一种银行产品推送方法及装置与流程

1.本发明涉及数据处理技术，具体的讲是一种银行产品推送方法及装置。


背景技术：

2.银行网点特色理财或者借贷产品营销主要依靠客户到达网点后，客户经理或者大堂经理，根据客户个人意愿进行产品介绍推销或者通过后台短信群发的形式，将各个银行网点的特色理财或者借贷产品发送到客户预留的手机上。已经初步形成的线上营销方案大多通过用户已有的业务兴趣爱好进行产品推送，比如该用户在本行内已持有的理财、存款或者贷款产品，然后匹配附近网点待推送的业务信息，向目标用户推送相关产品。
3.现有技术的银行网点产品营销方案弊端较为明显，首先人工营销效率过低，精确度无法保证，费时费力；其次现有的线上营销方案基于存量用户的业务兴趣爱好数据进行产品信息推送，无法准确预测用户的未来消费行为，存在一定盲目性，不支持挖掘潜在用户；再次忽略了不同客户群体的地域聚集特性，同一个城市的不同区域由于聚集群体差异，对银行网点的特色产品有着较为明显的区域性差异，现有技术无法自适应采集网点附近的客户需求，基于原始需要改良升级网点金融产品，根据不同区域的网点附近的不同聚集人群，定制网点特色金融产品。


技术实现要素：

4.针对现有技术中银行营销产品数据处理中存在的缺陷，为至少解决其中一技术问题，本发明提供了一种银行产品推送方法，包括：
5.获取预设时段内终端登录用户的用户位置信息及用户资产信息；
6.根据所述的用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型；
7.根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据。
8.本发明实施例中，所述根据所述的用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型包括：
9.利用蚁群算法以用户的位置信息为粒度建立的用户资产初始预测模型；
10.根据预设区域内的用户的资产信息对建立的用户资产初始预测模型进行训练确定预设区域内用户的资产预测模型。
11.本发明实施例中，所述根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据包括：
12.根据确定的区域内用户资产预测模型和用户资产信息确定区域内银行产品的预测购买数据；
13.根据确定的银行产品的预测购买数据和网点银行产品信息生成区域内网点银行的银行产品推送数据。
14.本发明实施例中，所述的用户的位置信息包括：用户所属城区信息及街道信息；
15.所述的用户资产信息包括：用户存款信息、用户负债信息以及用户投资信息。
16.本发明实施例中，所述的方法还包括：
17.获取终端登录用户的实时位置信息；
18.根据用户的实时位置信息确定当前实时位置信息对应的网点银行；
19.根据确定的网点银行的银行产品推送数据和当前用户的资产信息生成针对当前用户的产品推送数据。
20.本发明实施例中，所述的根据用户的实时位置信息确定当前实时位置信息对应的网点银行包括：
21.按预设时间间隔对所述的用户的实时位置信息进行采样；
22.将满足预设采样频率的用户作为目标用户；
23.根据预设的查询范围和目标用户的实时位置信息确定目标用户对应的网点银行。
24.本发明实施例中，所述的方法还包括：
25.根据用户资产信息中的投资信息生成用户的投资标签。
26.同时，本发明还提供一种银行产品推送装置，包括：
27.数据获取模块，用于获取预设时段内终端登录用户的用户位置信息及用户资产信息；
28.模型确定模块，根据所述的用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型；
29.推送模块，用于根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据。
30.本发明实施例中，所述根据所述的模型确定模块包括：
31.初始模型建立单元，用于利用蚁群算法以用户的位置信息为粒度建立的用户资产初始预测模型；
32.训练单元，用于根据预设区域内的用户的资产信息对建立的用户资产初始预测模型进行训练确定预设区域内用户的资产预测模型。
33.本发明实施例中，推送模块包括：
34.用户购买数据预测单元，用于根据确定的区域内用户资产预测模型和用户资产信息确定区域内银行产品的预测购买数据；
35.网点产品推送单元，用于根据确定的银行产品的预测购买数据和网点银行产品信息生成区域内网点银行的银行产品推送数据。
36.本发明实施例中，所述的装置还包括：
37.实时信息获取模块，用于获取终端登录用户的实时位置信息；
38.网点确定模块，用于根据用户的实时位置信息确定当前实时位置信息对应的网点银行；
