银行网点广告投放资源的分配方法及系统

技术领域

本发明涉及数据处理技术领域，尤指一种银行网点广告投放资源的分配方法及系统。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

银行现有的广告投放方式是根据银行的业务需求对客户进行广告推送，仅根据银行的业务需求进行广告推送，使得推送的广告不符合不同客户的实际需求，并且无法发掘出不同客户的潜在需求。采用银行现有的广告投放方式，银行推送的广告与客户之间的匹配度较低，严重影响了银行产品推广的转化率。

综上来看，亟需一种可以克服上述缺陷，能够改进广告投放方式的技术方案。

发明内容

为解决现有技术存在的问题，本发明提出了一种银行网点广告投放资源的分配方法及系统。

在本发明实施例的第一方面，提出了一种银行网点广告投放资源的分配方法，包括：

对于银行网点集合中的每个银行网点，确定每个银行网点对应的风险类型向量；

根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；将银行网点与该银行网点归属的银行网点子集合的对应关系存储至银行服务器的数据库中；

对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；

对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；其中，该交易类别向量的分量与交易类别子集合一一对应；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；将银行网点子集合与该银行网点子集合对应的多个客户子集合的对应关系存储至银行服务器的数据库中；

对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标；其中，客户类别向量的分量与客户子集合一一对应；根据客户类别向量、广告投放策略及广告效果指标确定每个客户类别向量对应的最优广告投放策略，并将该银行网点子集合、客户类别向量与最优广告投放策略的对应关系存储至银行服务器的数据库中；

对于第一银行网点，获取当前时刻服务的客户集合；该第一银行网点向银行服务器发送广告投放策略获取请求，其中，该获取请求包含当前时刻服务的客户集合；

银行服务器根据银行网点和该银行网点归属的银行网点子集合的对应关系，确定第一银行网点归属的银行网点子集合；根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量；银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点；

该第一银行网点根据接收到的最优广告投放策略进行当前时刻第一银行网点的广告投放。

在本发明实施例的第二方面，提出了一种银行网点广告投放资源的分配系统，包括：

数据处理模块，用于对于银行网点集合中的每个银行网点，确定每个银行网点对应的风险类型向量；

银行网点子集合分析模块，用于根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；将银行网点与该银行网点归属的银行网点子集合的对应关系存储至银行服务器的数据库中；

分类模块，用于对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；

交易类别向量处理模块，用于对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；其中，该交易类别向量的分量与交易类别子集合一一对应；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；将银行网点子集合与该银行网点子集合对应的多个客户子集合的对应关系存储至银行服务器的数据库中；

对应关系处理模块，用于对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标；其中，客户类别向量的分量与客户子集合一一对应；根据客户类别向量、广告投放策略及广告效果指标确定每个客户类别向量对应的最优广告投放策略，并将该银行网点子集合、客户类别向量与最优广告投放策略的对应关系存储至银行服务器的数据库中；

请求获取模块，用于对于第一银行网点，获取当前时刻服务的客户集合；该第一银行网点向银行服务器发送广告投放策略获取请求，其中，该获取请求包含当前时刻服务的客户集合；

最优广告投放策略处理模块，用于银行服务器根据银行网点和该银行网点归属的银行网点子集合的对应关系，确定第一银行网点归属的银行网点子集合；根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量；银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点；

广告投放处理模块，用于该第一银行网点根据接收到的最优广告投放策略进行当前时刻第一银行网点的广告投放。

在本发明实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在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银行网点广告投放资源的分配方法。

在本发明实施例的第四方面，提出了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银行网点广告投放资源的分配方法。

在本发明实施例的第五方面，提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现银行网点广告投放资源的分配方法。

