TWM543416U - 智能產品行銷系統 - Google Patents

Description

智能產品行銷系統

本新型是有關於金融產品的行銷，特別是指一種金融產品的智能產品行銷系統。

在現有例如銀行的金融機構中，往往編制有多位專門負責金融產品行銷的理財顧問。傳統上，理財顧問通常是對於具有銀行資產300萬以上的客群進行金融產品的行銷。在行銷過程中，往往先針對客群中熟悉的客戶進行產品推薦及銷售，但對於不熟悉的客戶恐因缺乏客戶的相關分析資料而未能確切了解客戶所欲的金融產品，致使即使耗費了相當的人力及時間成本，卻仍無法提升行銷的成功率。

因此，傳統的金融產品行銷方式仍有極大的改良空間。

因此，本新型的目的，即在提供一種金融產品的智能產品行銷系統，其能克服習知技藝的缺點。

於是，本新型提供了一種智能產品行銷系統。該智能產品行銷系統包含一資料伺服器、一建模伺服器、及一行銷伺服單 元。

該資料伺服器儲存有多筆分別對應於多個客戶的客戶參考資料，每筆客戶參考資料包含相關於該等客戶其中一對應客戶的歷史金融交易資料。

該建模伺服器連接該資料伺服器用以接收來自於該資料伺服器的該等筆客戶參考資料，並包括一偏好分數估算模組、及一偏好機率評估模組。該偏好分數估算模組根據每筆客戶參考資料的該歷史金融交易資料，利用一相關於交易頻率、交易金額及交易餘額的預定偏好分數估算模型，估算出每一客戶的多個分別對應於多種金融產品的偏好分數，以產生一包含每一客戶的該等偏好分數的偏好分數結果。該偏好機率評估模組電連接該偏好分數估算模組用以接收該偏好分數結果，並根據該偏好分數結果，利用一預定偏好機率評估模型，評估出每一客戶的多個分別對應於該等種金融產品的偏好機率，以產生一包含每一客戶的該等偏好機率的偏好機率結果。

該行銷伺服單元包括一通路伺服器，該通路伺服器連接該建模伺服器用以接收該偏好機率結果，並根據該偏好機率結果，產生一包含每一客戶的多種推薦金融產品的產品推薦結果，其中每一客戶的該等種推薦金融產品係選自該等種金融產品。當該等客戶其中一者所使用的一電子裝置連接該通路伺服器時，該通路伺 服器將指示出該客戶的該等種推薦金融產品的產品資料傳送至該電子裝置，以便該電子裝置將該產品資料顯示在其上。

本新型的功效在於：該行銷伺服單元能根據該建模伺服器所產生的該偏好機率結果自動且適切地獲得對應於每一客戶的多種推薦金融產品，並能適時地藉由一電子裝置將此等種推薦金融產品的產品資料顯示給客戶，如此能以最低的行銷成本快速地達到多種產品行銷的目的。

100‧‧‧智能產品行銷系統

1‧‧‧資料伺服器

2‧‧‧建模伺服器

21‧‧‧偏好分數估算模組

22‧‧‧偏好機率評估模組

23‧‧‧分群模組

3‧‧‧行銷伺服單元

31‧‧‧通路伺服器

32‧‧‧挑選伺服器

33‧‧‧行銷伺服器

4‧‧‧電子裝置

5‧‧‧使用端

6‧‧‧客戶

200‧‧‧通訊網路

S1-S10‧‧‧步驟

S71-S74‧‧‧步驟

本新型的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1是一方塊圖，示例地說明本新型智能產品行銷系統的一實施例；圖2是一流程圖，示例地說明該實施例如何執行一智能產品行銷程序；及圖3是一流程圖，示例地說明該實施例的一行銷伺服單元如何獲得一挑選結果所執行的程序。

