基于智能体的理财产品客户服务触达优化仿真方法与系统与流程

1.本发明涉及算法推荐技术领域，特别是涉及一种基于智能体的理财产品客户服务触达优化仿真方法与系统。


背景技术：

2.伴随着居民收入的增长和富裕阶层的多元化，越来越多的投资者将银行理财产品作为重要的投资品种，商业银行之间的竞争日益增大，个人理财业务已成为商业银行重要盈利业务随着时间的发展，差异化营销和精细化客户管理已成为商业银行的必然改革发展方向。而商业银行除了在研发理财产品、建设渠道和发挥客户资源等方面，通过提升客户服务能力增强核心竞争力也是银行需要重点研究解决的课题。提升客户服务能力，不仅仅在于服务品质的提升，在现有服务资源下，如何使服务以更好的方式触达客户，是差异化营销的重要一环，服务触达客户的分配优化问题研究是十分有必要的。
3.vittal等提出触达优化系统定义为，综合考虑、处理包括客户数据，宏观商业规则，客户联系制度，可预测性模型的表现分数，商业业务规则限制条件以及优化目标等在内的系统输入，去寻求最佳的解决策略；julian berry在此基础上扩展了更与时俱进的触达优化概念，提出触达优化最早是指通过邮件等与客户直接联系，逐渐扩展至内部的销售服务，网页内容以及渠道选择等，触达优化应该集中于高价值客户的挽留以及客户服务层面，不仅集中于客户关怀也应关注理财产品的销售；应用层面，venkatesan等和kumar等均在研究中使用客户触达服务等级概念量化触达资源，此等级可以反应相应的服务支出等，提出以客户全生命周期价值(clv，customer lifetime value)为标准，使用遗传算法求解出最大化客户生命周期价值的触达资源最优分配策略；kumar等将此模型应用于ibm公司，实践中证明此算法明显提升了ibm利润总收入，并总结出根据客户价值精细化分类，贯穿于营销各个环节的解决策略；王富强等在研究中提出基于大数据的营销和服务系统架构，利用大数据对客户进行理解和发现，基于市场和用户特征进行策略制定和匹配，在适当时机通过适当方式触达用户；程欣欣等在研究中提出将客户按照其特征聚类，制定客户触达优先级，解决客户触达资源分配问题。这些研究均基于广泛意义的零售产业，在银行理财市场营销领域，近年来也有越来越多的研究注重客户触达策略，制定差异化服务策略，构建“以客户为中心”的客户服务营销体系：翟寒在研究中提出提升商业银行理财产品服务实质是一种顾问式的金融创新理财产品销售，主要包括理财经理能够为客户量身定做理财计划以及能创造性完成理财产品营销的销售人员；吴强提出理财产品和服务的触达能力是私人银行的重要能力，必须具备将合适的理财产品和服务及时有效地传达给客户的能力。
4.现有技术中，基于遗传算法，将服务资源进行量化，实现触达到每个客户的最优分配。
5.venkatesan等和kumar等在研究中使用客户触达服务等级概念量化触达资源，此等级可以反应相应的服务支出等，提出以客户全生命周期价值(clv，customer lifetime value)为标准，使用遗传算法求解出最大化客户生命周期价值的触达资源最优分配策略；
kumar等将此模型应用于ibm公司，实践中证明此算法明显提升了ibm利润总收入，并总结出根据客户价值精细化分类，贯穿于营销各个环节的解决策略。
6.现有技术中，基于数据分析的方法，挖掘用户的触达特征规律，进行策略制定。比如王富强等在研究中提出基于大数据的营销和服务系统架构，利用大数据对客户进行理解和发现，基于市场和用户特征进行策略制定和匹配，在适当时机通过适当方式触达用户；程欣欣等在研究中提出将客户按照其特征聚类，制定客户触达优先级，解决客户触达资源分配问题。
7.无论是基于遗传算法还是数据分析的方法，都是基于历史数据进行的客户触达策略推测。现有的研究均不能提供客户触达策略的仿真环境，进行投放策略前的效果测试。而客户资源对于企业经营至关重要，直接进行触达策略真实投放，对企业来讲有一定成本与风险。所以，基于仿真环境的研究是不可缺少的。


技术实现要素：

8.为解决现有技术存在的问题，本发明提供一种基于智能体的理财产品客户服务触达优化仿真方法与系统。本发明将基于智能体agent建模应用于银行理财产品客户行为仿真，提供了一个客户触达策略的优化测试环境。
9.为达到上述目的，本发明采用了以下技术方案：
10.一种基于智能体的理财产品客户服务触达优化仿真方法，包括：
11.输入基础触达策略和待验证触达策略；
12.采用agent仿真模型对基础触达策略和待验证触达策略进行理财产品客户服务触达仿真，根据仿真结果绘制客户业务指标的时间演变图；所述agent仿真模型是以客户为agent，基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；
13.根据客户业务指标的时间演变图，比较基础触达策略和待验证触达策略对应的客户选择情况以及客户业务指标，根据比较结果选择未来的投放策略。
14.作为本发明的进一步改进，所述历史理财产品参数包括理财产品的预期收益率、理财产品费率以及体验度；