本发明提出的银行网点广告投放资源的分配方法及系统通过分析银行网点的数据，确定每个银行网点对应的风险类型向量；根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标，进而确定每个客户类别向量对应的最优广告投放策略；对于任意银行网点，获取当前时刻服务的客户集合，进而通过分析得到该银行网点的最优广告投放策略，进行广告投放，本发明可以有效提高银行网点的推送的广告与银行客户之间的匹配度，从而提高了银行产品推广的转化率，提高银行网点的运营效率，可以在风险可控的前提下，满足客户的实际需求。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一实施例的银行网点广告投放资源的分配方法流程示意图。

图2是本发明一实施例的确定每个银行网点对应的风险类型向量的具体流程示意图。

图3是本发明一实施例的根据风险类型向量对银行网点集合进行聚类分析的流程示意图。

图4是本发明一实施例的获得分类更加精准的银行网点子集合的流程示意图。

图5是本发明一实施例的确定客户的交易类别向量的具体流程示意图。

图6是本发明一实施例的确定每个客户类别向量对应的最优广告投放策略的流程示意图。

图7是本发明一实施例的确定当前时刻第一银行网点的最优广告投放策略的流程示意图。

图8是本发明另一实施例的确定当前时刻第一银行网点的最优广告投放策略的流程示意图。

图9是本发明一实施例的确定筛选出的所有对应关系的多个极大对应关系的流程示意图。

图10是本发明一实施例的银行网点广告投放资源的分配系统架构示意图。

图11是本发明一实施例的计算机设备结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种银行网点广告投放资源的分配方法及系统，涉及数据处理技术领域。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

图1是本发明一实施例的银行网点广告投放资源的分配方法流程示意图。如图1所示，该方法包括：

S1，对于银行网点集合中的每个银行网点，确定每个银行网点对应的风险类型向量；

S2，根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；将银行网点与该银行网点归属的银行网点子集合的对应关系存储至银行服务器的数据库中；

S3，对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；

S4，对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；其中，该交易类别向量的分量与交易类别子集合一一对应；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；将银行网点子集合与该银行网点子集合对应的多个客户子集合的对应关系存储至银行服务器的数据库中；

S5，对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标；其中，客户类别向量的分量与客户子集合一一对应；根据客户类别向量、广告投放策略及广告效果指标确定每个客户类别向量对应的最优广告投放策略，并将该银行网点子集合、客户类别向量与最优广告投放策略的对应关系存储至银行服务器的数据库中；

S6，对于第一银行网点，获取当前时刻服务的客户集合；该第一银行网点向银行服务器发送广告投放策略获取请求，其中，该获取请求包含当前时刻服务的客户集合；

S7，银行服务器根据银行网点和该银行网点归属的银行网点子集合的对应关系，确定第一银行网点归属的银行网点子集合；根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量；银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点；

S8，该第一银行网点根据接收到的最优广告投放策略进行当前时刻第一银行网点的广告投放。

为了对上述银行网点广告投放资源的分配方法进行更为清楚的解释，下面结合每一步骤来进行详细说明。

在S1中，参考图2，对于银行网点集合中的每个银行网点，确定每个银行网点对应的风险类型向量的具体流程为：

S101，根据每个银行网点的历史交易数据，确定该银行网点的风险类型和每个风险类型对应的风险概率；

S102，将风险概率大于第一阈值的风险类型作为第一风险类型；设置风险类型向量，该风险类型向量的长度等于银行的风险类型的个数，该风险类型向量的每个分量分别对应一个风险类型；如果对应的风险类型是该银行网点的第一风险类型，将对应的分量设置为该风险类型对应的风险概率，如果不是，将对应的分量设置为0。

