一种触达任务的处理方法及装置与流程

本发明涉及金融司法科技应用技术领域，特别是涉及一种触达任务的处理方法及装置。

背景技术：

触达，即通过什么样的渠道/路径找到目标客户群体。想要触达客户，先要知道目标客户是谁、目标客户在哪里以及需要通过什么路径才能找到目标客户。找到客户后，需要来评估各个渠道的客户质量。常用的外部触达渠道包括搜索引擎、应用商店、其他平台(社交、视频、内容等各种媒体渠道)或是到目标客户常出没的路边/街头等。常用到的内部触达渠道包括app首页、banner活动、产品流程中的某个环节及个人中心等。最后，通过技术的手段将渠道持续细分，在不同渠道中确定如何圈定和识别目标客户群，最终选择目标客户覆盖率最广和转化率最高的渠道。随着公司的业务发展，案件越来越多，需要在不同的时期针对不同特征的客户通过不同的渠道去触达客户。现有的方式是通过运营人员手动筛选客户去批量触达，这种方式存在以下缺点：首先是需要大量的运营人员进行重复繁琐的操作步骤，运营人员成本也随之增加；其次是人工操作难以做到针对不同特征的客户去做更合适的触达工作，容易产生一些不必要的触达成本；最后是人工干预触达，难免会出现操作失误的情况，造成多发或者漏发等问题。

技术实现要素：

本发明实施例提供一种触达任务的处理方法及装置，以解决现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

为解决上述技术问题，本发明实施例采用的第一技术方案如下：

一种触达任务的处理方法，其包括：接收目标客户对应的目标特征信息，并根据所述目标特征信息制定出所述目标客户对应的目标客户画像；根据所述目标客户画像生成目标触达策略，且不同的所述目标触达策略针对不同的客户；根据所述目标触达策略，完成对所述目标客户的触达任务。

可选地，所述根据所述目标特征信息制定出所述目标客户对应的目标客户画像，包括：将所述目标特征信息输入目标神经网络模型进行处理，并输出所述目标客户画像；其中，所述目标神经网络模型在接收所述目标客户对应的所述目标特征信息之前已经生成。

可选地，所述根据所述目标客户画像生成目标触达策略，包括：从所述目标客户画像中获取所述目标客户对应的还款意愿信息；根据所述目标客户对应的的所述还款意愿信息，生成所述目标触达策略。

可选地，所述根据所述目标触达策略，完成对所述目标客户的触达任务，包括：获取所述目标客户的还款意愿信息对应的客户还款意愿值；判断所述目标客户对应的所述客户还款意愿值是否达到预设还款意愿阈值；若是，则通过直接与所述目标客户进行沟通的方式，完成对所述目标客户的触达任务。

可选地，若所述目标客户对应的所述客户还款意愿值没有达到预设还款意愿阈值，则通过直接走法律渠道的方式，完成对所述目标客户的触达任务。

可选地，所述通过直接与所述目标客户进行沟通的方式，完成对所述目标客户的触达任务，包括：通过直接与所述目标客户进行电话沟通/邮件沟通的方式，完成对所述目标客户的触达任务。

可选地，所述通过直接走法律渠道的方式，完成对所述目标客户的触达任务，包括：通过直接发送律师函给所述目标客户或将案件上诉法院的方式，完成对所述目标客户的触达任务。

为解决上述技术问题，本发明实施例采用的第二技术方案如下：

一种触达任务的处理装置，其包括：画像制定模块，用于接收目标客户对应的目标特征信息，并根据所述目标特征信息制定出所述目标客户对应的目标客户画像；策略生成模块，用于根据所述目标客户画像生成目标触达策略，且不同的所述目标触达策略针对不同的客户；任务触达模块，用于根据所述目标触达策略，完成对所述目标客户的触达任务。

为解决上述技术问题，本发明实施例采用的第三技术方案如下：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述的触达任务的处理方法。

