银行活动信息推送方法及装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种银行活动信息推送方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.现有银行的传统业务推送，面临着以下困难：由于用户办理金融交易转为线上，银行传统网点推送的模式增长乏力；短信推送不能根据每个用户的不同喜好进行业务推荐；传统的推送通过发传单、大堂经理讲解的模式，资源投入大、依赖于大堂经理的业务熟练程度。因此，如何在投入资源小的情况下，实现银行活动信息对用户的精准推送，是目前亟待解决的技术问题。


技术实现要素：

4.本发明实施例提供一种银行活动信息推送方法，用以解决现有银行活动信息难以实现在低成本场景下精准推送到用户的技术问题，该方法包括：
5.获取用户的手机银行操作日志、征信信息和风险承受能力信息；
6.将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；
7.将预测的银行活动信息推送给用户。
8.本发明实施例还提供一种银行活动信息推送装置，用以解决现有银行活动信息难以实现在低成本场景下精准推送到用户的技术问题，该装置包括：
9.获取模块：用于获取用户的手机银行操作日志、征信信息和风险承受能力信息；
10.预测模块：用于将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；
11.推送模块：用于将预测的银行活动信息推送给用户。
12.本发明实施例还提供一种计算机设备，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活动信息推送方法。
13.本发明实施例还提供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活动信息推送方法的计算机程序。
14.本发明实施例中，获取用户的手机银行操作日志、征信信息和风险承受能力信息；将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，
输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；将预测的银行活动信息推送给用户；与现有技术中银行传统网点推送的技术方案相比，根据用户的手机银行操作日志、结合用户的征信信息和风险承受能力信息，利用银行活动信息预测模型得到预测的银行活动信息，可以实现在低成本场景下银行活动信息精准推送到用户，提高活动消息决策的效率，有利于手机银行获客、增强用户的粘性。
附图说明
15.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：
16.图1为本发明实施例中银行活动信息推送方法的流程图；
17.图2为本发明实施例中银行活动信息推送方法的一具体实例的流程图；
18.图3为本发明实施例中银行活动信息推送方法的一具体实例的流程图；
19.图4为本发明实施例中银行活动信息推送装置的结构示意图；
20.图5为本发明实施例中银行活动信息推送装置的一具体实例的结构示意图。
具体实施方式
21.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。
22.为了实现在低成本场景下，实现银行活动信息精准推送到用户，本发明实施例中根据用户的手机银行操作日志、结合用户的征信信息和风险承受能力信息，利用银行活动信息预测模型得到预测的银行活动信息，实现在低成本场景下银行活动信息精准推送到用户。图1为本发明实施例中银行活动信息推送方法的流程图。如图1所示，本发明实施例中银行活动信息推送方法可以包括：
23.步骤101、获取用户的手机银行操作日志、征信信息和风险承受能力信息；
24.步骤102、将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；
25.步骤103、将预测的银行活动信息推送给用户。
26.由图1所示流程可以得知，本发明实施例的银行活动信息推送方法不同于现有技术中短信推送的技术方案，是根据用户的手机银行操作日志、结合用户的征信信息和风险承受能力信息，利用银行活动信息预测模型得到预测的银行活动信息，实现在低成本场景下银行活动信息精准推送到用户。
27.在一个实施例中，获取用户的手机银行操作日志，可以包括：通过手机银行嵌入数
