一种基于消费分析热力图的信用卡推广方法及装置与流程

本发明属于数据处理技术领域，尤其涉及一种基于消费分析热力图的基于消费分析热力图的信用卡推广方法、装置、存储介质及计算机设备。

背景技术：

随着人们生活水平的提高，信用卡已经深入人们生活消费的方方面面，一般而言，较为年轻的例如刚毕业的大学生或者有一段工作经历的白领是信用卡的主要消费用户，不过仍然存在较大比例的用户是没有开通信用卡的。因此，在很多商场可以见到信用卡推广人员在人流量较大的地点摆摊来推广信用卡，然而目前的这种广撒网的信用卡推广方式针对性不够强，推广所耗费的人力成本较高，且推广的成功率较低。

综上所述，目前的信用卡推广方法存在推广成功率低的问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种基于消费分析热力图的信用卡推广方法、装置、存储介质及计算机设备，以解决现有技术中基于消费分析热力图的信用卡推广方法存在推广成功率低的问题。

本发明实施例的第一方面提供了一种基于消费分析热力图的信用卡推广方法，包括：

获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；

根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；

根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；

基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；

根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；

基于所述消费分析热力图获取信用卡推销人员分布信息，以使营销人员根据所述分布信息布置信用卡推销人员，其中，所述分布信息包括在所述前n个子区域的地理位置上布置的信用卡推销人员信息。

本发明实施例的第二方面提供了一种基于消费分析热力图的信用卡推广装置，包括：

第一获取模块，用于获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；

分区模块，用于根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；

分析模块，用于根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；

转换模块，用于基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；

第二获取模块，用于根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；

第三获取模块，用于基于所述消费分析热力图获取信用卡推销人员分布信息，并将所述分布信息推荐给营销人员进行信用卡推荐人员的分配，其中，所述分布信息包括在所述前n个子区域的消费地理位置上布置的信用卡推销人员信息。

本发明实施例的第三方面提供了一种计算机设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；

根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；

根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；

基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；

根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；

基于所述消费分析热力图获取信用卡推销人员分布信息，以使营销人员根据所述分布信息布置信用卡推销人员，其中，所述分布信息包括在所述前n个子区域的地理位置上布置的信用卡推销人员信息。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；

根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；

根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；

基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；

根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；

基于所述消费分析热力图获取信用卡推销人员分布信息，以使营销人员根据所述分布信息布置信用卡推销人员，其中，所述分布信息包括在所述前n个子区域的地理位置上布置的信用卡推销人员信息。

本发明实施例通过获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；基于所述消费分析热力图获取信用卡推销人员分布信息，所述分布信息包括在所述前n个子区域的地理位置上布置的信用卡推销人员信息。可见，本方案可以根据消费分析热力图获取消费潜力值为前n的n个子区域；获取所述前n个子区域的消费地理位置，然后在所述n个子区域上布置相应数量的信用卡推广人员，大大提高了推广的针对性，从而提高了信用卡推广的成功率，解决了现有技术中信用卡推广方法存在推广成功率低的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中基于消费分析热力图的信用卡推广方法的一应用环境示意图；

图2是本发明实施例一提供的基于消费分析热力图的信用卡推广方法的实现流程示意图；

图3是本发明一实施例提供的基于消费分析热力图的信用卡推广方法的实现流程示意图；

图4是本发明另一实施例提供的基于消费分析热力图的信用卡推广方法的实现流程示意图；

图5是本发明实再一施例提供的基于消费分析热力图的信用卡推广方法的实现流程示意图；

图6是本发明再一实施例提供的基于消费分析热力图的信用卡推广方法的实现流程示意图；

图7是本发明实施例二提供的基于消费分析热力图的信用卡推广装置的示意图；

图8是本发明一实施例提供的基于消费分析热力图的信用卡推广装置中第三获取模块的示意图；

图9是本发明实施例三提供的计算机设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

本申请提供的基于消费分析热力图的信用卡推广方法，可应用在如图1的应用环境中，其中，计算机设备通过网络与服务器进行通信。其中，计算机设备/客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一实施例中，如图2所示，提供一种基于消费分析热力图的信用卡推广方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

