[發明專利]一種挖掘潛在客戶的數學模型

有效

• 申請號: 201710567894.6
• 申請日: 2017-07-13
• 公開（公告）號: CN109255638B
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 廖繼全
• 申請（專利權）人: 北京融和友信科技股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/06
• 代理公司: 北京艾格律詩專利代理有限公司 11924
• 代理人: 謝毅

本發明公開了一種挖掘潛在客戶的數學模型，其主要包括以下步驟：數據庫取數；數據預處理過程；理財產品的各個子模型單獨進行分布式計算；各子模型進行比較；從數據庫中另取和訓練數據同等規模的有銷售數據的數據，進行步驟2操作，獲得測試數據；通過判斷測試結果是否表現突出，使用模型比較過程衡量是否突出；使用相似度、概率和e值來進行衡量；對每種產品均建立預測模型，最終構建出銀行所有產品的預測模塊；從數據庫取全量數據，進行步驟2操作，然后啟動預測模塊；獲得客戶×產品預測推薦矩陣，該矩陣一方面獲得產品的潛在客戶名單，另一方面獲得客戶推薦的產品列表。本發明對客戶行為做出預測方面的空白，且精確度更高，更適合進行精準營銷。

技術領域

本發明涉及一種客戶的挖掘方法，尤其是一種挖掘潛在客戶的數學模型。

背景技術

理財產品，即由商業銀行和正規金融機構自行設計并發行，將募集到的資金根據產品合同約定投入相關金融市場及購買相關金融產品，獲取投資收益后，根據合同約定分配給投資人的一類理財產品。傳統售賣理財產品的方式成本高、效率低且經常伴隨著客戶滿意度的下降，從而催生了銀行對于精準營銷和提高客產服務質量的需求。目前在市場競爭日益激烈的時代，不斷拓展更多的新客戶，從眾多的普通人群或已經購買過理財產品中有效挖掘出潛在客戶群體，并努力將潛在客戶轉換成為真實客戶，銀行就能獲得更多效益以及市場競爭優勢。

近年來，互聯網金融興起，一定程度上沖擊了銀行業務，使得銀行對于精準營銷和提高服務質量的需求越來越強烈。

但現有技術主要從業務的角度進行業務流程優化和營銷設計，不考慮銀行存量客戶對理財產品的需求和需求強度，因而很難達到精準營銷的目的，而且反復向沒有需求的客戶推薦產品，反而降低了客戶滿意度。

發明內容

本發明的目的是為了解決上述現有技術的不足而提供一種挖掘潛在客戶的數學模型。其主要從技術角度通過對銀行存量客戶進行大數據挖掘，從而挖掘出對理財產品有強烈需求的潛在目標客戶進行精細化營銷，將合適的產品營銷給有強烈需求的客戶，從而實現精準營銷、客戶滿意度增加以及利潤增加的目標。

本發明公開的一種挖掘潛在客戶的數學模型，其預先定義客戶C，產品I，購買金額y，預測購買金額其主要包括以下步驟：

S1)數據庫取數，通過在銀行存量客戶的信息匯總的數據庫中讀取客戶信息數據；

S2)數據預處理過程，所述數據預處理過程，其包括客戶特征篩選、數據清洗和數據治理過程，最終輸出符合要求的數據作為訓練數據；訓練數據Train＝{C1，C2，C3，Cm，.....Cn}T，訓練數據的特征和購買金額構成矩陣；

S3)理財產品的各個子模型單獨進行分布式計算；

S4)各子模型進行比較，表現突出者作為對應產品的預測模型輸出，用于測試數據測試，并作為最終的全量數據預測模型，其他子模型舍棄；

S5)從數據庫中另取和訓練數據同等規模的有銷售數據的數據，進行步驟S2操作，獲得測試數據Test＝{C′1，C′2，C′3，.....C′n}T；將測試數據導入該產品預測模型，進行運算；

S6)通過判斷測試結果是否表現突出，使用模型比較過程衡量是否突出；使用相似度、概率和衡量預測購買金額和真實購買金額y之間誤差程度的函數e值來進行衡量，若測試數據的輸出在相似度、概率以及e值上的表現和訓練數據的最終表現符合預期，則認為該預測模型表現突出，作為全量數據的預測模型；否則，增加訓練數據量重新返回步驟S2、S3、S4；

S7)對每種產品均建立預測模型，最終構建出銀行所有產品的預測模塊；

S8)從數據庫取全量數據，進行S2操作，然后啟動預測模塊；

S9)獲得客戶C×產品預測推薦矩陣，該矩陣一方面獲得產品的潛在客戶名單，另一方面獲得客戶推薦的產品列表；