一种基于SAAS技术的客户潜在风险智能预警系统

    公开(公告)号:CN118780917A

    公开(公告)日:2024-10-15

    申请号:CN202411259513.4

    申请日:2024-09-10

    摘要: 本发明属于风险预警管理技术领域,具体公开提供的一种基于SAAS技术的客户潜在风险智能预警系统,该系统包括:交易数据收集模块、交易数据分析模块、预警触发评定模块、预警触发确认模块和风险预警反馈终端。本发明通过收集目标客户的跟踪交易数据集和当前待确认交易数据,分析得到交易特征信息,有效解决了当前对客户解析深度不足的问题,规避了当前缺乏个性化考量的欠缺,提高了客户交易预警评估的准确性和真实性,并且通过结合客户的交易特征信息进行预警触发与否评定,并确认的预警风险类别,便于后续精准针对性的预警,规避可当前笼统式和较为通用化预警方式存在的欠缺,提高了预警的有效性和及时性。

    一种银行客户线上调查问卷智能评测管理系统

    公开(公告)号:CN118411203A

    公开(公告)日:2024-07-30

    申请号:CN202410865651.0

    申请日:2024-07-01

    IPC分类号: G06Q30/0203 G06Q40/02

    摘要: 本发明属于线上调查问卷评测管理技术领域,具体公开提供的一种银行客户线上调查问卷智能评测管理系统,该系统包括:通过设定下发条件,结合银行客户的历史服务记录,能够精准地筛选出符合调研目标的客户,为各触发客户设定特定的问卷问题集,同时根据问卷触发客户的数量,合理确定下发模式和最终下发人员数量;通过监测客户对初始问题集的答复耐心指数和满意指数,实时了解客户对服务的态度和感受,对于答复耐心指数较低的客户,执行中途退出模式,从而提高问卷的有效回复率;通过筛选各延展客户,向各延展客户下发后续延展问题集,能够进一步挖掘客户的潜在需求和兴趣点,为银行的产品开发和市场拓展提供有力支持。

    一种基于用户行为的产品智能推送系统

    公开(公告)号:CN118261679A

    公开(公告)日:2024-06-28

    申请号:CN202410512311.X

    申请日:2024-04-26

    IPC分类号: G06Q30/0601 G06Q40/04

    摘要: 本发明属于产品推送技术领域,特别涉及银行产品推送计算,具体公开一种基于用户行为的产品智能推送系统,本发明通过从银行应用终端提取用户的交互记录,并将交互记录进行分时段划分,并从分时段的交互记录中提取用户的交互数据进行偏好交互产品分析,由此将用户的偏好交互产品进行分时段对比,实现了对用户历史数据的动态应用,由此识别出用户的交易习惯类型,进而基于交易习惯类型选取用户适配的产品进行个性化推送,一方面使得推送的产品能够最大限度满足用户的购买需求,避免推荐存在的应用局限,从而大大提高了用户对银行的粘性,另一方面个性化地推送也无形之中增强了用户的体验感,再一方面有利于银行新产品的推广和销售。

    一种基于大数据的app用户智能管理系统

    公开(公告)号:CN117893256B

    公开(公告)日:2024-05-31

    申请号:CN202410290084.0

    申请日:2024-03-14

    摘要: 本发明属于用户管理技术领域,具体公开提供的一种基于大数据的app用户智能管理系统。该系统包括:用户信息导入模块、用户分类标记模块、用户流失验证模块、流失预警分析模块和流失分析反馈终端。本发明通过根据注册日期与访问日期的年限对比,分别进行短期用户和长期用户的使用活跃度分析,并根据已流失用户的软件相关数据进行流失验证,有效解决了当前用户流失风险预测考虑要素不足的问题,规避了仅从短时期内进行应用关注情况分析的误差,实现了短时期和长时期的综合规律性评定,有效拓展了用户流失风险预测的考虑要素,减少了用户流失风险预测结果的偏差,进而确保了用户流失风险预测结果的精准性和参考性。

    一种基于用户行为分析的优惠券智能投放系统

    公开(公告)号:CN118071410A

    公开(公告)日:2024-05-24

    申请号:CN202410465277.5

    申请日:2024-04-18

    摘要: 本发明涉及数据分析技术领域,具体而言,涉及一种基于用户行为分析的优惠券智能投放系统,本发明通过采集各目标用户的注册数据和历史行为数据,从饮食特征子画像、消费特征子画像、交互特征子画像三个维度展开各目标用户的个性化画像构建,以此确定各目标用户未来设定周期的优惠券适用商家序列、优惠券满减额度、优惠券投放频率和优惠券投放时间点,制定各目标用户优惠方案并进行优惠券投放,随即评估目标线上餐饮平台未来设定周期的优惠券综合投放效益系数并进行反馈,有效提高线上餐饮平台优惠券投放的精准度、效率和用户满意度,为线上餐饮平台营销策略的制定和优化提供可靠的依据。