15.所述历史客户行为数据包括位置、社交半径、选择的服务触达策略、服务等级、满意度；
16.其中，位置是一组包含x和y两个值的坐标信息，表示agent所处的位置；社交半径代表每agent可以与以所处位置为圆心，社交半径范围以内位置的agent进行交互；选择的服务触达策略表示客户目前所倾向选择的服务触达策略；服务等级反映了银行综合服务质量按照客户星级等分成若干个等级。
17.作为本发明的进一步改进，所述基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；具体是：
18.假设有n个分布在社交网络中的agent，在每个仿真时间里，选择单策略或双策略、产生满意度、发生社交活动、决策再次购买；其中策略的选择行为受理财产品的预期收益率、产品费率以及体验度的影响，社交活动是每期使用过某渠道后交流费率，产品预期收益
率以及上期渠道的体验度；
19.对客户行为建立agent仿真模型时，以客户触达渠道选择行为目的，考虑客户之间的信息交流、客户策略选择、社交网络、市场因素；模型中将每个客户视为agent，每个agent均匀分布在社交网络中，与其社交半径内的agent发生信息交流；策略选择倾向受到其触达的服务等级、以及彼此之间的社交交流影响。
20.作为本发明的进一步改进，所述采用agent仿真模型对基础触达策略和待验证触达策略进行理财产品客户服务触达仿真，根据仿真结果绘制客户业务指标的时间演变图，包括：
21.基于基础触达策略和待验证触达策略生成agent的初始策略；
22.当客户投资的理财产品到期后，根据本期服务等级、投资金额以及实际收益率与到期收益率差值计算综合满意度，进而计算客户对理财产品的平均满意值；
23.接收社交半径内选择此策略的客户的平均本期满意值；
24.根据客户对理财产品的平均满意值和社交半径内选择此策略的客户的平均本期满意值，计算agent的服务触达策略i效用y_utility_si；
25.根据本期满意度和下期投资选择策略，得到下期投资金额；
26.若系统达到设定的预期最大仿真时间，则结束仿真；否则，重复当客户投资的理财产品到期后的步骤；更新到下一个时间步长；
27.根据仿真过程，绘制客户业务指标的时间演变图。
28.作为本发明的进一步改进，所述基于基础触达策略和待验证触达策略生成agent的初始策略，包括：
29.以客户全生命周期价值为优化目标的触达服务资源分配策略，分别采取将客户投资金额、客户年龄、以及客户投资金额和作为客户价值识别分类特征，制定服务策略；
30.根据客户投资金额分配服务等级作为基于客户价值的服务分配策略，仿真此服务策略的应用效果；
31.根据不同年龄段的客群分配不同程度的对服务的心理权重；
32.从而实现在同等环境下，观察客户对于不同服务触达策略的倾向程度。
33.作为本发明的进一步改进，所述根据本期服务等级、投资金额以及实际收益率与到期收益率差值计算综合满意度方法为：
34.综合满意度效用ysatisfaction：
35.y_satisfaction＝(α*investamt+β*servicelevel+θ*interestdiff)*(h
time
s)， (1)
36.其中，investamt代表投资金额，servicelevel代表本期服务等级，服务等级包括理财经理业务能力、处理投诉速度、服务设施、营销短信发送次数；
37.interestdiff代表实际到期收益率与预期收益率的差值；
38.α，β，θ分别是投资金额，服务等级，实际收益率是否达到预期收益率因素的权重，相加和等于1；
39.h
times
反映了随着时间流逝，重复购买行为的增加，客户满意度的衰减效应；h是一个满意度习惯因子；times代表重复购买理财产品的期数。
40.作为本发明的进一步改进，所述计算agent的服务触达策略i效用y_utility_si方法为：
41.y_utility_si＝γ*u_interesti+δ*u
fee
i+ε*u_experiencei42.y_utility_si表示第i个策略的效用，其中u_interesti反应选择策略i的预期收益率对决策的影响，将银行存款利率作为无风险利率参考点，将预期收益率-银行存款利率代入投资效用函数计算；u
fee
i反应策略i的费率对客户决策的影响，客户交流下期费率后，每个客户会得到其社交半径内的客户的理财产品费率平均值；u_experiencei反映了策略i的体验度对决策行为的影响；
43.客户若选择过此策略，则此策略的u_experiencei即为客户的对此策略的满意值；若还未选择过，则为其社交半径内，选择此策略的客户的平均本期满意值；
44.所述满意值是在得到客户对理财产品的平均满意值，并基于两个满意度阈值threshold_1与threshold_2，将客户划分为三个状态：非常满意，中等满意，非常不满意。
45.作为本发明的进一步改进，所述根据本期满意度和下期投资选择策略，得到下期投资金额，包括：
46.生成一个符合均值为μ，方差为σ的正态分布的随机数，作为agent的下期投资金额；其中均值μ的计算公式如下：
