一种目标客户挖掘方法、装置及电子设备与流程

本发明涉及金融科技，尤其涉及一种目标客户挖掘方法、装置及电子设备。

背景技术：

1、很多金融机构会把客户的画像信息(年龄、性别、职业等)、历史申请记录(贷款、投资等)等通过结构化表格形式保存到数据库。在很多应用场景中，比如贷款申请或者是理财投资，金融机构为客户办理好业务后都会进行电话回访，用来评估客户对服务质量的满意度。业务员和客户的电话回访会被记录和保存为音频文件，同时通过语音识别(asr)模型获取回访文本，最后存放在数据库，以便日后进行二次审核。

2、在理财投资场景，业务部门的一个主要目标是从已有数据中挑选具有高净值潜力的客户群体，然后向他们推销合适金融产品来完成创收。在银行领域，目前用来评估客户资产的模型主要基于业务表格数据，高净值客户的识别准确率较低。

3、因此，现有技术还有待于改进和发展。

技术实现思路

1、鉴于上述现有技术的不足，本发明提供了一种目标客户挖掘方法、装置及电子设备，旨在解决现有技术中在银行领域，用来评估客户资产的模型主要基于业务表格数据，高净值客户的识别准确率较低的问题。

2、本发明的技术方案如下：

3、本发明第一实施例提供了一种目标客户挖掘方法，所述方法包括：

4、获取客户id，基于客户id分别获取客户资产表格数据和客户历史回访电话对应的文本数据；

5、将所述客户资产表格数据输入表格特征提取模型，得到客户资产对应的表格特征；

6、将所述文本数据输入文本特征提取模型，得到客户历史回访电话对应的文本特征；

7、将所述表格特征和所述文本特征输入多模态特征融合模型，得到客户的预测分数；

8、若预测分数满足预设目标条件，则判定对应的客户为目标客户。

9、进一步地，所述获取客户id，基于客户id分别获取客户资产表格数据和客户历史回访电话对应的文本数据，包括：

10、获取客户id；

11、基于客户id从数据库中调取客户资产对应的客户资产表格数据；

12、基于客户id从数据库中调取客户历史回访电话的所有流水号，通过每个流水号获取对应的文本数据。

13、进一步地，所述将所述客户资产表格数据输入表格特征提取模型，得到客户资产对应的表格特征，包括:

