[发明专利]一种机器学习与人工规则融合的基金精准营销方法

权利要求书

1.一种机器学习与人工规则融合的基金精准营销方法，其特征在于：包括数据源获取，数据存储，特征提取，机器学习模型与人工规则，过滤及模型应用：

其中，数据源获取：从多个渠道获取原始数据；

数据存储：将从数据源获取的结构化数据和非结构化数据进行整合，提取，去重存储到HDFS中；

特征提取：从数据库中提取和构建需要的特征，主要包括用户的历史持仓情况和风险承受能力；

机器学习模型与人工规则：对获取到的数据集进行建模，包括数据清洗、数据预处理(设置最高截断)、机器学习模型、人工规则制定并打分、协同过滤和客户预测；

过滤：依据客户的风险承受能力对名单进行简单过滤；

模型应用：将模型得到的结果应用到实际的业务中，通过渠道APP推送、邮件、短信以及电话等各种营销系统做产品推广，有差异地进行广告投放。

2.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：数据源包括第一、第二和第三部分，第一部分包括公司业务数据，运维、网站日志数据，第二部分是购买外部数据，第三部分是业务人员在开展业务，调研时收集的数据。

3.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：数据存储指对各类原始数据进行处理清洗以及整合，加工统计后采集到HDFS中，并且尽可能汇总较多的数据，主要有从公司系统的内部数据收集各种各样的客户标签，包括人口统计标签，社会属性标签，资产标签，投资能力标签。

4.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：特征提取包括获取数据集，依据理财产品类别，删除重复数据，构造机器学习模型所需要的变量和构造样本集D；

a.数据集主要指客户交易数据，以客户编号、金融理财产品编号、日期(年-月-日)作为主键，记录了客户在不同时间下对不同理财产品的持仓情况；

b.依据理财产品类别是对数据集依据理财产品的类别分类，如公募股票型基金、公募债券型基金、公募货币型基金、公募混合型基金、私募货币型基金等，也可以继续细分；

c.删除重复数据是清洗得到的数据集，去除冗余重复的数据；

d.构造机器学习模型所需要的变量包括特征A和B：

特征A，基于客户的交易记录计算每个客户各月的某类基金持仓数量变化比例，以该客户下月的基金持仓数量与当月的基金持仓数量之差除以本月基金持仓数量作为特征A，代表该客户的基金的购入情况；

特征B，以该客户下月的基金持仓数量与当月的基金持仓数量之差作为特征B，代表该客户的基金的购入情况；

e.构造样本集D，上述数据以客户ID为主键拼接，构造样本集D。

5.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：机器学习模型与人工规则包括划分训练集、测试集、验证集，确定优化目标Z，机器学习模型和协同过滤模型。

6.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：过滤是出于对客户偏好的考虑，我们还要依据客户的风险承受能力对第四步得到的名单进行一次简单过滤，得到当月的最终预测名单。

7.根据权利要求1所述的机器学习与人工规则融合的基金精准营销方法，其特征在于：模型应用是将模型得到的结果应用到实际的业务中，通过渠道APP推送以及邮件、短信的营销系统依据客户名单做产品推广，有差异地进行广告投放。