据采集的sdk(software development kit，软件开发工具包)、调用数据采集的系统来获取用户的操作日志，操作日志例如可以包括：针对用户的重要操作、业务操作的记录。获取用户的征信信息，可以包括：通过银行后台来获取用户的征信信息。征信信息例如可以包括由特定机关建立的个人信用数据库所采集、整理、保存的，为商业银行和个人提供信用报告查询服务，为货币政策制定、金融监管和法律、法规规定的其他用途提供有关信息服务所使用的个人信用信息。获得用户的风险承受能力信息，可以包括通过银行后台来获取用户的风险承受能力信息。风险承受能力信息例如可以包括承担风险的能力信息，即能承受多大的投资损失而不影响正常生活，风险承受能力信息要综合衡量，与个人资产状况、家庭情况、工作情况等等都有关系，可以由银行通过用户填写风险承受能力测试得到。
28.在一个实施例中，在获取用户的手机银行操作日志、征信信息和风险承受能力信息后，将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息。其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的。历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息。例如，银行活动信息预测模型可以通过选取基于历史客手机银行操作日志、征信信息和风险承受能力信息等这些相关性较大的特征变量，以及为历史用户推荐过的银行活动信息，通过机器学习算法对机器学习模型进行训练得到。在得到银行活动信息预测模型后，输入用户的手机银行操作日志、征信信息和风险承受能力信息这些特征变量，可以预测用户现在想要办理的业务或想要参加的活动，即预测的银行活动信息，从而实现精准的银行活动信息推送。比如，获取历史用户手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息，采用机器学习算法，对机器学习模型进行训练得到银行活动信息预测模型，将用户的手机银行操作日志、征信信息和风险承受能力信息输入到构建好的银行活动信息预测模型，得到预测的银行活动信息。
29.在一个实施例中，在将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息后，将预测的银行活动信息推送给用户。例如，得到预测的银行活动信息后，通过线上互联网等虚拟媒介推送银行活动信息给用户。又比如，得到预测的银行活动信息后，通过手机银行推送银行活动信息给用户。
30.为了提高预测银行活动信息的精准性，在一个实施例中，用户的手机银行操作日志，记录有以下至少一种信息：用户点击页面、用户办理业务时所在时间段、用户办理业务时所在位置区域。举一例，用户在手机银行多次点击理财页面，将多次点击理财页面的用户行为采集到手机银行操作日志，结合用户的征信信息和风险承受能力信息输入银行活动信息预测模型，输出预测的银行活动信息为理财相关的银行活动信息，就可以将理财相关的银行活动信息推送给用户；用户办理业务所在时间段经常在早上九点半到十一点半、下午一点到三点范围内，将用户办理业务所在时间段采集到手机银行操作日志，结合用户的征信信息和风险承受能力信息输入银行活动信息预测模型，输出预测的银行活动信息为炒股相关的银行活动信息，就可以将炒股相关的银行活动信息推送给用户；用户办理业务时所在位置区域为北京，将用户办理业务的所在地为北京采集到手机银行操作日志，结合用户的征信信息和风险承受能力信息输入银行活动信息预测模型，输出预测的银行活动信息为北京相关的银行活动信息，就可以将北京相关的银行活动信息推送给用户。
31.图2为本发明实施例中银行活动信息推送方法的一具体实例的流程图。如图2所示，本发明实施例中银行活动信息推送方法在将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型之前，还可以包括：
32.步骤201、获取历史用户数据；
33.步骤202、将历史用户数据划分为训练集和测试集；
34.步骤203、利用训练集对机器学习模型进行训练，获得银行活动信息预测模型；
35.步骤204、利用测试集对银行活动信息预测模型进行测试，根据测试结果对银行活动信息预测模型进行优化。
36.由图2所示流程可以得知，本发明实施例的银行活动信息推送方法中，是通过历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息这些历史用户数据，划分为训练集对机器学习模型进行训练，获得银行活动信息预测模型、和测试集对银行活动信息预测模型进行测试，根据测试结果对银行活动信息预测模型进行优化，实现历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息四者结合构建能够精准预测的银行活动信息预测模型。
