TWI756804B

TWI756804B - 金融商品推薦系統及方法

Info

Publication number: TWI756804B
Application number: TW109129587A
Authority: TW
Inventors: 陳鑑蓁; 林建賢; 陳品達
Original assignee: 中國信託商業銀行股份有限公司
Priority date: 2020-08-28
Filing date: 2020-08-28
Publication date: 2022-03-01
Also published as: TW202209231A

Abstract

一種金融商品推薦系統，包含伺服器單元及終端電子裝置。伺服器單元，儲存有分別相關於多個參考客戶的多個個人資料，並根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值，並根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料。終端電子裝置傳送包含相關於一待分析客戶的一待分析個人資料的一商品建議請求給該伺服器單元。伺服器單元根據待分析個人資料，產生待分析個人特徵資料及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果。

Description

金融商品推薦系統及方法

本發明是有關於一種推薦系統，特別是指一種金融商品推薦系統。

據統計，有近六成的民眾不清楚如何理財規劃，包含不清楚退休金制度、不了解自身退休金缺口、不知道從何開始規劃等。因此，便有可能因缺乏退休理財知識而造成錯估儲蓄目標與未來退休後的需求。

目前，若民眾欲進一步了解相關於上述的理財規劃，通常必需要親自到銀行詢問理財專員，而可能出現耗費時間的問題。

因此，本發明的目的，即在提供一種能改善上述先前技術中至少一缺點的金融商品推薦系統。

於是，本發明所提供的金融商品推薦系統包含一伺服器單元，及能經由一通訊網路與該伺服器單元通訊的一終端電子裝置。該伺服器單元儲存有分別相關於多個參考客戶的多個個人資料，及多個分別相關於該等參考客戶的金融商品持有資料。該伺服器單元根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值；該伺服器單元根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料，每一群集定義資料包含分別相關於該等個人特徵值的多個特徵值範圍；該終端電子裝置傳送包含相關於一待分析客戶的一待分析個人資料的一商品建議請求給該伺服器單元；該伺服器單元根據該待分析個人資料，產生一待分析個人特徵資料，該待分析個人特徵資料包含多個分別相關於該等群集定義資料的該等特徵值範圍的待分析個人特徵值；該伺服器單元根據該等待分析個人特徵值及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果，其中，該等待分析個人特徵值符合該分群結果所相關的該群集定義資料的該等特徵值範圍；該伺服器單元將對應於該分群結果所相關的該群集定義資料的一金融商品建議組合傳送給該終端電子裝置。

在一些實施態樣中，該伺服器單元還根據該等群集定義資料，利用一非線性迴歸方式，建立分別對應該等群集定義資料的多個收入估算模型，並根據該分群結果將該分群結果所相關的該群集定義資料對應之該收入估算模型設定為一目標收入估算模型；該伺服器單元根據該待分析個人資料並利用該目標收入估算模型，估算出該待分析客戶的一估算個人收入；該伺服器單元根據該估算個人收入產生對應該金融商品建議組合的一金融商品投資金額。

在一些實施態樣中，每一個人資料包含相關於該參考客戶的一地理位置的一地理環境資料，及相關於該參考客戶且公開的一政府資料；該待分析個人資料包含相關於該待分析客戶的一待分析地理位置的一待分析地理環境資料及相關於該待分析客戶且公開的一待分析政府資料。

在一些實施態樣中，該地理環境資料相關於地政狀況、公共設施狀況及私人設施狀況其中至少一者；及該政府資料相關於多個年齡的平均餘命、多個行政區的收入與支出，及就業狀況其中至少一者。

在一些實施態樣中，該待分析個人資料所包含的該待分析政府資料是下載自一政府資料庫。

在一些實施態樣中，該預定分群演算法為k-平均演算法。

本發明的另一目的在於提供一種金融商品推薦方法，該金融商品推薦方法藉由一金融商品推薦系統執行，該金融商品推薦系統包含一伺服器單元及能經由一通訊網路與該伺服器單元通訊的一終端電子裝置，該伺服器單元儲存有分別相關於多個參考客戶的多個個人資料，及多個分別相關於該等參考客戶的金融商品持有資料；該金融商品推薦方法包含：

該伺服器單元根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值。

該伺服器單元根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料，每一群集定義資料包含分別相關於該等個人特徵值的多個特徵值範圍。