參閱圖1，本新型智能產品行銷系統100的一實施例包含一資料伺服器1、一建模伺服器2、及一行銷伺服單元3。

該資料伺服器1儲存有多筆分別對應於多個客戶的客 戶參考資料。在本實施例中，每筆客戶參考資料包含例如相關於該等客戶中一對應客戶的客戶基本資料、屬性資料、排除條件資料、及歷史金融交易資料，其中，該客戶基本資料包含例如該對應客戶的身分資料、持有帳戶資料及聯絡資料，該屬性資料包含例如年齡、性別、職業、學歷、婚姻狀態、持有帳戶、交易行為等的資料，歷史金融交易資料包含例如所有台幣定存交易、外幣定存交易、股票交易、基金交易及/或保險交易等的相關交易資料，該排除條件資料包含例如相關於客戶自訂條件、客戶信用條件及法規條件其中至少一者的資料。舉例來說，該客戶自定條件包含例如已約定不接受共同行銷及/或已聲明不接受廣告行銷等，該客戶信用條件包含例如列於行銷黑名單客戶、拒絕往來戶、轉催收客戶、存款凍結客戶、法院假扣押客戶、債務協商客戶及/或債務清償客戶等，該法規條件包含例如不同金融產品之購買者在年齡上的法規限制。值得注意的是，每筆客戶參考資料的內容並不限上述所列舉的內容，然而在應用上，可依實際需求增減其資料內容。

該建模伺服器2連接該資料伺服器1用以接收來自於該資料伺服器1的該等筆客戶參考資料。在本實施例中，該建模伺服器2包含一偏好分數估算模組21、一電連接該偏好分數估算模組21的偏好機率評估模組22、及一分群模組23。

在本實施例中，該行銷伺服單元3包含例如一連接該建 模伺服器2的通路伺服器31、一連接該建模伺服器2的挑選伺服器32、及一連接該挑選伺服器32的行銷伺服器33。

在本實施例中，該通路伺服器31、該挑選伺服器32及該行銷伺服器33可經由例如網際網路的一通訊網路200連接該資料伺服器1。

以下，參閱圖1及圖2來說明該智能產品行銷系統100如何執行一智能產品行銷程序。該智能產品行銷程序包含以下步驟。

首先，在步驟S1中，該偏好分數估算模組21根據每筆客戶參考資料的該歷史金融交易資料，利用例如一相關於交易頻率、交易金額及交易餘額的預定偏好分數估算模型，估算出每一客戶的多個分別對應於多種金融產品的偏好分數，以產生一包含每一客戶的該等偏好分數的偏好分數結果。在本實施例中，該等種金融產品包含例如外匯活存、外匯定存、基金、保險、黃金存摺、信用卡、及信貸等七種金融產品，但不在此限。

在步驟S2中，該偏好機率評估模組22接收來自該偏好分數估算模組21的該偏好分數結果，並根據該偏好分數結果，利用例如一預定偏好機率評估模型，評估出每一客戶的多個分別對應於該等七種金融產品的偏好機率，以產生一包含每一客戶的該等偏好機率的偏好機率結果。

在步驟S3中，該通路伺服器31接收來自該建模伺服器的2的該偏好機率結果，並根據該偏好機率結果，產生一包含每一客戶的多種推薦金融產品的產品推薦結果。值得注意的是，每一客戶的該等種推薦金融產品係選自該等七種金融產品中對應有相對較高的偏好機率者，舉例來說，該等七種金融產品中對應有前三高的偏好機率的三種金融產品作為該等種推薦金融產品，但不以此為限。

在步驟S4中，在本實施例中，當該等客戶其中一客戶6所使用的例如手機或個人電腦的一電子裝置4例如經由該通訊網路200連接至該通路伺服器31時，該通路伺服器31將指示出該客戶6的該等種推薦金融產品的產品資料傳送至該電子裝置4，以便該電子裝置4將該產品資料顯示在其上，藉此達到對該客戶6行銷該等種推薦金融產品的目的。然而，在其他實施態樣中，該電子裝置4亦可是例如一設置在該銀行機構的終端機，且該通路伺服器31在偵測到該客戶6在該終端機的操作時，將該產品資料傳送至該終端機，以便該終端機將該產品資料顯示在其上。此外，銀行理財顧問亦可利用通路伺服器31對每一客戶所產生的該產品推薦結果達到對該客戶的個人化金融服務的目標，並共同達成行銷產品的目的。

