银行客户优化配置方法及装置与流程

本发明涉及金融业务中客户关系优化配置技术领域，尤其涉及一种银行客户优化配置方法及装置。

背景技术：

当前银行业的高端客户维护管理通常是通过在银行网点配置客户经理来进行，即客户经理管户制。银行为满足一定条件(资产、星级等指标达到一定标准，比如资产达到50万元以上等)的个人高端客户分配了提供专业维护和个性化营销服务的个人客户经理，这些归属客户经理维护营销的客户即称为管户。每个客户经理按照银行客户管理规则认领一定数量的管户，认领的管户集合称为该客户经理的管户包。管户包内的客户在业务管理规则下可以进行调整，管户包内可容纳的最大管户数量称为管户包容量。客户经理具有丰富的产品和营销经验，也具备良好的客户沟通能力，以此来提升客户体验，激发客户贡献，实现银行对高端客户的有效管理。

但是当前客户经理和客户之间的管理方式主要是经过客户申请、支行上报、分行审批的方式来进行，配置或调整管户的决策依据主要靠业务经验，偏主观。这种管理方式目前存在以下问题：一是，当前客户经理和其管户的关系的维护一般采用主观方式，缺乏量化管理，没有综合考虑重点产品交易、中收创收等交易数据以及客户距离客户经理的距离等数据，业绩归属难以达到“谁营销谁受益”的效果，配置精确度不高；二是，客户经理有调整管户需求，但缺乏量化的对管户的自动配置和动态调整的方法，因此配置效率低。上述问题导致客户经理的营销偏离率很高，并且对客户维护和业绩考核带来诸多不便，营销偏离率是指客户经理营销非本人管户数量占该客户经理营销所有管户数量的比例。

技术实现要素：

本发明实施例提出一种银行客户优化配置方法，用以实现客户与客户经理之间的优化配置，配置精确度高，效率高，该方法包括：

根据客户的活动地点数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离；

将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；

其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离本发明实施例提出一种银行客户优化配置装置，用以实现客户与客户经理之间的优化配置，配置精确度高，效率高，该装置包括：

距离计算模块，用于：根据客户的活动地点数据和客户经理的所在网点数据，获得客户与客户经理所在网点的距离；

优化配置模块，用于将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。

本发明实施例还提出了一种计算机设备，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，所述处理器执行所述计算机程序时实现上述银行客户优化配置方法。

本发明实施例还提出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执行上述银行客户优化配置方法的计算机程序。

在本发明实施例中，根据客户的活动地点数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离；将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。在本发明实施例中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离，因此，客户优化配置模型考虑了多种数据，将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，则可实现对客户的配置的量化分析，精确度高；然后，通过求解客户优化配置模型，可自动获得客户经理和客户的优化后的配置关系，不需要复杂的人工计算，配置效率高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中银行客户优化配置方法的流程图；

图2为本发明实施例中银行客户优化配置装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

图1为本发明实施例中银行客户优化配置方法的流程图，如图1所示，该方法包括：

步骤101，根据客户的活动地点数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离；

步骤102，将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；

其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。

在本发明实施例中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离，因此，客户优化配置模型考虑了多种数据，将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，则可实现对客户的配置的量化分析，精确度高；然后，通过求解客户优化配置模型，可自动获得客户经理和客户的优化后的配置关系，不需要复杂的人工计算，配置效率高。

具体实施时，根据客户的活动地点数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离，包括：

客户的交易数据中包括信用卡消费、叫号机取号、自助机业务办理、新办卡邮寄地址等有关交易地点的数据，根据以上交易地点的数据，计算出客户的活动地点数据，将客户的活动地点数据转化为地点经纬度数据，然后根据客户的活动地点的经纬度数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离。

在一实施例中，在将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型之前，包括：

对客户的交易数据和客户经理管理的客户数据进行预处理，获得预处理后的客户的交易数据和客户经理管理的客户数据；

将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，包括：

将客户经理和客户的配置关系，预处理后的客户的交易数据，预处理后的客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型。