47.investamt*(1+μ
base
*state)
48.其中investamt表示agent当前的投资金额，μ
base
为投资金额期望波动程度，state代表客户的满意度状态。
49.作为本发明的进一步改进，所述根据比较结果选择未来的投放策略，包括：
50.比较基础触达策略和待验证触达策略对应的客户选择情况以及客户业务指标，若待验证触达策略与基础触达策略的偏差符合阈值要求，则考虑投入使用。
51.一种基于智能体的理财产品客户服务触达优化仿真装置，包括：
52.策略输入模块，用于输入基础触达策略和待验证触达策略；
53.触达仿真模块，用于采用agent仿真模型对基础触达策略和待验证触达策略进行理财产品客户服务触达仿真，根据仿真结果绘制客户业务指标的时间演变图；所述agent仿真模型是以客户为agent，基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；
54.策略选择模块，用于根据客户业务指标的时间演变图，比较基础触达策略和待验证触达策略对应的客户选择情况以及客户业务指标，根据比较结果选择未来的投放策略。
55.与现有技术相比，本发明的有益效果体现在：
56.本发明将基于智能体agent的模型应用于银行理财产品客户服务触达策略仿真，选择研究银行竞争环境下，封闭式，非保本浮动收益的稳健型理财产品市场，构造具有不同行为模式的agent，可以研究不同偏好的agent，与不同服务触达策略交互作用下的行为规律以及与重要业务指标的关系，为实际服务触达资源分配时，正确识别客群，制定有效的策略，提升公司客户总价值提供建设性建议，同时使用仿真模型可以节省测试成本，在实际实现部署前提供测试环境，有助于筛选出最优策略。本发明使用此方法，可以通过调整不同的参数观察不同的模型输出效果，适应各种策略以及客户、市场环境，为具体的触达优化策略模拟提供了灵活的可预测性分析环境；另一方面，在真实环境中直接测试，可能会造成包括不合适的触达策略引起的客户流失风险，而仿真系统测试，可以有效降低这类风险，节省了
策略测试的成本，提供了策略验证的环境。
57.进一步，本发明的仿真方法已有的触达优化的研究，无论是基于遗传算法还是数据分析的方法，都是基于历史数据进行的客户触达策略推测。并不能提供一个仿真环境。本发明将基于智能体agent的模型应用于银行理财产品客户行为仿真，提供了一个客户触达策略的优化测试环境。且本模型的参数可以根据实际想要测试的策略、以及业务指标、客户数据分布情况进行灵活的调整，充分的匹配真实情况。为企业策略投放提供了验证测试环境，节省了真实环境测试成本。已有的触达优化的研究，无论是基于遗传算法还是数据分析的方法，都是基于历史数据进行的客户触达策略推测，并不能提供一个仿真环境，从而进一步验证仿真策略的效果；基于智能体agent模型虽然是一个很适合触达优化渠道仿真的方法，但是从来未用于此领域中。
附图说明
58.图1为本发明的基于智能体的理财产品客户服务触达优化仿真方法流程示意图；
59.图2本发明的服务触达策略选择系统结构；
60.图3为agent状态转移图；
61.图4为客户投资金额-年龄分布图；
62.图5为于不同客户群体的精细化服务触达策略；
63.图6为本发明基于智能体的理财产品客户服务触达优化仿真装置结构示意图；
64.图7为本发明一种电子设备结构示意图。
具体实施方式
65.下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
66.以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本技术所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
67.相关术语解释
68.基于智能体agent的模型：是一类计算模型，用于模拟自主智能体agent(个体或集体实体，如组织或团体)的行为和交互，以评估它们对整个系统的影响。基于智能体agent的模型是一种微观模型，它模拟多个智能体agent的同时操作和交互，试图重新创建和预测复杂现象的出现。这一过程是一个涌现的过程，有人将其表述为“整体大于部分之和”。换言之，更高层次的系统属性来自于较低层次子系统的交互作用。或者，宏观尺度的状态变化是由微观尺度的主体行为产生的。或者，简单的行为(意味着由主体遵循的规则)会产生复杂的行为(意味着整个系统级别的状态变化)。
69.理财产品：即由商业银行和正规金融机构自行设计并发行的理财产品，将募集到的资金根据理财产品合同约定投入相关金融市场及购买相关金融理财产品，获取投资收益后，根据合同约定分配给投资人的一类理财产品。
70.封闭式理财产品：所谓封闭式理财产品，即该理财产品在理财产品说明书中公布
的固定赎回日期或者理财产品到期日前，该理财产品不能提前赎回。常见的封闭型理财产品包括封闭式银行理财产品，即在固定周期才开发申购赎回的。