另一方面，跟隨在步驟S2之後的步驟S5中，該分群模組23根據該等比客戶參考資料，利用例如一預定分群模型，將該等 客戶劃分成多個分別具有不同傾向的客群，以產生一指示出每一客群所含之客戶的分群結果。在本實施例中，該等客群例如可包含一菁英客群、一銀髮客群及一潛力客群，但不在此限。該菁英客群之客戶傾向於例如所擁有的資產相對最高、社經地位相對高、擔任企業負責人、與該銀行機構之交易往來密切、及已購買相對較多金融產品等，但不在此限。該銀髮族客群之客戶傾向於例如所擁有的資產相對次高、年紀相對最長的女性、交易行為相對保守、購買定存或儲蓄型(保本)金融產品等，但不在此限。該潛力客群的客戶傾向於例如所擁有之資產相對第三高、喜好以定期定額購買基金及女性等，但不在此限。然後，該建模伺服器2將該偏好機率結果及該分群結果傳送至該挑選伺服器32。

在步驟S6中，該挑選伺服器32接收來自該建模伺服器2的該分群結果及該偏好機率結果，並根據一屬於上述該等七種金融產品其中一種金融產品的目標行銷產品，自該分群結果的該等客群中選出一目標客群。值得注意的是，該目標客群的傾向與該目標行銷產品之間存在有一相對較高關聯性。該挑選伺服器32將該目標客群所含的該等客戶作為多個候選客戶，並將多個擷取自該偏好機率結果且分別對應於該等候選客戶對於該目標行銷產品所屬的該種金融產品的偏好機率作為多個候選偏好機率。

在步驟S7中，該挑選伺服器32根據該等候選偏好機 率、一相關於該等候選偏好機率之分佈的機率閥值、及相關於該等候選客戶其中每一者的排除條件資料，自該等候選客戶選出多個目標客戶，以產生一包含該等目標客戶之客戶名單資料的挑選結果。以下，更參閱圖1及圖3來說明該挑選伺服器32如何獲得該挑選結果所執行的程序，該程序包含以下步驟。

在步驟S71中，該挑選伺服器32根據該等候選偏好機率及該機率閥值，自該等候選客戶中選出多個候選客戶，其中該等選出的候選客戶所對應的該等候選偏好機率大於該機率閥值。舉例來說，若該等候選偏好機率大致均勻分佈在0~100%時，該機率閥值可視所欲行銷的目標客戶數量而定，但若該等候選偏好機率並非均勻分佈，而大致分佈在一特定機率範圍時，則該機率閥值可根據所欲行銷的目標客戶數量適當地選擇該特定機率範圍中的一機率作為該機率閥值，但不在此限。

步驟S72中，該挑選伺服器32將一相關於該等選出的候選客戶的排除條件請求經由該通訊網路200傳送至該資料伺服器1。

於是，當該資料伺服器1接收到來自該挑選伺服器32的該排除條件請求時，該資料伺服器1將一包含該等選出的候選客戶其中每一者的該排除條件資料及聯絡資料的排除條件回覆，經由該通訊網路200傳送至該挑選伺服器32。

在步驟S73中，該挑選伺服器32在接收到來自該資料伺服器1的該排除條件回覆後，根據該排除條件回覆所包含的每一選出的候選客戶的該排除條件資料，決定該選出的候選客戶是否必須被排除。舉例來說，若一個選出的候選客戶的排除條件資料指示出為拒絕往來戶時，則該選出的候選客戶必須被排除。

在步驟S74中，該挑選伺服器32將該等選出的候選客戶其中被決定為不須排除者作為該等目標客戶，並根據該等目標客戶，產生該挑選結果。值得注意的是，在本實施例中，該挑選結果不僅包含該等目標客戶之客戶名單資料，還包含該等目標客戶的聯絡資料。該挑選伺服器32將該挑選結果傳送至該行銷伺服器33。

