本发明涉及金融科技领域,尤其涉及一种潜力客户识别分析方法、装置、设备及存储介质。
背景技术:
1、随着银行零售业务范围的迅速发展,如何挖掘潜力客户便成为了客户经营的关键问题。高效且精准的潜力客户识别,一方面既可以提高服务成功率,帮助客户解决潜在问题,增加客户粘性;另一方面也可以促进一线工作人员工作效率的提升,降低服务成本。在实际的银行服务过程中,虽然收集数据量大,数据范围广,但对各类数据的利用率低,缺乏体系化、精细化的方法来提取数据中的内在信息,从而难以实现客户潜力需求的挖掘。
2、现有技术多集中于对客户原始数据的建模应用,着重于采用算法对客户潜力进行模型构建,或者直接将客户的原始数据作为判别依据来识别潜力客户。这类方法的模型解释性较差,将收集到的客户数据作为统一水平类型数据,忽视了客户数据内在业务特征和层次结构,未能进一步对客户数据进行萃取提炼,从而难以全面挖掘客户的潜力需求,难以有效提高客户经营效率。
技术实现思路
1、本发明的主要目的在于提供一种潜力客户识别分析方法、装置、设备及存储介质,旨在解决难以深层次挖掘客户的潜力需求的问题。
2、为实现上述目的,本发明提供一种潜力客户识别分析方法,所述潜力客户识别分析方法包括以下步骤:
3、获取第一客户数据;
4、对所述第一客户数据进行处理,获得待识别客户数据;
5、将所述待识别客户数据输入预先构建的潜力客户识别模型中进行识别,生成潜力客户识别结果;
6、根据所述潜力客户识别结果,对所述待识别客户数据中的客户特征因子进行分析,生成客户特征因子分析结果。
7、可选地,所述对所述第一客户数据进行处理,获得待识别客户数据的步骤包括:
8、基于预设的分类条件,对所述第一客户数据进行分类,获取第一客户类别数据;
9、基于预设的特征提取条件,对所述第一客户类别数据进行特征化处理,获得第一客户特征数据,所述第一客户特征数据包括:第一客户身份特征数据、第一客户资产特征数据和第一客户行为特征数据中的一种或几种;
10、对所述第一客户特征数据进行预处理,获取所述待识别客户数据。
11、可选地,所述对所述第一客户特征数据进行预处理,获取所述待识别客户数据的步骤包括:
12、基于预设的缺失值处理条件,对所述第一客户特征数据进行缺失值处理,获得缺失值处理后的第一客户特征数据;
13、基于预设的异常值处理条件,对所述第一客户特征数据进行异常值处理,获取异常值处理后的第一客户特征数据;
14、根据所述缺失值处理后的第一客户特征数据和异常值处理后的第一客户特征数据,获得所述待识别客户数据。
15、可选地,所述基于预设的缺失值处理条件,对所述第一客户特征数据进行缺失值处理,获得缺失值处理后的第一客户特征数据的步骤包括:
16、基于所述缺失值处理条件中的身份缺失值处理条件,对所述第一客户身份特征数据进行缺失值处理,获得缺失值处理后的第一客户身份特征数据;
17、基于所述缺失值处理条件中的资产和行为缺失值处理条件,对所述第一客户资产特征数据和第一客户行为特征数据进行缺失值处理,获得缺失值处理后的第一客户资产特征数据和缺失值处理后的第一客户行为特征数据;
18、根据所述缺失值处理后的第一客户身份特征数据、缺失值处理后的第一客户资产特征数据和缺失值处理后的第一客户行为特征数据,获得所述缺失值处理后的第一客户特征数据。
19、可选地,所述基于预设的异常值处理条件,对所述第一客户特征数据进行异常值处理,获取异常值处理后的第一客户特征数据的步骤包括:
20、基于正态分布,对所述第一客户特征数据进行筛查,获得第一客户特征数据的异常数据;
21、基于预设的异常值处理条件,对所述第一客户特征数据的异常数据进行异常值处理,获得处理后的异常数据;
22、根据所述第一客户特征数据和处理后的异常数据,获得所述异常值处理后的第一客户特征数据。
23、可选地,所述获取第一客户数据的步骤之前还包括:
24、获取第二客户数据;