101、获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息。

其中，所述消费节点为具体的店铺或者店铺名称；举例来说，营销人员针对的是整个深圳市的消费节点，深圳市包括福田区、南山区和罗湖区等，例如，具体的店铺可以为汕头八合里海记牛肉店(八卦岭店)，其中八卦岭店在深圳市罗湖区，因此，汕头八合里海记牛肉店(八卦岭店)是一个消费节点。

其中，所述消费数据包括订单消费金额和支付方式。

进一步地，获取预设区域内多个消费节点中每个消费节点的消费数据，包括如下两种方式：

第一种方式：

201、获取多个银行在所述预设区域内多个消费节点中每个消费节点的消费数据；

202、根据关键字从所述消费数据中筛选出预设银行的预设区域内多个消费节点中每个消费节点的消费数据。

本实施例中，预设银行可以是中国建设银行，平安银行或者中国工商银行等银行。

第二种方式：

301、获取预定银行的交易数据库；

302、以所述预设区域作为关键字，从所述交易数据库中筛选出所述预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息。

其中，本实施例中的预定银行一般为一个银行的名称，例如平安银行、中国建设银行、中国工商银行和上海银行等。举例来说，获取平安银行在全国的交易数据库，预设区域为深圳市，则从平安银行在全国的数据交易库中筛选出深圳市的内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息。举例来说，获取平安银行在深圳市的交易数据库，预设区域为福田区(深圳市)，则从平安银行在深圳市的数据交易库中筛选出福田区内的多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息。可以理解的是，一般每个银行均具有调用自己银行系统里的交易数据的权限，因此本实施例的方法是可行也便捷的。

可以理解的是，上述第一种方式或者第二种方式，相较于将“银行名称”和“区域的地理位置名称”作为筛选的关键字，在海量的不限银行不限区域(地理位置)的消费数据库中进行筛选而言，提高了筛选数据的效率。

102、根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点。

其中，所述子区域包括至少一个消费节点，优选地，所述子区域包括多个消费节点，所述子区域可以是一个广场或者一个街道；例如，xxx万达广场、八卦路美食一条街。可以理解的是，所述万达广场包括多个店铺(消费节点)。划分的标准可以根据实际情况进行调整，如图3所示，具体包括：

401、根据所述预设区域内的商圈的人气排名信息判断所述商圈的人气度。

其中，人气排名信息可以是人气排名分数(如，满分为100，人气排名分数为94)，也可以是人气排名指数(如，五颗星为满分，人气排名指数为三颗半星)。预设区域包括至少一个商圈，每个商圈包括至少一个子区域。每个子区域都对应一个包含该子区域的商圈。

具体地，人气排名信息可通过在一些app中获取，例如在支付宝口碑里面获取所述预设区域内的商圈的人气排名信息。

402、若所述人气度高于第一预设阈值，则将所述商圈按照第一划分标准进行划分。

403、若所述人气度低于第一预设阈值，则判断所述人气度是否高于第二预设阈值，若所述人气度高于第二预设阈值，则将所述商圈按照第二划分标准进行划分；

404、若所述人气度低于第二预设阈值，则将所述商圈按照第三划分标准进行划分，其中，所述第一预设阈值大于所述第二预设阈值，所述第一划分标准的划分精度大于第二划分标准的划分精度，所述第二划分标准的划分精度大于第三划分标准的划分精度。

对于402-404，通过衡量人气度的两个阈值将商圈划分为三个等级，每个等级分别对应一个划分标准，以不同的划分细腻度对商圈进行划分，在提高了划分流程效率的同时，对人气度是否高于第一预设阈值的商圈进行了更为细致的划分，为后续流程提供了更精准的信息，如，具体人员的安排提供了更为准确的指导。

103、基于子区域所属商圈的人气度等级，根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述子区域的每个消费潜力值。

其中，消费数据包括所述子区域内的消费节点所在的位置、用户的支付方式和消费金额。优选地，在通过衡量人气度的两个阈值将商圈划分为三个等级，每个等级分别对应一个划分标准，以不同的划分细腻度对商圈进行划分的基础上，基于子区域所属商圈的人气度等级，根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，对于商圈人气度的子区域进行分层级地分析，分配更多的资源去处理商圈人气度高的商圈内的子区域，例如商圈人气度高于第一预设阈值时，则将所述商圈按照第一划分标准进行划分，提高了分析的针对性并提高了分析的效率。

