一种客户贡献度确定方法及系统与流程

本发明涉及互联网金融技术领域，具体涉及一种客户贡献度确定方法及系统。

背景技术：

随着互联网金融的发展，为了提高金融服务的水平，银行业务人员需要向客户提供相应的金融增值服务，而由于不同类型的客户具有不同的资产特点，银行业需要依据客户的类型，为客户提供满足客户资产特点的金融增值服务，现有技术表明，客户贡献度是一种很好的区分客户类型的方式，客户贡献度是指客户在一段时期内为企业带来的利润。

然而，目前现有技术中并没有一个统一的客户贡献度确定方法，因此，如何提供一种客户贡献度确定方法，便于为不同类型的客户提供金融增值服务，成为目前需要解决的技术问题。

技术实现要素：

有鉴于此，本发明实施例提供一种客户贡献度确定方法及系统，能够提供一种客户贡献度确定方法，便于为不同类型的客户提供金融增值服务。

一种客户贡献度确定方法，包括：

依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；

依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；

依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值。

优选的，在客户的历史贡献度值包括：存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的情况下，所述依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值的过程包括：

依据客户的历史存款业务收益、存款成本以及存款管理成本，确定存款业务历史贡献度值；

依据客户的历史贷款业务利息收益、资金成本、贷款管理成本、贷款业务税负成本以及风险成本，确定贷款业务历史贡献度值；

依据客户的历史中间业务收益、中间业务管理成本以及中间业务税负成本，确定中间业务历史贡献度值；

将存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的和，作为客户的历史贡献度值。

优选的，所述依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值的过程包括：

将客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息输入到预先训练的客户未来贡献度值训练模型中；

利用所述客户未来贡献度值训练模型，对所述客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息进行训练，得到客户在未来预设时间段内的贡献度值。

优选的，所述客户未来贡献度值训练模型的训练过程包括：

确定在历史预设时间段内，每个单位历史预设时间段对应的历史特征集合，所述历史特征集合为每个单位历史预设时间段内，客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息；

按照时间的先后顺序，从所有单位历史预设时间段中依次选取预设个数个连续的单位历史预设时间段，将依次选取的各预设个数个连续的单位历史预设时间段，作为训练时间段；

利用各训练时间段各自对应的历史特征集合，得到各训练时间段对应的未来贡献度值；

利用各训练时间段各自对应的历史特征集合以及未来贡献度值，进行模型训练，得到客户未来贡献度值训练模型。

一种客户贡献度确定系统，包括：

历史贡献度值确定模块，用于依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；

未来贡献度值确定模块，用于依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；

综合贡献度值确定模块，用于依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值。

优选的，在客户的历史贡献度值包括：存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的情况下，所述历史贡献度值确定模块包括：

存款业务历史贡献度值确定模块，用于依据客户的历史存款业务收益、存款成本以及存款管理成本，确定存款业务历史贡献度值；

贷款业务历史贡献度值确定模块，用于依据客户的历史贷款业务利息收益、资金成本、贷款管理成本、贷款业务税负成本以及风险成本，确定贷款业务历史贡献度值；

中间业务历史贡献度值确定模块，用于依据客户的历史中间业务收益、中间业务管理成本以及中间业务税负成本，确定中间业务历史贡献度值；

历史贡献度值确定子模块，用于将存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的和，作为客户的历史贡献度值。

优选的，所述未来贡献度值确定模块包括：未来贡献度值确定子模块；

所述未来贡献度值确定子模块具体用于：将客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息输入到预先训练的客户未来贡献度值训练模型中；

利用所述客户未来贡献度值训练模型，对所述客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息进行训练，得到客户在未来预设时间段内的贡献度值。

优选的，还包括：模型训练模块；

所述模型训练模块具体用于：

确定在历史预设时间段内，每个单位历史预设时间段对应的历史特征集合，所述历史特征集合为每个单位历史预设时间段内，客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息；

按照时间的先后顺序，从所有单位历史预设时间段中依次选取预设个数个连续的单位历史预设时间段，将依次选取的各预设个数个连续的单位历史预设时间段，作为训练时间段；

利用各训练时间段各自对应的历史特征集合，得到各训练时间段对应的未来贡献度值；

利用各训练时间段各自对应的历史特征集合以及未来贡献度值，进行模型训练，得到客户未来贡献度值训练模型。

基于上述技术方案，本发明实施例公开了一种客户贡献度确定方法及系统，通过依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值，从而提供了一种客户贡献度确定方法，便于依据客户贡献度对不同客户进行分类，方便为不同类型的客户提供金融增值服务。而且，由于本申请在确定客户贡献度的过程中不仅考虑了客户的历史贡献度还考虑了客户的未来贡献度，即考虑到了客户的未来贡献度的潜力，能够得到更加准确的客户贡献度。