在一实施例中，(S101)根据每个银行网点的历史交易数据，确定该银行网点的风险类型和每个风险类型对应的风险概率，具体为：

获取该银行网点在时期A内的交易数据，将该交易数据包含的风险类型确定为该银行网点的风险类型；

对于银行网点的每个风险类型，如果该风险类型不是该银行网点的风险类型，则确定该风险类型对应的风险概率为0；

对于银行网点的每个风险类型，如果该风险类型是该银行网点的风险类型，则执行如下步骤：

确定时期A内每天关于该风险类型的风险概率，基于时期A内所有天关于该风险类型的风险概率，确定该风险类型对应的风险概率的方差σ；

选取可以接受的概率误差阈值ε，以及可以接受的概率误差大于ε的概率P，确定该风险类型对应的风险概率的天数阈值为

选取包含的天数大于该风险类型对应的风险概率的天数阈值的时期B(当然如果时期A的天数大于该天数阈值，可以选取时期A)，将该风险类型对应的风险概率确定为时期B内所有天关于该风险类型的风险概率的均值。

其中，对于(时期A或者时期B)每一天，确定该天关于该风险类型的风险概率的方法是：获取该银行网点在该天的历史交易数据，将该历史交易数据中涉及该风险类型的历史交易数据的比例确定为该天关于该风险类型的风险概率。

在S2中，参考图3，根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；将银行网点与该银行网点归属的银行网点子集合的对应关系存储至银行服务器的数据库中的具体流程为：

S201，根据每个银行网点的风险类型向量，设置该银行网点的距离函数；其中，距离函数的自变量是任意两个银行网点，函数值是该两个银行网点的风险类型向量的距离；

S202，根据所述距离函数，对银行网点进行聚类分析，得到多个银行网点子集合。

在一实施例中，根据所述距离函数，利用K均值对区域范围内的银行网点进行聚类分析，得到多个银行网点子集合。

参考图4，为了获得分类更加精准的银行网点子集合，可以进行以下步骤：

S2021，对于获得的每一个银行网点子集合，确定该银行网点子集合中每一个网点的历史交易数据中交易数据最大的交易类别，将该交易类别确定为该网点的最大交易类别。对于该银行网点子集合对应的每个最大交易类别，确定该最大交易类别对应该银行网点子集合的网点的数量与该银行网点子集合的网点数量的比值，将所有的比值中的最大比值确定为该银行网点子集合的一致性指标；

S2022，对于获得的每一个银行网点子集合，确定该银行网点子集合是否满足如下条件s：该银行网点子集合的一致性指标大于设定值，如果不满足，则继续对该银行网点子集合的所有网点用聚类算法进行聚类，直至新生成的每一个银行网点子集合都满足条件s。

在S3中，对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合。

在本实施例中，对于银行的每个交易类别，确定该交易类别的多维度数据，其中，交易维度至少包括：风险等级，主要客户类别，交易量，主要风险类型。风险等级指的是该交易类别的发生异常程度，发生异常的比例越高，则风险等级越高；主要客户类别是在交易类别所对应的客户中，将客户类别的客户占比最高作为主要客户类别；交易量指的是交易的数量；主要风险类型是该银行网点的风险概率与第二阈值的差最大的风险类型。

对于每个维度，确定对应的一个距离函数，可以计算该维度的任何两个值的距离。进而确定交易对应的距离函数，该距离函数的两个自变量是任何两个交易类别，对应的函数值可以按照如下方法确定：基于每个维度的距离函数，确定该两个交易类别关于该维度的两个值的距离，进而获得该两个交易类别的函数值。

基于交易对应的距离函数，以主要风险类型为标识，用监督聚类算法对交易类别集合进行聚类分析，得到多个交易类别子集合。

在S4中，参考图5，对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量的具体流程为：

S401，对于每个客户，根据该客户的历史交易数据，确定该历史交易数据中的交易类别归属于各个交易类别子集合的交易数据；

S402，设置该客户的交易类别向量，该交易类别向量的长度等于交易类别子集合的个数，该交易类别向量的分量与交易类别子集合一一对应，每个分量的值等于该客户的历史交易数据中交易类别归属于该分量对应的交易类别子集合的交易数量。