71.机器学习与监督学习：机器学习是一种数据分析技术，让计算机执行人和动物与生俱来的活动：从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖于预定方程模型。当可用于学习的样本数量增加时，这些算法可自适应提高性能。根据训练方法大致可以分成3大类：监督学习、非监督学习、强化学习；
72.其中监督学习是指我们给算法一个数据集。机器通过数据来学习正确答案的计算方法。监督式机器学习能够根据已有的包含不确定性的数据建立一个预测模型。监督式学习算法接受已知的输入数据集(包含预测变量)和对该数据集的已知响应(输出，响应变量)，然后训练模型，使模型能够对新输入数据的响应做出合理的预测。如果您尝试去预测已知数据的输出，则使用监督式学习。
73.分类问题：分类技术可预测离散的响应—例如，电子邮件是不是垃圾邮件，客户会购买哪一种理财产品。分类模型可将输入数据划分成不同类别。典型的应用包括医学成像、语音识别和信用评估。如果数据能进行标记、分类或分为特定的组或类，则使用分类。其中仅有两种分类可能，比如是不是垃圾邮件(是、不是两种分类)等的问题被称为二分类问题，而分类有两种以上的可能，比如涵盖两种以上类别的理财产品等问题，被称为多分类问题。用于实现分类的常用算法包括：支持向量机(svm)、提升(boosted)决策树和袋装(bagged)决策树、k-最近邻、朴素贝叶斯(bayes)、判别分析、逻辑回归和神经网络等。
74.非保本浮动收益理财产品：非保本浮动收益理财产品是指商业银行根据约定条件和理财业务的实际投资收益情况向投资者支付收益，并不保证投资者本金安全的理财计划。
75.理财产品分类：一般银行将理财产品风险由低到高分为r1(谨慎型)、r2(稳健型)、r3(平衡型)、r4(进取型)、r5(激进型)五个级别。
76.本发明拟采用仿真系统方法，将理财产品服务触达客户优化问题视为复杂系统工程问题，研究触达到客户的服务资源与客户行为的交互机制，通过调整不同的参数观察不同的模型效果，以适应各种市场环境，在实际应用前，为不同的策略模拟提供了灵活的可预测性分析环境，有效降低测试成本。
77.银行理财产品客户服务触达优化研究可以分解为银行理财产品、服务触达方式以及客户行为机制三个概念。银行提供的个人理财产品，是银行根据潜在目标客户群的资产状况及其对风险的承受能力，为特定目标客户群开发设计并销售的资金投资和管理计划，可以达到帮助客户实现其资产的保值增值，满足客户多样理财要求的目的，报告(2019上半年)显示，新发行的理财产品中，仍旧以中低风险理财产品为主，投资风格较为稳健，非保本净值型理财产品存续持续增长，因此从非保本浮动收益，稳健型理财产品入手研究理财产品客户行为，制定有效的服务策略以提升银行竞争力，具有极大理论价值以及研究意义。理财产品按照交易类型，可分为开放式与封闭式，相比开放式理财产品，封闭式理财产品不可提前赎回以及递增金额，灵活性较低，便于银行对理财产品的管理以及对所募集的资金来运作，客户行为模式相对较规范，适合作为研究理财产品客户行为的第一步研究对象，再逐渐拓展至开放式理财产品；理财产品的服务实质是顾问式的金融理财产品销售，直接触达客户。服务触达优化方式即可定义为能够满足银行商业目标的，将银行理财产品服务资源
触达至每个客户的策略。
78.本发明基于已有的研究，归纳银行理财产品客户具有如下特性：行为异质性，主要体现于其具有不同偏好，进一步形成不同的行为模式；行为适应性与反馈性，客户可以自行调整自身行为，其行为受到之前的经验(往期购买的理财产品收益情况，银行服务体验等)，以及与环境的交互影响(口碑效应等)，具有反馈机制；行为自主独立性，每个客户都是独立的个体，其行为动态性，适应性不受一个中心控制体控制，行为也不能由一个客户主体替代。综合以上特性，银行理财产品客户服务触达优化研究是一个复杂系统工程问题，基于智能体agent是复杂系统工程研究的有效办法，agent是自主决策的主体或对象，基于智能体agent的模型由agent以及agent之间的交互框架组成。此方法近年来逐渐应用于客户行为分析，这些研究提取出客户的行为规律，集中于研究客户决策机制、流失率、客户全生命周期价值(clv)演化等问题。
79.基于已有研究，本发明从理财产品服务角度入手，以包括客户全生命周期价值(clv)等重要业务指标为衡量标准，研究比较服务触达资源分配策略，解决如何将合适的服务资源触达给每个客户的问题。已有的研究主要基于实证数据分析和理论层面定性分析的方法，尽管也有实效性研究，但直接将策略在实际中测试成本将不可估计。
80.如图1所示，本发明提供一种基于智能体的理财产品客户服务触达优化仿真方法，包括：
81.s1，输入基础触达策略和待验证触达策略；
82.s2，采用agent仿真模型对基础触达策略和待验证触达策略进行理财产品客户服务触达仿真，根据仿真结果绘制客户业务指标的时间演变图；所述agent仿真模型是以客户为agent，基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；
83.s3，根据客户业务指标的时间演变图，比较基础触达策略和待验证触达策略对应的客户选择情况以及客户业务指标，根据比较结果选择未来的投放策略。