14、将客户资产表格数据进行预处理，得到客户资产对应的标签编码数据；

15、将所述标签编码数据输入表格特征提取模型，得到客户资产对应的表格特征。

16、进一步地，所述将所述文本数据输入文本特征提取模型，得到客户历史回访电话对应的文本特征，包括：

17、获取所述文本数据中每通电话对应的回访文本，对每通电话的回访文本进行预处理，提取客户的所有回答文本；

18、将每一条回答文本分别输入文本特征提取模型，得到句子级别的预测得分和特征向量；

19、对每通回访电话，将预测得分最高的回答文本所对应的特征向量，作为所述每通电访电话对应的文本特征向量；

20、获取每通回访电话的文本特征向量，得到所有历史回访文本的文本特征序列。

21、进一步地，将所述表格特征和所述文本特征输入多模态特征融合模型，得到客户的预测分数，包括：

22、将所述表格特征向量输入所述多模态特征融合模型的表格投影层，得到第一投影向量；

23、将所述文本特征序列输入所述多模态特征融合模型的文本投影层，得到第二投影向量；

24、将所述第一投影向量和第二投影向量进行连接，得到对应的特征图；

25、将所述特征图输入所述多模态特征融合模型的双向自注意力层进行信息融合；

26、将融合后的数据输入所述多模态特征融合模型的全连接层，基于全连接层的输出，得到客户的预测分数。

27、进一步地，将客户资产表格数据进行预处理，得到客户资产对应的标签编码数据前，还包括：

28、从数据库获取资产数据对应的客户资产表格数据，对所述客户资产表格数据按照资产等级进行标注，生成数据集；

29、构建基于gbdt模型的原始表格特征提取模型；

30、基于所述数据集对原始表格特征提取模型进行训练，得到表格特征提取模型。

31、进一步地，所述获取所述文本数据中每通电话对应的回访文本，对每通电话的回访文本进行预处理，提取客户的所有回答文本前，还包括：

32、从数据库中获取文本数据中的回访文本，对所述业务回访文本进行人工标注，生成文本数据集，其中标签值为0或1，1代表客户为目标客户；

33、构建基于bert预训练编码器和全连接层的原始文本特征提取模型；

34、基于文本数据集对原始文本特征提取模型进行训练，得到文本特征提取模型。

35、本发明的另一实施例提供了一种目标客户挖掘装置，装置包括：

36、数据获取模块，用于获取客户id，基于客户id分别获取客户资产表格数据和客户历史回访电话对应的文本数据；

37、第一数据处理模块，用于将所述客户资产表格数据输入表格特征提取模型，得到客户资产对应的表格特征；

38、第二数据处理模块，用于将所述文本数据输入文本特征提取模型，得到客户历史回访电话对应的文本特征；

39、客户分数预测模块，用于将所述表格特征和所述文本特征输入多模态特征融合模型，得到客户的预测分数；

40、目标客户确定模块，用于若预测分数满足预设目标条件，则判定对应的客户为目标客户。

41、本发明的另一实施例提供了一种电子设备，所述电子设备包括至少一个处理器；以及，

42、与所述至少一个处理器通信连接的存储器；其中，

43、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的目标客户挖掘方法。

44、本发明的另一实施例还提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的目标客户挖掘方法。

45、有益效果：本发明实施例的目标客户挖掘方法，实现了有效融合客户的表格和文本信息，获取更丰富的客户资产画像；通过学习客户更全面的资产画像，进一步提升模型对高资产客户等目标客户的识别能力，识别准确度高。

技术特征：

1.一种目标客户挖掘方法,其特征在于,所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取客户id，基于客户id分别获取客户资产表格数据和客户历史回访电话对应的文本数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述客户资产表格数据输入表格特征提取模型，得到客户资产对应的表格特征，包括:

4.根据权利要求3所述的方法，其特征在于，所述将所述文本数据输入文本特征提取模型，得到客户历史回访电话对应的文本特征，包括：

5.根据权利要求4所述的方法，其特征在于，所述将所述表格特征和所述文本特征输入多模态特征融合模型，得到客户的预测分数，包括：

6.根据权利要求5所述的方法，其特征在于，所述将客户资产表格数据进行预处理，得到客户资产对应的标签编码数据前，还包括：

7.根据权利要求6所述的方法，其特征在于，所述获取所述文本数据中每通电话对应的回访文本，对每通电话的回访文本进行预处理，提取客户的所有回答文本前，还包括：

8.一种目标客户挖掘装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括至少一个处理器；以及，

10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-7任一项所述的目标客户挖掘方法。

技术总结本发明公开了一种目标客户挖掘方法、装置及电子设备，方法包括：获取客户I D，基于客户I D分别获取客户资产表格数据和客户历史回访电话对应的文本数据；将所述客户资产表格数据输入表格特征提取模型，得到客户资产对应的表格特征；将所述文本数据输入文本特征提取模型，得到客户历史回访电话对应的文本特征；将所述表格特征和所述文本特征输入多模态特征融合模型，得到客户的预测分数；若预测分数满足预设目标条件，则判定对应的客户为目标客户。本发明实施例能够实现有效融合客户的表格和文本信息，获取更丰富的客户资产画像；通过学习客户更全面的资产画像，进一步提升模型对高资产客户等目标客户的识别能力，识别准确度高。技术研发人员：朱益兴,常鹏,曹圳杰,李飞,林星凯,朱恩东,王步青,李骁,黎利受保护的技术使用者：平安银行股份有限公司技术研发日：技术公布日：2024/9/29