39.用户产品数据推送模块，根据确定的网点银行的银行产品推送数据和当前用户的资产信息生成针对当前用户的产品推送数据。
40.本发明实施例中，所述的网点确定模块包括：
41.采样单元，用于按预设时间间隔对所述的用户的实时位置信息进行采样；
42.目标用户确定单元，用于将满足预设采样频率的用户作为目标用户；
43.网点确定单元，用于根据预设的查询范围和目标用户的实时位置信息确定目标用户对应的网点银行。
44.本发明实施例中，所述的装置还包括：
45.标签模块，用于根据用户资产信息中的投资信息生成用户的投资标签。
46.同时，本发明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，处理器执行计算机程序时实现上述方法。
47.同时，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。
48.本发明提供的银行产品推送方法，通过获取预设时段内终端登录用户的用户位置信息及用户资产信息，根据用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型，根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据，提供一种基于用户位置信息的推送方法及装置，能够将网点推出的特色理财产品，借贷产品快速精确的推送给周边的潜在客户。其可借助移动互联网技术，覆盖用户范围较广，提升品牌价值。采用数据建模，绘制用户资产模型，预测投资喜好以及借贷需求，指导网点开发特色产品，精准营销推广。基于gps定位采集用户热点路线匹配周边网点，精度高成本低。充分借助行内存量用户数据，深度挖掘数据价值，效益最大化。
49.为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
50.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。
51.图1为本发明提供的银行产品推送方法的流程图；
52.图2为本发明实施例中提供的基于智能终端gps定位的网点特色产品推送应用的框图；
53.图3为本发明实施例中的流程示意图；
54.图4为本发明提供的银行产品推送装置的框图；
55.图5为本发明提供的电子设备实施例的示意图。
具体实施方式
56.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。
57.目前银行网点特色理财或者借贷产品营销主要依靠客户经理或者大堂经理，根据客户个人意愿进行产品介绍推销或者通过后台短信群发形式，将各个银行网点的特色理财
或者借贷产品发送到客户预留的手机上。或者，通过采集终端用户已有的业务兴趣爱好进行产品推送，比如该用户在自己行内已持有的理财、存款或者贷款产品，然后匹配附近网点待推送的业务信息，向目标用户推送相关产品。现有的银行网点产品营销方案存在人工营销效率过低，精确度无法保证，费时费力的缺陷，并且现有的线上营销方案基于存量用户的业务兴趣爱好数据进行产品信息推送，无法准确预测用户的未来消费行为，存在一定盲目性，不支持挖掘潜在用户，忽略了不同客户群体的地域聚集特性，同一个城市的不同区域由于聚集群体差异，对银行网点的特色产品有着较为明显的区域性差异，现有方案无法自适应采集网点附近的客户需求，基于原始需要改良升级网点金融产品，根据不同区域的网点附近的不同聚集人群，定制网点特色金融产品。
58.有鉴于此，本发明提供一种银行产品推送方法，如图1所示，该方法包括：
59.步骤s101，获取预设时段内终端登录用户的用户位置信息及用户资产信息；
60.步骤s102，根据用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型；
61.步骤s103，根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据。
62.本发明提供的银行产品推送方法，其根据预设时段内终端登录用户的用户位置信息及用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型，利用蚁群算法确定的资产模型实现对用户资产的预测，从而根据对用户资产的预测生成银行产品推送数据，从而实现根据预测的投资喜好以及借贷需求，指导网点开发特色产品，精准营销推广。
63.具体的，本发明实施例中，根据用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型包括：
64.利用蚁群算法以用户的位置信息为粒度建立的用户资产初始预测模型；