针对消费者在消费节点的消费数据进行建模。建立一种面向消费节点上消费数据的数学模型，挖掘出消费者在不同的消费节点上相应支付方式的消费潜力值。

建立模型之前，包括消费节点数据的转换，如图4所示，具体包括：

501、将数据池中的消费者购物清单中的店铺地理位置标签，组合成消费节点的数据结构，数据结构如下所示：

<消费节点地理位置标签，<单次购买商品的总金额，支付方式>>。

其中，消费节点地理位置标签用于标识消费者购买商品所在的店铺位置，<单次购买商品的总金额，支付方式>表示每个消费者的购物清单，包括购买商品的总金额以及对应的支付方式。

502、针对每个消费节点地理位置标签，统计该消费节点不同支付方式对应的人均消费金额。

其中，建立面向消费节点上消费数据的数学模型包括以下步骤：

设定模型参数，

定义消费节点数据库d。

d＝{conshoprecord1，conshoprecord2，...，conshoprecordm，conshoprecordm}，

d为消费节点数据库，conshoprecordm表示第m个消费节点的消费记录详情，m表示消费节点的个数；

conshoprecordm＝{<aggregateamount，paymentterm>1，<aggregateamount，paymentterm>2，...，<aggregateamount，paymentterm>nm}

其中，<aggregateamount，paymentterm>m表示第m个消费节点的单个订单消费金额及其支付方式，nm表示第m个消费节点被消费的订单总数量。

503、获取每个消费节点预设时长内的人均消费金额，以及所述预设时长内信用卡支付方式的比例增长信息，得到信用卡支付方式的比例增长信息。

其中，预设时长可以为一个月或一个季度等，在此不作限定。

通过比例的上升或者下降情况得出趋势。

504、将每个消费节点的信用卡消费潜力值表示为与预设时长内的信用卡人均消费金额以及信用卡使用比例的增长率相关的消费潜力函数。

104、基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图。

需要说明的是，由于子区域包括至少一个消费节点，每个消费节点均对应一个地理位置标签，因此映射关系中的地理位置为一个或者为包括多个地理位置标签的区域位置，该区域位置与子区域的消费潜力值是对应的。该映射关系可以在计算出消费潜力值的过程中实时进行更新和保存。

105、根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数。

其中，n可以根据实际需要进行设置，例如设置n为5。

106、基于所述消费分析热力图获取信用卡推销人员分布信息，并将所述分布信息推荐给营销人员进行信用卡推荐人员的分配，其中，所述分布信息包括在所述前n个子区域的消费地理位置上布置的信用卡推销人员信息。

本发明实施例，通过获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；基于所述消费分析热力图获取信用卡推销人员分布信息，并将所述分布信息推荐给营销人员进行信用卡推荐人员的分配，其中，所述分布信息包括在所述前n个子区域的消费地理位置上布置的信用卡推销人员信息。可见，本方案可以根据消费分析热力图获取消费潜力值为前n的n个子区域；获取所述前n个子区域的消费地理位置，然后在所述n个子区域上布置相应数量的信用卡推广人员，大大提高了推广的针对性，从而提高了信用卡推广的成功率，解决了现有技术中基于消费分析热力图的信用卡推广方法存在推广成功率低的问题。

如图5所示，基于所述消费分析热力图获取信用卡推销人员分布信息，包括：

601、获取当前消费分析热力图上表示子区域的预设图形的消费潜力特征信息。

602、根据所述消费潜力特征信息与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

其中，所述消费潜力特征信息包括消费分析热力图上预设图形面积的大小和/或颜色的深浅度，根据所述消费潜力特征信息与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息，包括：

根据消费分析热力图上预设图形面积的大小和/或颜色的深浅度与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

