CN104463630B - 一种基于网购保险产品特性的产品推荐方法及系统 - Google Patents

Abstract

本发明公开了一种基于网购保险产品特性的产品推荐方法及系统，针对网购保险产品的特性，结合客户网站行为以及交易信息，从多角度挖掘客户对保险产品需求的特点，在实现对客户进行有价值产品或产品组合的推荐和营销目的的同时，有效提升用户体验和用户忠诚度；本发明不仅把网络日志、客户信息作为数据源，还引入了交易明细数据、交易产品数据，使数据源更加完备；本发明在一般的用户网络行为的基础之上，引入了关于保险产品特性的个性化推荐内容，使推荐的结果丰富，并紧靠客户的实质需求；本发明提供的分析结果推荐时间周期为自定义形式，可根据用户的不同时间需求提供分析结果，有效地满足了用户对推荐结果时效性的要求。

Description

一种基于网购保险产品特性的产品推荐方法及系统

技术领域

本发明涉及一种基于网购保险产品特性的产品推荐方法及系统，属于保险电子商务技术。

背景技术

近年来，网上购买保险正在成为一种潮流，具有保险公司官网、第三方电子商务网站等多种网购保险经营模式。由于网购保险产品选择自由、保障条款透明公开、购买支付安全快捷等原因，已经有越来越多的人选在在线购买保险产品。随着市场竞争主体增多，客户购买行为也趋于理性化，为了使在越来越短的产品生命周期中，降低经营成本、关注客户发展、提升现有客户的价值和挖掘此类客户的消费潜力，成了各保险代理公司经营市场的首要工作。

产品推荐在深入分析目标客户的各种个性化需求的基础上，充分利用一切可能的资源进行营销活动。即从客户与产品的角度出发，根据客户群体对产品的个性化要求，提供产品或升级性的产品组合形式，满足其综合性需要，提升客户体验。

虽然产品推荐已广泛的应用在餐饮、移动以及在电子商务领域，但由于保险产品与一般的商品属性不同，因此针对网购保险平台进行保险产品推荐的研究与应用，与一般的B2C电子商务平台的产品推荐理念有所不同，针对网购保险平台进行保险产品推荐，还另外需要考虑诸多问题，比如：1、保险产品有使用期限限制，投保人可以根据自身需要来设定产品的起保时间；2、保险产品具有季节营销特性，如热销的旅游类保险产品与节假日的关联关系；3、因保险产品的特殊性，某些保险产品允许购买多份，以保证赔付额度的叠加，所以保险产品的购买频次的意义也与一般产品不同；4、网购保险产品过程中投保人与被保险人的关系也是值得考虑的，因为在投保过程中，会要求投保人明确与被保险人的关系；而在其他的电商平台的产品推荐过程中未考虑购买人与产品使用者之间的关系，如用户有相关产品浏览或购买记录，一般认为是出于用户自己的需要，不利于及时准确定位到用户自身的需求；5、利用投保人与被保险人的关系的确定性，以投保人为中心，拓展被保险人关系网络，实现产品组合的设置及推荐是可行有效的。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于网购保险产品特性的产品推荐方法及系统，针对网购保险产品的特性，结合客户网站行为以及交易信息，从多角度挖掘客户对保险产品需求的特点，在实现对客户进行有价值产品或产品组合的推荐和营销目的的同时，有效提升用户体验和用户忠诚度。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于网购保险产品特性的产品推荐方法，包括如下步骤：

(1)从数据源系统中提取基础数据，对数据进行一些异常清洗及转换等操作，然后储存至数据仓库中；其中数据源系统包括网站平台和后台运营系统，基础数据包括客户网站行为信息、客户信息、产品信息、保单信息和交易信息；异常数据的清洗会影响到最后的挖掘结果，通常的异常数据的清洗包括去除掉爬虫行为和异常的点击行为等；