在步驟S8中，該行銷伺服器33在接收到來自該挑選伺服器32的該挑選結果後，根據該挑選結果，將一相關於該目標行銷產品的產品訊息傳送至多個分別被該等目標客戶所指定的使用端5，以便該等使用端5將該產品訊息顯示在其上，藉此達到對該等目標客戶(圖中未示)行銷該等種目標行銷產品的目的。此外，銀行理財顧問亦可利用行銷伺服器33所接收的該挑選結果來達到對客戶的個人化金融服務的目標，並共同達成行銷該等種目標行銷產品的目的。

於是，該等客戶透過上述的行銷方式可容易地獲得適當的推薦金融產品的產品資料及/或目標行銷產品的產品訊息。

在步驟S9中，該通路伺服器31及該行銷伺服器33其中任一者在接獲到一相關於任一客戶的行銷結果時，將該行銷結果經由該通訊網路200傳送至該資料伺服器1。在本實施例中，該行銷結果包含相關於例如購買客戶、銷售產品、是否銷售成功、銷售過程的客戶反應及/或銷售失敗的原因等的資料，但不在此限。

最後，在步驟S10中，該資料伺服器1在接收到來自該行銷伺服單元的該行銷結果時，根據該行銷結果來更新所儲存的該等筆客戶參考資料，以作為日後針對客戶之交易行為分析之用。

綜上所述，該行銷伺服單元3能根據該建模伺服器2所產生的該偏好機率結果自動且適切地獲得對應於每一客戶的多種推薦金融產品，並能適時地藉由一電子裝置4將此等種推薦金融產品的產品資料顯示給客戶，如此能以最低的行銷成本快速地達到多種產品行銷的目的。此外，由於該建模伺服器2還將該等客戶進行有效分群，該行銷伺服單元3還能根據該目標行銷產品自該等客群中選出該目標客群並進而選出適合行銷該目標行銷產品的目標客戶，而且還能自動將產品訊息以顯示在目標客戶所指定的使用端5上的方式提供給目標客戶，如此有助於提高產品成功銷售的機率。另一方面，銀行理財顧問在利用本新型所獲得的該挑選結果與每一客戶的產品推薦結果的情況下，確實能達到對客戶的個人化金融服務的目標，且共同達成產品行銷的目的。故確實能達成本新型的目 的。

惟以上所述者，僅為本新型的實施例而已，當不能以此限定本新型實施的範圍，凡是依本新型申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本新型專利涵蓋的範圍內。

100‧‧‧智能產品行銷系統

1‧‧‧資料伺服器

2‧‧‧建模伺服器

21‧‧‧偏好分數估算模組

22‧‧‧偏好機率評估模組

23‧‧‧分群模組

3‧‧‧行銷伺服單元

31‧‧‧通路伺服器

32‧‧‧挑選伺服器

33‧‧‧行銷伺服器

4‧‧‧電子裝置

5‧‧‧使用端

6‧‧‧客戶

200‧‧‧通訊網路

Claims (6)

