一种基于客户信息的产品推荐方法与流程

1.本发明涉及产品推荐方法技术领域，具体为一种基于客户信息的产品推荐方法。


背景技术：

2.近年来，法人客户特别是大型集团客户的金融业务需求从存、贷、债、现金管理等传统业务不断向股权融资、境外融资、资产管理、互联网金融、商品交易、全球现金管理、企业年金等多元化创新业务转型。银行类金融机构也加快发展速度、加大改革创新力度，以求满足法人客户日益综合化的金融需求。目前，银行类金融机构在服务法人客户各类金融需求的过程中，需要营销人员通过多个系统获取客户评价信息，人工分析风险和收益情况，最后确定具体的产品推荐服务方案。这个过程不仅工作量大，而且容易出现主观或客观的误判风险，无法较好满足客户的金融服务需求，也给金融机构自身带来风险。
3.对于客户提出的服务需求，现有技术需要营销人员通过多个系统、多种渠道获取客户的相关评价信息，并结合客户的金融服务需求，人工做出是否存在风险、出现风险的条件和可能性、预计可以实现的收益情况、并最终确定具体的服务方案。这种客户服务方式存在以下问题：一是营销人员工作量大，客户评价信息和客户各类业务数据散落在各个不同的业务系统，没有对数据进行整合和分析，用户获取信息的成本高，也无法充分发挥系统数据的作用；二是给金融机构自身带来风险：人工分析数据，存在分析结果不一致、容易出现主观或客观的误判风险，影响对客户的整体风控能力，给金融机构的经营活动带来风险；三是影响客户体验，人工分析数据和制定服务方案，存在一定的随意性和不确定性，影响为客户提供统一一致的服务体验。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种基于客户信息的产品推荐方法，解决了传统推送方法不够精确导致产品的购买率底的问题。
5.为实现以上目的，本发明通过以下技术方案予以实现：一种基于客户信息的产品推荐方法，包括以下步骤：
6.s1.采集客户信息:所述客户信息主要包括企业对外公开的工商数据，包括：企业行业信息、企业对外投资信息、法人对外投资任职信息、股东地外投资任职信息、企业股东及出资信息、分支机构信息、企业关联信息、重大税收违法信息、公司的财务信息；
7.s2.产品分类和建立产品使用周期
8.将产品分为高使用周期低复购率、低使用周期高复购率和无限制产品三大类，再将高使用周期低复购率和低使用周期高复购率中的产品进行细分，并设置对应产品的使用周期区间；
9.s3.获取客户的服务需求信息；根据所述服务需求信息中的客户编号，获取所述客户编号对应的客户特征信息；将所述服务需求信息和所述客户特征信息输入需求分析模型，获得所述客户对应的产品推荐服务方案；根据预设的产品信息和所述客户对应的产品
推荐服务方案，为该客户提供相应的产品服务；
10.s4.初步产品推荐
11.依据详细信息客户特征，针对客户的信息进行详细分类和画像，可以将客户按照不同的维度如领域、投资活跃度、稳健程度、成长性、利润负债比、诚信度，做出符合客户性别和年龄段的初步产品推荐；
12.s5.判断客户需求完善客户信息
13.经过s3的初步产品推荐后通过记录客户的对初步推荐产品的浏览类别、点击量、搜索词汇和购买的产品，判断出客户的喜好类别，同时对客户购买的产品，以及客户喜好类别和购物需求信息做出记录，以此来进一步完善扩充基本信息客户的数据和详细信息客户的数据；
14.s6.精准产品推荐
15.通过步骤s4针对客户的喜好，可对每个客户进行更为精确的产品推荐，并记录客户是否购买推荐产品，若客户没有购买，则回到步骤s4的逻辑对客户的喜好和购物需求重新做出判断后再做出推荐，若客户购买产品，则根据步骤s2判断该产品的类别和其使用周期区间，并客户购买产品的使用周期的时间内减少此类产品的推荐频率，当客户购买的产品即将超出使用周期区间时，自动优先推送同类产品。
16.所述无限制产品没有使用周期，若客户购买过无限制产品类别中的产品，则结合s4中的客户的信息，对同类产品进行不同频率的推荐。
17.所述初步产品推荐中无限制产品的数量＞低使用周期高复购率产品的数量＞高使用周期低复购率产品的数量。
18.所述精准产品推荐的同时根据s4中的客户信息做出其他关联产品的推荐。
19.所述服务需求信息还包括：需求编号、产品种类代码、项目名称、币种、意向金额、意向定价、意向期限、累计投放金额、投放余额、申请客户、申请机构、申请时间、客户期望完成日期、需求状态和需求来源；所述产品信息包括：产品种类代码、产品种类名称、产品分类、产品种类优先级和产品来源。