在S5中，参考图6，对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标；其中，客户类别向量的分量与客户子集合一一对应；根据客户类别向量、广告投放策略及广告效果指标确定每个客户类别向量对应的最优广告投放策略，并将该银行网点子集合、客户类别向量与最优广告投放策略的对应关系存储至银行服务器的数据库中的具体流程为：

S501，对于每个采样时间段，获取该采样时间段的银行网点当前服务的客户集合；对于每个客户子集合，确定当前服务的客户集合中归属于该客户子集合的客户数；根据该客户数，设置该采样时间段的客户类别向量，客户类别向量的每个分量与每个客户子集合一一对应，每个分量的值等于当前服务的客户集合中归属于该分量对应的客户子集合的客户数；

S502，对于每个客户类别向量，从该客户类别向量对应的多个采样时间段中选取对应的广告效果指标最大的采样时间段，将该采样时间段所对应的广告投放策略作为该客户类别向量对应的最优广告投放策略；其中，广告投放策略至少包括各个广告的投放顺序，投放时长及投放位置；广告效果指标是该银行网点服务的所有客户在该采样时间段内观看该广告的时间总长，或者该银行网点在该采样时间段内服务的客户集合中在广告投放后购买广告投放的产品的客户占比。

在S6中，对于第一银行网点，获取当前时刻服务的客户集合；该第一银行网点向银行服务器发送广告投放策略获取请求，其中，该获取请求包含当前时刻服务的客户集合。

在S7中，银行服务器根据银行网点和该银行网点归属的银行网点子集合的对应关系，确定第一银行网点归属的银行网点子集合；根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量；银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点。

在一实施例中，根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量的具体流程为：

根据广告投放策略获取请求包含的客户集合和该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定该客户集合对应的客户类别向量，该客户类别向量的每个分量与该第一银行网点归属的银行网点子集合所对应的各个客户子集合一一对应，且该客户类别向量的每个分量值等于广告投放策略获取请求包含的客户集合中归属于该分量对应的客户子集合的客户数。

在一实施例中，参考图7，银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点的具体流程为：

S701，从银行网点子集合、客户类别向量与最优广告投放策略的对应关系中，筛选出关于第一银行网点归属的银行网点子集合的对应关系；

S702，对于筛选出的每一个对应关系，确定该对应关系的客户类别向量和当前时刻第一银行网点对应的客户类别向量的距离，将该距离作为该对应关系与当前时刻第一银行网点的距离；

S703，从筛选出的多个对应关系中，选取出与当前时刻第一银行网点的距离最小的对应关系，将该对应关系的最优广告投放策略确定为当前时刻第一银行网点的最优广告投放策略。

在一实施例中，参考图8，银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点的另一种方法是：

S711，从银行网点子集合、客户类别向量与最优广告投放策略的对应关系中，筛选出关于第一银行网点归属的银行网点子集合的对应关系；

S712，对于筛选出的任何对应关系，确定该对应关系的客户类别向量和当前时刻第一银行网点对应的客户类别向量的差，将该差确定为该对应关系对应的向量差；

S713，确定筛选出的所有对应关系的偏序，其中，对于筛选出的任何两个对应关系，如果对于任何分量，该两个对应关系的第一对应关系对应的向量差在该分量的值的绝对值小于等于该两个对应关系的第二对应关系对应的向量差在该分量的值的绝对值，则确定该第一对应关系近于该第二对应关系；

S714，依据该偏序，确定筛选出的所有对应关系的多个极大对应关系，其中，该多个极大对应关系是该偏序的极大元素；

S715，依据多个极大对应关系的最优广告投放策略，确定当前时刻第一银行网点的最优广告投放策略。

需要说明的是，偏序的极大元素就是在偏序对应的集合中，不存在其他元素优于该极大元素。筛选出的所有对应关系的极大对应关系具体是指不存在筛选出的所有对应关系中的其他对应关系，使得该其他对应关系近于该极大对应关系。

