目标客户的筛选方法、装置、计算机存储介质及电子设备与流程

本申请涉及金融科技领域或其他相关领域，具体而言，涉及一种目标客户的筛选方法、装置、计算机存储介质及电子设备。

背景技术：

1、到账伴侣作为一种可定制的精细化资金信息服务产品，能够为合作机构提供账户资金、票据等明细信息的识别和实时通知的功能，进而客户可以根据自身需求，指定不同的信息提示通知人，并个性化设置通知渠道，提高资金管理的灵活性和效率，但是，尽管到账伴侣提供了丰富的功能和定制化服务，但在实际应用中仍面临着一些问题。

2、首先，缺乏针对不同客户需求的个性化推荐策略，当面对众多的客户时，每个客户的需求和偏好可能存在差异，若无法为不同客户提供个性化策略，则很难满足客户期望；此外，还可能存在无法准确了解客户的需求以及财务状况，导致提供的服务与客户需求不匹配；进一步地，还存在不了解市场环境的问题，从而导致提供的产品和服务无法满足市场的需求。

3、针对相关技术中筛选使用目标业务的客户时存在筛选准确率低的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请的主要目的在于提供一种目标客户的筛选方法、装置、计算机存储介质及电子设备，以解决相关技术中筛选使用目标业务的客户时存在筛选准确率低的问题。

2、为了实现上述目的，根据本申请的一个方面，提供了一种目标客户的筛选方法。该方法包括：获取m个候选客户在第一历史时间段内的交易数据，得到m组交易数据，其中，m个候选客户是指待推荐目标业务的客户，m为正整数；将m组交易数据输入目标客户挖掘模型中，得到m个候选客户的客户评分，其中，目标客户挖掘模型是指筛选符合目标业务的客户的模型；根据m个候选客户的客户评分确定n个目标客户，其中，在确定n个目标客户之后，向n个目标客户推荐目标业务，n小于等于m，n为正整数。

3、进一步地，目标客户挖掘模型通过以下方式得到：获取历史待推荐业务，并获取p个客户在第二历史时间段内的交易数据，得到p组初始历史交易数据，其中，第二历史时间段为第一历史时间段的前一个时间段，每组初始历史交易数据中包含x种历史交易数据，p、x为正整数；对每组初始历史交易数据中的历史交易数据进行筛选，得到p组历史交易数据，其中，每组历史交易数据中包含y种历史交易数据，y小于x，y为正整数；获取z个候选客户挖掘模型，利用p组历史交易数据分别对z个候选客户挖掘模型进行训练，得到z个训练后客户挖掘模型，其中，z为正整数；对z个训练后客户挖掘模型进行筛选，得到目标客户挖掘模型。

4、进一步地，对每组初始历史交易数据中的历史交易数据进行筛选，得到p组历史交易数据包括：获取历史待推荐业务的业务数据，计算业务数据与x种历史交易数据的皮尔逊系数值，得到x个皮尔逊系数值；获取预设阈值，从x个皮尔逊系数值中筛选出大于等于预设阈值的皮尔逊系数值，将大于等于预设阈值的皮尔逊系数值关联的历史交易数据组合为p组历史交易数据。

5、进一步地，对z个训练后客户挖掘模型进行筛选，得到目标客户挖掘模型包括：获取z个训练后客户挖掘模型关联的量化指标，得到z组量化指标，其中，每组量化指标至少包括以下之一：第一评估指标和第二评估指标；将z组量化指标进行降序排序，得到量化指标序列，并获取量化指标序列中预设位序的量化指标，将预设位序的量化指标关联的训练后客户挖掘模型确定为目标客户挖掘模型。

6、进一步地，利用p组历史交易数据分别对z个候选客户挖掘模型进行训练包括：获取交易种类评估结果，其中，交易种类评估结果是指评估p组历史交易数据的重要性的评估结果，交易种类评估结果包括每组历史交易数据的重要性评分；提取交易种类评估结果关联的p组重要性评分，根据每组重要性评分对每组历史交易数据进行主成分分析，得到p个数据权重；利用p个数据权重对p组历史交易数据进行处理，得到p组处理后历史交易数据，根据p组处理后历史校验数据执行分别对z个候选客户挖掘模型进行训练的步骤。