65.根据预设区域内的用户的资产信息对建立的用户资产初始预测模型进行训练确定预设区域内用户的资产预测模型。
66.具体的，本发明一实施例中，根据用户登录用户的用户资产信息计算用户债务比、各类型资产比，具体的：
67.用户债务比＝(∑本行债务+∑他行债务)/∑本行收入
68.本发明实施例中，根据登录用户的用户姓名、身份证号、手机号三要素查询用户在资产管理系统中的资产清单，根据资产清单计算用户各类型资产比(资产类型可根据需要划分，如按投资风险划分，按照收益率划分，按照投资产品发行方规模划分等等)，进而将用户资占比转换为指标，再比如将基金产品按照风险高低分为高风险、中风险、低风险，通过计算该用户已持有基金产品中各风险型基金占比：
69.p(高风险基金投资意向率)＝(∑高风险基金总值)/∑本行总资产；
70.p(中风险基金投资意向率)＝(∑中风险基金总值)/∑本行总资产；
71.p(低风险基金投资意向率)＝(∑低风险基金总值)/∑本行总资产；
72.p(高风险基金投资意向率)+p(中风险基金投资意向率)+p(低风险基金投资意向率)＝100％；
73.通过上述操作，得到用户基本信息，使用类似如下嵌套二元组标识：
74.{(用户姓名，身份证号，手机号，债务比,省份，市，区，街道，日期，坐标)；
75.{(活期存款,额度,利率,意向率)，(定期存款,额度,利率,意向率)...}；
76.{(货币基金,额度,风险系数,意向率)，(股票基金,额度,风险系数,意向率)...}；
77.{(房贷负债,额度,年限,利率)，(房贷负债,额度,年限,利率)...}}。
78.根据得到登录终端的海量的用户数据，借助蚁群算法按照(省份，市，区，街道)的粒度，训练用户资产模型，得到当前时间不同区域(省份，市，区，街道)下，各类人群资产配比情况，比如近一月a省b市c区d街道购买货币基金的人员比例，购买股票基金的人员比例等等信息，同时根据蚁群算法的正反馈特性不断修正数据模型，预测出未来短期内这一比例的走向，这样不同区域的网点根据各自区域的预测数据，提前预测出各个金融产品在该区域的销售走势，推出自己的网点特色产品。
79.本发明实施例中，所述根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据包括：
80.根据确定的区域内用户资产预测模型和用户资产信息确定区域内银行产品的预测购买数据；
81.根据确定的银行产品的预测购买数据和网点银行产品信息生成区域内网点银行的银行产品推送数据。
82.根据确定的区域内用户资产预测模型和用户资产信息确定区域内银行产品的预测购买数据，即根据已登录用户的资产信息确定的区域内用户资产预测模型，绘制用户资产模型，利用确定的区域内用户资产预测模型预测区域内用户的预测购买数据，从而预测用户的投资喜好以及借贷需求，指导网点开发特色产品，精准营销推广。
83.本发明实施例中，所述的用户的位置信息包括：用户所属城区信息及街道信息；
84.所述的用户资产信息包括：用户存款信息、用户负债信息以及用户投资信息。
85.本发明实施例中，所述的方法还包括：
86.获取终端登录用户的实时位置信息；
87.根据用户的实时位置信息确定当前实时位置信息对应的网点银行；
88.根据确定的网点银行的银行产品推送数据和当前用户的资产信息生成针对当前用户的产品推送数据。
89.本发明实施例中，所述的根据用户的实时位置信息确定当前实时位置信息对应的网点银行包括：
90.按预设时间间隔对所述的用户的实时位置信息进行采样；
91.将满足预设采样频率的用户作为目标用户；
92.根据预设的查询范围和目标用户的实时位置信息确定目标用户对应的网点银行。
93.具体的，本发明实施例中，用户登录银行客户端，登录成功后客户端定时上送gps数据，本发明一实施例中gps数据格式为整型二元组(latitude,longitude)，对原始数据采样分析，将经纬度直线距离在30m以内的gps坐标求平均并按照一定时间间隔统计出现频率，以{(用户姓名,身份证号)，{((latitude,longitude)平均值,频率)}}的格式标识用户的热点坐标，根据标识用户的热点坐标获取预设范围内的银行网点的产品推送数据。
94.本发明实施例中，根据用户姓名、身份证号、手机号三要素联机查询用户个人资产管理系统，根据个人资产管理系统获取该用户已经持有的理财产品/存款情况/贷款情况、同时通过人行征信系统获取该用户个人信贷信息，包括他行债务/征信/信用卡等信息。
95.本发明实施例中，所述的方法还包括：
96.根据用户资产信息中的投资信息生成用户的投资标签。
