回饋組合，當個人違約機率大於門檻值時，回傳該銀行紅利回饋組合。上述紅利回饋評估裝置123可為任何可用之計算機裝置，例如個人電腦、筆電或手持電子裝 置，上述消費行為分析裝置122和紅利回饋評估裝置123也可以整合至上述之計算機裝置之中。

根據本發明之另一實施例，銀行紅利回饋組合的計算方式包括：依據消費總額配比與一紅利轉換表計算一初始紅利回饋組合，預估初始紅利回饋組合對應之初始刷卡金額增量以及一初始違約機率，當初始違約機率小於等於門檻值時，銀行紅利回饋組合等於該初始紅利回饋組合。當該初始違約機率大於該門檻值時，根據一修正權重調整初始紅利回饋組合，得到一修正紅利回饋組合，並預估修正紅利回饋組合對應之修正刷卡金額增量以及一修正違約機率。當修正違約機率大於門檻值時，重複調整修正紅利回饋組合，直至修正違約機率小於等於該門檻值時，銀行紅利回饋組合等於修正紅利回饋組合。

根據本發明之一實施例，初始紅利回饋組合可經由下面表1-表2之轉換表取得在某一紅利回饋時，所預估之初始刷卡金額增量，其中表1-表2為根據銀行經驗累計所製成的表格。

根據本發明之一實施例，紅利回饋方式例如可為無上限紅利回饋額度以及有上限紅利回饋額度。

根據本發明之一實施例，無上限紅利回饋額度為固定紅利回饋之百分比，例如固定紅利回饋之百分比為5%，客戶所設定之個人化紅利回饋組合例如可為食、衣、住、行、育各類皆為1%。

根據本發明之一實施例，有上限紅利回饋額度為固定紅利回饋之總金額，例如固定紅利回饋之總金額為50000元，客戶所設定 之個人化紅利回饋組合例如可為食、衣、住、行、育各類皆為10000元。

根據本發明之另一實施例，例如依照使用性質別區分：一般交易17%，刷卡金額5000元，網路交易83%，刷卡金額15000元， 依照使用類別區分為衣服服飾類87%，刷卡金額13000元、飲食類10%，刷卡金額1500元、交通類3%，刷卡金額500元。根據上述表2計算可得知，一般交易佔17%，預估初始刷卡金額增量為0元；衣服服飾類網路交易佔72.2%，預估初始刷卡金額增量為5100元；飲食類網路交易佔8.3%，預估初始刷卡金額增量為0元；交通類網路交易佔2.5%，預估初始刷卡金額增量為0元；綜上所述，初始紅利回饋組合之預估初始刷卡金額增量為5100元。

根據本發明之另一實施例，上述修正紅利回饋組合之計算方式例如可為：初始紅利回饋組合×修正權重=修正紅利回饋組合，其中修正權重=初始權重×(1-0.05)，其中初始權重預設為1。

根據本發明之另一實施例，根據修正權重調整初始紅利回饋組合，得到一修正紅利回饋組合。例如，調整紅利回饋一般交易17%×0.95=16.2%，修正刷卡金額增量為0元，調整衣服服飾類網路交易72.2%×0.95=68.6%，修正刷卡金額增量為4700元，飲食類網路交易8.3%×0.95=7.9%，修正刷卡金額增量為0元，交通類網路交易2.5%×0.95=2.4%，刷修正刷卡金額增量為4700元，綜上所述，修正刷卡金額增量為4700元。

根據本發明之另一實施例，紅利回饋評估裝置123會根據客戶基本資料、市場資料、財務資料、信用卡繳款行為資料與客戶過往刷卡紀錄重新評估信用風險。

根據本發明之另一實施例，上述紅利回饋評估裝置123所計算之違約機率，計算方法可為從信用資料庫121中取得信用資料透過 一信用評等法(Credit Grading System)、二信用評分法(Credit Grading System)、三信用評等信用評分混合法、四統計方法、五專家系統法分析使用者客製化紅利回饋配比銀行需要承擔的信用風險值。