具体实施时，预处理过程如下：

根据业务规则把不需要进行调整的客户的数据剔除，比如交易数据太少的客户、该客户经理管理的客户全部为同一支行的对应的客户经理管理的客户数据；

根据金融产品营销策略把不需要统计的产品剔除，比如不包含营销代码的数据(目前货币型基金和账户贵金属不包含营销代码)；

按照不同产品类型计算客户的交易数据，包括交易金额和交易笔数。

数据预处理完成后，可以将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。

在一实施例中，所述客户优化配置模型的约束条件根据客户的历史交易数据和客户经理管理的历史客户数据确定。

在一实施例中，在求解客户优化配置模型，获得客户经理和客户的优化后的配置关系之后，还包括：

将客户经理和客户的配置关系，与获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量；

若需要调整的客户经理和客户的配置关系的数量超过设定阈值，重复执行以下步骤，直至需要调整的客户经理和客户的配置关系的数量不超过设定阈值：

调整客户优化配置模型的参数，求解调整后的客户优化配置模型，获得新的客户经理和客户的优化后的配置关系；

将新的客户经理和客户的优化后的配置关系，与上一次获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量。

具体实施时，上述设定阈值试情况而定，可以为2000。

在一实施例中，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系，包括：

采用分支剪枝优化算法或内点优化算法，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系。

其中，分支剪枝优化算法是指，就是通过某种判断，避免一些不必要的遍历过程，形象的说，就是剪去了搜索树中的某些“枝条”，故称剪枝。应用分支剪枝优化优化的核心问题是设计剪枝判断方法，即确定哪些枝条应当舍弃，哪些枝条应当保留的方法。剪枝算法按照其判断思路可大致分成两类:可行性剪枝及最优性剪枝。其中，最优性剪枝，又称为上下界剪枝，是一种重要的搜索剪枝策略。它记录当前得到的最优值，如果当前结点已经无法产生比当前最优解更优的解时，可以提前回溯。

内点法属于约束优化算法。约束优化算法的基本思想是：通过引入效用函数的方法将约束优化问题转换成无约束问题，再利用优化迭代过程不断地更新效用函数，以使得算法收敛。

内点优化算法是罚函数法的一种，其主要思想是：在可行域的边界筑起一道很高的“围墙”，当迭代点靠近边界时，目标函数徒然增大，以示惩罚，阻止迭代点穿越边界，这样就可以将最优解“档”在可行域之内了。

当然，可以理解的是，上述分支剪枝优化算法或内点优化算法仅为举例，也可以采用其他求解客户优化配置模型的方法，相关变化例均应落入本发明的保护范围。

在一实施例中，所述客户优化配置模型的目标函数采用如下公式，根据银行客户配置历史数据确定：

其中，aij为客户i被客户经理j营销的历史交易数据中的交易金额；

bij为客户i被客户经理j营销的历史交易数据中的交易笔数；

dij为客户i与客户经理j所在网点的距离之间的距离；

xij为客户i与客户经理j的配置关系的历史数据，

α、β、γ：权重系数，α+β+γ＝1,α≥0,β≥0,γ≥0；

所述客户优化配置模型的约束条件采用如下公式：根据客户的历史交易数据和客户经理管理的历史客户数据确定：

其中，v为客户经理管理的历史客户数据中的客户数；

λ为客户经理的历史客户数据中的每个客户最多配置的客户经理数；

δ为客户的历史交易数据中的交易占比阈值，所述交易占比为客户被客户经理营销的交易金额与客户被非客户经理营销的交易金额之比；

ρ为距离弹性系数；

ε为表示一个任意小的正数。

在上述客户优化配置模型中，公式(1)表示的目标函数为最小化客户经理营销偏离率，获得客户经理和客户的优化后的配置关系即在公式(2)到公式(6)表示的约束条件下，公式(1)的值最小。

下面给出一具体实施例，说明本发明提出的银行客户优化配置方法的具体应用。

首先，根据客户的交易地点的数据，计算出客户的活动地点数据，将客户的活动地点数据转化为地点经纬度数据，然后根据客户的活动地点的经纬度数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离。

然后，对客户的交易数据和客户经理管理的客户数据进行预处理，获得预处理后的客户的交易数据和客户经理管理的客户数据，预处理过程包括：根据业务规则把不需要进行调整的客户的数据剔除，比如交易数据太少的客户、该客户经理管理的客户全部为同一支行的对应的客户经理管理的客户数据；根据金融产品营销策略把不需要统计的产品剔除，比如不包含营销代码的数据(目前货币型基金和账户贵金属不包含营销代码)；按照不同产品类型计算客户的交易数据，包括交易金额和交易笔数。

然后，确定本实施例采用的客户优化配置模型，客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离；所述客户优化配置模型的约束条件根据客户的历史交易数据和客户经理管理的历史客户数据确定。最后得到的客户优化配置模型的公式包括前述公式(1)到公式(6)。

将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系，最后得到的配置关系的集合可以表示为x＝{xij}，

在求解客户优化配置模型，获得客户经理和客户的优化后的配置关系之后，将客户经理和客户的配置关系，与获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量；