(2)对客户身份进行识别和判断，关联客户的网络身份及客户的账号注册身份，将形成的客户唯一身份保存至数据仓库中；

(3)基于客户网站行为的推荐流程：在客户唯一身份判断的基础上，根据客户网站行为，通过基于协同过滤的和基于内容的方法，推荐客户感兴趣的产品或产品组合；

(4)基于网站保险产品特性的推荐流程：在客户唯一身份判断的基础上，通过对产品属性、购买频率、客户投保关系的处理，向客户推荐与购买行为密切的产品或产品组合；

(5)通过基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果的整合，利用组合加权的方式，最终得到对客户的综合推荐结果。

所述步骤(2)中，客户的网络身份根据IP地址以及Cookie值判断，客户的账号注册身份根据注册信息判断。

所述步骤(3)中，在客户唯一身份判断的基础上，根据客户网站行为推荐客户感兴趣的产品或产品组合，具体方法为：

(31)基于协同过滤的方法，用于判断客户对于某产品的偏好，通过产品打分矩阵了解客户对于某产品的偏好，构建产品打分矩阵的规则为，有购买记录打分为2，仅有浏览记录打分为1，否则打分为0；

(32)基于内容的方法，将相似的产品推荐给有某产品偏好的客户，而相似度的计算需要考虑包括产品的属性功能在内的因素。

所述步骤(4)中，在客户唯一身份判断的基础上，向客户推荐与购买行为密切的产品或产品组合，具体方法为：

(41)设计产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性；产品名称与产品描述表达的信息通常比较丰富，所以采用关键词提取技术，结合标准化的产品目录、保障项目(用作目的)、承保年龄、所属保险公司、保费、保障期限等属性，可以提取并优化产品的本质属性；其中，旅游类保险应因各目的地的风险等级不同相应增加目出行目的地属性；

(42)设计产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求，从而在后期推荐具有相似功能的其他产品；

(43)设计客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络，出现的投保关系网络类型包括：由本人、配偶、父母、子女、家庭其他成员或近亲属组成的集合，由劳动关系组成的集合等；

(44)设计产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐。

所述步骤(5)中，通过基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果的整合，最终得到对客户的综合推荐结果，具体方法为：

(51)建立基于客户网站行为的推荐结果列表<列表1>，并对<列表1>中的每一个推荐产品设计权重；

(52)建立基于网站保险产品特性的推荐结果列表<列表2>，并对<列表2>中的每一个推荐产品设计权重；

(53)将<列表1>和<列表2>中的所有推荐产品整合在最终推荐结合列表<列表3>中，对相同的推荐产品采取权重相加的方式删除重复的推荐产品；

(54)按权重由大到小的方式对<列表3>中的推荐产品进行排序，取权重最大的前几个推荐产品作为最终推荐产品。

一种基于网购保险产品特性的产品推荐系统，包括数据源模块、数据处理模块、推荐引擎模块、推荐结果实施模块，其中：

数据源模块，用于提供基础数据，包括网站日志单元、客户信息单元、产品信息单元和交易信息单元；

数据处理模块，包括ETL处理单元和数据仓库存储单元，ETL处理单元对数据源模块提供的基础数据进行处理并存储在数据仓库存储单元，数据仓库存储单元为推荐引擎模块和推荐结果实施模块提供引用数据，并同时存储推荐引擎模块和推荐结果实施模块输出的结果；

推荐引擎模块，利用数据挖掘技术，在以客户网站行为为出发点的个性化推荐的基础上，综合考虑保险产品特性，将基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果进行加权处理，最终得到对客户的综合推荐结果；推荐引擎模块包括客户身份处理单元、基于客户网站行为的推荐单元、基于保险产品特性的推荐单元和综合推荐单元；

客户身份处理单元，处理客户的网络身份及客户的账号注册身份的关联与认定，由于网购保险产品过程中允许客户在非登录状态下直接购买产品，所以无论客户是否注册，都只能获取到客户的网络身份，由于网络身份的不稳定性，因此及时地将客户的账号注册身份与客户的网络身份绑定是必要的；

基于客户网站行为的推荐单元，利用基于协同过滤的推荐方法，来判断客户对于某产品的偏好，同时利用基于内容的推荐方法，将相似的产品推荐给客户，包括产品偏好处理器和产品相似度处理器；