37.在一个实施例中，获取历史用户数据，可以是：获取用户过去的客观存在的手机银行操作日志、征信信息和风险承受能力信息，例如，用户七天前在手机银行操作购买了一款理财产品、填写了一份新的个人信息和风险承受能力测试。
38.在一个实施例中，在获取历史用户数据后，将历史用户数据划分为训练集和测试集。例如，将历史用户数据分成互斥的两个集合，其中一个集合为训练集，剩下的集合作为测试集，比如，训练集占历史用户数据的80％，测试集占历史用户数据的20％，两者都是从样本中随机抽取，这样可保持训练集和测试集中的数据分布的一致性，使得经过训练集中历史用户数据训练好的模型在测试集上可获得最佳表现。
39.在一个实施例中，在将历史用户数据划分为训练集和测试集后，利用训练集对机器学习模型进行训练，获得银行活动信息预测模型。例如，训练集所包含的数据用于训练机器学习模型，即确定机器学习模型的权重和偏置等参数，获得银行活动信息预测模型，比如，使用机器学习模型，将训练集作为特征输入到神经网络的输入层中去，然后进行训练，每一个神经元都是在训练对数几率回归，到输出层之后，获得构建好的银行活动信息预测模型。
40.在一个实施例中，在利用训练集对机器学习模型进行训练，获得银行活动信息预测模型后，利用测试集对银行活动信息预测模型进行测试，根据测试结果对银行活动信息预测模型进行优化。例如，测试集在训练完成后评价最终银行活动信息预测模型的泛化能力时使用，比如，将测试集中用户点击办理理财业务的操作输入到银行活动信息预测模型，看银行活动信息预测模型是否能输出关于理财的预测的银行活动信息，并根据预测的银行活动信息是否匹配输入的测试集中用户点击办理理财业务的操作来对银行活动信息预测模型进行优化。
41.图3为本发明实施例中银行活动信息推送方法的一具体实例的流程图。如图3所示，在银行活动信息推送方法中，获取用户的手机银行操作日志、征信信息和风险承受能力信息，可以包括：
42.步骤301、获取手机银行实时上送的用户的手机银行操作日志；
43.步骤302、在获取的手机银行操作日志的数据量超过阈值后，获取用户的征信信息和风险承受能力信息。
44.由图3所示流程可以得知，本发明实施例的银行活动信息推送方法实时获取手机银行操作日志，手机银行操作日志的数据量超过阈值后，获取用户的征信信息和风险承受能力信息，避免频繁获取用户的征信信息和风险承受能力信息占用传输信息的资源。
45.在一个实施例中，获取手机银行实时上送的用户的手机银行操作日志，可以是：获取手机银行安装的sdk实时采集用户的手机操作日志，例如，用户点击办理了申请信用卡按钮，sdk就将此操作记录到手机操作日志并被实时获取。
46.在一个实施例中，在获取手机银行实时上送的用户的手机银行操作日志后，在获取的手机银行操作日志的数据量超过阈值后，获取用户的征信信息和风险承受能力信息。例如，当获取的手机银行操作日志量达到一定值，获取征信信息和风险承受能力信息，输入模型分析，比如，获取的手机银行操作日志量达到阈值一千条，此时再获取用户的征信信息和风险承受能力信息。
47.为了提高预测银行活动信息的及时性，在一个实施例中，获取用户的手机银行操作日志、征信信息和风险承受能力信息，可以包括：根据预设的定时任务，获取用户的手机银行操作日志、征信信息和风险承受能力信息。例如，预设一个定时任务来获取在定时期间内用户的手机银行操作日志，以此来获取用户最新的操作动态输入到银行活动信息分析模型，能够让推送银行活动信息更加准确；预设定时任务获取用户征信信息和风险承受能力信息，以免用户的征信信息和风险承受能力信息发生改变导致预测的银行活动信息失准。比如，预设七天获取一次用户的手机银行操作日志，在这七天内用户操作业务地点由西安变换到了北京，将用户办理业务的所在地为北京采集到手机银行操作日志，结合用户的征信信息和风险承受能力信息输入银行活动信息预测模型，输出预测的银行活动信息为北京相关的银行活动信息；设置每三个月获取一次用户的征信信息和风险承受能力信息，在三个月内用户重新填写了风险承受能力测试导致风险承受能力下降，相应的风险承受能力信息就会改变，推送银行活动信息的时候也会及时以此为依据做出预测。
48.在一个实施例中，银行活动信息可以包括：银行理财活动信息、和/或银行信用卡活动信息。
49.在一个实施例中，银行活动信息可以包括：手机充值、公用事业费的查询和缴付信息。
50.在一个实施例中，银行活动信息可以包括：充值卡支付、游戏点卡支付和彩票投注信息。
51.在一个实施例中，将预测的银行活动信息推送给用户，可以包括：将预测的银行活动信息通过手机银行推送给用户。
52.在一个实施例中，将预测的银行活动信息推送给用户，可以包括：将预测的银行活动信息通过手机短信推送给用户。