25、根据所述第二客户数据,建立训练集;
26、基于xgboost算法,通过所述训练集,构建所述潜力客户识别模型。
27、可选地,所述根据所述第二客户数据,建立训练集的步骤包括:
28、对所述第二客户数据进行处理,获得待训练客户数据;
29、根据预设的筛选条件,对所述待训练客户数据进行筛选,获取潜力客户数据;
30、根据所述潜力客户数据,建立所述训练集。
31、此外,为实现上述目的,本发明还提供一种潜力客户识别分析装置,所述潜力客户识别分析装置包括:
32、获取模块,用于获取第一客户数据;
33、数据处理模块,用于对所述第一客户数据进行处理,获得待识别客户数据;
34、识别模块,用于将所述待识别客户数据输入预先构建的潜力客户识别模型中进行识别,生成潜力客户识别结果;
35、分析模块,用于根据所述潜力客户识别结果,对所述待识别客户数据中的客户特征因子进行分析,生成客户特征因子分析结果。
36、本发明实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的潜力客户识别分析程序,所述潜力客户识别分析程序被所述处理器执行时实现如上所述的潜力客户识别分析方法的步骤。
37、本发明实施例还提出一种计算器可读存储介质,所述计算机可读存储介质上存储有潜力客户识别分析程序,所述潜力客户识别分析程序被处理器执行时实现如上所述的潜力客户识别分析方法的步骤。
38、本发明实施例提出的一种潜力客户识别分析方法、装置、设备及存储介质,通过获取第一客户数据;对所述第一客户数据进行处理,获得待识别客户数据;将所述待识别客户数据输入预先构建的潜力客户识别模型中进行识别,生成潜力客户识别结果;根据所述潜力客户识别结果,对所述待识别客户数据中的客户特征因子进行分析,生成客户特征因子分析结果。通过对第一客户数据的识别分析,得到了客户特征因子分析结果。由此,实现了对潜力客户的识别分析,解决了现有技术中难以深层次挖掘客户潜力需求的技术问题。相较于现有技术,具有能够全面挖掘客户潜力需求、识别准确率高、效率高的优势。
39、以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
1.一种潜力客户识别分析方法,其特征在于,所述潜力客户识别分析方法包括以下步骤:
2.如权利要求1所述的潜力客户识别分析方法,其特征在于,所述对所述第一客户数据进行处理,获得待识别客户数据的步骤包括:
3.如权利要求2所述的潜力客户识别分析方法,其特征在于,所述对所述第一客户特征数据进行预处理,获取所述待识别客户数据的步骤包括:
4.如权利要求3所述的潜力客户识别分析方法,其特征在于,所述基于预设的缺失值处理条件,对所述第一客户特征数据进行缺失值处理,获得缺失值处理后的第一客户特征数据的步骤包括:
5.如权利要求3所述的潜力客户识别分析方法,其特征在于,所述基于预设的异常值处理条件,对所述第一客户特征数据进行异常值处理,获取异常值处理后的第一客户特征数据的步骤包括:
6.如权利要求1所述的潜力客户识别分析方法,其特征在于,所述获取第一客户数据的步骤之前还包括:
7.如权利要求6所述的潜力客户识别分析方法,其特征在于,所述根据所述第二客户数据,建立训练集的步骤包括:
8.一种潜力客户识别分析装置,其特征在于,所述潜力客户识别分析装置包括:
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的潜力客户识别分析程序,所述潜力客户识别分析程序被所述处理器执行时实现如权利要求1-7中任一项所述的潜力客户识别分析方法的步骤。
10.一种计算器可读存储介质,其特征在于,所述计算机可读存储介质上存储有潜力客户识别分析程序,所述潜力客户识别分析程序被处理器执行时实现如权利要求1-7中任一项所述的潜力客户识别分析方法的步骤。