基于保险产品特性的推荐单元，从保险产品特性出发，对客户的实际购买记录进行分析，主要实现的目的是准确定位产品本质属性，发现客户的核心需求，通过产品购买频率的不同，发现客户对产品需求的偏好，另外通过用户投保关系的发掘，进行关系网络全体产品的需求计划；基于保险产品特性的推荐单元包括产品属性处理器、产品购买频率处理器、客户投保关系处理器和产品使用跟踪及周期性判断处理器；

产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性，从简单的几个维度来描述产品；

产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求，从而在后期推荐具有相似功能的其他产品；

客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络，以便于对投保关系网络或团体进行产品推荐营销；

产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐；对于保障期限较长的产品，可以在产品终保时间之前，对客户进行相同功能产品的推荐；而对于保障期限较短的产品，尤其是旅游类保险，客户通常会同时购买多份功能相同的产品，此时推荐多种同类产品进行优惠销售，效果会更好；

综合推荐单元，将基于客户网站行为的推荐单元和基于保险产品特性的推荐单元的推荐结果进行加权组合，将得到的综合推荐结果；

推荐结果实施模块，定期更新推荐引擎模块的综合推荐结果；即可以显示于后台运营系统终端显示器界面，用于帮助相关人员上架产品组合；也可以部署在网站平台上将最终结果传输到客户所用的网络终端设备上。

有益效果：本发明提供的基于网购保险产品特性的产品推荐方法及系统，相较于现有技术，具有如下优势：

1、不仅把网络日志、客户信息作为数据源，还引入了交易明细数据、交易产品数据，使数据源更加完备；

2、在一般的用户网络行为的基础之上，引入了关于保险产品特性的个性化推荐内容，使推荐的结果丰富，并紧靠客户的实质需求；

3、本发明提供的分析结果推荐时间周期为自定义形式，可根据用户的不同时间需求提供分析结果，有效地满足了用户对推荐结果时效性的要求。

附图说明

图1是本发明实施例分析的流程示意图；

图2是根据本发明实施例的系统结构示意图；

图3是根据本发明实施例的推荐引擎处理模块结构示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为一种基于网购保险产品特性的产品推荐方法流程图，包括如下步骤：

(1)从数据源系统中提取基础数据，对数据进行一些异常清洗及转换等操作，然后储存至数据仓库中；其中数据源系统包括网站平台和后台运营系统，基础数据包括客户网站行为信息、客户信息、产品信息、保单信息和交易信息；异常数据的清洗会影响到最后的挖掘结果，通常的异常数据的清洗包括去除掉爬虫行为和异常的点击行为；

(2)对客户身份进行识别和判断，关联客户的网络身份及客户的账号注册身份，将形成的客户唯一身份保存至数据仓库中；其中，客户的网络身份根据IP地址以及Cookie值判断，客户的账号注册身份根据注册信息判断；

(3)基于客户网站行为的推荐流程：在客户唯一身份判断的基础上，根据客户网站行为，通过基于协同过滤的和基于内容的方法，推荐客户感兴趣的产品或产品组合；具体为：

(31)基于协同过滤的方法，用于判断客户对于某产品的偏好，通过产品打分矩阵了解客户对于某产品的偏好，构建产品打分矩阵的规则为，有购买记录打分为2，仅有浏览记录打分为1，否则打分为0；

(32)基于内容的方法，将相似的产品推荐给有某产品偏好的客户，而相似度的计算需要考虑包括产品的属性功能在内的因素；

(4)基于网站保险产品特性的推荐流程：在客户唯一身份判断的基础上，通过对产品属性、购买频率、客户投保关系的处理，向客户推荐与购买行为密切的产品或产品组合；具体为：

(41)设计产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性；产品名称与产品描述表达的信息通常比较丰富，所以采用关键词提取技术，结合标准化的产品目录、保障项目(用作目的)、承保年龄、所属保险公司、保费、保障期限等属性，可以提取并优化产品的本质属性；其中，旅游类保险应因各目的地的风险等级不同相应增加目出行目的地属性；

(42)设计产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求，从而在后期推荐具有相似功能的其他产品；