7、进一步地，在根据m个候选客户的客户评分确定n个目标客户之后，该方法还包括：收集n个目标客户的使用率数据，得到n个使用率数据，其中，n个使用率数据用于表征n个目标客户使用目标业务的使用率情况；获取使用率阈值，将n个使用率数据与使用率阈值进行对比，在n个使用率数据中存在小于等于使用率阈值的使用率数据的情况下，获取小于等于使用率阈值的使用率数据关联的目标客户，得到待转换客户，其中，待转换客户是指与目标业务不匹配的客户；获取待转换客户的客户信息，基于客户信息生成提示信息，将提示信息发送至工作人员使用的客户端，其中，提示信息用于提示工作人员关注待转换客户的业务偏好。

8、进一步地，在对z个训练后客户挖掘模型进行筛选，得到目标客户挖掘模型之后，该方法还包括：根据目标客户挖掘模型生成模型设计报告，将模型设计报告存储至数据库，其中，模型设计报告包括目标客户挖掘模型的获取过程以及p组历史交易数据的数据种类。

9、为了实现上述目的，根据本申请的另一方面，提供了一种目标客户的筛选装置。该装置包括：第一获取单元，用于获取m个候选客户在第一历史时间段内的交易数据，得到m组交易数据，其中，m个候选客户是指待推荐目标业务的客户，m为正整数；输入单元，用于将m组交易数据输入目标客户挖掘模型中，得到m个候选客户的客户评分，其中，目标客户挖掘模型是指筛选符合目标业务的客户的模型；确定单元，用于根据m个候选客户的客户评分确定n个目标客户，其中，在确定n个目标客户之后，向n个目标客户推荐目标业务，n小于等于m，n为正整数。

10、根据本发明实施例的另一方面，还提供了一种计算机存储介质，计算机存储介质用于存储程序，其中，程序运行时控制计算机存储介质所在的设备执行一种目标客户的筛选方法。

11、根据本发明实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种目标客户的筛选方法。

12、根据本发明实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时执行一种目标客户的筛选方法。

13、通过本申请，采用以下步骤：获取m个候选客户在第一历史时间段内的交易数据，得到m组交易数据，其中，m个候选客户是指待推荐目标业务的客户，m为正整数；将m组交易数据输入目标客户挖掘模型中，得到m个候选客户的客户评分，其中，目标客户挖掘模型是指筛选符合目标业务的客户的模型；根据m个候选客户的客户评分确定n个目标客户，其中，在确定n个目标客户之后，向n个目标客户推荐目标业务，n小于等于m，n为正整数，解决了相关技术中筛选使用目标业务的客户时存在筛选准确率低的问题，通过获取候选客户的交易数据，将交易数据输入目标客户挖掘模型中，利用模型输出的客户评分确定可推荐的目标客户，进而向目标客户推荐目标业务，进而达到了提高筛选使用目标业务的客户的准确率的效果。

技术特征：

1.一种目标客户的筛选方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述目标客户挖掘模型通过以下方式得到：

3.根据权利要求2所述的方法，其特征在于，对每组初始历史交易数据中的历史交易数据进行筛选，得到p组历史交易数据包括：

4.根据权利要求2所述的方法，其特征在于，对所述z个训练后客户挖掘模型进行筛选，得到所述目标客户挖掘模型包括：

5.根据权利要求2所述的方法，其特征在于，利用所述p组历史交易数据分别对所述z个候选客户挖掘模型进行训练包括：

6.根据权利要求1所述的方法，其特征在于，在根据所述m个候选客户的客户评分确定n个目标客户之后，所述方法还包括：

7.根据权利要求2所述的方法，其特征在于，在对所述z个训练后客户挖掘模型进行筛选，得到所述目标客户挖掘模型之后，所述方法还包括：

8.一种目标客户的筛选装置，其特征在于，包括：

9.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序，其中，所述程序运行时控制所述计算机存储介质所在的设备执行权利要求1至7中任意一项所述的目标客户的筛选方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的目标客户的筛选方法。

技术总结本申请公开了一种目标客户的筛选方法、装置、计算机存储介质及电子设备。涉及金融科技领域或其他相关领域，该方法包括：获取M个候选客户在第一历史时间段内的交易数据，得到M组交易数据，其中，M个候选客户是指待推荐目标业务的客户，M为正整数；将M组交易数据输入目标客户挖掘模型中，得到M个候选客户的客户评分，其中，目标客户挖掘模型是指筛选符合目标业务的客户的模型；根据M个候选客户的客户评分确定N个目标客户，其中，在确定所述N个目标客户之后，向所述N个目标客户推荐所述目标业务，N小于等于M，N为正整数。通过本申请，解决了相关技术中筛选使用目标业务的客户时存在筛选准确率低的问题。技术研发人员：刘磊受保护的技术使用者：中国工商银行股份有限公司技术研发日：技术公布日：2024/7/29