根據本發明之另一實施例，例如客戶刷卡行為中只會將信用卡使用在衣服服飾類的網路交易，因此系統根據刷卡行為分析若信用卡紅利回饋全部設定衣服服飾類網路交易100%，其餘信用卡紅利回饋為0%時，此時系統需計算根據上述紅利回饋組合所預估之刷卡金額增量以及客戶A之信用資料，判斷客戶A是否具有高信用卡違約風險，若紅利回饋採有利於客戶的方式設定後客戶不具有高信用卡違約風險時，在客戶自訂個人化紅利回饋組合時，系統會提供最有利於客戶的銀行紅利回饋組合供客戶設定紅利回饋時參考。

根據本發明之另一實施例，當系統計算銀行紅利回饋組合時會根據客戶過往刷卡行為中進行評估，若客戶為新客戶第一次使用信用卡並設定信用卡紅利回饋時，因無客戶過往刷卡行為可供分析，故銀行紅利回饋組合會採預設值進行建議，其中銀行紅利回饋組合會根據系統儲存之所有客戶之刷卡金額、使用性質、使用類別計算刷卡行為之佔比做為系統所建議之銀行紅利回饋組合。

根據本發明之另一實施例，風險監控模組126係用以定期監控客製化紅利回饋配比(包括銀行紅利回饋組合及個人化紅利回饋組合等紅利回饋)，以及銀行所需承擔的違約機率變化。

根據本發明之另一實施例，例如系統總刷卡額度1千萬，飲食類一般交易50萬、衣服服飾類網路交易500萬、娛樂類網路交易1450 萬，計算預設紅利回饋佔比為飲食類一般交易佔比0%，衣服服飾類網路交易佔比25.6%，娛樂類網路交易74.4%，並評估依照銀行紅利回饋組合之建議值設定後，客戶是否具有高信用卡違約風險，若不具高信用卡違約風險時，則依此設定值提供客戶信用卡紅利回饋建議值供客戶參考，反之若客戶為舊客戶時，則依照客戶過往刷卡行為進行分析。

圖2係繪示依據本發明之一實施例之一種客製化紅利回饋配比的建議系統的方法的流程示意圖。請同時參閱圖1-2，圖2的步驟200為開始，步驟201為銀行110向銀行內部系統120提出個人化紅利回饋組合評估請求。

在步驟202中，從信用資料庫121取得多個信用資料，包括客戶基本資料、市場資料以及多個消費行為資料。上述客戶基本資料例如可為個人基本資料、財務資料以及信用狀況等等。上述市場資料例如可為國內生產總值(Gross Domestic Product,GDP)、採購經理人指數(Purchasing Managers' Index,PMI)及失業率等等。上述消費行為資料例如可為信用卡繳款行為及客戶過往刷卡紀錄等等。上述信用資料庫121可為任意可用之資料庫。

根據本發明之另一實施例，提出個人化紅利會饋組合之客戶可為舊客戶或新客戶。上述舊客戶意指申請信用卡之客戶與銀行端有其他信用卡之業務往來，除了客戶欲申請之信用卡，客戶本身具有銀行其他信用卡，其信用資料庫中有消費行為資料可供參考。上述新客戶意旨客戶與銀行端並無任何信用卡業務往來，無任何客戶取得其他信用 卡繳款行為資訊做為核卡資訊參考，只能從客戶基本資料及市場資料做參考。

在步驟203中，從消費行為分析裝置122取得客戶之多個消費類別之消費總額配比。上述消費類別包括實體店面以及網路消費，其中實體店面以及網路消費分別包括食、衣、住、行、育、樂等類別。

根據本發明之另一實施例，取得客戶信用卡刷卡紀錄，並根據刷卡性質(一般交易、網路交易)與刷卡類別(食、衣、住、行、育、樂)進行歸類，例如客戶A共有3件信用卡刷卡紀錄，根據刷卡性質與刷卡類別進行歸類後分別為一件飲食類的一般交易，兩件網路交易，包括一件衣服服飾類交易以及一件交通行車類交易。

在步驟204中，紅利計算模組124依據多個消費總額配比與紅利轉換表計算銀行紅利回饋組合。

根據本發明之另一實施例，根據歸類後的刷卡紀錄進行佔比計算，例如客戶A共有3件信用卡刷卡紀錄，根據刷卡性質與刷卡類別進行歸類後分別為一件飲食類一般交易，兩件網路交易，包括一件衣服服飾類交易以及一件交通行車類交易，一般交易佔比33.3%，其中飲食類一般交易佔比100%，網路交易佔比66.7%，其中衣服服飾類網路交易佔比50%，交通行車類網路交易佔比50%。