1. 一種智能產品行銷系統，包含：一資料伺服器，儲存有多筆分別對應於多個客戶的客戶參考資料，每筆客戶參考資料包含相關於該等客戶其中一對應客戶的歷史金融交易資料；一建模伺服器，連接該資料伺服器用以接收來自於該資料伺服器的該等筆客戶參考資料，並包括一偏好分數估算模組，根據每筆客戶參考資料的該歷史金融交易資料，利用一相關於交易頻率、交易金額及交易餘額的預定偏好分數估算模型，估算出每一客戶的多個分別對應於多種金融產品的偏好分數，以產生一包含每一客戶的該等偏好分數的偏好分數結果，及一偏好機率評估模組，電連接該偏好分數估算模組用以接收該偏好分數結果，並根據該偏好分數結果，利用一預定偏好機率評估模型，評估出每一客戶的多個分別對應於該等種金融產品的偏好機率，以產生一包含每一客戶的該等偏好機率的偏好機率結果；及一行銷伺服單元，包括一通路伺服器，連接該建模伺服器用以接收該偏好機率結果，並根據該偏好機率結果，產生一包含每一客戶的多種推薦金融產品的產品推薦結果，其中每一客戶的該等種推薦金融產品係選自該等種金融產品，並且當該等客戶其中一者所使用的一電子裝置連接該通路伺服器時，將指示出該客戶的該等種推薦金融產品的產品資料傳 送至該電子裝置，以便該電子裝置將該產品資料顯示在其上。
2. 如請求項1所述的智能產品行銷系統，其中，對於每一客戶，該等種推薦金融產品所對應的該等偏好機率是相對較高的。
3. 如請求項1所述的智能產品行銷系統，其中：該資料伺服器所儲存的每筆客戶參考資料還包含相關於該對應客戶的屬性資料；該建模伺服器還包含一分群模組，該分群模組根據該資料伺服器所儲存的該等筆客戶參考資料，利用一預定分群模型，將該等客戶劃分成多個分別具有不同傾向的客群，以產生一指示出每一客群所含之客戶的分群結果；及該行銷伺服單元，還包括一挑選伺服器，連接該建模伺服器用以接收該分群結果及該偏好機率結果，且根據一屬於該等種金融產品其中一種金融產品的目標行銷產品，自該分群結果的該等客群中選出一目標客群，其中該目標客群的傾向與該目標行銷產品之間存在有一相對較高關聯性，該挑選伺服器將該目標客群所含的該等客戶作為多個候選客戶，並將多個擷取自該偏好機率結果且分別對應於該等候選客戶對於該目標行銷產品所屬的該種金融產品的偏好機率作為多個候選偏好機率，並且根據該等候選偏好機率、一相關於該等候選偏好機率之分佈的機率閥值、及相關於該等候選客戶其中每一者的排除條件資料，自該等候選客戶選出多 個目標客戶，以產生一包含該等目標客戶之客戶名單資料的挑選結果，及一行銷伺服器，連接該挑選伺服器用以接收該挑選結果，並根據該挑選結果，將一相關於該目標行銷產品的產品訊息傳送至多個分別被該等目標客戶所指定的使用端，以便該等使用端將該產品訊息顯示在其上。
4. 如請求項3所述的智能產品行銷系統，其中，相關於每一候選客戶的該排除條件資料包含相關於客戶自訂條件、客戶信用條件及法規條件其中至少一者的資料。
5. 如請求項3或4所述的智能產品行銷系統，其中：該資料伺服器所儲存的每筆客戶參考資料還包含相關於該對應客戶的排除條件資料；該挑選伺服器連接該資料伺服器，且根據該等候選偏好機率及該機率閥值，自該等候選客戶中選出多個候選客戶，其中該等選出的候選客戶所對應的該等候選偏好機率大於該機率閥值，並傳送一相關於該等選出的候選客戶的排除條件請求至該資料伺服器；該資料伺服器在接收到來自該挑選伺服器的該排除條件請求時，回應於該排除條件請求而將一包含該等選出的候選客戶其中每一者的該排除條件資料的排除條件回覆傳送至該挑選伺服器；及該挑選伺服器在接收到來自該資料伺服器的該排除條件回覆時，根據所接收到的每一選出的候選客戶的該排除條件資料，決定該選出的候選客戶是否必須被排除，且 將該等選出的後選客戶其中被決定為不須被排除者作為該等目標客戶，並根據該等目標客戶，產生該挑選結果。
6. 如請求項3所述的智能產品行銷系統，其中：該通路伺服器及該行銷伺服器還連接該資料伺服器，該通路伺服器及該行銷伺服器其中任一者將一相關於該等客戶其中任一者的行銷結果傳送至該資料伺服器；及該資料伺服器，在接收到來自該通路伺服器及該行銷伺服器其中任一者的該行銷結果時，根據所接收的該行銷結果來更新所儲存的該等筆客戶參考資料。