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种客户贡献度确定方法的流程图；

图2为本发明实施例提供的一种客户未来贡献度值训练模型的训练方法的流程图；

图3为本发明实施例提供的一种客户贡献度确定系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，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。

基于以上内容，本申请公开了一种客户贡献度确定方法，图1示出了一种客户贡献度确定方法的流程图，该方法可由服务器实现，参照图1，所述方法可以包括：

步骤s100、依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；

客户的历史贡献度值为客户在当前时间之前的历史预设时间段内为企业带来的利润。可以依据客户的历史银行业务收益以及历史银行业务成本来确定，历史银行业务收益指的是客户在当前时间之前的历史预设时间段内在银行办理的所有银行业务产生的收益，历史银行业务成本指的是客户在当前时间之前的历史预设时间段内在银行办理的所有银行业务具有的成本。历史预设时间段可以由本领域技术人员进行设定，本申请不做具体限定。

本申请可以依据客户在银行办理的银行业务的不同种类，来确定客户的历史贡献度值的具体内容。

在客户的历史贡献度值包括：存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的情况下，所述依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值的过程包括：依据客户的历史存款业务收益、存款成本以及存款管理成本，确定存款业务历史贡献度值；依据客户的历史贷款业务利息收益、资金成本、贷款管理成本、贷款业务税负成本以及风险成本，确定贷款业务历史贡献度值；依据客户的历史中间业务收益、中间业务管理成本以及中间业务税负成本，确定中间业务历史贡献度值；将存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的和，作为客户的历史贡献度值。

需要说明的是，本申请中的存款成本为银行支付给客户的存款利息成本，存款利息成本可以从客户存款账户数据中获取。资金成本为内部资金转移定价，为银行与经营单位按照预设规则全额有偿转移资金，从中获取核算业务资金成本或收益，对于资产业务，内部资金转移定价的价格代表其资金成本，需要支付内部资金转移定价的利息；对于负债业务，内部资金转移定价代表其资金收益，可以从中获取内部资金转移定价的利息收入。

具体的，依据客户的历史存款业务收益、存款成本以及存款管理成本，确定存款业务历史贡献度值的方式为：

依据客户的历史贷款业务利息收益、资金成本、贷款管理成本、贷款业务税负成本以及风险成本，确定贷款业务历史贡献度值的方式为：

依据客户的历史中间业务收益、中间业务管理成本以及中间业务税负成本，确定中间业务历史贡献度值的方式为：

其中，中间业务可以是所有银行业务中除了存款业务和贷款业务之外的其他产生交易的业务。例如：中间业务可以包括：理财产品业务、外汇业务、贵重金属交易业务、基金业务等，本申请不做具体限定。

相应的，历史中间业务收益可以包括：各种中间业务手续费、理财产品管理费、外汇、贵重金属等交易费用、基金代理费等收益，本申请不做具体限定。

步骤s110、依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；

可选的，本申请中是利用预先训练的客户未来贡献度值训练模型来训练得到客户的未来贡献度值的，具体的，依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值的过程可以为：将客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息输入到预先训练的客户未来贡献度值训练模型中；利用所述客户未来贡献度值训练模型，对所述客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息进行训练，得到客户在未来预设时间段内的贡献度值。

需要说明的是，客户的未来贡献度值也可以包括客户的未来存款业务贡献度值、客户的未来贷款业务贡献度值以及客户的未来中间业务贡献度值。

可选的，本申请中的客户未来贡献度值训练模型为一种lstm(longshort-termmemory，长短期记忆网络)模型，当然本申请中还可以采用其他类型的模型作为客户未来贡献度值训练模型，本申请并不具体限定。

其中，客户的属性信息可以包括客户的个人属性信息、客户的信用记录信息或者客户的资产信息等，本申请并不具体限定。客户的个人属性信息是客户的基本属性信息，客户的信用记录信息表明客户的信用情况，客户的资产信息表明客户所拥有的资产情况。

客户的个人属性信息可以包括：客户的年龄、性别、婚姻状况、学历、手机号、职业以及年收入等信息；

客户的信用记录信息可以包括：是否有过信用卡、是否有过贷款违约信息，违约册数、违约时间或在人行征信系统中是否有违约记录等；

客户的资产信息可以包括：客户是否有贷款、存款、信用卡、基金、理财或国债等资产信息。

客户的历史银行业务信息表明客户在当前时间之前的历史预设时间段内所拥有的银行业务相关的信息，例如：每个月的存款金额、每个月的信用卡账单、每个月的理财产品的金额值、每个月的基金金额值或贷款基本信息(是否有贷款、贷款年份、是否还完)等。