在步驟205中，風險計算模組125預估和個人化紅利回饋組合對應之一個人刷卡金額增量以及個人違約機率。

根據本發明之另一實施例，風險計算模組125根據客戶基本資料、市場資料與消費行為資料透過風險計算模組125的信用評等 法、信用評分法、信用評等信用評分混合法、統計方法及專家系統法分析客戶根據個人化紅利回饋組合設定後信用卡之違約風險，以及重新檢視客戶信用卡額度之違約風險。

在步驟206中，判斷個人違約機率是否大於門檻值。若小於等於門檻值，則進入步驟207，接受個人化紅利回饋組合，做為客戶之信用卡紅利回饋；若大於門檻值，則進入步驟208，回傳銀行紅利回饋組合，做為客戶設定信用卡紅利回饋之參考建議。最後步驟209為結束。

圖3係繪示依據本發明之一實施例之銀行紅利回饋組合的計算方式的方法的流程示意圖。圖3的步驟300為開始，在步驟301中，依據多個消費總額配比與紅利轉換表計算初始紅利回饋組合。

根據本發明之一實施例，初始紅利回饋組合可經由上述表1-表2之轉換表取得在某一紅利回饋時，所預估之初始刷卡金額增量，其中表1-表2為根據銀行經驗累計所製成的表格。

根據本發明之另一實施例，信用卡回饋方式分為一無上限紅利回饋額度方式與一有上限紅利回饋額度方式。無上限紅利回饋額度為固定紅利回饋之百分比，例如固定紅利回饋之百分比為5%，客戶所設定之個人化紅利回饋組合例如可為食、衣、住、行、育各類皆為1%。有上限紅利回饋額度為固定紅利回饋之總金額，例如固定紅利回饋之總金額為50000元，客戶所設定之個人化紅利回饋組合例如可為食、衣、住、行、育各類皆為10000元。

在步驟302中，預估初始紅利回饋組合對應之初始刷卡金額增量以及初始違約機率。

在步驟303中，當初始違約機率小於等於門檻值時，銀行紅利回饋組合等於初始紅利回饋組合。

在步驟304中，當初始違約機率大於門檻值時，根據修正權重調整初始紅利回饋組合，得到修正紅利回饋組合，並預估修正紅利回饋組合對應之修正刷卡金額增量以及修正違約機率。

根據本發明之另一實施例，上述修正紅利回饋組合之計算方式例如可為：初始紅利回饋組合×修正權重=修正紅利回饋組合，其中修正權重=初始權重×(1-0.05)，其中初始權重預設為1。

在步驟305中，當修正違約機率大於該門檻值時，重複調整修正紅利回饋組合直至修正違約機率小於等於門檻值時，銀行紅利回饋組合等於修正紅利回饋組合。

根據本發明之另一實施例，若第一修正權重=初始權重×(1-0.05)，第一修正違約機率小於等於門檻值時，銀行紅利回饋組合等於第一修正紅利回饋組合。

根據本發明之另一實施例，若第一修正違約機率大於門檻值，則再調整第二修正權重=初始權重×(1-0.10)，第二修正違約機率小於等於門檻值時，銀行紅利回饋組合等於第二修正紅利回饋組合。

根據本發明之另一實施例，紅利計算模組124根據客戶基本資料、市場資料與消費行為資料透過紅利計算模組124的信用評等 法、信用評分法、信用評等信用評分混合法、統計方法及專家系統法分析銀行紅利回饋組合之違約風險。

根據上述揭露之系統及方法，可改善客戶會因為誘人之信用卡紅利回饋而增加刷卡金額，造成客戶因無力償還卡債引起信用卡違約事件發生之問題。

雖然本發明已實施方式揭露如上，然其並非用以限定本發明，凡熟悉該項技藝之人士其所依本發明之精神，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後之申請專利圍所界定者為準。

110:銀行

120:銀行內部系統

121:信用資料庫

122:消費行為分析裝置

123:紅利回饋評估裝置

124:紅利計算模組

125:風險計算模組

126:風險監控模組

Claims (6)

