一种意向数据采集方法及系统技术方案

本发明专利技术涉及一种意向数据采集方法及系统，包括：获取办理业务所需客户信息以及客户欲购买的商品信息；建立客户行为模型；将获取的办理业务所需客户信息以及客户欲购买的商品信息输入至客户行为模型对客户进行分类，得到用户画像数据；将用户画像数据输入至预先设置的循环神经网络模型训练，得到客户办理业务的概率值；根据客户办理业务的概率值制定业务办理方案。通过本方法及系统对客户办理分期业务的购买意向进行分析，根据客户办理业务的概率值制定相应的业务办理方案，可在客户办理意向不明确时，采集尽可能少的客户信息。一方面可减少有购买意向的客户流失，另一方面也可挖掘潜在的有购买意向的客户。在的有购买意向的客户。在的有购买意向的客户。

【技术实现步骤摘要】
一种意向数据采集方法及系统


[0001]本专利技术涉及数据处理
，尤其涉及一种意向数据采集方法及系统。

技术介绍

[0002]流量一直是市场竞争的主要资源，精简的必填信息和渠道的可扩展可以有效提升竞争力。银行专项分期产品包括：购车分期、装修分期、分期通、教育分期、车生活分期。传统客户办理银行专项分期申请业务，需前往网点的柜面渠道或通过客户经理的PAD渠道，且填写信息繁多，增加了客户的时间成本。且专项分期申请业务的客户方案不够智能，未考虑到用户的办理意向及办理需求，未能挖掘出潜在客户需求以及造成了有意向客户的流失。