97.即本发明实施例中，根据用户资产信息为用户添加推荐标签，根据推荐标签生成当前用户的产品推送数据。比如用户对于风险系数在某个预设的(min,max)范围内的基金类型，其意向率高于80％，则可以为该用户添加如{(用户姓名,身份证号,手机号),{(a类型,(min,max))}}的标志，标识可向该用户推荐风险系数在(min,max)范围的a类型基金产品，依次类推，可为用户添加理财/信贷等多种产品的多种推荐标签。
98.本发明将移动互联网技术与大数据技术深切结合，通过移动智能终端gps数据采样，计算用户常用热点路线，结合用户债务信息、资产信息、投资偏好等历史数据结合蚁群算法的正反馈特性推算不同区域不同用户的潜在消费行为或者未来投资借贷趋势，在后台建立用户资产模型，指导不同区域的不同网点根据自己附近的用户资产模型，开发特色的有针对性的网点金融产品。其次不同区域不同用户各自有着不同的常用热点路线，这些热点路线附近的网点可将自己开发的特色理财或者借贷产品实时推送给这些用户，实现不同产品针对其适用人群的精准营销，从投入和收益两方面扩大网点效益，最终实现品牌价值的提升。
99.本发明一实施例提出一种基于智能终端gps定位的网点特色产品推送应用，本实施例的应用包括：六个子模块，分别为客户端、访问控制层，推送模块、计算中心、热点路线模块、产品库模块，整个应用通过这六个模块完成用户路线采集、用户资产模型绘制、产品匹配，最终实现精准推送进而完成整个业务流程，模块构成如下图2所示：
100.针对图2中各模块以及功能说明如下：
101.客户端：安装在用户个人手机上，主要用于采集gps数据及接收信息。本实施例中，客户端软件支持android及ios操作系统。
102.访问控制层：完成用户鉴权及请求分类转发
103.计算中心：根据存量用户数据建立区域维度的用户资产模型，可预测未来短期区域内用户资产占比，根据预测值实时维护产品库模块，同时将产品信息推送至网点附近热点路线用户。
104.推送模块：将符合用户需要的金融产品推送给用户。
105.热点路线模块：计算并存储用户热点路线。
106.用户资产模型：计算并预测用户潜在投资借贷模型。
107.产品库模块：采集并存储各分行或网点特色金融产品。
108.如图3所示，为本实施例的流程图，流程描述：
109.1)用户登录客户端，登录成功后将用户个人信息发送至访问控制层；
110.2)客户端登录后，定时上送gps数据给热点路线模块，热点路线模块接收到的原始gps数据格式为整型二元组(latitude,longitude)，对原始数据采样分析，将经纬度直线距离在30m以内的gps坐标求平均并按照一定时间间隔统计出现频率，以{(用户姓名,身份证号)，{((latitude,longitude)平均值,频率)}}的格式标识用户的热点坐标；
111.3)访问控制层接收到用户个人信息，根据用户姓名、身份证号、手机号三要素联机查询用户个人资产管理系统，根据个人资产管理系统获取该用户已经持有的理财产品/存款情况/贷款情况、同时通过人行征信系统获取该用户个人信贷信息，包括他行债务/征信/
信用卡等信息；
112.4)建立用户资产模型，计算用户债务比＝(∑本行债务+∑他行债务)/∑本行收入，根据用户姓名、身份证号、手机号三要素查询用户在资产管理系统中的资产清单，根据资产清单计算用户各类型资产比(资产类型可根据需要划分，如按投资风险划分，按照收益率划分，按照投资产品发行方规模划分等等)，进而将用户资占比转换为指标，再比如将基金产品按照风险高低分为高风险、中风险、低风险，通过计算该用户已持有基金产品中各风险型基金占比：
113.p(高风险基金投资意向率)＝(∑高风险基金总值)/∑本行总资产；
114.p(中风险基金投资意向率)＝(∑中风险基金总值)/∑本行总资产；
115.p(低风险基金投资意向率)＝(∑低风险基金总值)/∑本行总资产；
116.p(高风险基金投资意向率)+p(中风险基金投资意向率)+p(低风险基金投资意向率)＝100％；
117.通过上述操作，得到用户基本信息，使用类似如下嵌套二元组标识:
118.{(用户姓名,身份证号,手机号,债务比,省份，市，区，街道，日期，坐标),
119.{(活期存款,额度,利率,意向率),(定期存款,额度,利率,意向率)...}
120.{(货币基金,额度,风险系数,意向率),(股票基金,额度,风险系数,意向率)...}
121.{(房贷负债,额度,年限,利率),(房贷负债,额度,年限,利率)...}}
122.将上述标识用户信息的二元组存储落库。