为解决上述技术问题，本发明实施例采用的第四技术方案如下：

一种计算机设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的触达任务的处理方法。

本发明实施例的有益效果是：区别于现有技术的情况，本发明实施例通过接收目标客户对应的目标特征信息，并根据目标特征信息制定出所述目标客户对应的目标客户画像，然后根据目标客户画像生成目标触达策略，最后根据目标触达策略，完成对目标客户的触达任务，解决了现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

附图说明

图1是本发明实施例一的触达任务的处理方法一实施方式的实施流程图；

图2是本发明实施例二的触达任务的处理装置一实施方式的部分结构框架图；

图3是本发明实施例三的计算机可读存储介质一实施方式的部分结构框架图；

图4是本发明实施例四的计算机设备一实施方式的部分结构框架图。

具体实施方式

实施例一

请参阅图1，图1是本发明实施例的触达任务的处理方法的实施流程图，结合图1可以得到，本发明的一种触达任务的处理方法，包括：

步骤s101：接收目标客户对应的目标特征信息，并根据所述目标特征信息制定出所述目标客户对应的目标客户画像。

步骤s102：根据所述目标客户画像生成目标触达策略，且不同的所述目标触达策略针对不同的客户。

步骤s103：根据所述目标触达策略，完成对所述目标客户的触达任务。

在本实施例中，可选地，所述根据所述目标特征信息制定出所述目标客户对应的目标客户画像，包括：

将所述目标特征信息输入目标神经网络模型进行处理，并输出所述目标客户画像；其中，所述目标神经网络模型在接收所述目标客户对应的所述目标特征信息之前已经生成。

其中，神经网络(neuralnetworks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificialnuearlnewtokr)s，是对人类大脑系统的一阶特性的一种描。简单地讲，它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。

在本实施例中，可选地，所述根据所述目标客户画像生成目标触达策略，包括：

从所述目标客户画像中获取所述目标客户对应的还款意愿信息。

根据所述目标客户对应的的所述还款意愿信息，生成所述目标触达策略。

在本实施例中，可选地，所述根据所述目标触达策略，完成对所述目标客户的触达任务，包括：

获取所述目标客户的还款意愿信息对应的客户还款意愿值。

判断所述目标客户对应的所述客户还款意愿值是否达到预设还款意愿阈值。

若所述目标客户对应的所述客户还款意愿值达到预设还款意愿阈值，则通过直接与所述目标客户进行沟通的方式，完成对所述目标客户的触达任务。

在本实施例中，可选地，关于目标客户画像制定的所述目标特征信息包括目标客户的还款意愿、还款能力和可联率等，获取客户还款意愿值的流程包括：

步骤1、挑选一定量客户历史数据包括但不限于客户个人信息和客户个人行为，其中客户个人信息包括年龄、性别、居住地和手机号码/型号等。客户个人行为包括历史欠款总额、已还金额、欠款笔数、还款记录(包括还款时间和还款金额)、是否打开过还款链接、还款链接打开次数、触达邮件阅读次数、触达后是否还款、触达后是否结清欠款和触达成本等；

