[發(fā)明專利]一種面向三農(nóng)客戶畫像的精準(zhǔn)營(yíng)銷構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010938441.1
• 申請(qǐng)日: 2020-09-09
• 公開（公告）號(hào): CN112116448A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 戴小玲
• 申請(qǐng)（專利權(quán)）人: 中國(guó)農(nóng)業(yè)銀行股份有限公司湖南省分行
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06Q40/06;G06K9/62;G06F16/2458
• 代理公司: 長(zhǎng)沙市和協(xié)專利代理事務(wù)所(普通合伙) 43115
• 代理人: 王培苓

1.一種面向三農(nóng)客戶畫像的精準(zhǔn)營(yíng)銷構(gòu)建方法，其特征在于，包括以下步驟：

步驟1，三農(nóng)客戶的數(shù)據(jù)準(zhǔn)備及數(shù)據(jù)預(yù)處理，通過設(shè)定時(shí)間和空間的復(fù)合條件進(jìn)行樣本選擇，包括客戶的基本信息、資金交易數(shù)據(jù)和資產(chǎn)使用信息，保留有效的惠農(nóng)用戶銀行產(chǎn)品、資金處理的行為習(xí)慣數(shù)據(jù)；

步驟2，進(jìn)行用戶標(biāo)簽分類，并同時(shí)對(duì)用戶進(jìn)行分層，進(jìn)一步從用戶標(biāo)簽分類中引導(dǎo)出用戶標(biāo)簽指標(biāo)，從用戶分層中引導(dǎo)出用戶分層維度，通過對(duì)用戶標(biāo)簽指標(biāo)和用戶分層維度的融合，結(jié)合為每個(gè)用戶量化的用戶價(jià)值指數(shù)，建立用戶畫像模型，通過建立單個(gè)用戶的畫像模型，對(duì)金融客戶群進(jìn)行整體用戶分布畫像，通過用戶的一級(jí)標(biāo)簽或細(xì)分的二級(jí)標(biāo)簽進(jìn)行整體分析；步驟3：模型訓(xùn)練階段，本發(fā)明選用XGBoost集成分類器訓(xùn)練模型，對(duì)處理后的樣本和標(biāo)定的類標(biāo)簽進(jìn)行訓(xùn)練，每個(gè)產(chǎn)品訓(xùn)練一個(gè)XGBOOST模型；

步驟4，通過XGBOOST模型篩選重要特征，得到重要特征集合以及每個(gè)客戶的預(yù)測(cè)值；

步驟5，利用重要特征和預(yù)測(cè)值構(gòu)建銀行產(chǎn)品的潛在客戶的客戶畫像，根據(jù)步驟4得到的重要特征集可以構(gòu)建客戶畫像，根據(jù)客戶購買某項(xiàng)產(chǎn)品的概率預(yù)測(cè)值來進(jìn)行精準(zhǔn)營(yíng)銷；

步驟6，將模型得到的結(jié)果與貴賓客戶迎客系統(tǒng)對(duì)接，在系統(tǒng)識(shí)別出客戶后，給出精準(zhǔn)營(yíng)銷策略，以便網(wǎng)點(diǎn)客戶經(jīng)理更大概率營(yíng)銷成功。

2.根據(jù)權(quán)利要求1所述的面向三農(nóng)客戶畫像的精準(zhǔn)營(yíng)銷構(gòu)建方法，其特征在于，數(shù)據(jù)預(yù)處理具體包括以下步驟：數(shù)據(jù)預(yù)處理第一步特征篩選，剔除缺失比例高于90％的特征；接下來處理缺失值，因?yàn)樵紨?shù)據(jù)中存在某個(gè)特征的值缺失的情況，處理缺失值的方法是使用均值替代，如果空值是數(shù)值型的，就根據(jù)該屬性在其他所有對(duì)象的取值的平均值來填充該缺失的屬性值；如果空值是非數(shù)值型的，就根據(jù)統(tǒng)計(jì)學(xué)中的眾數(shù)原理，用該屬性在其他所有對(duì)象的取值次數(shù)最多的值來補(bǔ)齊該缺失的屬性值，對(duì)于連續(xù)型變量，做標(biāo)準(zhǔn)化處理；對(duì)于離散型變量，做獨(dú)熱編碼；對(duì)金融類特征做對(duì)數(shù)處理。

3.根據(jù)權(quán)利要求2所述的面向三農(nóng)客戶畫像的精準(zhǔn)營(yíng)銷構(gòu)建方法，其特征在于，所述步驟2具體為：將客戶在目前已有行為下的數(shù)據(jù)和銀行產(chǎn)品的相關(guān)規(guī)則作為模型的輸入，計(jì)算客戶基于目前在銀行的行為習(xí)慣、銀行產(chǎn)品規(guī)則的產(chǎn)品購買概率。