一种基于客户资源的分类管理方法技术

本发明专利技术涉及金融数据处理技术领域，具体涉及一种基于客户资源的分类管理方法，方法包括：通过获得每个客户的金融信息及对应客户的分量信息，根据每个客户的所有分量信息获得客户类别和对应客户密度，获得每个客户类别的各个分量信息偏差度，根据每个客户类别的所有分量信息偏差度和对应客户密度获得偏差度，进而筛选出待检测客户类别。获得每个待检测客户类别的保留度，进而筛选出保留客户类别并赋予特殊类别标签。本发明专利技术中将客户在RFM模型中的数据先进行粗分类，再通过偏差率和类内密度对分类后的类别进行进一步区别并给保留客户类别赋予特殊类别标签，实现了对客户的精准分类，增强客户识别的准确性，减少分类误差。减少分类误差。减少分类误差。

【技术实现步骤摘要】
一种基于客户资源的分类管理方法


[0001]本专利技术涉及金融数据处理
，具体涉及一种基于客户资源的分类管理方法。

技术介绍

[0002]在现有的金融CRM管理系统中，以客户为中心，帮助公司更好地服务客户，提高客户满意度。而在公司的金融销售中，为了保证金融公司的收益，需要对客户进行分类管理，对客户的历史数据进行分类，得到不同类别的客户，公司对不同类别的客户采取相应类别的回访方式，定制合理的回访策略，以提高公司收益。
[0003]但是现有金融CRM管理系统在对客户进行分类时，往往是通过RFM模型所建立三维坐标系，根据客户历史数据在不同坐标系上的分布对客户进行分类，仅通过对客户进行粗划分，分类结果存在较大误差。对客户数据在RFM模型获得的指标进行聚类获得客户分类结果，根据聚类划分的分类结果存在较大误差，不能对客户进行精准划分。根据层次分析法和熵值法对数据进行分析，再进行聚类获得客户价值评价，对样本依赖性太大无法对一个新型类别的客户进行准确判断，计算过于复杂，缺少实用性。这些对客户的分类方法都可能会使得公司制定回访策略时，出现细节上的错误，从而可能造成公司资源浪费，或者所定制回访策略对客户针对性不强，造成客户留存失败，导致公司出现损失。

