客户标签的生成方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例涉及数据分析技术领域，提供了一种客户标签的生成方法，包括：获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一目标群体制定与其贡献度标签相对应的客户发展方案；其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签。本发明专利技术实施例可以实现对客户群体的细分，推动客户精细化细分管理。

【技术实现步骤摘要】
客户标签的生成方法、装置、计算机设备及存储介质
本专利技术实施例涉及数据分析
，尤其涉及一种客户标签的生成方法、装置、计算机设备及存储介质。
技术介绍
客户贡献度、客户忠诚度和客户活跃度是公司锁定服务对象、细分服务市场的重要依据。对于银行业来讲，客户贡献度主要根据银行为客户提供某类细分产品或服务时所获得的收益，以及在资产、负债、中收等方面的变化，综合衡量每个客户的贡献。客户活跃度主要分析客户与银行通过交易行为进行交互的活跃程度。客户忠诚度由于质量、价格、服务等诸多因素的影响，使客户对某一产品或服务形成一种“依附性”偏好态度倾向，这种态度倾向使得客户在再次对特定产品或服务有购置需求时，形成偏爱并长期重复购买该产品或服务的趋向。基于银行业复杂的业务情况及数据现状，当需要使用贡献度、忠诚度或活跃度去衡量客户时，往往会局限于根据某一业务或某一系统的数据去分析，造成分析所依赖的业务覆盖度不足，使用的数据不全等问题，最终出现使用模型生成的标签通用性不足、维护成本高、无法精确完成对客户群体的细分。
技术实现思路
有鉴于此，本专利技术实施例的目的是提供一种客户标签的生成方法、装置、计算机设备及计算机可读存储介质，用于解决现有模型生成的标签通用性不足及无法精确完成对客户群体的细分的问题。为实现上述目的，本专利技术实施例提供了一种客户标签的生成方法，包括：获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一所述目标群体制定与其贡献度标签相对应的客户发展方案；其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签，所述贡献水平标签包括多种类型的贡献水平子标签，所述业务类型标签包括多种类型的业务类型子标签。可选地，所述对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体的步骤，包括：依据预设贡献度相关指标对多个所述客户业务数据进行整理，其中所述预设贡献度相关指标包括经济附加值、主要贡献业务、利率；利用K-Means聚类算法对整理后的客户业务数据进行聚类分析，以将多个客户划分为多个群体。可选地，所述根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析的步骤，包括：根据业务成本率和业务收益率对每一所述群体进行拆分，并利用K-Means聚类算法对拆分后的群体以预设贡献度相关指标为维度进行聚类分析，其中所述预设贡献度相关指标包括经济附加值、主要贡献业务、利率。可选地，所述生成方法还包括：从所述客户业务数据中提取目标业务数据；利用RFM模型对所述群体中的每一客户的目标业务数据进行量化，得到客户活跃度分数；根据所述客户活跃度分数所处的分数等级确定客户的活跃度标签；其中所述目标业务数据包括交易业务类型数据、交易金额数据、交易频率数据及交易时间数据。可选地，所述利用RFM模型对所述群体中的每一客户的目标业务数据进行量化，得到客户活跃度分数的步骤，包括：基于存款业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第一活跃度分数；基于贷款业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第二活跃度分数；基于结算业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第三活跃度分数；基于非动账业务的交易笔数、交易距今时长、账户登录次数的分布数据，确定其客户关系管理框架下的第四活跃度分数；对所述第一活跃度得分、所述第二活跃度分数、所述第三活跃度分数及所述第四活跃度得分进行加权求和，得到所述客户活跃度分数，其中所述客户活跃度分数通过以下算式计算得到Scoreall＝4*Scoredep+4*Scorepay+Scoreline+Scoreloan，Scoreall为所述客户活跃度分数，Scoredep为所述第一活跃度分数；Scoreloan为所述第二活跃度分数；Scorepay为所述第三活跃度分数；Scoreline为所述第四活跃度分数。可选地，所述生成方法还包括：基于多个客户业务数据中的开户时长、经济附加值、平均增长率、交易笔数确定客户生命周期的划分规则；根据所述划分规则将所述群体中的客户划分为一个或多个生命周期，并对处于不同生命周期的客户的忠诚度进行评分，以定义客户的忠诚度标签。可选地，所述对每一所述目标群体制定与其贡献度标签相对应的客户发展方案的步骤，包括：根据所述目标群体的每一客户的贡献度标签、活跃度标签及忠诚度标签对每一目标群体制定与其贡献度标签、活跃度标签及忠诚度标签相对应的客户发展方案。为实现上述目的，本专利技术实施例还提供了一种客户标签的生成装置，所述客户标签的生成装置包括：划分模块，用于获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；定义模块，用于基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；制定模块，用于根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一所述目标群体制定与其贡献度标签相对应的客户发展方案，其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签，所述贡献水平标签包括多种类型的贡献水平子标签，所述业务类型标签包括多种类型的业务类型子标签。为实现上述目的，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的客户标签的生成方法的步骤。为实现上述目的，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的客户标签的生成方法的步骤。本专利技术实施例提供的客户标签的生成方法、装置、计算机设备及计算机可读存储介质，通过获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一所述目标群体制与其贡献度标签定相对应的客户发展方案，其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签，所述贡献水平标签包括多种类型的贡献水平子标签，所述业务类型标签本文档来自技高网...