1. 一種客製化紅利回饋配比的建議系統，當一客戶向一銀行申請一個人化紅利回饋組合時，使用該系統評估該個人化紅利回饋組合，該系統包括：一信用資料庫，儲存複數個信用資料，包括一客戶基本資料、一市場資料以及複數個消費行為資料；一消費行為分析裝置，取得該客戶在複數個消費類別之複數個消費總額配比；以及一紅利回饋評估裝置，該裝置包括：一紅利計算模組，依據該些消費總額配比計算一銀行紅利回饋組合，其中該銀行紅利回饋組合的計算方式包括：依據該些消費總額配比計算一初始紅利回饋組合；查表該初始紅利回饋組合對應之初始刷卡金額增量以及一初始違約機率；當該初始違約機率小於等於一門檻值時，該銀行紅利回饋組合等於該初始紅利回饋組合；當該初始違約機率大於該門檻值時，根據一修正權重調整該初始紅利回饋組合，得到一修正紅利回饋組合，並查表該修正紅利回饋組合對應之修正刷卡金額增量以及一修正違約機率；當該修正違約機率大於該門檻值時，重複調整該修正紅利回饋組合直至該修正違約機率小於等於該門檻值時，該銀行紅利回饋組合等於該修正紅利回饋組合；以及一風險計算模組，查表和該個人化紅利回饋組合對應之一個人刷卡金額增量以及一個人違約機率，當該個人違約機率小於等 於該門檻值時，接受該個人化紅利回饋組合，當該個人違約機率大於該門檻值時，回傳該銀行紅利回饋組合；以及一風險監控模組，用以定期監控該銀行紅利回饋組合，以及該銀行所需承擔的違約機率變化。
2. 依據請求項1所述之客製化紅利回饋配比的建議系統，其中該些消費類別包括實體店面消費以及網路消費，其中實體店面消費以及網路消費分別包括食、衣、住、行、育、樂。
3. 依據請求項1所述之客製化紅利回饋配比的建議系統，其中該個人化紅利回饋組合會自動儲存至該信用資料庫。
4. 一種客製化紅利回饋配比的建議方法，當一客戶向一銀行申請一個人化紅利回饋組合時，使用如請求項1之系統評估該個人化紅利回饋組合，該方法包括：該銀行向該系統提出該個人化紅利回饋組合評估請求；該系統讀取複數個信用資料，包括一客戶基本資料、一市場資料以及複數個消費行為資料；依據該些消費行為資料計算該客戶之複數個消費類別之複數個消費總額配比；依據該些消費總額配比計算一銀行紅利回饋組合，其中該銀行紅利回饋組合的計算方式包括：依據該些消費總額配比計算一初始紅利回饋組合；查表該初始紅利回饋組合對應之初始刷卡金額增量以及一初始違約機率；當該初始違約機率小於等於一門檻值時，該銀行紅利回饋組合等於該初始紅利回饋組合； 當該初始違約機率大於該門檻值時，根據一修正權重調整該初始紅利回饋組合，得到一修正紅利回饋組合，並查表該修正紅利回饋組合對應之修正刷卡金額增量以及一修正違約機率；當該修正違約機率大於該門檻值時，重複調整該修正紅利回饋組合直至該修正違約機率小於等於該門檻值時，該銀行紅利回饋組合等於該修正紅利回饋組合；查表和該個人化紅利回饋組合對應之一個人刷卡金額增量以及一個人違約機率；當該個人違約機率小於等於該門檻值時，該系統接受該個人化紅利回饋組合，做為該客戶之紅利回饋；當該個人違約機率大於該門檻值時，該系統顯示該銀行紅利回饋組合，做為該客戶設定紅利回饋之建議；以及定期監控該紅利回饋及該銀行所需承擔的違約機率變化。
5. 依據請求項4所述之客製化紅利回饋配比的建議方法，其中該些消費類別包括實體店面消費以及網路消費，其中實體店面消費以及網路消費分別包括食、衣、住、行、育、樂。
6. 依據請求項4所述之客製化紅利回饋配比的建議方法，其中該個人化紅利回饋會自動儲存至一信用資料庫。

Images