[發明專利]一種機器學習與人工規則融合的基金精準營銷方法

在審

• 申請號: 201910360358.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110335057A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 覃劍釗;文聞;杜瑞罡;張漢林;李立峰;蔣榮
• 申請（專利權）人: 廣發證券股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q40/04;G06Q40/06;G06K9/62
• 代理公司: 深圳市卓科知識產權代理有限公司 44534
• 代理人: 邵妍;張金玲

1.一種機器學習與人工規則融合的基金精準營銷方法，其特征在于：包括數據源獲取，數據存儲，特征提取，機器學習模型與人工規則，過濾及模型應用：

其中，數據源獲取：從多個渠道獲取原始數據；

數據存儲：將從數據源獲取的結構化數據和非結構化數據進行整合，提取，去重存儲到HDFS中；

特征提取：從數據庫中提取和構建需要的特征，主要包括用戶的歷史持倉情況和風險承受能力；

機器學習模型與人工規則：對獲取到的數據集進行建模，包括數據清洗、數據預處理(設置最高截斷)、機器學習模型、人工規則制定并打分、協同過濾和客戶預測；

過濾：依據客戶的風險承受能力對名單進行簡單過濾；

模型應用：將模型得到的結果應用到實際的業務中，通過渠道APP推送、郵件、短信以及電話等各種營銷系統做產品推廣，有差異地進行廣告投放。

2.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：數據源包括第一、第二和第三部分，第一部分包括公司業務數據，運維、網站日志數據，第二部分是購買外部數據，第三部分是業務人員在開展業務，調研時收集的數據。

3.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：數據存儲指對各類原始數據進行處理清洗以及整合，加工統計后采集到HDFS中，并且盡可能匯總較多的數據，主要有從公司系統的內部數據收集各種各樣的客戶標簽，包括人口統計標簽，社會屬性標簽，資產標簽，投資能力標簽。

4.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：特征提取包括獲取數據集，依據理財產品類別，刪除重復數據，構造機器學習模型所需要的變量和構造樣本集D；

a.數據集主要指客戶交易數據，以客戶編號、金融理財產品編號、日期(年-月-日)作為主鍵，記錄了客戶在不同時間下對不同理財產品的持倉情況；

b.依據理財產品類別是對數據集依據理財產品的類別分類，如公募股票型基金、公募債券型基金、公募貨幣型基金、公募混合型基金、私募貨幣型基金等，也可以繼續細分；

c.刪除重復數據是清洗得到的數據集，去除冗余重復的數據；

d.構造機器學習模型所需要的變量包括特征A和B：

特征A，基于客戶的交易記錄計算每個客戶各月的某類基金持倉數量變化比例，以該客戶下月的基金持倉數量與當月的基金持倉數量之差除以本月基金持倉數量作為特征A，代表該客戶的基金的購入情況；

特征B，以該客戶下月的基金持倉數量與當月的基金持倉數量之差作為特征B，代表該客戶的基金的購入情況；

e.構造樣本集D，上述數據以客戶ID為主鍵拼接，構造樣本集D。

5.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：機器學習模型與人工規則包括劃分訓練集、測試集、驗證集，確定優化目標Z，機器學習模型和協同過濾模型。

6.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：過濾是出于對客戶偏好的考慮，我們還要依據客戶的風險承受能力對第四步得到的名單進行一次簡單過濾，得到當月的最終預測名單。

7.根據權利要求1所述的機器學習與人工規則融合的基金精準營銷方法，其特征在于：模型應用是將模型得到的結果應用到實際的業務中，通過渠道APP推送以及郵件、短信的營銷系統依據客戶名單做產品推廣，有差異地進行廣告投放。