其中，参考图9，依据该偏序，确定筛选出的所有对应关系的多个极大对应关系的方法如下：

S7141，初始化筛选出的所有对应关系的每个对应关系对应的极大标识设置为可能；

S7142，依次对于筛选出的所有对应关系的每个对应关系，如果该对应关系对应的极大标识设置不是可能，则对下一个对应关系执行步骤S7142；如果该对应关系对应的极大标识设置为可能，则依次对于该筛选出的所有对应关系中除该对应关系之外的每个其他对应关系，比较该其他对应关系和该对应关系，具体的：

如果该其他对应关系近于该对应关系，则将该对应关系对应的极大标识设置为否；如果该对应关系近于该其他对应关系，则将该其他对应关系对应的极大标识设置为否；否则，该对应关系对应的极大标识和该其他对应关系对应的极大标识保持不变；

如果在比较所有其他对应关系与该对应关系后，该对应关系的极大标识还是可能，则将该对应关系确定为该筛选出的所有对应关系中的极大对应关系。

在S8中，该第一银行网点根据接收到的最优广告投放策略进行当前时刻第一银行网点的广告投放。

需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

在介绍了本发明示例性实施方式的方法之后，接下来，参考图10对本发明示例性实施方式的银行网点广告投放资源的分配系统进行介绍。

银行网点广告投放资源的分配系统的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

基于同一发明构思，本发明还提出了一种银行网点广告投放资源的分配系统，如图10所示，该系统包括：

数据处理模块1010，用于对于银行网点集合中的每个银行网点，确定每个银行网点对应的风险类型向量；

银行网点子集合分析模块1020，用于根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；将银行网点与该银行网点归属的银行网点子集合的对应关系存储至银行服务器的数据库中；

分类模块1030，用于对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；

交易类别向量处理模块1040，用于对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；其中，该交易类别向量的分量与交易类别子集合一一对应；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；将银行网点子集合与该银行网点子集合对应的多个客户子集合的对应关系存储至银行服务器的数据库中；

对应关系处理模块1050，用于对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标；其中，客户类别向量的分量与客户子集合一一对应；根据客户类别向量、广告投放策略及广告效果指标确定每个客户类别向量对应的最优广告投放策略，并将该银行网点子集合、客户类别向量与最优广告投放策略的对应关系存储至银行服务器的数据库中；

请求获取模块1060，用于对于第一银行网点，获取当前时刻服务的客户集合；该第一银行网点向银行服务器发送广告投放策略获取请求，其中，该获取请求包含当前时刻服务的客户集合；

最优广告投放策略处理模块1070，用于银行服务器根据银行网点和该银行网点归属的银行网点子集合的对应关系，确定第一银行网点归属的银行网点子集合；根据该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定当前时刻第一银行网点对应的客户类别向量；银行服务器根据银行网点子集合、客户类别向量与最优广告投放策略的对应关系，确定当前时刻第一银行网点的最优广告投放策略，并将该最优广告投放策略返给第一银行网点；

广告投放处理模块1080，用于该第一银行网点根据接收到的最优广告投放策略进行当前时刻第一银行网点的广告投放。

在一实施例中，所述数据处理模块具体用于：

根据每个银行网点的历史交易数据，确定该银行网点的风险类型和每个风险类型对应的风险概率；

将风险概率大于第一阈值的风险类型作为第一风险类型；设置风险类型向量，该风险类型向量的长度等于银行的风险类型的个数，该风险类型向量的每个分量分别对应一个风险类型；如果对应的风险类型是该银行网点的第一风险类型，将对应的分量设置为该风险类型对应的风险概率，如果不是，将对应的分量设置为0。

在一实施例中，所述交易类别向量处理模块具体用于：

对于每个客户，根据该客户的历史交易数据，确定该历史交易数据中的交易类别归属于各个交易类别子集合的交易数据；设置该客户的交易类别向量，该交易类别向量的长度等于交易类别子集合的个数，该交易类别向量的分量与交易类别子集合一一对应，每个分量的值等于该客户的历史交易数据中交易类别归属于该分量对应的交易类别子集合的交易数量。