53.在一个实施例中，将预测的银行活动信息推送给用户，可以包括：将预测的银行活动信息通过手机微信推送给用户。
54.在一个实施例中，将预测的银行活动信息推送给用户，可以包括：将预测的银行活动信息通过手机支付宝推送给用户。
55.本发明实施例中还提供了一种银行活动信息推送装置，如下面的实施例所述。由于该装置解决问题的原理与银行活动信息推送方法相似，因此该装置的实施可以参见银行活动信息推送方法的实施，重复之处不再赘述。
56.图4为本发明实施例中银行活动信息推送装置的结构示意图。如图4所示，本发明实施例中银行活动信息推送装置，可以包括：
57.获取模块401：用于获取用户的手机银行操作日志、征信信息和风险承受能力信息；
58.预测模块402：用于将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；
59.推送模块403：用于将预测的银行活动信息推送给用户。
60.一个实施例中，用户的手机银行操作日志，记录有以下至少一种信息：用户点击页面、用户办理业务时所在时间段、用户办理业务时所在位置区域。
61.图5为本发明实施例中银行活动信息推送装置的一具体实例的结构示意图。如图5所示，本发明实施例中银行活动信息推送装置，还可以包括：
62.模型获得模块501：用于在预测模块402将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型之前，获取历史用户数据；将历史用户数据划分为训练集和测试集；利用训练集对机器学习模型进行训练，获得银行活动信息预测模型；利用测试集对银行活动信息预测模型进行测试，根据测试结果对银行活动信息预测模型进行优化。
63.一个实施例中，获取模块401具体用于：获取手机银行实时上送的用户的手机银行操作日志；在获取的手机银行操作日志的数据量超过阈值后，获取用户的征信信息和风险承受能力信息。
64.一个实施例中，获取模块401具体用于：根据预设的定时任务，获取用户的手机银行操作日志、征信信息和风险承受能力信息。
65.一个实施例中，银行活动信息包括：银行理财活动信息、和/或银行信用卡活动信息。
66.一个实施例中，银行活动信息可以包括：手机充值、公用事业费的查询和缴付信息。
67.一个实施例中，银行活动信息可以包括：充值卡支付、游戏点卡支付和彩票投注信息。
68.一个实施例中，推送模块403具体用于：将预测的银行活动信息通过手机银行推送给用户。
69.一个实施例中，推送模块403具体用于：将预测的银行活动信息通过手机短信推送给用户。
70.一个实施例中，推送模块403具体用于：将预测的银行活动信息通过手机微信推送给用户。
71.一个实施例中，推送模块403具体用于：将预测的银行活动信息通过手机支付宝推
送给用户。
72.本发明实施例还提供一种计算机设备，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活动信息推送方法。
73.本发明实施例还提供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活动信息推送方法的计算机程序。
74.本发明实施例中，获取用户的手机银行操作日志、征信信息和风险承受能力信息；将用户的手机银行操作日志、征信信息和风险承受能力信息，输入银行活动信息预测模型，输出预测的银行活动信息；其中，银行活动信息预测模型是根据历史用户数据对机器学习模型进行训练得到的，所述历史用户数据包括：历史用户的手机银行操作日志、征信信息和风险承受能力信息，以及为历史用户推荐过的银行活动信息；将预测的银行活动信息推送给用户；与现有技术中银行传统网点推送的技术方案相比，根据用户的手机银行操作日志、结合用户的征信信息和风险承受能力信息，利用银行活动信息预测模型得到预测的银行活动信息，可以实现在低成本场景下银行活动信息精准推送到用户，提高活动消息决策的效率，有利于手机银行获客、增强用户的粘性。
75.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。
76.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。
77.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。
78.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。
79.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。