【技术保护点】
1.一种客户标签的生成方法，其特征在于，包括：/n获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；/n基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；/n根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一所述目标群体制定与其贡献度标签相对应的客户发展方案；/n其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签，所述贡献水平标签包括多种类型的贡献水平子标签，所述业务类型标签包括多种类型的业务类型子标签。/n

【技术特征摘要】
1.一种客户标签的生成方法，其特征在于，包括：
获取多个客户业务数据并对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体；
基于预设深度学习网络对每一所述群体的群体特征进行刻画，以定义每一所述群体的特征标签，其中所述特征标签包括贡献水平标签和业务类型标签；
根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析，得到包含有贡献度标签的多个目标群体，以便对每一所述目标群体制定与其贡献度标签相对应的客户发展方案；
其中，所述贡献度标签包括业务类型子标签、贡献水平子标签及成本收益水平子标签，所述贡献水平标签包括多种类型的贡献水平子标签，所述业务类型标签包括多种类型的业务类型子标签。


2.如权利要求1所述的客户标签的生成方法，其特征在于，所述对多个所述客户业务数据进行预处理，以将多个客户划分为多个群体的步骤，包括：
依据预设贡献度相关指标对多个所述客户业务数据进行整理，其中所述预设贡献度相关指标包括经济附加值、主要贡献业务、利率；
利用K-Means聚类算法对整理后的客户业务数据进行聚类分析，以将多个客户划分为多个群体。


3.如权利要求1所述的客户标签的生成方法，其特征在于，所述根据业务成本率和业务收益率对每一所述群体进行拆分并进行聚类分析的步骤，包括：
根据业务成本率和业务收益率对每一所述群体进行拆分，并利用K-Means聚类算法对拆分后的群体以预设贡献度相关指标为维度进行聚类分析，其中所述预设贡献度相关指标包括经济附加值、主要贡献业务、利率。


4.如权利要求1所述的客户标签的生成方法，其特征在于，所述生成方法还包括：
从所述客户业务数据中提取目标业务数据；
利用RFM模型对所述群体中的每一客户的目标业务数据进行量化，得到客户活跃度分数；
根据所述客户活跃度分数所处的分数等级确定客户的活跃度标签；
其中所述目标业务数据包括交易业务类型数据、交易金额数据、交易频率数据及交易时间数据。


5.如权利要求4所述的客户标签的生成方法，其特征在于，所述利用RFM模型对所述群体中的每一客户的目标业务数据进行量化，得到客户活跃度分数的步骤，包括：
基于存款业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第一活跃度分数；
基于贷款业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第二活跃度分数；
基于结算业务的交易金额、交易笔数、交易距今时长的分布数据，确定其客户关系管理框架下的第三活跃度分数；
基于非动账业务的交易笔数、交易距今时长、账户登录次...

【专利技术属性】
技术研发人员：刘文渊，杨斌，毛佩芳，吴晓龙，符荣，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44