在一实施例中，所述对应关系处理模块具体用于：

对于每个采样时间段，获取该采样时间段的银行网点当前服务的客户集合；对于每个客户子集合，确定当前服务的客户集合中归属于该客户子集合的客户数；根据该客户数，设置该采样时间段的客户类别向量，客户类别向量的每个分量与每个客户子集合一一对应，每个分量的值等于当前服务的客户集合中归属于该分量对应的客户子集合的客户数；

对于每个客户类别向量，从该客户类别向量对应的多个采样时间段中选取对应的广告效果指标最大的采样时间段，将该采样时间段所对应的广告投放策略作为该客户类别向量对应的最优广告投放策略；其中，广告投放策略至少包括各个广告的投放顺序，投放时长及投放位置；广告效果指标是该银行网点服务的所有客户在该采样时间段内观看该广告的时间总长，或者该银行网点在该采样时间段内服务的客户集合中在广告投放后购买广告投放的产品的客户占比。

在一实施例中，所述最优广告投放策略处理模块具体用于：

根据广告投放策略获取请求包含的客户集合和该第一银行网点归属的银行网点子集合对应的多个客户子集合，确定该客户集合对应的客户类别向量，该客户类别向量的每个分量与该第一银行网点归属的银行网点子集合所对应的各个客户子集合一一对应，且该客户类别向量的每个分量值等于广告投放策略获取请求包含的客户集合中归属于该分量对应的客户子集合的客户数。

在一实施例中，所述最优广告投放策略处理模块具体用于：

从银行网点子集合、客户类别向量与最优广告投放策略的对应关系中，筛选出关于第一银行网点归属的银行网点子集合的对应关系；

对于筛选出的每一个对应关系，确定该对应关系的客户类别向量和当前时刻第一银行网点对应的客户类别向量的距离，将该距离作为该对应关系与当前时刻第一银行网点的距离；

从筛选出的多个对应关系中，选取出与当前时刻第一银行网点的距离最小的对应关系，将该对应关系的最优广告投放策略确定为当前时刻第一银行网点的最优广告投放策略。

应当注意，尽管在上文详细描述中提及了银行网点广告投放资源的分配系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

基于前述发明构思，如图11所示，本发明还提出了一种计算机设备1100，包括存储器1110、处理器1120及存储在存储器1110上并可在处理器1120上运行的计算机程序1130，所述处理器1120执行所述计算机程序1130时实现前述银行网点广告投放资源的分配方法。

基于前述发明构思，本发明提出了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前述银行网点广告投放资源的分配方法。

基于前述发明构思，本发明提出了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现银行网点广告投放资源的分配方法。

本发明提出的银行网点广告投放资源的分配方法及系统通过分析银行网点的数据，确定每个银行网点对应的风险类型向量；根据风险类型向量对银行网点集合进行聚类分析，得到多个银行网点子集合；对银行的交易类别进行分类，将交易类别集合划分为多个交易类别子集合；对于每个银行网点子集合，获取该每个银行网点子集合服务的客户集合，对于该客户集合中的每个客户，根据该客户的历史交易数据，确定该客户的交易类别向量；根据该交易类别向量对该客户集合进行聚类，得到该银行网点子集合对应的多个客户子集合；对于每个银行网点子集合的银行网点，获取每个采样时间段的客户类别向量、广告投放策略及广告效果指标，进而确定每个客户类别向量对应的最优广告投放策略；对于任意银行网点，获取当前时刻服务的客户集合，进而通过分析得到该银行网点的最优广告投放策略，进行广告投放，本发明可以有效提高银行网点的推送的广告与银行客户之间的匹配度，从而提高了银行产品推广的转化率，提高银行网点的运营效率，可以在风险可控的前提下，满足客户的实际需求。

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产品的形式。

本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/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。

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。

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。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。