技术实现思路

[0003]为解决现有技术的不足，本专利技术提出一种意向数据采集方法及系统。
[0004]通过本方法及系统对客户办理分期业务的购买意向进行采集，将采集后的购买意向数据输入至建立的客户行为模型，将得到的用画像数据输入至循环神经网络模型中，获得客户办理业务的概率值，根据客户办理业务的概率值制定相应的业务办理方案，可在客户办理意向不明确时，采集尽可能少的客户信息，根据建立的模型分析客户的购买意向，根据客户的购买意向制定相应的业务办理方案。一方面可减少有购买意向的客户流失，另一方面也可挖掘潜在的有购买意向的客户。
[0005]为实现以上目的，本专利技术所采用的技术方案包括：
[0006]一种意向数据采集方法，其特征在于，包括：
[0007]S1、获取办理业务所需客户信息以及客户欲购买的商品信息；
[0008]S2、建立客户行为模型；
>[0009]S3、将获取的办理业务所需客户信息以及客户欲购买的商品信息输入至客户行为模型对客户进行分类，得到用户画像数据；
[0010]S4、将用户画像数据输入至预先设置的循环神经网络模型训练，得到客户办理业务的概率值；
[0011]S5、根据客户办理业务的概率值制定业务办理方案。
[0012]进一步地，所述循环神经网络模型包括第一循环神经网络模型和第二循环神经网络模型。
[0013]进一步地，所述步骤S4包括子步骤：
[0014]将用户画像数据输入至预先设置的第一循环神经网络模型，得到办理意向预测信息；
[0015]将办理意向预测信息输入至预先设置的第二循环神经网络模型，得到客户办理业务的概率值。
[0016]进一步地，所述办理业务所需客户信息包括客户姓名、证件号码及联系方式。
[0017]进一步地，所述客户行为模型对办理业务所需客户信息以及客户欲购买的商品信
息进行特征提取与特征容融合。
[0018]进一步地，所述步骤S5包括子步骤：
[0019]根据业务办理方案将业务交易产品智能推送给客户。
[0020]本专利技术还涉及一种意向数据采集系统，其特征在于，包括：
[0021]数据采集模块，用于获取办理业务所需客户信息以及客户欲购买的商品信息；
[0022]行为模型建立模块，用于建立客户行为模型；
[0023]用户画像构建模块，用于将获取的办理业务所需客户信息以及客户欲购买的商品信息输入至客户行为模型对客户进行分类，得到用户画像数据；
[0024]训练模块，用于将用户画像数据输入至预先设置的循环神经网络模型训练，得到客户办理业务的概率值；
[0025]业务办理方案制定模块，用于制定业务办理方案。
[0026]本专利技术还涉及一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的意向数据采集方法。
[0027]本专利技术还涉及一种电子设备，其特征在于，包括处理器和存储器；
[0028]所述存储器，用于存储客户行为模型和循环神经网络模型；
[0029]所述处理器，用于通过调用客户行为模型和循环神经网络模型，执行上述的意向数据采集方法。
[0030]本专利技术的有益效果为：
[0031]采用本专利技术所述方法及系统对客户办理分期业务的购买意向进行采集，将采集后的购买意向数据输入至建立的客户行为模型，将得到的用画像数据输入至循环神经网络模型中，获得客户办理业务的概率值，根据客户办理业务的概率值制定相应的业务办理方案，可在客户办理意向不明确时，采集尽可能少的客户信息，根据建立的模型分析客户的购买意向，在分析客户购买意向的基础上制定相应的业务办理方案。一方面可减少有购买意向的客户流失，另一方面也可挖掘潜在的有购买意向的客户。
附图说明
[0032]图1为本专利技术意向数据采集方法流程示意图。
[0033]图2为本专利技术意向数据采集系统结构示意图。
具体实施方式
[0034]为了更清楚的理解本专利技术的内容，将结合附图和实施例详细说明。
[0035]本专利技术第一方面涉及一种步骤流程如图1所示的方法，包括：
[0036]获取办理业务所需客户信息以及客户欲购买的商品信息；
[0037]获取客户信息及客户欲购买的商品信息的途径包括：合作经销提供、手机银行App、银行网点柜台。
[0038]优选地，本系统也可通过嵌入式的开发方式接入进第三方应用内，通过第三方应用获取客户信息及客户欲购买的商品信息。
[0039]客户信息包括客户姓名、证件号码及联系方式；客户欲购买的商品信息包括商品的类别、商品的具体内容、商品的价格、商品的品牌、商品的用途。
[0040]获取了客户信息后，将客户信息存储至进本系统的服务器内存中，总控线程会为每位客户配置一个专属的客户存储列表，客户存储列表用于存储客户信息以及客户欲购买的商品信息。
[0041]根据对相关客户行为分析的经验，建立客户行为模型，建立模型所依据的参考项包括：客户信息、客户欲购买的商品信息、相关客户办理业务的意愿、相关客户选择的分期次数、相关客户每期的还款情况。
[0042]将获取的办理业务所需客户信息以及客户欲购买的商品信息输入至客户行为模型对客户进行分类，得到每类用户的用户画像数据。客户行为模型对办理业务所需客户信息以及客户欲购买的商品信息进行特征提取与特征容融合。
[0043]建立循环神经网络模型，本实施例使用了两种神经网络模型：多层感知器(MLP)和长短期记忆网络模型(LSTM)。MLPs是最简单的神经网络形式，从模型中输入，并使用特定的权重，这些值通过隐藏层被向前输入以产生输出。通过隐藏层的反向传播来改变每个神经元之间的权值并由此进行学习。长短期记忆网络模型则对梯度消失问题进行了优化。
[0044]通过KERAS向网络添加层，进而能够快速改变层的数量和层的类型，在优化网络时更为方便。通过创建序列模型并在序列模型上添加全连接层，进而创建了一个带有两个隐藏层的MLP，每个层都有100个神经元。
[0045]Adam优化器是一种更有效的优化算法，因此在机器学习领域越来越受欢迎。自适应梯度算法(AdaGrad)，保持每个参数的学习速率，提高了稀疏梯度问题(例如自然语言和计算机视觉问题)的性能。均方根传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种意向数据采集方法，其特征在于，包括：S1、获取办理业务所需客户信息以及客户欲购买的商品信息；S2、建立客户行为模型；S3、将获取的办理业务所需客户信息以及客户欲购买的商品信息输入至客户行为模型对客户进行分类，得到用户画像数据；S4、将用户画像数据输入至预先设置的循环神经网络模型训练，得到客户办理业务的概率值；S5、根据客户办理业务的概率值制定业务办理方案。2.如权利要求1所述的方法，其特征在于，所述循环神经网络模型包括第一循环神经网络模型和第二循环神经网络模型。3.如权利要求2所述的方法，其特征在于，所述步骤S4包括子步骤：将用户画像数据输入至预先设置的第一循环神经网络模型，得到办理意向预测信息；将办理意向预测信息输入至预先设置的第二循环神经网络模型，得到客户办理业务的概率值。4.如权利要求1所述的方法，其特征在于，所述办理业务所需客户信息包括客户姓名、证件号码及联系方式。5.如权利要求1所述的方法，其特征在于，所述客户行为模型对办理业务所需客户信息以及客户欲购买的商品信息进行特征提取与特征容融合。6.如权利要求1所述的方法，其特征在于，所述步骤S5包括子步骤：根...

【专利技术属性】
技术研发人员：纪蓬春，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：