[發(fā)明專利]金融產(chǎn)品推薦方法、裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810478744.2
• 申請日: 2018-05-18
• 公開（公告）號(hào): CN108665355B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設(shè)計(jì)）人: 甘文俊
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G06Q30/0601
• 分類號(hào): G06Q30/0601;G06Q40/06
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 胡海國

本發(fā)明公開了一種金融產(chǎn)品推薦方法，包括以下步驟：接收金融產(chǎn)品發(fā)布請求，獲取發(fā)布請求中包含的金融產(chǎn)品信息，并根據(jù)金融產(chǎn)品信息確定關(guān)聯(lián)產(chǎn)品；獲取預(yù)設(shè)用戶集中各用戶的基礎(chǔ)行為數(shù)據(jù)，將基礎(chǔ)行為數(shù)據(jù)按關(guān)聯(lián)產(chǎn)品的維度進(jìn)行分類，得到金融產(chǎn)品相關(guān)的產(chǎn)品行為數(shù)據(jù)；將各用戶的產(chǎn)品行為數(shù)據(jù)輸入至預(yù)存用戶行為模型進(jìn)行用戶行為分析，得到各用戶對金融產(chǎn)品的購買意向結(jié)論，并將購買意向結(jié)論添加至金融產(chǎn)品標(biāo)簽；將各用戶的金融產(chǎn)品標(biāo)簽與預(yù)設(shè)推送規(guī)則進(jìn)行比較，確定符合推送規(guī)則的目標(biāo)用戶，并將所述金融產(chǎn)品信息推送至目標(biāo)用戶。本發(fā)明還公開了一種金融產(chǎn)品推薦裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)。本發(fā)明提高了金融產(chǎn)品營銷的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及金融產(chǎn)品推薦方法、裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著金融產(chǎn)品的種類和數(shù)量的快速更新，不同的公司采用不同的營銷策略。

現(xiàn)有的金融產(chǎn)品的營銷主要有兩種方式，方式一：對客戶、產(chǎn)品、交易等數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，再結(jié)合業(yè)務(wù)規(guī)則篩選出一批客戶，然后通過電話或短信來推銷銀行指定的某個(gè)產(chǎn)品；這樣的金融產(chǎn)品的營銷方法，需要對影響金融產(chǎn)品的銷售因素進(jìn)行分析，進(jìn)而為用戶推薦金融產(chǎn)品，導(dǎo)致數(shù)據(jù)的分析處理量較大，同時(shí)需要人工建立龐大而復(fù)雜的規(guī)則庫，費(fèi)時(shí)費(fèi)力，且成功率不高。方式二：通過傳統(tǒng)的分析統(tǒng)計(jì)方法結(jié)合業(yè)務(wù)規(guī)則篩選客戶進(jìn)行產(chǎn)品批量營銷，沒有根據(jù)客戶的特征、喜好、交易行為進(jìn)行在線的深入分析和挖掘，無法對客戶進(jìn)個(gè)性化精準(zhǔn)營銷；如何在保證數(shù)據(jù)處理量的前提下，實(shí)現(xiàn)準(zhǔn)確地、高效地進(jìn)行金融產(chǎn)品的營銷成為了目前亟待解決的技術(shù)問題。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供金融產(chǎn)品推薦方法、裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)，旨在提高金融產(chǎn)品推薦的準(zhǔn)確率。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種金融產(chǎn)品推薦方法，所述金融產(chǎn)品推薦方法包括以下步驟：

接收金融產(chǎn)品發(fā)布請求，獲取金融產(chǎn)品發(fā)布請求中包含的金融產(chǎn)品信息，并根據(jù)金融產(chǎn)品信息確定關(guān)聯(lián)產(chǎn)品；

獲取預(yù)設(shè)用戶集中各用戶的基礎(chǔ)行為數(shù)據(jù)，將基礎(chǔ)行為數(shù)據(jù)按關(guān)聯(lián)產(chǎn)品的維度進(jìn)行分類，得到金融產(chǎn)品相關(guān)的產(chǎn)品行為數(shù)據(jù)；

將各用戶的產(chǎn)品行為數(shù)據(jù)輸入至預(yù)存用戶行為模型進(jìn)行用戶行為分析，得到各用戶對金融產(chǎn)品的購買意向結(jié)論，并將購買意向結(jié)論添加至金融產(chǎn)品標(biāo)簽；

將各用戶的金融產(chǎn)品標(biāo)簽與預(yù)設(shè)推送規(guī)則進(jìn)行比較，確定符合推送規(guī)則的目標(biāo)用戶，并將所述金融產(chǎn)品信息推送至目標(biāo)用戶。

可選地，所述接收金融產(chǎn)品發(fā)布請求，獲取金融產(chǎn)品發(fā)布請求中包含的金融產(chǎn)品信息，并根據(jù)金融產(chǎn)品信息確定關(guān)聯(lián)產(chǎn)品的步驟之前，包括：

獲取用戶行為樣本集，將用戶行為樣本集中的用戶行為樣本按屬性進(jìn)行分類；

以預(yù)設(shè)比例在所述用戶行為樣本集的各類用戶行為樣本中抽取一次訓(xùn)練樣本，并在預(yù)設(shè)坐標(biāo)系中繪制所述一次訓(xùn)練樣本對應(yīng)的一次特征點(diǎn)；

根據(jù)樣本特征點(diǎn)的位置和對應(yīng)的樣本屬性對預(yù)設(shè)坐標(biāo)系進(jìn)行區(qū)域劃分，并根據(jù)區(qū)域劃分情況獲取對應(yīng)的最近分隔函數(shù)；

以所述預(yù)設(shè)比例在所述用戶行為樣本集的各類用戶行為樣本中抽取迭代訓(xùn)練樣本，并在預(yù)設(shè)坐標(biāo)系中繪制所述迭代訓(xùn)練樣本對應(yīng)的迭代特征點(diǎn)；

通過所述迭代特征點(diǎn)對所述最近分隔函數(shù)進(jìn)行迭代調(diào)整，直至所述最近分隔函數(shù)的正確分隔率達(dá)到預(yù)設(shè)閾值，獲得用戶行為模型。

可選地，所述將各用戶的產(chǎn)品行為數(shù)據(jù)輸入至預(yù)存用戶行為模型進(jìn)行用戶行為分析，得到各用戶對金融產(chǎn)品的購買意向結(jié)論，并將購買意向結(jié)論添加至金融產(chǎn)品標(biāo)簽的步驟，包括：