84.本发明将基于智能体agent的模型应用于银行理财产品客户行为仿真，选择研究银行竞争环境下，封闭式，非保本浮动收益的稳健型理财产品市场，构造具有不同行为模式的agent。可以研究不同偏好的agent，与不同服务触达策略交互作用下的行为规律以及其对包括总客户全生命周期价值等重要业务指标(以客户价值指标为例)演化的影响作用。为实际触达资源分配时，正确识别客群，制定有效的策略，提升公司客户总价值提供建设性建议，同时使用仿真模型可以节省测试成本，在实际实现部署前提供测试环境，有助于筛选出最优策略。
85.本发明的理财产品是选择研究银行竞争环境下，封闭式，非保本浮动收益的稳健型理财产品；
86.所述历史理财产品参数包括理财产品的预期收益率、理财产品费率以及体验度；
87.所述历史客户行为数据包括位置、社交半径、选择的服务触达策略、服务等级、满意度。
88.其中，待验证触达策略输入可以是任何银行希望测试的策略，本文举例根据用户画像制定的服务触达策略，是一个实例化具体情况的举例，实际系统适用此策略，但不仅限于此策略。
89.所述历史理财产品参数包括理财产品的预期收益率、理财产品费率以及体验度；
90.所述历史客户行为数据包括位置、社交半径、选择的服务触达策略、服务等级、满意度；
91.其中，位置是一组包含x和y两个值的坐标信息，表示agent所处的位置；社交半径代表每agent可以与以所处位置为圆心，社交半径范围以内位置的agent进行交互；选择的服务触达策略表示客户目前所倾向选择的服务触达策略；服务等级反映了银行综合服务质量按照客户星级等分成若干个等级。
92.所述基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；具体是：
93.假设有n个分布在社交网络中的agent，在每个仿真时间里，选择单策略或双策略、产生满意度、发生社交活动、决策再次购买；其中策略的选择行为受理财产品的预期收益率、产品费率以及体验度的影响，社交活动是每期使用过某渠道后交流费率，产品预期收益率以及上期渠道的体验度；
94.对客户行为建立agent仿真模型时，以客户触达渠道选择行为目的，考虑客户之间的信息交流、客户策略选择、社交网络、市场因素；模型中将每个客户视为agent，每个agent均匀分布在社交网络中，与其社交半径内的agent发生信息交流；策略选择倾向受到其触达的服务等级、以及彼此之间的社交交流影响。
95.具体说明如下：
96.关于系统原理与结构，系统的研究对象是同一家银行理财产品客户的服务触达策略选择问题，研究环境是非保本浮动收益，封闭式(固定期限)的银行理财产品竞争市场。此种理财产品的特征是不保证本金与理财收益，理财产品开放申购后，银行会发布其预期收益率，预期收益率仅为业绩基准，作为参考指标，最终收益以理财产品到期后的实际收益率为准，并且理财产品申购成功后，在一个事先约定好的封闭时间期内，理财投资者不得继续递增金额及提前赎回，需要在此投资期结束之后收回本金和收益。银行会定期滚动开放申购期，客户可在理财产品到期后，决定是否继续申购。
97.本发明主要研究不同触达客户的服务资源分配策略下，客户的策略选择、迁移行为。基于此，本仿真系统设计仿真同一家银行的两种服务触达分配策略环境，为了比较，设定其中一种策略为基础触达策略(目前已有的策略)，另一种策略为需要观察效果的策略(计划投放的策略)。因为研究对象是服务触达策略，本发明将保持两个策略环境的费率一致，并设定两个收益期望，波动率相同的同种稳健型、非保本浮动收益，封闭式(固定期限)的银行理财产品，其中波动率较小，对系统的影响有限。
98.本系统假设有n个分布在社交网络中的agent。在每个仿真系统时间里，他们可以选择单策略或双策略、产生满意度、发生社交活动、决策再次购买等。其中策略选择行为主要受到理财产品的预期收益率、理财产品费率以及体验度的影响。而社交活动主要是每期使用过某渠道后交流费率，理财产品预期收益率以及上期渠道的体验度。
99.对客户行为建模时，本发明参照了零售行业客户触达渠道选择行为建模思想，综合考虑了客户之间的信息交流、客户策略选择、社交网络、市场等因素。模型中将每个客户视为agent，每个agent均匀分布在社交网络中，与其社交半径内的agent发生信息交流。融
合商业银行理财产品背景，他们的策略选择倾向受到其触达的服务等级、以及彼此之间的社交交流影响。系统结构如图2示。
100.关于agent主体行为分析，系统设置用户的初始可以选择两个触达服务策略或仅仅只选择其中一个。图3状态转移图展示了只选择其中一种策略的客户的所有可能状态，以及各个状态，外界市场环境因素之间的影响关系；双选策略的客户行为模式基于选择单策略的客户行为模式，即客户选择的两种策略分别各自进行单选策略情况下的状态转移。