該終端電子裝置傳送包含相關於一待分析客戶的一待分析個人資料的一商品建議請求給該伺服器單元。

該伺服器單元根據該待分析個人資料，產生一待分析個人特徵資料，該待分析個人特徵資料包含多個分別相關於該等群集定義資料的該等特徵值範圍的待分析個人特徵值。

該伺服器單元根據該等待分析個人特徵值及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果，其中，該等待分析個人特徵值符合該分群結果所相關的該群集定義資料的該等特徵值範圍。

該伺服器單元將對應於該分群結果所相關的該群集定義資料的一金融商品建議組合傳送給該終端電子裝置。

本發明的功效在於：本發明之金融商品推薦系統藉由該伺服器單元根據該等參考客戶的該等個人特徵資料並利用k-平均演算法產生出該等群集定義資料，以便在接收到來自該終端電子裝置的該商品建議請求時，能根據該等群集定義資料及該商品建議請求所包含的該待分析個人資料產生出該分群結果，進而能夠根據該分群結果將對應之該金融商品建議組合傳送給該終端電子裝置，故確實能達成本發明的目的。

在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示。

參閱圖1，本發明之金融商品推薦系統的一實施例，包含一伺服器單元10，及能經由一通訊網路200(例如為網際網路)與該伺服器單元10通訊的一終端電子裝置20。

該終端電子裝置可以是可攜式電子裝置(例如為智慧型手機、平板電腦、筆記型電腦等)或是個人電腦，但不以上述為限。

於此實施例中，該伺服器單元10例如為歸屬於一銀行的一電腦主機，並適於與一政府資料庫300連線，且儲存有分別相關於多個參考客戶的多個個人資料，及多個分別相關於該等參考客戶的金融商品持有資料。

每一個人資料包含所對應的該參考客戶相關的一個人基本資料、相關於該參考客戶的一地理位置的一地理環境資料，及相關於該參考客戶且公開的一政府資料。該個人基本資料可以是該參考客戶的性別、年齡、職業、職稱、收入…等，該地理位置可以是該參考客戶的戶籍地，而該地理環境資料相關於地政狀況、公共設施狀況及私人設施狀況其中至少一者，並例如為距離該地理位置一預設距離內有幾間醫院、該地理位置與最近的捷運站之間的距離、或距離該地理位置一預設距離內有幾個嫌惡設施…等，該政府資料相關於多個行政區的收入與支出，及就業狀況(就業率)，上述僅為舉例說明，並例如為該地理位置位於的行政區的每人平均收入、每人平均支出、該地理位置位於的行政區的就業率…等，並不以上述為限。

參閱圖1及圖2，以下說明本實施例執行之一分群程序的步驟。

首先，於步驟S11中，該伺服器單元10根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值。

更明確地說，每一個人特徵資料所包含的該等個人特徵值例如年齡、年收入、戶籍地與最近的捷運站之間的距離、距離戶籍地一預設距離內的醫院的數量、距離戶籍地一預設距離內的嫌惡設施的數量…等。

接著，於步驟S12中，該伺服器單元10根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料，每一群集定義資料包含分別相關於該等個人特徵值的多個特徵值範圍。

於此實施例中，該預定分群演算法為k-平均演算法(k-means clustering)，而該伺服器單元10所產生的該等群集定義資料每一者所包含的該等特徵值範圍可以是年收入界在150萬~200萬、戶籍地與最近的捷運站之間的距離界在300~500公尺、距離戶籍地一預設距離內的醫院的數量界在2~5間…等，但不以上述為限。更進一步地說，該伺服器單元10在產生出該等群集定義資料後，會再接著建立分別指示出多個金融商品建議組合與該等群集定義資料之間的多個對應關係。而該等金融商品建議組合是在該伺服器單元10產生出該等群集定義資料後，由專家分別針對該等群集定義資料所產生的。

參閱圖1及圖3，以下說明本實施例執行之一金融商品推薦程序的步驟。

首先，於步驟S21中，該伺服器單元10接收到來自該終端電子裝置20且相關於一待分析客戶的一待分析個人資料的一商品建議請求。

更明確地說，該待分析個人資料包含相關於該待分析客戶的一待分析地理位置的一待分析地理環境資料及相關於該待分析客戶且公開的一待分析政府資料。如同前述，該待分析地理位置可以是該待分析客戶的戶籍地址，而相關於該待分析地理位置的該待分析地理環境資料可以是該待分析客戶的戶籍地址與最近的捷運站之間的距離、距離該待分析客戶的戶籍地址一預定距離內醫院的數量、距離該待分析客戶的戶籍地址一預定距離內嫌惡設施的數量…等。而該待分析政府資料可以是相關於該待分析客戶的戶籍地址的行政區的平均所得，並不以上述為限。於本實施例中，該待分析個人資料所包含的該待分析政府資料是該伺服器單元下載自該政府資料庫300。

