【技术实现步骤摘要】
本申请涉及金融科技，特别是涉及一种营销策略的确定方法、装置、存储介质及处理器。
技术介绍
1、在金融产品的推广过程中，为了提高金融产品对用户的吸引力，金融机构通常会采用一些营销策略。以针对农户贷款的营销策略为例，其可采用低利率、灵活还款方式、快速审批等方式，增强用户对金融产品的吸引力和粘性，以帮助金融机构提高用户的满意度和忠诚度。
2、目前，现有的营销策略的确定方法，通常采用主流挖掘目标群体方式，以用户的签约信息、用款信息、交易记录等数据作为主要参数，构建机器学习模型，通过机器学习模型识别潜在用户，并根据潜在用户的特征确定符合用户需求和偏好的营销策略。然而，采用主流挖掘目标群体方式确定营销策略，由于样本数据不完整，难以精准识别潜在用户，导致无法准确制定与用户需求和偏好相匹配的营销策略，从而导致存在营销效果不佳的问题。
技术实现思路
1、基于上述问题，本申请提供了一种营销策略的确定方法、装置、存储介质及处理器，目的是解决现有技术因无法准确的确定与用户相匹配的营销策略，导致存在营销效果不佳的问题，提升营销效果。
2、本申请实施例公开了如下技术方案：
3、本申请第一方面，提供了一种营销策略的确定方法，该方法包括：
4、获取目标用户的用户信息；用户信息中包括基础属性信息和财务信息；
5、将用户信息输入至复杂网络预测模型中，由复杂网络预测模型依据用户信息，确定目标用户与各个用户节点之间的相似度，并基于相似度预测目标用户对应的营销难度
6、基于目标用户对应的营销难度等级从多个营销策略中，确定与目标用户相匹配的目标营销策略。
7、在可选的实现方式中，由复杂网络预测模型依据用户信息，确定目标用户与各个用户节点之间的相似度，包括：
8、由复杂网络预测模型对目标用户的用户信息进行数据分类，得到分类结果；分类结果中包括n个第一属性组，每个第一属性组中包括目标用户对应的多个子属性和每个子属性的数值，多个子属性之间存在关联关系，n为正整数；
9、由复杂网络预测模型依据每个第一属性组的类型，从各个用户节点中获取每个用户对应的n个第二属性组；每个第二属性组中包括用户对应的多个子属性和每个子属性的数值；
10、由复杂网络预测模型依据目标用户对应的第一目标属性组，以及每个用户对应的第二目标属性组，计算第一目标属性组与每个用户对应的第二目标属性组之间的相似度；第一目标属性组为n个第一属性组中的任意一个属性组，第二目标属性组为n个第二属性组中的任意一个属性组，第一目标属性组和第二目标属性组为相同类型的属性组；
11、基于第一目标属性组与每个用户对应的第二目标属性组之间的相似度，以及每个第二属性组的权重值，计算目标用户与各个用户节点之间的相似度；每个第二属性组的权重值用于表征该第二属性组，对评估用户对应的营销难度等级的重要程度。
12、在可选的实现方式中，由复杂网络预测模型依据目标用户对应的第一目标属性组，以及每个用户对应的第二目标属性组，计算第一目标属性组与每个用户对应的第二目标属性组之间的相似度，包括：
13、由复杂网络预测模型获取每个第二属性组中的每个子属性的权重值；每个子属性的权重值用于表征该子属性，对评估用户对应的营销难度等级的重要程度；
14、由复杂网络预测模型基于第一目标属性组中的子属性的数值、每个用户对应的第二目标属性组中的子属性的数值，以及每个子属性的权重值，计算第一目标属性组与每个用户对应的第二目标属性组之间的相似度。
15、在可选的实现方式中，基于相似度预测目标用户对应的营销难度等级，包括：
16、基于目标用户与各个用户节点之间的相似度，从m个用户节点中确定与目标用户相似度最高的用户节点；
17、将相似度最高的用户节点对应的营销难度等级，作为目标用户对应的营销难度等级。
18、在可选的实现方式中，复杂网络预测模型通过如下过程得到：
19、获取样本数据集合；样本数据集合中包括m个用户的用户信息，以及每个用户对应的实际营销难度等级；
20、依据每个用户对应的实际营销难度等级，将样本数据集合中的数据划分为多个社团；每个社团中包括l个用户对应的多个属性组，每个属性组中包括多个子属性和每个子属性的数值；l个用户对应相同的营销难度等级；l为正整数，且l小于m；
21、将每个社团中的用户作为一个用户节点；
22、对每个社团中的各个用户节点之间添加连边，构建复杂网络；
23、依据复杂网络构建复杂网络预测模型。
24、在可选的实现方式中，依据复杂网络构建复杂网络预测模型，包括：