101.当客户投资的理财产品到期后，此时会产生受到服务等级、投资金额以及实际收益率与到期收益率差值影响的满意度，从而被划分到不同的满意状态，影响下期投资金额，以及发生社交行为，比如传播信息，体验度等。其中下期触达服务策略选择行为受到各策略的决策效用影响，此效用受到体验度、费率、下期理财产品预期收益率等因素影响。当客户处于满意状态，且两种策略下的决策效用值都足够高就会选择双策略；当客户处于中等满意或不满意状态时，会选择在决策效用值较高的策略下，继续购买理财产品。当客户长期对理财产品产生不满意的状态，会导致客户不再投资理财产品。
102.本发明对agent引入异质性特征，一方面体现在引入客户自身的特征，投资金额以及年龄构造。陈良凯等在研究中发现客户的性别、年龄、金融日均资产、理财产品收益率等特征可以很好地解释客户持续购买理财产品行为。其中金融日均资产替代客户收入特征，用以修匀收入的波动和其他支付行为。基于此，本发明构造客户投资金额、年龄为客户异质性人口统计特征，其中将年龄划分成不同区间，且根据一般规律，年龄与投资金额具有如下图所示分布关系：
103.如图4所示，其中各区间的年龄范围以及人数比例如下表所示：
104.区间年龄范围比例019
–
25岁6％126
–
35岁36％236
–
55岁50％355岁以上8％
105.位于年龄区间0的客群年龄最小，刚刚步入社会，有了收入，用于投资得资金有限；位于年龄区间1的客群收入逐渐稳定，用于投资的金额也逐渐增多，但首要目标在于维持经济独立、保证生活质量，因此理财意识较弱，未有大量资金用于理财；位于年龄区间2的客群，大多需要为家庭精打细算，理财需求逐渐增长，积极投入理财产品购买；位于年龄区间3的客群有一定财富累积，有较多资金用于理财投入；位于年龄区间3的客户年龄最大，理财需求较区间2渐弱。
106.同时本发明设定不同年龄区间的客户对于服务的重视程度不同。本发明假设较年轻的客群较服务等级对满意度的影响权重较低，随着年龄增长，服务等级对满意度的影响权重逐渐升高，将在下文满意度效用函数部分详述。
107.本发明将以此异质性设置为例，说明仿真系统如何实施运行。对于不同的情况，可以参照此方法，根据客户数据分析结果进行客户异质性设置。
108.关于客户交流行为与策略体验度，本系统设计的交流活动在所有agent之间发生。每个agent均匀分布在社交网络中，每个agent会与其社交半径内的agent发生交流。已经选择过某服务触达策略的agent在完成每次投资行为后，产生满意度，会相互交流本次购买的
综合满意度，费率，作为体验交流，其综合体验度为其满意值；还未选择过某服务触达策略的agent会接收社交网络内其他agent的信息相关信息，其体验度为其接收到的，社交半径内选择过此策略的客户的平均满意值。
109.客户触达服务策略制定与投放仿真，考量客户服务触达策略的业务指标，通常包括，客户转化率(购买率)、交叉购买率、流失率、复购率、客户全生命周期价值等。精准化、考虑客户偏好的服务触达策略的制定，一般通过对于客户的服务倾向偏好与客户包括年龄、性别、收入水平、家庭情况，理财产品购买情况以及服务记录等进行画像分析，根据分析结果，制定对于不同客户群体的精细化服务触达策略。如图5所示。
110.通常，在投放此类型策略前，需要衡量测试的效果。这就需要一个基础触达策略作为比较，一般是目前已经在使用的策略或者是未考虑客户差异的无差别随机服务触达策略。将待验证触达策略与基础触达策略一起放入本发明基于智能体agent的仿真系统中，根据统计两个策略下的客户选择情况以及相关客户价值等关键业务指标，若策略的表现明显优于基础触达策略，则可以考虑投放。
111.为了进一步说明本发明的实施步骤，本发明以客户价值指标为例，展示客户触达服务策略的仿真系统。对于其他业务指标，只需要根据实际数据分析情况，将策略环境参数进行调整即可。
112.构建客户全生命周期价值clv与rfm客户细分模型；商业银行客户全生命周期价值(clv)是指客户在其一生，通过使用银行理财产品与享受银行服务，而付出给银行的收入回报总和，是定义客户价值的一种方法。客户全生命周期价值(clv)一般包括两部分，当前价值与潜在价值。当前价值表示客户为企业创造的价值总和，潜在价值一般指由于存在交叉销售的可能性而创造的价值。
113.rfm(recency，frequency，monetary)是一种根据客户价值划分客群的模型，其原理是通过对交易数据分析，提取客户最近一次交易时间(recency)、交易频率(frequency)、交易金额(monetary)将客户分成不同类别，可以通过历史数据判断客户的当前价值以及未来的消费趋势。
114.本发明拟以基于客户价值的触达服务分配策略为例，说明仿真系统如何实施运行。具体的策略制定将会在这部分进行说明。
115.基于包括年龄、投资金额在内的客户异质性特征、结合客户全生命周期价值(clv)的定义以及rfm客户分类模型的思想，采取客户全生命周期价值clv作为客户价值衡量方法，以银行的客户全生命周期价值clv总值作为参考指标，研究比较不同服务触达策略。基于此思想出发，本发明基于ibm公司，以客户全生命周期价值为优化目标的触达服务资源分配策略，分别采取将客户投资金额、客户年龄、以及客户投资金额和作为客户价值识别分类特征，制定服务策略。