接著，在步驟S22中，該終端電子裝置20傳送該商品建議請求給該伺服器單元10後，也就是該伺服器單元10接收到該商品建議請求後，該伺服器單元10根據該商品建議請求的該待分析個人資料，產生一待分析個人特徵資料，該待分析個人特徵資料包含多個分別相關於該等群集定義資料的該等特徵值範圍的待分析個人特徵值。接著執行步驟S23。

於步驟S23中，該伺服器單元10根據該等待分析個人特徵值及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果。而該伺服器單元10所產生的該分群結果所相關的該群集定義資料的該等特徵值範圍符合該等待分析個人特徵值。

以下列表格舉例說明群集定義資料及該待分析個人資料。

群集定義資料A
戶籍地方圓3km內工廠數量	1~2
戶籍地方圓5km內設有大型醫院	0
戶籍地所屬行政區收入於全國排行	後20~25%

群集定義資料B
戶籍地方圓3km內工廠數量	0
戶籍地方圓5km內設有大型醫院	1~3
戶籍地所屬行政區收入於全國排行	前20~25%

待分析個人資料
戶籍地方圓3km內工廠數量	0
戶籍地方圓5km內設有大型醫院	2
戶籍地所屬行政區收入於全國排行	前22%

根據以上所示的群集定義資料A及群集定義資料B，由於該待分析個人資料符合該群集定義資料B所包含的該等特徵值範圍，因此，該伺服器單元10所產生的該分群結果便會相關於該群集定義資料B。

接著，於步驟S24中，該伺服器單元10將對應於該分群結果所相關的該群集定義資料的該金融商品建議組合傳送給該終端電子裝置20。承接前例，對應該群集定義資料A的該金融商品建議組合含有大額保障型保險，而對應該群集定義資料B的該金融商品建議組合含有年金險。

參閱圖1及圖4，以下說明本實施例執行之一收入估算程序的步驟。

在步驟S31中，該伺服器單元10根據該等群集定義資料，利用一非線性迴歸方式，建立分別對應該等群集定義資料的多個收入估算模型。

接著於步驟S32中，該伺服器單元10根據該分群結果將該分群結果所相關的該群集定義資料對應之該收入估算模型設定為一目標收入估算模型。

承接前例，該伺服器單元10便會將該群集定義資料B所對應的該收入估算模型設定為該目標收入估算模型。接著，執行步驟S33。

參閱步驟S33，該伺服器單元10設定該目標收入估算模型後，便根據該待分析個人資料並利用該目標收入估算模型，估算出該待分析客戶的一估算個人收入。接著，於步驟S34中，根據該估算個人收入產生對應該金融商品建議組合的一金融商品投資金額。

舉例來說，該伺服器單元10會將例如為1/3的該估算個人收入設定為金融商品投資金額，並將該金融商品建議組合及該金融商品投資金額傳送給該終端電子裝置20。

綜上所述，本發明之金融商品推薦系統藉由該伺服器單元10根據該等參考客戶的該等個人特徵資料並利用k-平均演算法產生出該等群集定義資料，以便在接收到來自該終端電子裝置20的該商品建議請求時，能根據該等群集定義資料及該商品建議請求所包含的該待分析個人資料產生出該分群結果，進而能夠根據該分群結果將對應之該金融商品建議組合傳送給該終端電子裝置20，故確實能達成本發明的目的。

惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。

10:伺服器單元 20:終端電子裝置 200:通訊網路 300:政府資料庫 S11~S12:步驟 S21~S24:步驟 S31~S34:步驟

本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：圖1是本發明之金融商品推薦系統的一實施例的一硬體連接關係示意圖；圖2是該實施例執行的一分群程序的一流程圖；圖3是該實施例執行的一金融商品推薦程序的一流程圖；及圖4是該實施例執行的一收入估算程序的一流程圖。