步骤s120、依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值。

可选的，综合贡献度值＝(1-α)×客户的历史贡献度值+α×客户的未来贡献度值，其中α∈[0,1]是调节因子，α的大小根据业务具体需求而定。

本发明实施例公开了一种客户贡献度确定方法，通过依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值，从而提供了一种客户贡献度确定方法，便于依据客户贡献度对不同客户进行分类，方便为不同类型的客户提供金融增值服务。而且，由于本申请在确定客户贡献度的过程中不仅考虑了客户的历史贡献度还考虑了客户的未来贡献度，即考虑到了客户的未来贡献度的潜力，能够得到更加准确的客户贡献度。进而依据客户贡献度得到更加准确的客户分类，从而为不同类型的客户提供更加精确的金融增值服务。

而且，本申请中的客户的历史贡献度值以及客户的未来贡献度值都可以用货币来衡量，从而得到的客户的综合贡献度值也可以采用货币的形式进行更加直观的展示，因此，呈现出的客户贡献度更加形象、准确。

由于本申请是利用客户未来贡献度值训练模型来训练得到客户在未来预设时间段内的贡献度值的，基于此，本申请公开了一种客户未来贡献度值训练模型的训练方法，该方法可由服务器实现，参照图2，所述方法可以包括：

步骤s200、确定在历史预设时间段内，每个单位历史预设时间段对应的历史特征集合；

所述历史特征集合为每个单位历史预设时间段内，客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息。

客户的历史贡献度值包括：存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值。

客户的属性信息可以包括客户的个人属性信息、客户的信用记录信息或者客户的资产信息等，本申请并不具体限定。客户的个人属性信息是客户的基本属性信息，客户的信用记录信息表明客户的信用情况，客户的资产信息表明客户所拥有的资产情况。

客户的个人属性信息可以包括：客户的年龄、性别、婚姻状况、学历、手机号、职业以及年收入等信息；

客户的信用记录信息可以包括：是否有过信用卡、是否有过贷款违约信息，违约册数、违约时间或在人行征信系统中是否有违约记录等；

客户的资产信息可以包括：客户是否有贷款、存款、信用卡、基金、理财或国债等资产信息。

客户的历史银行业务信息表明客户在每个单位历史预设时间段内所拥有的银行业务相关的信息，例如：每个月的存款金额、每个月的信用卡账单、每个月的理财产品的金额值、每个月的基金金额值或贷款基本信息(是否有贷款、贷款年份、是否还完)等。

步骤s210、按照时间的先后顺序，从所有单位历史预设时间段中依次选取预设个数个连续的单位历史预设时间段，将依次选取的各预设个数个连续的单位历史预设时间段，作为训练时间段；

步骤s220、利用各训练时间段各自对应的历史特征集合，得到各训练时间段对应的未来贡献度值；

步骤s230、利用各训练时间段各自对应的历史特征集合以及未来贡献度值，进行模型训练，得到客户未来贡献度值训练模型。

下面以一个具体的例子详细说明客户未来贡献度值训练模型的训练方法：

a0：给定用户集合c中的每个客户c的相关信息，获取客户c在历史预设时间段内(近5年中)每个单位历史预设时间段(每个月)的历史特征集合；将各个历史特征集合按时间顺序排列，构成长度为5*12＝60的时间序列s，其中s的第t个元素是用户在第t个月的历史特征集合。

a1：采用如下方法构造若干训练样本：对于序列s，用长度为w的滑动窗口自s的左端点向右滑动，每次滑动可以获取w个月(训练时间段)的历史特征集合的序列，作为模型输入特征。例如令w＝12，在第一次滑动时可以得到用户在第1个月到第12个月的历史特征集合向量的序列s，s＝{s1，s2，...，s|s|}，每个特征向量si＝{si1，si2，...，sin}，序列s中的第i个元素是用户在第i个月中的历史特征集合构成的向量。特征向量si对应的集合中的sin表明向量中的具体历史特征元素。