具体地，包括如下三种方式：

第一种方式具体包括如下步骤：

701、获取当前消费分析热力图上表示子区域的预设图形的颜色的深浅度；

其中，预设图形可以为圆形、也可以为正方形，还可以为其他适合用来表示消费分析热力图上子区域的图形。

702、根据所述预设图形的深浅度与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

映射关系为预先存储的颜色的深浅度与信用卡推销人员的数量的映射关系，例如，可以是图形颜色的深浅度表征的消费潜力值越大，表示需要布置的信用卡推销人员的数量越多。

其中，为了直观地根据颜色的深浅度来确定子区域，在实施例中，所述预设图形的形状和大小可提前设定，且保持不变。映射关系为预先存储的预设图形的深浅度与信用卡推销人员的数量的映射关系，例如，可以是深浅度越深，表示需要布置的信用卡推销人员的数量越多。

第二种方式具体包括如下步骤：

801、获取当前消费分析热力图上表示子区域的预设图形的面积的大小；

其中，为了直观地根据颜色的深浅度来确定子区域，在实施例中，所述预设图形的颜色可以预先设定且保持不变；预设图形可以为圆形或者正方形，也可以是其他固定的形状，在此不作限定。当预设图形为圆形时，获取当前消费分析热力图上表示子区域的预设图形的面积的大小可以简化为，获取当前消费分析热力图上表示子区域的图形的直径的大小；当预设图形为正方形时，获取当前消费分析热力图上表示子区域的预设图形的面积的大小可以简化为，获取当前消费分析热力图上表示子区域的正方形的边的长度。

802、根据所述消费分析热力图上子区域面积的大小与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

映射关系为预先存储的图形面积的大小与信用卡推销人员的数量的映射关系，例如，可以是图形面积的大小表征的消费潜力值越大，表示需要布置的信用卡推销人员的数量越多。本实施例通过以预设图形来表示子区域，建立子区域的消费潜力值与预设图形面积的对应关系，该对应关系为正相关的关系，当预设图形的面积越大，表明该预设图形所代表的子区域的消费潜力值越大，便于通过消费分析热力图直观地知晓前n个子区域的消费潜力排名情况。映射关系为预先存储的子区域面积的大小与信用卡推销人员的数量的映射关系，例如，可以是子区域面积的越大，表示需要布置的信用卡推销人员的数量越多。

第三种方式具体包括如下步骤：

901、获取当前消费分析热力图上预设图形面积的大小和颜色的深浅度；

902、根据所述面积的大小和颜色的深浅度与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

映射关系为预先存储的图形面积的大小和颜色的深浅度与信用卡推销人员的数量的映射关系，例如，可以是图形面积的大小和颜色的深浅度表征的消费潜力值越大，表示需要布置的信用卡推销人员的数量越多。

上述三种方式可以根据预设图形的面积大小和/或颜色深浅度，基于预先建立的映射关系，计算得到所述前n个子区域的地理位置上布置的信用卡推销人员信息，简化了计算的复杂度，提高了计算的效率和计算结果的准确度。

其中，预先建立的映射关系包括上述映射关系之外，还可以是信用卡推广人员人数与所述前n个子区域中每个子区域的消费节点信用卡的平均使用率的映射关系。

需要说明的是，在实际应用场景中，还可以将前n个子区域的地理位置信息显示在信用卡推销人员(客户经理)的手机app上，所述消费分析热力图会清楚地标明某地区，某街道的用户消费习惯(如信用卡消费还是储蓄卡消费)，并且能够对用户消费习惯进行分析，比如信用卡消费增长情况，用户年纪等，更新用户消费习惯，以此提示信用卡推销人员在哪个地理位置驻点以推广信用卡。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二

请参考图6，其示出了本发明实施例二提供的基于消费分析热力图的信用卡推广装置90的示意图。基于消费分析热力图的信用卡推广装置90，包括：第一获取模块91，分区模块92，分析模块93，转换模块94，第二获取模块95和第三获取模块96。其中，各模块的具体功能如下：

第一获取模块91，用于获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；

分区模块92，用于根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；

分析模块93，用于根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；

转换模块94，用于基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；

第二获取模块95，用于根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；

第三获取模块96，用于基于所述消费分析热力图获取信用卡推销人员分布信息，并将所述分布信息推荐给营销人员进行信用卡推荐人员的分配，其中，所述分布信息包括在所述前n个子区域的消费地理位置上布置的信用卡推销人员信息。