10:伺服器單元 20:終端電子裝置 200:通訊網路 300:政府資料庫

Claims

一種金融商品推薦系統，包含：一伺服器單元，儲存有分別相關於多個參考客戶的多個個人資料，及多個分別相關於該等參考客戶的金融商品持有資料；及一終端電子裝置，能經由一通訊網路與該伺服器單元通訊；其中，該伺服器單元根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值；該伺服器單元根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料，每一群集定義資料包含分別相關於該等個人特徵值的多個特徵值範圍；該終端電子裝置傳送包含相關於一待分析客戶的一待分析個人資料的一商品建議請求給該伺服器單元；該伺服器單元根據該待分析個人資料，產生一待分析個人特徵資料，該待分析個人特徵資料包含多個分別相關於該等群集定義資料的該等特徵值範圍的待分析個人特徵值；該伺服器單元根據該等待分析個人特徵值及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果，其中，該等待分析個人特徵值符合該分群結果所相關的該群集定義資料的該等特徵值範圍；該伺服器單元將對應於該分群結果所相關的該群集定義資料的一金融商品建議組合傳送給該終端電子裝置；該伺服器單元還根據該等群集定義資料，利用一非線性迴歸方式，建立分別對應該等群集定義資料的多個收入估算模型，並根據該分群結果將該分群結果所相關的該群集定義資料對應之該收入估算模型設定為一目標收入估算模型；該伺服器單元根據該待分析個人資料並利用該目標收入估算模型，估算出該待分析客戶的一估算個人收入；該伺服器單元根據該估算個人收入產生對應該金融商品建議組合的一金融商品投資金額。
如請求項1所述的金融商品推薦系統，其中，每一個人資料包含相關於該參考客戶的一地理位置的一地理環境資料，及相關於該參考客戶且公開的一政府資料；該待分析個人資料包含相關於該待分析客戶的一待分析地理位置的一待分析地理環境資料及相關於該待分析客戶且公開的一待分析政府資料。
如請求項2所述的金融商品推薦系統，其中，該地理環境資料相關於地政狀況、公共設施狀況及私人設施狀況其中至少一者；該政府資料相關於多個行政區的收入與支出，及就業狀況其中至少一者。
如請求項2所述的金融商品推薦系統，其中，該待分析個人資料所包含的該待分析政府資料是下載自一政府資料庫。
如請求項1所述的金融商品推薦系統，其中，該預定分群演算法為k-平均演算法。
一種金融商品推薦方法，藉由一金融商品推薦系統執行，該金融商品推薦系統包含一伺服器單元及能經由一通訊網路與該伺服器單元通訊的一終端電子裝置，該伺服器單元儲存有分別相關於多個參考客戶的多個個人資料，及多個分別相關於該等參考客戶的金融商品持有資料；該金融商品推薦方法包含：該伺服器單元根據該等個人資料產生多個分別相關於該等參考客戶的個人特徵資料，該等個人特徵資料的每一者包含多個個人特徵值；該伺服器單元根據該等個人特徵資料，使用一預定分群演算法，產生多個群集定義資料，每一群集定義資料包含分別相關於該等個人特徵值的多個特徵值範圍；該終端電子裝置傳送包含相關於一待分析客戶的一待分析個人資料的一商品建議請求給該伺服器單元；該伺服器單元根據該待分析個人資料，產生一待分析個人特徵資料，該待分析個人特徵資料包含多個分別相關於該等群集定義資料的該等特徵值範圍的待分析個人特徵值；該伺服器單元根據該等待分析個人特徵值及該等群集定義資料，產生一相關於該等群集定義資料其中一者的分群結果，其中，該等待分析個人特徵值符合該分群結果所相關的該群集定義資料的該等特徵值範圍；該伺服器單元將對應於該分群結果所相關的該群集定義資料的一金融商品建議組合傳送給該終端電子裝置；該伺服器單元還根據該等群集定義資料，利用一非線性迴歸方式，建立分別對應該等群集定義資料的多個收入估算模型，並根據該分群結果將該分群結果所相關的該群集定義資料對應之該收入估算模型設定為一目標收入估算模型；該伺服器單元根據該待分析個人資料並利用該目標收入估算模型，估算出該待分析客戶的一估算個人收入；及該伺服器單元根據該估算個人收入產生對應該金融商品建議組合的一金融商品投資金額。
如請求項6所述的金融商品推薦方法，其中，每一個人資料包含相關於該參考客戶的一地理位置的一地理環境資料，及相關於該參考客戶且公開的一政府資料；該待分析個人資料包含相關於該待分析客戶的一待分析地理位置的一待分析地理環境資料及相關於該待分析客戶且公開的一待分析政府資料。
如請求項7所述的金融商品推薦方法，其中，該地理環境資料相關於地政狀況、公共設施狀況及私人設施狀況其中至少一者；該政府資料相關於多個年齡的平均餘命、多個行政區的收入與支出，就業狀況其中至少一者。
如請求項7所述的金融商品推薦方法，其中，該待分析個人資料所包含的該待分析政府資料是下載自一政府資料庫。
如請求項6所述的金融商品推薦方法，其中，該預定分群演算法為k-平均演算法。