若需要调整的客户经理和客户的配置关系的数量超过2000，重复执行以下步骤，直至需要调整的客户经理和客户的配置关系的数量不超过2000：

调整客户优化配置模型的参数，例如，调节参数δ、ρ、v和λ等，根据经验，可以设定δ＝1，ρ＝1.5，ε为0.1或0.01，在调节时每次对以上参数进行微调，求解调整后的客户优化配置模型，获得新的客户经理和客户的优化后的配置关系；

将新的客户经理和客户的优化后的配置关系，与上一次获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量。

本发明实施例提出的方法可以采用“每月预警支行+半年智能调整”方案的进行应用，“每月预警支行”是指每月按照本发明提出的方法计算出客户经理和客户的优化后的配置关系，跟现有客户经理和客户的配置关系进行对比，获得需要调整的客户经理和客户的配置关系的数量，下发各支行进行预警，从而发挥激励客户经理维护和营销客户的积极性，及时留住优质客户；“半年智能调整”是指整合半年内各月的预警数据，计算连续多个月需要调整的配置关系作为正式调整的结果。由此不仅给予客户经理挽留优质客户充分的缓冲期，而且能够实现客户经理与客户之间的动态匹配、有效维护和积极营销的效果。

另外，本发明实施例提出的方法，可为相关部门的客户量化分类管理和精准营销提供决策依据。可以基于本发明提出的方法，进行“客户经理管户包五环图”维护，即将客户经理深入维护并十分熟悉的客户作为一环“核心客户”，要持续重点维护，深度挖掘；将愿意接受其他客户经理管理维护的客户作为二环“他人管客户”，需要尽力挽留；将交易不活跃但又在网点周边活跃的热点客户作为三环“周边热点客户”，要通过本发明实施例提出的方法获得优化后的配置关系，并向支行推送；将自主投资意愿强烈但从未输入客户经理营销代码的客户作为四环“自服务客户”，要通过精准营销派发清单，使其向一环客户转变；将交易不活跃且不在网点周边活动的客户作为五环“待激活客户”，要通过管户包互换、多渠道触达来激活，由此来激励客户经理深耕本人管户包。

除此之外，本发明实施例提出的方法可为不同网点客户管理提供决策参考。根据管户调整需求趋势细化网点类别，比如调出客户数大于调入客户数的网点为空心化网点、调出客户数小于调入客户数的网点为聚集化网点、调入和调出客户数相近的网点为平衡化网点、几乎不进行调入调出客户的网点为静态化网点，为管理者对客户维护和网点的精益管理提供决策参考。

在本发明实施例中提出的方法中，根据客户的活动地点数据和客户经理所在网点数据，获得客户与客户经理所在网点的距离；将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。在本发明实施例中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离，因此，客户优化配置模型考虑了多种数据，将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，则可实现对客户的配置的量化分析，精确度高；然后，通过求解客户优化配置模型，可自动获得客户经理和客户的优化后的配置关系，不需要复杂的人工计算，配置效率高。

基于同一发明构思，本发明实施例还提供了一种银行客户优化配置装置，如下面的实施所述。由于这些解决问题的原理与银行客户优化配置方法相似，因此装置的实施可以参见方法的实施，重复之处不在赘述。

图2为本发明实施中银行客户优化配置装置的示意图，如图2所示，该装置包括：

距离计算模块201，用于：根据客户的活动地点数据和客户经理的所在网点数据，获得客户与客户经理所在网点的距离；

优化配置模块202，用于将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，求解客户优化配置模型，获得客户经理和客户的优化后的配置关系；其中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离。

在一实施例中，银行客户优化配置装置还包括：调整模块203，用于：

将客户经理和客户的配置关系，与获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量；

若需要调整的客户经理和客户的配置关系的数量超过设定阈值，重复执行以下步骤，直至需要调整的客户经理和客户的配置关系的数量不超过设定阈值：

调整客户优化配置模型的参数，求解调整后的客户优化配置模型，获得新的客户经理和客户的优化后的配置关系；

将新的客户经理和客户的优化后的配置关系，与上一次获得的客户经理和客户的优化后的配置关系相比较，获得需要调整的客户经理和客户的配置关系的数量。

综上所述，在本发明实施例提出的银行客户优化配置装置中，所述客户优化配置模型的目标函数根据银行客户配置历史数据确定，所述银行客户配置历史数据包括：客户经理和客户的配置关系的历史数据，客户的历史交易数据，客户经理管理的历史客户数据，客户与客户经理所在网点的距离，因此，客户优化配置模型考虑了多种数据，将客户经理和客户的配置关系，客户的交易数据，客户经理管理的客户数据，客户与客户经理所在网点的距离，输入客户优化配置模型，则可实现对客户的配置的量化分析，精确度高；然后，通过求解客户优化配置模型，可自动获得客户经理和客户的优化后的配置关系，不需要复杂的人工计算，配置效率高。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。