    一种电商订单进度智能推送管理系统

    公开(公告)号:CN118279028B

    公开(公告)日:2024-09-17

    申请号:CN202410692962.1

    申请日:2024-05-31

    摘要: 本发明属于订单进度智能推送领域,公开一种电商订单进度智能推送管理系统,包括订单信息获取模块、订单安排模块、发货时间修正模块、物流安排模块、物流运输经验修正模块、物流运输天气修正模块、订单进度差异分析模块、信息推送模块和云数据库,本发明通过基于历史发货时间偏差度对预计发货时间进行修正,基于历史物流时长偏差度和天气状况对预计物流耗费时间进行修正,进而将修正后的预计发货时间和预计到货时间推送至用户处,同时将当前订单的发货时间差异度和物流时间差异度推送至商家处,提升预计发货时间和到货时间数据的精准度,提升消费者的满意度和用户粘连性,有助于商家更好地安排仓储、运输和配送等环节的资源。

    一种基于大数据的APP用户预约服务管理系统

    公开(公告)号:CN118211685B

    公开(公告)日:2024-09-13

    申请号:CN202410428522.5

    申请日:2024-04-10

    摘要: 本发明属于用户预约服务管理技术领域,具体公开提供的一种基于大数据的APP用户预约服务管理系统,该系统包括:通过获取目标服务店肆的空闲预约位数量,有效管理预约用户的排队与推荐处理,同时进一步通过评估各推荐店肆的地域安全状态,为用户推荐同行业其他服务店肆。通过提取各预约用户的各次历史预约记录,评估各预约用户的履约权重,同时预测各预约用户的预计变更项目,进而确认各预约用户的预约紧急程度评估指标。通过获取各预约用户期望项目所属服务人员的预约累计次数,使得平台能够更精准地掌握服务人员的工作状态,有助于分析服务人员在同时段的工作负荷,进而确定各预约用户的最终服务优先级。

    一种基于大数据的APP用户预约服务管理系统

    公开(公告)号:CN118211685A

    公开(公告)日:2024-06-18

    申请号:CN202410428522.5

    申请日:2024-04-10

    摘要: 本发明属于用户预约服务管理技术领域,具体公开提供的一种基于大数据的APP用户预约服务管理系统,该系统包括:通过获取目标服务店肆的空闲预约位数量,有效管理预约用户的排队与推荐处理,同时进一步通过评估各推荐店肆的地域安全状态,为用户推荐同行业其他服务店肆。通过提取各预约用户的各次历史预约记录,评估各预约用户的履约权重,同时预测各预约用户的预计变更项目,进而确认各预约用户的预约紧急程度评估指标。通过获取各预约用户期望项目所属服务人员的预约累计次数,使得平台能够更精准地掌握服务人员的工作状态,有助于分析服务人员在同时段的工作负荷,进而确定各预约用户的最终服务优先级。

    一种基于大数据的app用户智能管理系统

    公开(公告)号:CN117893256A

    公开(公告)日:2024-04-16

    申请号:CN202410290084.0

    申请日:2024-03-14

    摘要: 本发明属于用户管理技术领域,具体公开提供的一种基于大数据的app用户智能管理系统。该系统包括:用户信息导入模块、用户分类标记模块、用户流失验证模块、流失预警分析模块和流失分析反馈终端。本发明通过根据注册日期与访问日期的年限对比,分别进行短期用户和长期用户的使用活跃度分析,并根据已流失用户的软件相关数据进行流失验证,有效解决了当前用户流失风险预测考虑要素不足的问题,规避了仅从短时期内进行应用关注情况分析的误差,实现了短时期和长时期的综合规律性评定,有效拓展了用户流失风险预测的考虑要素,减少了用户流失风险预测结果的偏差,进而确保了用户流失风险预测结果的精准性和参考性。

    基于用户消费行为分析的积分兑换智能推荐系统及其方法

    公开(公告)号:CN117114760A

    公开(公告)日:2023-11-24

    申请号:CN202310488076.2

    申请日:2023-05-04

    摘要: 本申请涉及智能推荐技术领域,其具体地公开了一种基于用户消费行为分析的积分兑换智能推荐系统及其方法,其首先获取待推荐用户的消费行为数据,以及,待推荐兑换物的文本描述,然后,将待推荐用户的消费行为数据和待推荐兑换物的文本描述分别经分词处理后通过包含嵌入层上下文编码器并进行二维排列以得到消费行为语义理解特征矩阵和兑换物语义理解特征矩阵,接着,进行差分后通过基于卷积神经网络模型的差异性提取器并通过分类器以得到分类结果;其综合待推荐用户的消费行为数据和待推荐兑换物的文本描述,并利用深度学习和人工智能技术,以实现积分兑换系统的个性化定制服务,提升用户对于兑换物品的兴趣,优化用户体验,从而增强用户粘度。