123.根据第4)步将得到海量的用户数据，借助蚁群算法按照(省份，市，区，街道)的粒度，训练用户资产模型，得到当前时间不同区域(省份，市，区，街道)下，各类人群资产配比情况，比如近一月a省b市c区d街道购买货币基金的人员比例，购买股票基金的人员比例等等信息，同时根据蚁群算法的正反馈特性不断修正数据模型，预测出未来短期内这一比例的走向，这样不同区域的网点根据各自区域的预测数据，提前预测出各个金融产品在该区域的销售走势，推出自己的网点特色产品。
124.5)各个银行网点将自己的特色金融产品录入产品库模块，录入产品时需要录入该产品特性，比如理财产品录入(产品名称，产品类型，产品收益率，发行网点组织机构编码，上级组织机构编码，产品风险类型，适用人群)等参数；
125.6)为用户添加推荐标签，比如用户对于风险系数在某个(最小值,最大值)范围内的基金类型，其意向率高于80％，则可以为该用户添加如{(用户姓名,身份证号,手机号),{(a类型,(最小值,最大值))}}的标志，标识可向该用户推荐风险系数在(最小值,最大值)范围的a类型基金产品，依次类推，可为用户添加理财/信贷等多种产品的多种推荐标签；
126.7)计算中心通过热点路线模块预计用户资产模型预测的潜在用户，推送最新的产品信息。
127.本发明实施例中，客户端采用android/ios技术架构，通过应用商店对外发布app，服务端采用分布式技术架构，服务节点以docker容器形式存在，支持弹性扩容，数据库采用mysql主从架构做读写分离，缓存中间件采用redis实现性能提升，推送模块支持实时以及离线推送两种方式，详细技术方案如下：
128.1.客户端模块：
129.采用android原生框架，主要完成用户信息上送和gps坐标数据采集，其中gps坐标
采集，使用android原生服务。
130.2.访问控制层：
131.采用spring框架实现，为客户端模块提供http请求入口，作为客户端与计算中心的桥接层，实现客户端原始请求转发。
132.3.计算中心：
133.相当于服务控制中心，接收来自客户端的请求数据，根据不同请求参数调用不同的业务逻辑，比如客户端请求构建热点路线，则需要实时上报其坐标位置，客户端请求绘制用户资产模型，构建用户资产模型；
134.4.热点路线模块：
135.客户端在使用过程中会定时采集gps数据并通过计算中心上报到后台服务器，gps数据以整型二元数组形式报送{(用户姓名,身份证号),(latitude,longitude),timestamp}，同时针对一天内采集到的用户坐标数据进行采样统计，采样间隔可限定为5分钟，针对gps样本数据进行频率计算，最终得到{((latitude,longitude)样本平均值,频率)}}，筛选采样平均值大于50％的样本点，就是用户的热点坐标。
136.针对热点路线模块，要保障连续不间断的更新，通过不断的数据更新，令用户的热点坐标持续有效。
137.5.用户资产模型：
138.用户资产模型主要用来描绘用户的个人理财借贷模型，用户登录成功后，后台获取到该用户三要素，通过与银行内个人资产管理系统以及人行征信系统交互，可以获取到个人的已持有理财投资产品以及债务信息，通过分析个人已持有理财投资产品特性，建立起个人用户画像，类似如下数据体：
139.{(用户姓名,身份证号,手机号,债务比,省份，市，区，街道，日期，坐标),
140.{(活期存款,额度,利率,意向率),(定期存款,额度,利率,意向率)...}
141.{(货币基金,额度,风险系数,意向率),(股票基金,额度,风险系数,意向率)...}
142.{(房贷负债,额度,年限,利率),(房贷负债,额度,年限,利率)...}}
143.其中意向率为个人针对某款金融产品的感兴趣程度的数字表达形式，可以通过
144.p(意向率)＝(∑已持有某类型资产总值)/∑本行总资产；
145.根据已有用户资产模型结合用户过往各个时间段所处区域，借助蚁群算法，可训练出各个时间段内不同区域内用户的资产配比数据模型，能够预测出未来短期内的资产配比走向，比如短期内某区域股票基金的增长幅度或者货币基金的增长幅度等，可供网点提前参考推出相关特色产品。
146.本发明实施例中提供的一种基于智能终端gps定位的网点特色产品推送应用，能够将网点推出的特色理财产品，借贷产品快速精确的推送给周边的潜在客户。其借助移动互联网技术，覆盖用户范围较广，提升品牌价值。采用数据建模，绘制用户资产模型，预测投资喜好以及借贷需求，指导网点开发特色产品，精准营销推广。基于gps定位采集用户热点路线匹配周边网点，精度高成本低。充分借助行内存量用户数据，深度挖掘数据价值，效益最大化。
147.需要说明的是，本技术中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。本技术实施例中的用户信息均是通过合法合规途径获得，并且对
用户信息的获取、存储、使用、处理等经过客户授权同意的。