可选地，如图7所示，所述第三获取模块96包括：

获取单元960，用于获取当前消费分析热力图上表示子区域的预设图形的消费潜力特征信息；

计算单元962，用于根据所述消费潜力特征信息与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

可选地，如图8所示，所述计算单元962包括：

计算子单元9620，用于根据消费分析热力图上预设图形面积的大小和/或颜色的深浅度与信用卡推销人员的数量的映射关系来计算所述前n个子区域的地理位置上布置的信用卡推销人员信息。

可选地，所述分区模块包括：

确定单元，用于根据所述预设区域内的商圈的人气排名信息确定所述商圈的人气度；

第一划分单元，用于若所述人气度高于第一预设阈值，则将所述商圈按照第一划分标准进行划分；

第二划分单元，用于若所述人气度低于第一预设阈值，则判断所述人气度是否高于第二预设阈值，若所述人气度高于第二预设阈值，则将所述商圈按照第二划分标准进行划分，则将所述商圈按照第二标准进行划分；

第三划分单元，用于若所述人气度低于第二预设阈值，则将所述商圈按照第三划分标准进行划分，其中，所述第一预设阈值大于所述第二预设阈值，所述第一划分标准的划分精度大于第二划分标准的划分精度，所述第二划分标准的划分精度大于第三划分标准的划分精度。

可选地，基于消费分析热力图的信用卡推广装置90还包括：

组合模块，用于将数据池中的消费者购物清单与店铺地理位置标签，组合成消费节点的数据结构，所述消费者购物清单包括单次购买商品的总金额和支付方式，所述数据结构包括消费节点地理位置标签、单次购买商品的总金额和支付方式；

统计模块，用于针对所述数据结构中每个消费节点地理位置标签，统计该消费节点不同支付方式对应的人均消费金额，所述不同支付方式包括信用卡支付方式；

获取模块，用于获取每个消费节点预设时长内的人均消费金额，以及所述预设时长内信用卡支付方式的比例增长信息，得到信用卡支付方式的比例增长信息；

函数构建模块，用于将每个消费节点的信用卡消费潜力值表示为与预设时长内的信用卡人均消费金额以及信用卡使用比例的增长率相关的消费潜力函数，将所述消费潜力函数作为所述消费潜力值分析模型的初始模型。

本发明实施例提供的基于消费分析热力图的信用卡推广装置，通过获取预设区域内多个消费节点中每个消费节点的消费数据，所述消费数据包括消费节点的地理位置信息；根据所述地理位置对所述预设区域进行划分，得到多个子区域，每个子区域包括至少一个消费节点；根据预先训练的消费潜力值分析模型对所述子区域内的消费数据进行分析，得到所述每个子区域的消费潜力值；基于所述子区域的消费潜力值与地理位置的映射关系，对所述消费潜力值进行排序，得到表征子区域消费潜力值的消费分析热力图；根据所述消费分析热力图获取前n个子区域的消费地理位置，所述n为大于1的整数；基于所述消费分析热力图获取信用卡推销人员分布信息，并将所述分布信息推荐给营销人员进行信用卡推荐人员的分配，其中，所述分布信息包括在所述前n个子区域的消费地理位置上布置的信用卡推销人员信息。可见，本方案可以根据消费分析热力图获取消费潜力值为前n的n个子区域；获取所述前n个子区域的消费地理位置，然后在所述n个子区域上布置相应数量的信用卡推广人员，大大提高了推广的针对性，从而提高了信用卡推广的成功率，解决了现有技术中基于消费分析热力图的信用卡推广方法存在推广成功率低的问题。

实施例三

图9是本发明实施例三提供的一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于消费分析热力图的信用卡推广方法的步骤，例如图2所示的步骤101至步骤106。或者，处理器执行计算机程序时实现上述实施例中基于消费分析热力图的信用卡推广装置的各模块/单元的功能，例如图7所示模块91至模块96的功能。为避免重复，这里不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于消费分析热力图的信用卡推广方法的步骤，例如图2所示的步骤101至步骤106。或者，计算机程序被处理器执行时实现上述实施例中基于消费分析热力图的基于消费分析热力图的信用卡推广装置的各模块/单元的功能，例如图6所示模块91至模块96的功能。为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。