步骤2、将1步骤中的数据样本标注还款意愿标签；

步骤3、将2步骤中的样本数据进行划分，其中80％的样本数据用于训练，10％的样本数据用于对比测试；

步骤4、将样本数据通过谷歌开源的人工智能平台tensorflow(一个开放源代码软件库，用于进行高性能数值计算)来训练，得到目标神经网络模型；

步骤5、将客户的相关信息输入目标神经网络模型，得到客户还款意愿值。

在本实施例中，可选地，若所述目标客户对应的所述客户还款意愿值没有达到预设还款意愿阈值，则通过直接走法律渠道的方式，完成对所述目标客户的触达任务。

在本实施例中，可选地，所述通过直接与所述目标客户进行沟通的方式，完成对所述目标客户的触达任务，包括：

通过直接与所述目标客户进行电话沟通/邮件沟通的方式，完成对所述目标客户的触达任务。

在本实施例中，可选地，所述通过直接走法律渠道的方式，完成对所述目标客户的触达任务，包括：

通过直接发送律师函给所述目标客户或将案件上诉法院的方式，完成对所述目标客户的触达任务。

在本实施例中，可选地，目标触达策略制定有一定的标准，通常而言还款率高的客户对应的触达成本低，目标触达策略的制定是根据一次次触达后的结果反复调整后所得出，例如第一次触达客户时，针对还款能力分数大于90且可联率分数大于50的客户进行人工坐席触达；第二次触达客户时，针对还款能力分数大于90且可联率分数大于50的客户进行邮件触达。第二次触达客户相对于第一次触达客户而言成本会降低，但是客户的还款率都达到了标准，所以第二次触达客户的策略相比于第一次触达客户的策略进行了优化并且得到了验证。每次触达客户前通过神经网络模型获取该客户的客户画像，根据客户画像针对不同的客户使用不同的触达策略进行触达，触达策略的好坏依赖神经网络模型的准确率，为了制定一条高效的触达策略我们需要反复触达客户得到真实的触达数据后再继续训练模型，得到新的模型后调整触达策略然后触达，直到获取较高的还款率和较低的触达成本为止。

本发明通过机器学习技术将客户的历史案件数据输入神经网络模型进行训练，即采集客户的各项特征值和还款意愿值进行机器模型训练，当数据量足够大时，我们就可以对一个新的客户案件进行预测，得出新的客户的还款意愿值。再针对不同还款意愿值的客户进行定制化触达策略：如还款意愿值很高的客户，我们只需要对客户进行电话沟通完成触达任务。对还款意愿值很低的客户，可以省去不必要的一些触达步骤，直接走法律渠道，如发送律师函以及案件上诉法院等操作。

本发明实施例通过接收目标客户对应的目标特征信息，并根据目标特征信息制定出所述目标客户对应的目标客户画像，然后根据目标客户画像生成目标触达策略，最后根据目标触达策略，完成对目标客户的触达任务，解决了现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

实施例二

请参阅图2，图2是本发明实施例的触达任务的处理装置的部分结构框架图，结合图2可以得到，本发明的一种触达任务的处理装置100，包括：

画像制定模块110，用于接收目标客户对应的目标特征信息，并根据所述目标特征信息制定出所述目标客户对应的目标客户画像。

策略生成模块120，用于根据所述目标客户画像生成目标触达策略，且不同的所述目标触达策略针对不同的客户。

任务触达模块130，用于根据所述目标触达策略，完成对所述目标客户的触达任务。

本发明实施例通过接收目标客户对应的目标特征信息，并根据目标特征信息制定出所述目标客户对应的目标客户画像，然后根据目标客户画像生成目标触达策略，最后根据目标触达策略，完成对目标客户的触达任务，解决了现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

实施例三

请参阅图3，参考图3可以看到，本发明实施例的一种计算机可读存储介质10，所述的计算机可读存储介质10，如：rom/ram、磁碟、光盘等，其上存储有计算机程序11，所述计算机程序11被执行时实现如实施例一所述的触达任务的处理方法。由于该触达任务的处理方法已经在实施例一进行了详细的说明，在此不再重复说明。

本发明实施例实现的触达任务的处理方法，通过接收目标客户对应的目标特征信息，并根据目标特征信息制定出所述目标客户对应的目标客户画像，然后根据目标客户画像生成目标触达策略，最后根据目标触达策略，完成对目标客户的触达任务，解决了现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

实施例四

请参阅图4，参考图4可以看到，本发明实施例的一种计算机设备20，其包括处理器21、存储器22及存储于所述存储器22上并可在所述处理器21上运行的计算机程序221，所述处理器21执行所述计算机程序221时实现如实施例一所述的触达任务的处理方法。由于该触达任务的处理方法已经在实施例一进行了详细的说明，在此不再重复说明。

本发明实施例实现的触达任务的处理方法，通过接收目标客户对应的目标特征信息，并根据目标特征信息制定出所述目标客户对应的目标客户画像，然后根据目标客户画像生成目标触达策略，最后根据目标触达策略，完成对目标客户的触达任务，解决了现有技术中的以下问题：完成批量触达任务，需要大量的运营人员进行重复繁琐的操作步骤，难以做到针对不同特征的客户去做更合适的触达工作，并且难免会出现操作失误。

以上所述仅为本发明的实施方式，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。