148.同时，本发明还提供一种银行产品推送装置，如图4所示包括：
149.数据获取模块401，用于获取预设时段内终端登录用户的用户位置信息及用户资产信息；
150.模型确定模块402，根据所述的用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型；
151.推送模块403，用于根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据。
152.对本领域技术人员而言，通过前述实施例的描述可清楚获知本发明提供的银行产品推送装置的实现方式，在此不再赘述。
153.需要说明的是，本公开银行产品推送方法和装置可用于金融领域在金融产品的推送，也可用于除金融领域之外的任意领域，本公开银行产品推送方法和装置的应用领域不做限定。
154.本实施例还提供一种电子设备，该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照前述方法及装置的实施例，其内容被合并于此，重复之处不再赘述。
155.图5为本发明实施例的电子设备600的系统构成的示意框图。如图5所示，该电子设备600可以包括中央处理器100和存储器140；存储器140耦合到中央处理器100。值得注意的是，该图是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
156.一实施例中，银行产品推送功能可以被集成到中央处理器100中。其中，中央处理器100可以被配置为进行如下控制：
157.获取预设时段内终端登录用户的用户位置信息及用户资产信息；
158.根据所述的用户位置信息和用户资产信息利用蚁群算法确定预设区域内用户的资产预测模型；
159.根据确定的区域内用户的资产预测模型和用户资产信息生成区域内网点银行的银行产品推送数据。
160.在另一个实施方式中，银行产品推送装置可以与中央处理器100分开配置，例如可以将银行产品推送装置配置为与中央处理器100连接的芯片，通过中央处理器的控制来实现银行产品推送功能。
161.如图5所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图5中所示的所有部件；此外，电子设备600还可以包括图5中没有示出的部件，可以参考现有技术。
162.如图5所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
163.其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实
现信息存储或处理等。
164.输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
165.该存储器140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
166.存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
167.通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
168.基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
169.本发明实施例还提供一种计算机可读程序，其中当在电子设备中执行所述程序时，所述程序使得计算机在所述电子设备中执行如上面实施例所述的银行产品推送方法。
170.本发明实施例还提供一种存储有计算机可读程序的存储介质，其中所述计算机可读程序使得计算机在电子设备中执行上面实施例所述的银行产品推送。
171.以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此所附权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
172.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。
173.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。
174.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。
175.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。
176.本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。