116.投资金额大的客户可以给银行带来更多的利润，并具有持续的消费潜力，提出根据客户投资金额分配服务等级作为基于客户价值的服务分配策略，仿真此服务策略的应用效果，投资金额越大的客户，可以被分配到越好的服务资源。
117.不同年龄段的客群具有不同程度的对服务的心理权重，对服务水平较重视的高年龄客群将被优先触达高服务等级。
118.实际应用中，客户投资金额与客户的收入水平、职业、性别等因素有关，商业银行
在服务资源分配中，可以综合这些与客户全生命周期价值(clv)相关的因素，将客户分成客户全生命周期价值(clv)由高到低的不同客群，对高客户终身价值(clv)客户优先分配服务资源。
119.仿真系统将客户均匀分布在不同区域，每个客户可以与半径x范围以内的客户进行交互，定义此半径x为社交半径，x的值越大，代表每个客户将会与更多的客户进行交互。系统仿真步骤如下：
120.步骤1：系统环境参数设置
121.根据实际公司情况确定目前已有的基础触达策略，以及希望验证表现的策略。系统可以实现，比较新的精准触达的策略(希望验证表现的策略)与目前已有的基础触达策略，若新的触达策略效果较好，具体是与目前已有的基础触达策略偏差符合阈值要求，则可以考虑投入使用。
122.其中基础触达策略一般可以选，不考虑客户倾向性的服务触达策略，随机将服务资源分配给不同客户；希望验证表现的策略，可以根据客户信息与触达业务数据分析，制定如下的触达优化策略：
123.投资金额大的客户可以给银行带来更多的利润，并具有持续的消费潜力，提出根据客户投资金额分配服务等级作为基于客户价值的服务分配策略，仿真此服务策略的应用效果，投资金额越大的客户，可以被分配到越好的服务资源。
124.不同年龄段的客群具有不同程度的对服务的心理权重，对服务水平较重视的高年龄客群将被优先触达高服务等级。
125.由于本系统主要研究服务触达策略对客户行为的影响，设置保持两个策略环境的费率一致，并设定两个收益期望，波动率相同的同种稳健型、非保本浮动收益，封闭式(固定期限)的银行理财产品，其中波动率较小，对系统的影响有限。从而实现在同等环境下，观察agent对于不同服务触达策略的倾向程度。
126.步骤2：基于智能体agent建模
127.步骤2.1：agent的属性：将客户抽象为agent，agent包括的属性有：位置、社交半径、选择的服务触达策略、服务等级、满意度；位置是一组包含x和y两个值的坐标信息，表示agent所处的位置。社交半径代表，每agent可以与以所处位置为圆心，社交半径范围以内位置的agent进行交互。社交半径越大，代表每个客户将会与更多的客户进行交互。选择的服务触达策略表示客户目前所倾向选择的服务触达策略；服务等级反映了银行综合服务质量，包括理财经理业务能力(通过绩效评估测评)、处理投诉速度、服务设施(vip接待室等)、营销短信发送次数等因素。可以采用模糊评价法测评，将银行服务等级按照客户星级等分成若干个等级，等级越高，代表agent可享受到更高质量的服务。
128.满意度，代表客户的满意程度，分成非常满意，中等满意，非常不满意三种状态程度。受到agent服务等级、agent投资金额以及是否达到预期收益率三个因素影响。
129.步骤2.2：agent的购买决策行为仿真：仿真模型在时间上是离散的，并按照时间步长time-step作为单位去进行推进。每个time-step对应现实世界的一段时间。本发明中的每个time-step代表一个封闭式理财产品的周期，代表客户从购买一期理财产品，到理财产品到期，再到下一期理财产品开放申购的周期。agent每个周期内的选择决策流程如图2所示：
130.(1)初始时，生成agent的初始策略选择。一部分客户选择基础触达策略，另一部分客户倾向于选择待验证触达策略。
131.(2)当客户投资的理财产品到期后，此时会产生受本期服务等级、投资金额以及实际收益率与到期收益率差值影响的综合满意度。满意度的计算过程如下：
132.计算综合满意度效用y_satisfaction：
133.y_satisfaction＝(α*investamt+β*servicelevel+θ*interestdiff)*(h
times
)，
ꢀꢀ
(1)
134.其中investamt代表投资金额，投资金额越大，用户满意度越高，反映了客户收入水平，收入水平越高，可支配收入越多，可用于投资的金额也越大。servicelevel代表本期服务等级，被分配的服务等级越高，用户满意度越高。服务等级反映了银行综合服务质量，包括理财经理业务能力(通过绩效评估测评)、处理投诉速度、服务设施(vip接待室等)、营销短信发送次数等因素。
135.interestdiff代表实际到期收益率与预期收益率的差值，盈利越多，用户越满意。
136.α，β，θ代表上述三个影响因素的权重，相加和等于1。值越大，代表agent对某个因素越在意。
137.h
times
反映了随着时间流逝，重复购买行为的增加，客户满意度的衰减效应。h是一个满意度习惯因子，取值在0-1之间。times代表重复购买理财产品的期数。α，β，θ分别是投资金额，服务等级，实际收益率是否达到预期收益率因素的权重。