技术实现思路

[0004]为了解决现有技术中对客户类别的划分结果存在较大误差的技术问题，本专利技术的目的在于提供一种基于客户资源的分类管理方法，所采用的技术方案具体如下：
[0005]本专利技术提出一种基于客户资源的分类管理方法，所述方法包括：
>[0006]获得每个客户的金融信息；将每个客户的金融信息在RFM模型中进行归一化，获取对应客户的至少两个分量信息；
[0007]根据每个客户的所有分量信息对所有客户进行分类，获得至少两个客户类别和对应客户类别的客户密度；分别获得每个客户类别的各个分量信息偏差度；根据每个客户类别的所有分量信息偏差度和对应客户类别的客户密度获得每个客户类别的偏差度；
[0008]根据所有客户类别的偏差度筛选出至少两个待检测客户类别；选定一个分量信息作为保留信息，根据每个待检测客户类别的保留信息和对应待检测客户类别的偏差度获得每个待检测客户类别的保留度；
[0009]根据每个待检测客户类别的保留度筛选出保留客户类别并赋予特殊类别标签。
[0010]进一步的，所述每个客户的金融信息包括：
[0011]每个客户的金融信息包括每个客户购买金融产品的时间和所购金融产品的价值。
[0012]进一步的，所述每个客户分量信息的获取方法包括：
[0013]所述分量信息包括对应客户的时间分量信息、频率分量信息和价值分量信息；
[0014]将每个客户的金融信息置于RFM模型中，分别获得对应客户的最近消费时间间隔、
消费频率和消费金额；对每个客户的最近消费时间间隔、消费频率和消费金额分别进行归一化，获得每个客户的时间间隔特征、频率特征和金额特征；将每个客户的时间间隔特征进行负相关处理，获得每个客户的时间间隔负相关特征；
[0015]将每个客户的时间间隔负相关特征与所有客户的时间间隔负相关特征均值作差，将时间间隔负相关差值作为每个客户的时间分量信息；将每个客户的频率特征与所有客户的频率特征均值作差，将频率差值作为每个客户的频率分量信息；将每个客户的金额特征与所有客户的金额特征均值作差，将金额差值作为每个客户的价值分量信息。
[0016]进一步的，所述每个客户类别的各个分量信息偏差度的获取方法包括：
[0017]对任意一个客户类别，分别得到每个客户类别各个分量信息的正值数量和负值数量，将各分量信息的正值数量和负值数量组成符号数量集合；将对应客户类别的符号数量集合中最小值与最大值的比值作为对应分量信息的分量信息偏差度。
[0018]进一步的，所述每个客户类别的偏差度的获取方法包括：
[0019]对任意一个客户类别，获得对应客户类别的所有分量信息偏差度的均值，将均值与对应客户类别的客户密度的比值作为对应客户类别的偏差度。
[0020]进一步的，所述待检测客户类别的获取方法包括：
[0021]对任意一个客户类别，若对应客户类别的偏差度大于预设偏差阈值，则对应客户类别为待检测客户类别。
[0022]进一步的，所述每个待检测客户类别的保留度的获取方法包括：
[0023]选定分量信息中的价值分量信息作为保留信息，将每个待检测客户类别中所有客户的保留信息均值与对应待检测客户类别的偏差度相乘，获得对应待检测客户类别的价值保留度；将价值保留度的数值范围进行修正获得对应待检测客户类别的保留度。
[0024]进一步的，所述保留客户类别的获取方法包括：
[0025]若待检测客户类别的保留度大于预设保留阈值，则对应待检测客户类别为保留客户类别。
[0026]进一步的，筛选出保留客户类别后还包括：
[0027]根据多种回访资源为存在特殊类别标签的客户定制回访方案；
[0028]将所有客户类别中除保留客户类别之外的其他客户类别作为普通客户类别，根据价值分量信息的高低对普通客户类别的客户分配回访方案。
[0029]本专利技术具有如下有益效果：
[0030]本专利技术实施例中，通过获得每个客户的金融信息及对应客户的至少两个分量信息，根据每个客户的所有分量信息对所有客户进行分类，获得至少两个客户类别和对应客户类别的客户密度，首先对客户进行粗分类，将类型相似的客户划分一个客户类别，为后续分析提供基础。分别获得每个客户类别的各个分量信息偏差度，根据每个客户类别的所有分量信息偏差度和对应客户类别的客户密度获得每个客户类别的偏差度，通过每个客户类别的偏差度能够判断出对应客户类别中客户分类的准确性，减少后续分析的误差。根据所有客户类别的偏差度筛选出至少两个待检测客户类别，并获得每个待检测客户类别的保留度，从类别内数据特征分析能够较少误差，根据保留度对类别进行精准划分，能够增强客户分类的准确性。根据每个待检测客户类别的保留度筛选出保留客户类别并赋予特殊类别标签，完成对客户的细分类，实现了对客户的精准分类。本专利技术中将客户在RFM模型中的数据
先进行粗分类，再通过偏差率和类内密度对分类后的类别进行进一步区别并给保留客户类别赋予特殊类别标签，实现了对客户的精准分类，增强客户识别的准确性，减少分类误差。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0032]图1为本专利技术一个实施例所提供的一种基于客户资源的分类管理方法流程图。
具体实施方式
[0033]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于客户资源的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于客户资源的分类管理方法，其特征在于，该方法包括以下步骤：获得每个客户的金融信息；将每个客户的金融信息在RFM模型中进行归一化，获取对应客户的至少两个分量信息；根据每个客户的所有分量信息对所有客户进行分类，获得至少两个客户类别和对应客户类别的客户密度；分别获得每个客户类别的各个分量信息偏差度；根据每个客户类别的所有分量信息偏差度和对应客户类别的客户密度获得每个客户类别的偏差度；根据所有客户类别的偏差度筛选出至少两个待检测客户类别；选定一个分量信息作为保留信息，根据每个待检测客户类别的保留信息和对应待检测客户类别的偏差度获得每个待检测客户类别的保留度；根据每个待检测客户类别的保留度筛选出保留客户类别并赋予特殊类别标签。2.根据权利要求1所述的一种基于客户资源的分类管理方法，其特征在于，所述每个客户的金融信息包括：每个客户的金融信息包括每个客户购买金融产品的时间和所购金融产品的价值。3.根据权利要求2所述的一种基于客户资源的分类管理方法，其特征在于，所述每个客户分量信息的获取方法包括：所述分量信息包括对应客户的时间分量信息、频率分量信息和价值分量信息；将每个客户的金融信息置于RFM模型中，分别获得对应客户的最近消费时间间隔、消费频率和消费金额；对每个客户的最近消费时间间隔、消费频率和消费金额分别进行归一化，获得每个客户的时间间隔特征、频率特征和金额特征；将每个客户的时间间隔特征进行负相关处理，获得每个客户的时间间隔负相关特征；将每个客户的时间间隔负相关特征与所有客户的时间间隔负相关特征均值作差，将时间间隔负相关差值作为每个客户的时间分量信息；将每个客户的频率特征与所有客户的频率特征均值作差，将频率差值作为每个客户的频率分量信息；将每个客户的金额特征与所有客户的金额特征均值作差，将金额差值作为每个客户的价值分量信息。4.根据权...

【专利技术属性】
技术研发人员：顾俊，袁岗峰，高辉，
申请(专利权)人：乖乖数字科技苏州有限公司，
类型：发明
国别省市：