[发明专利]一种挖掘潜在客户的数学模型

说明书

本发明公开了一种挖掘潜在客户的数学模型，其主要包括以下步骤：数据库取数；数据预处理过程；理财产品的各个子模型单独进行分布式计算；各子模型进行比较；从数据库中另取和训练数据同等规模的有销售数据的数据，进行步骤2操作，获得测试数据；通过判断测试结果是否表现突出，使用模型比较过程衡量是否突出；使用相似度、概率和e值来进行衡量；对每种产品均建立预测模型，最终构建出银行所有产品的预测模块；从数据库取全量数据，进行步骤2操作，然后启动预测模块；获得客户×产品预测推荐矩阵，该矩阵一方面获得产品的潜在客户名单，另一方面获得客户推荐的产品列表。本发明对客户行为做出预测方面的空白，且精确度更高，更适合进行精准营销。

技术领域

本发明涉及一种客户的挖掘方法，尤其是一种挖掘潜在客户的数学模型。

背景技术

理财产品，即由商业银行和正规金融机构自行设计并发行，将募集到的资金根据产品合同约定投入相关金融市场及购买相关金融产品，获取投资收益后，根据合同约定分配给投资人的一类理财产品。传统售卖理财产品的方式成本高、效率低且经常伴随着客户满意度的下降，从而催生了银行对于精准营销和提高客产服务质量的需求。目前在市场竞争日益激烈的时代，不断拓展更多的新客户，从众多的普通人群或已经购买过理财产品中有效挖掘出潜在客户群体，并努力将潜在客户转换成为真实客户，银行就能获得更多效益以及市场竞争优势。

近年来，互联网金融兴起，一定程度上冲击了银行业务，使得银行对于精准营销和提高服务质量的需求越来越强烈。

但现有技术主要从业务的角度进行业务流程优化和营销设计，不考虑银行存量客户对理财产品的需求和需求强度，因而很难达到精准营销的目的，而且反复向没有需求的客户推荐产品，反而降低了客户满意度。

发明内容

本发明的目的是为了解决上述现有技术的不足而提供一种挖掘潜在客户的数学模型。其主要从技术角度通过对银行存量客户进行大数据挖掘，从而挖掘出对理财产品有强烈需求的潜在目标客户进行精细化营销，将合适的产品营销给有强烈需求的客户，从而实现精准营销、客户满意度增加以及利润增加的目标。

本发明公开的一种挖掘潜在客户的数学模型，其预先定义客户C，产品I，购买金额y，预测购买金额其主要包括以下步骤：

S1)数据库取数，通过在银行存量客户的信息汇总的数据库中读取客户信息数据；

S2)数据预处理过程，所述数据预处理过程，其包括客户特征筛选、数据清洗和数据治理过程，最终输出符合要求的数据作为训练数据；训练数据Train＝{C1，C2，C3，Cm，.....Cn}T，训练数据的特征和购买金额构成矩阵；

S3)理财产品的各个子模型单独进行分布式计算；

S4)各子模型进行比较，表现突出者作为对应产品的预测模型输出，用于测试数据测试，并作为最终的全量数据预测模型，其他子模型舍弃；

S5)从数据库中另取和训练数据同等规模的有销售数据的数据，进行步骤S2操作，获得测试数据Test＝{C′1，C′2，C′3，.....C′n}T；将测试数据导入该产品预测模型，进行运算；

S6)通过判断测试结果是否表现突出，使用模型比较过程衡量是否突出；使用相似度、概率和衡量预测购买金额和真实购买金额y之间误差程度的函数e值来进行衡量，若测试数据的输出在相似度、概率以及e值上的表现和训练数据的最终表现符合预期，则认为该预测模型表现突出，作为全量数据的预测模型；否则，增加训练数据量重新返回步骤S2、S3、S4；

S7)对每种产品均建立预测模型，最终构建出银行所有产品的预测模块；

S8)从数据库取全量数据，进行S2操作，然后启动预测模块；

S9)获得客户C×产品预测推荐矩阵，该矩阵一方面获得产品的潜在客户名单，另一方面获得客户推荐的产品列表；