20.本发明实施例的产品推荐方法及系统提供需求分析模型，并将客户特征信息输入需求分析模型中获得产品推荐服务方案，进一步为该客户提供相应的产品服务，从而自动评估分析客户需求，有效减少营销人员人工收集客户信息和分析数据的工作量，提高对客户的整体风控能力，减少经营风险，为客户提供合适的产品和服务。
具体实施方式
21.下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.实施例：
23.s1.采集客户信息:所述客户信息主要包括企业对外公开的工商数据，包括：企业行业信息、企业对外投资信息、法人对外投资任职信息、股东地外投资任职信息、企业股东及出资信息、分支机构信息、企业关联信息、重大税收违法信息、公司的财务信息；
24.s2.产品分类和建立产品使用周期
25.将产品分为高使用周期低复购率、低使用周期高复购率和无限制产品三大类，再将高使用周期低复购率和低使用周期高复购率中的产品进行细分，并设置对应产品的使用周期区间；
26.s3.获取客户的服务需求信息；根据所述服务需求信息中的客户编号，获取所述客户编号对应的客户特征信息；将所述服务需求信息和所述客户特征信息输入需求分析模型，获得所述客户对应的产品推荐服务方案；根据预设的产品信息和所述客户对应的产品推荐服务方案，为该客户提供相应的产品服务；
27.s4.初步产品推荐
28.依据详细信息客户特征，针对客户的信息进行详细分类和画像，可以将客户按照不同的维度如领域、投资活跃度、稳健程度、成长性、利润负债比、诚信度，做出符合客户性别和年龄段的初步产品推荐；
29.s5.判断客户需求完善客户信息
30.经过s3的初步产品推荐后通过记录客户的对初步推荐产品的浏览类别、点击量、搜索词汇和购买的产品，判断出客户的喜好类别，同时对客户购买的产品，以及客户喜好类别和购物需求信息做出记录，以此来进一步完善扩充基本信息客户的数据和详细信息客户的数据；
31.s6.精准产品推荐
32.通过步骤s4针对客户的喜好，可对每个客户进行更为精确的产品推荐，并记录客户是否购买推荐产品，若客户没有购买，则回到步骤s4的逻辑对客户的喜好和购物需求重新做出判断后再做出推荐，若客户购买产品，则根据步骤s2判断该产品的类别和其使用周期区间，并客户购买产品的使用周期的时间内减少此类产品的推荐频率，当客户购买的产品即将超出使用周期区间时，自动优先推送同类产品。
33.无限制产品没有使用周期，若客户购买过无限制产品类别中的产品，则结合s4中的客户的信息，对同类产品进行不同频率的推荐，根据客户的性别、年龄以消费能力来调整合适价格区间的无限制产品的推荐频率。
34.初步产品推荐中无限制产品的数量＞低使用周期高复购率产品的数量＞高使用周期低复购率产品的数量。
35.产品推荐系统包括：
36.需求分析模型单元，用于提供需求分析模型；
37.服务需求信息获取单元，用于获取客户的服务需求信息；
38.客户特征信息单元，用于根据服务需求信息中的客户编号，获取客户编号对应的客户特征信息；
39.产品推荐服务方案获取单元，用于将服务需求信息和客户特征信息输入需求分析模型，获得客户对应的产品推荐服务方案；
40.产品服务单元，用于根据预设的产品信息和客户对应的产品推荐服务方案，为该客户提供相应的产品服务。
41.在其中一种实施例中，需求分析模型单元包括：
42.获取子单元，用于获取客户历史特征信息和历史产品推荐服务方案；
43.模型训练单元，用于根据客户历史特征信息和历史产品推荐服务方案训练预设的机器学习模型，得到需求分析模型。
44.在其中一种实施例中，还包括：
45.接收单元，用于接收客户的需求服务情况信息和客户的业务数据信息；
46.更新单元，用于根据客户的需求服务情况信息更新客户的服务需求信息；
47.需求统一视图单元，用于根据更新后的服务需求信息生成客户的需求统一视图；
48.业务数据统一视图单元，用于根据客户的业务数据信息生成客户的业务数据统一视图。
49.综上，本发明实施例的产品推荐系统提供需求分析模型，并将客户特征信息输入需求分析模型中获得产品推荐服务方案，进一步为该客户提供相应的产品服务，从而自动评估分析客户需求，有效减少营销人员人工收集客户信息和分析数据的工作量，提高对客户的整体风控能力，减少经营风险，为客户提供合适的产品和服务。尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。