通过在序列s上不断滑动窗口w，可以得到一组历史特征集合序列。

a2：对于其中的每个特征向量序列s，训练得到s最后一个月份后未来三个月内客户的未来贡献度值，并以之作为通过s计算得到的预期贡献度值。

a3：对用户集合c中的其他所有用户重复执行如上a0-a2过程，可以训练得到客户在未来预设时间段内的贡献度值集合d。

a4：利用各训练时间段各自对应的历史特征集合以及在未来预设时间段内的贡献度值集合d，进行模型训练，得到客户未来贡献度值训练模型。

具体的，利用lstm模型，采用|s|步将序列s中的信息提取，最后形成一个包含s个丰富信息的特征向量。具体地，在第t步，我们采用之前t-1步得到的隐向量ht-1，lstm内部状态ct-1，以及第t步输入的特征向量st，得到本步的隐式向量ht-1。这一过程可以表述如下：

ft＝σ(wf·[ht-1，st]+bf)

ht＝ot*tang(ct)

其中wf、wi、wc、wo表示不同的模型矩阵，bf、bi、bc、bo、ct、ft、ht、ot、it表示不同的模型向量，σ为sigmoid函数，具体的，st表示第t步输入的特征向量，其中it＝σ(wi·[ht-1，st]+bi)。

在|s|步之后，我们将最后得到的隐层向量h作为lstm模型的输出。

然后，利用全连接层得到模型预测，即：

pred＝w·h+b

其中，pred为模型预测结果，w与h为同维度的模型预测向量，b为模型参数，具体的，b为任意实数。

我们使用带l2正则的平方损失来训练上述模型。对于数据集d，该损失表述如下：

其中，是模型对样本i的预测值，yi是样本i的真实值，θ是模型参数，λ是l2正则参数。

采用adam优化算法进行模型优化，得到其中待定的参数。

下面对本发明实施例提供的客户贡献度确定系统进行介绍，下文描述的客户贡献度确定系统可与上文客户贡献度确定方法相互对应参照。

图3为本发明实施例提供的客户贡献度确定系统的结构框图，参照图3，该客户贡献度确定系统可以包括：

历史贡献度值确定模块100，用于依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；

未来贡献度值确定模块110，用于依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；

综合贡献度值确定模块120，用于依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值。

在客户的历史贡献度值包括：存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的情况下，所述历史贡献度值确定模块包括：

存款业务历史贡献度值确定模块，用于依据客户的历史存款业务收益、存款成本以及存款管理成本，确定存款业务历史贡献度值；

贷款业务历史贡献度值确定模块，用于依据客户的历史贷款业务利息收益、资金成本、贷款管理成本、贷款业务税负成本以及风险成本，确定贷款业务历史贡献度值；

中间业务历史贡献度值确定模块，用于依据客户的历史中间业务收益、中间业务管理成本以及中间业务税负成本，确定中间业务历史贡献度值；

历史贡献度值确定子模块，用于将存款业务历史贡献度值、贷款业务历史贡献度值以及中间业务历史贡献度值的和，作为客户的历史贡献度值。

所述未来贡献度值确定模块包括：未来贡献度值确定子模块；

所述未来贡献度值确定子模块具体用于：将客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息输入到预先训练的客户未来贡献度值训练模型中；

利用所述客户未来贡献度值训练模型，对所述客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息进行训练，得到客户在未来预设时间段内的贡献度值。

还包括：模型训练模块；

所述模型训练模块具体用于：

确定在历史预设时间段内，每个单位历史预设时间段对应的历史特征集合，所述历史特征集合为每个单位历史预设时间段内，客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息；

按照时间的先后顺序，从所有单位历史预设时间段中依次选取预设个数个连续的单位历史预设时间段，将依次选取的各预设个数个连续的单位历史预设时间段，作为训练时间段；

利用各训练时间段各自对应的历史特征集合，得到各训练时间段对应的未来贡献度值；

利用各训练时间段各自对应的历史特征集合以及未来贡献度值，进行模型训练，得到客户未来贡献度值训练模型。

综上所述：

本发明实施例公开了一种客户贡献度确定方法及系统，通过依据客户的历史银行业务收益以及历史银行业务成本，确定客户的历史贡献度值；依据客户的历史贡献度值、客户的属性信息以及客户的历史银行业务信息，确定客户的未来贡献度值；依据客户的历史贡献度值以及客户的未来贡献度值，确定客户的综合贡献度值，从而提供了一种客户贡献度确定方法，便于依据客户贡献度对不同客户进行分类，方便为不同类型的客户提供金融增值服务。而且，由于本申请在确定客户贡献度的过程中不仅考虑了客户的历史贡献度还考虑了客户的未来贡献度，即考虑到了客户的未来贡献度的潜力，能够得到更加准确的客户贡献度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。