[发明专利]一种适用于金融场景的客户洞察方法和系统

说明书

技术领域

本发明涉及计算机软件领域、智能手机应用软件领域，具体涉及一种适用于金融场景的客户洞察方法和系统。

背景技术

在金融领域，通常会引入一些用户洞察的方法，目的是更好的了解客户的个人情况与资产现状，从而达到相应的商业目的，比如：提升金融产品的销售业绩、有效金融风险等。传统的用户洞察，通常采用权重打分方法。通过设计包含诸如：年龄、收入、是否有投资经验(股票、基金等)等问题的问卷，然后根据填写情况，把用户简单的归为若干类型，并提供相应服务。这种人工洞察的方法不仅获取信息量小，并且效率非常低。

发明内容

针对上述现有技术的不足，本发明提出一种适用于金融场景的客户洞察方法和系统，能够提供高效的数据处理方法。

本发明公开了一种适用于金融场景的客户洞察方法，包括：

获取用户的多个预设维度的金融数据；

根据预先设置的数据分析模型，对所述金融数据进行分析，获取所述多个预设维度的金融数据中的每个预设维度的金融数据的分析值；

根据所述金融数据和所述分析值，输出针对所述用户的分析结果。

在本公开一实施例中，所述根据预先设置的数据分析模型，对所述金融数据进行分析，包括：

当所述金融数据存在更新时，对更新的金融数据进行平滑函数取值计算；

根据预先设置的数据分析模型对取值计算后的金融数据进行分析。

在本公开一实施例中，所述获取关于用户的金融数据包括：通过以下方式中的一种或多种来获取所述金融数据：

提取与用户的智能对话交互中的预设信息，所述预设信息包括关键词、对话时长；

记录用户所登录的场景信息，所述场景信息包括页面埋点数据、用户状态、轨迹；

采集用户在应用程序中的操作数据，所述操作数据包括页面停留时间、所持有产品、状态；

记录用户对于问卷调查的答案信息，所述答案信息包括问卷的内容，回答时长、间隔；

所述预设维度包括以下中的多个：资金实力、投资经验、风险偏好、收益目标、性格特征和投资期限。

在本公开一实施例中，所述根据预先设置的数据分析模型，对所述金融数据进行分析获取分析结果，包括：使用以下数据分析模型中的一种或多种，对所述金融数据进行分析获取分析结果：NLP陪伴洞察模型、神经网络、加权决策树模型、先验知识贝叶斯模型和行为金融学模型。

在本公开一实施例中，所述根据所述金融数据和所述分析值，输出针对所述用户的分析结果，包括：

根据预设维度以及每个预设维度对应的权重值，将所述分析值进行图形化；

输出图形化的分析值。

本发明还提供一种适用于金融场景的客户洞察系统，包括：

获取模块，用于获取用户的多个预设维度的金融数据；

分析模块，用于根据预先设置的数据分析模型，对所述金融数据进行分析，获取所述多个预设维度的金融数据中的每个预设维度的金融数据的分析值；

输出模块，用于根据所述金融数据和所述分析值，输出针对所述用户的分析结果。

在本公开一实施例中，所述分析模块还用于：

当所述金融数据存在更新时，对更新的金融数据进行平滑函数取值计算；

根据预先设置的数据分析模型对取值计算后的金融数据进行分析。

在本公开一实施例中，所述获取模块还用于通过以下方式中的一种或多种来获取所述金融数据：

提取与用户的智能对话交互中的预设信息，所述预设信息包括关键词、对话时长；

记录用户所登录的场景信息，所述场景信息包括页面埋点数据、用户状态、轨迹；

采集用户在应用程序中的操作数据，所述操作数据包括页面停留时间、所持有产品、状态；

记录用户对于问卷调查的答案信息，所述答案信息包括问卷的内容，回答时长、间隔；

所述预设维度包括以下中的多个：资金实力、投资经验、风险偏好、收益目标、性格特征和投资期限。

在本公开一实施例中，所述分析模块还用于：使用以下数据分析模型中的一种或多种，对所述金融数据进行分析获取分析结果：NLP陪伴洞察模型、神经网络、加权决策树模型、先验知识贝叶斯模型和行为金融学模型。

在本公开一实施例中，所述输出模块，还用于：

根据预设维度以及每个预设维度对应的权重值，将所述分析值进行图形化；

输出图形化的分析值。