138.最后计算客户对理财产品的平均满意值作为客户对此理财产品的满意值，并基于两个满意度阈值threshold_1与threshold_2，将客户划分为三个状态：非常满意，中等满意，非常不满意。
139.(3)agent基于本期理财产品的满意度，传播理财产品满意度，费率(客户需要向银行支付的所有费用比率，包括投资管理费率，托管费率等)。接收社交范围内的agent的各理财产品满意度以及预期收益率，费率信息。
140.(4)按照如下公式计算agent的策略i效用y_utility_si，选择效用高的策略作为下期投资选择策略：
141.y_utility_si＝γ*u_interesti+δ*u
fee
i+ε*u_experiencei142.y_utility_si表示第i个策略的效用，其中u_interesti反应选择策略i的预期收益率对决策的影响，本部分将银行存款利率作为无风险利率参考点，将(预期收益率-银行存款利率)代入投资效用函数计算；u
fee
i反应策略i的费率对客户决策的影响，客户交流下期费率后，每个客户会得到其社交半径内的客户的理财产品费率平均值。每个客户会将各策略对应的费率与此平均费率比较，得到费率效用；u_experiencei反映了策略i的体验度对决策行为的影响。客户若选择过此策略，则此策略的u_experiencei即为客户的对此策略的满意值；若还未选择过，则为其社交半径内，选择此策略的客户的平均本期满意值。
143.(5)agent根据本期满意度，决定下期投资金额。其中客户满意程度越高，下期追加投资金额的概率越大。若投资金额降为零，则视为退出理财市场，不再选择任何一种服务触达策略。两种策略对流失的客户，清除客户信息，客户价值清零。
144.随机生成一个符合均值为μ，方差为σ的正态分布的随机数，作为agent的下期投资金额。其中均值μ的计算公式如下：
145.investamt*(1+μ
base
*state)
146.其中investamt表示agent当前的投资金额，μ
base
为投资金额期望波动程度，state代表客户的满意度状态。当客户非常满意时，取值为1，非常不满意时，取值为-1，中等满意时，取值为0。
147.(6)若有系统达到设定的预期最大仿真时间，则结束仿真流程。否则，重复步骤(2)。更新时间到下一个time step。
148.(7)根据系统运行结果，分别绘制客户生命周期价值等业务指标的时间演变图。
149.本发明使用此方法，可以通过调整不同的参数观察不同的模型输出效果，适应各种策略以及客户、市场环境，为具体的触达优化策略模拟提供了灵活的可预测性分析环境；另一方面，在真实环境中直接测试，可能会造成包括不合适的触达策略引起的客户流失风险，而仿真系统测试，可以有效降低这类风险，节省了策略测试的成本，提供了策略验证的环境。
150.如图6所示，本发明还提供一种基于智能体的理财产品客户服务触达优化仿真系统，包括：
151.策略输入模块，用于输入基础触达策略和待验证触达策略；
152.触达仿真模块，用于采用agent仿真模型对基础触达策略和待验证触达策略进行理财产品客户服务触达仿真，根据仿真结果绘制客户业务指标的时间演变图；所述agent仿真模型是以客户为agent，基于历史理财产品参数及历史客户行为数据分析具有不同行为模式的agent与不同服务触达策略交互作用下的行为规律以及与业务指标的关系，构建agent仿真模型；
153.策略选择模块，用于根据客户业务指标的时间演变图，比较基础触达策略和待验证触达策略对应的客户选择情况以及客户业务指标，根据比较结果选择未来的投放策略。
154.如图7所示，本发明第三个目的是提供一种电子设备，包括存储器、处理器以及存储在所述存储器中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所述基于智能体的理财产品客户服务触达优化仿真方法的步骤。
155.本发明第四个目的是提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于智能体的理财产品客户服务触达优化仿真方法的步骤。
156.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序理财产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序理财产品的形式。
157.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序理财产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
158.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
159.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。