25、依据每个子属性的数值确定该子属性对应的确定度；确定度用于表征该子属性，对评估用户对应的营销难度等级的影响程度；
26、依据各个子属性对应的确定度，确定每个子属性的权重值；
27、基于每个子属性对应的权重值，确定与该子属性相对应的属性组的权重值；
28、基于每个社团中的各个属性组对应的权重值、每个属性组中的各个子属性的权重值，以及复杂网络构建复杂网络预测模型。
29、本申请第二方面，提供了一种营销策略的确定装置，该装置包括：
30、获取模块，用于获取目标用户的用户信息；用户信息中包括基础属性信息和财务信息；
31、预测模块，用于将用户信息输入至复杂网络预测模型中，由复杂网络预测模型依据用户信息，确定目标用户与各个用户节点之间的相似度，并基于相似度预测目标用户对应的营销难度等级；复杂网络预测模型为基于m个用户的用户信息，以及每个用户对应的实际营销难度等级所构建的网络模型，用户与用户节点一一对应，m为正整数；
32、确定模块，用于基于目标用户对应的营销难度等级从多个营销策略中，确定与目标用户相匹配的目标营销策略。
33、可选地，预测模块包括：分类单元，用于由复杂网络预测模型对目标用户的用户信息进行数据分类，得到分类结果；分类结果中包括n个第一属性组，每个第一属性组中包括目标用户对应的多个子属性和每个子属性的数值，多个子属性之间存在关联关系，n为正整数；
34、数据获取单元，用于由复杂网络预测模型依据每个第一属性组的类型，从各个用户节点中获取每个用户对应的n个第二属性组；每个第二属性组中包括用户对应的多个子属性和每个子属性的数值；
35、第一计算单元，用于由复杂网络预测模型依据目标用户对应的第一目标属性组，以及每个用户对应的第二目标属性组，计算第一目标属性组与每个用户对应的第二目标属性组之间的相似度；第一目标属性组为n个第一属性组中的任意一个属性组，第二目标属性组为n个第二属性组中的任意一个属性组，第一目标属性组和第二目标属性本文档来自技高网...
【技术保护点】
1.一种营销策略的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述由所述复杂网络预测模型依据所述用户信息，确定所述目标用户与各个用户节点之间的相似度，包括：
3.根据权利要求2所述的方法，其特征在于，所述由所述复杂网络预测模型依据所述目标用户对应的第一目标属性组，以及每个所述用户对应的第二目标属性组，计算所述第一目标属性组与每个所述用户对应的第二目标属性组之间的相似度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述相似度预测所述目标用户对应的营销难度等级，包括：
5.根据权利要求1所述的方法，其特征在于，所述复杂网络预测模型通过如下过程得到：
6.根据权利要求5所述的方法，其特征在于，所述依据所述复杂网络构建所述复杂网络预测模型，包括：
7.一种营销策略的确定装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述预测模块包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序
10.一种处理器，其特征在于，用于运行计算机程序，所述计算机程序运行时执行如权利要求1-6中任一项所述的营销策略的确定方法。
...【技术特征摘要】
1.一种营销策略的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述由所述复杂网络预测模型依据所述用户信息，确定所述目标用户与各个用户节点之间的相似度，包括：
3.根据权利要求2所述的方法，其特征在于，所述由所述复杂网络预测模型依据所述目标用户对应的第一目标属性组，以及每个所述用户对应的第二目标属性组，计算所述第一目标属性组与每个所述用户对应的第二目标属性组之间的相似度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述相似度预测所述目标用户对应的营销难度等级，包括：
5.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：曾祥蔚，蒋洋，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。