(43)设计客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络，出现的投保关系网络类型包括：由本人、配偶、父母、子女、家庭其他成员或近亲属组成的集合，由劳动关系组成的集合等；

(44)设计产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐；

(5)通过基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果的整合，利用组合加权的方式，最终得到对客户的综合推荐结果；具体为：

(51)建立基于客户网站行为的推荐结果列表<列表1>，并对<列表1>中的每一个推荐产品设计权重；

(52)建立基于网站保险产品特性的推荐结果列表<列表2>，并对<列表2>中的每一个推荐产品设计权重；

(53)将<列表1>和<列表2>中的所有推荐产品整合在最终推荐结合列表<列表3>中，对相同的推荐产品采取权重相加的方式删除重复的推荐产品；

(54)按权重由大到小的方式对<列表3>中的推荐产品进行排序，取权重最大的前几个推荐产品作为最终推荐产品。

如图2所示为一种基于网购保险产品特性的产品推荐系统的结构框图，包括数据源模块、数据处理模块、推荐引擎模块、推荐结果实施模块，其中：

数据源模块，用于提供基础数据，包括网站日志单元、客户信息单元、产品信息单元和交易信息单元；网站日志单元主要提供客户在网购保险平台上的浏览、收藏以及购物车装载记录；客户信息单元，主要提供客户购买保险产品时登记的年龄、性别、城市、工作职位等信息；产品信息单元，主要提供产品基础信息，包括产品名称、所属目录、产品上下线状态、产品定价等；交易信息单元，主要提供客户交易明细流水数据，包括交易具体时间、交易状态、交易所对应保险产品，保险产品对应的保单信息，而保单信息则包括被保险人的信息以及保险产品的起保时间和终保时间等内容；

数据处理模块，包括ETL处理单元和数据仓库存储单元(或数据集市存储单元)，ETL处理单元对数据源模块提供的基础数据进行清洗过滤，按照设定规则对数据进行处理并存储在数据仓库存储单元，数据仓库存储单元为推荐引擎模块和推荐结果实施模块提供引用数据，并同时存储推荐引擎模块和推荐结果实施模块输出的结果；

推荐引擎模块，利用数据挖掘技术，在以客户网站行为为出发点的个性化推荐的基础上，综合考虑保险产品特性，将基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果进行加权处理，最终得到对客户的综合推荐结果；

推荐结果实施模块，定期更新推荐引擎模块的综合推荐结果；即可以显示于后台运营系统终端显示器界面，用于帮助相关人员上架产品组合；也可以部署在网站平台上将最终结果传输到客户所用的网络终端设备上。

如图3所示推荐引擎模块的结构框图，包括客户身份处理单元、基于客户网站行为的推荐单元、基于保险产品特性的推荐单元和综合推荐单元；

客户身份处理单元，处理客户的网络身份及客户的账号注册身份的关联与认定，通过对客户访问时的IP地址、Cookie值以及账户注册信息等的关联，形成客户唯一身份并将其存储至数据集市存储单元中的对应数据库中；

基于客户网站行为的推荐单元：利用基于协同过滤的推荐方法-CF，根据事先设定的产品打分规则，利用客户的产品打分矩阵，将产品的偏好处理结果存储至数据集市存储单元中的对应数据库中；同时利用基于内容的推荐方法-CB，通过相似度的计算，将相似的但客户尚未购买的产品作为推荐产品存储至数据集市存储单元中的对应数据库中；

基于保险产品特性的推荐单元，从保险产品特性出发，对客户的实际购买记录进行分析，主要实现的目的是准确定位产品本质属性，发现客户的核心需求，通过产品购买频率的不同，发现客户对产品需求的偏好，另外通过用户投保关系的发掘，进行关系网络全体产品的需求计划；基于保险产品特性的推荐单元包括产品属性处理器、产品购买频率处理器、客户投保关系处理器和产品使用跟踪及周期性判断处理器；

产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性，从简单的几个维度来描述产品；将形成的<客户，购买产品属性>序列存储至数据集市存储单元中的对应数据库中；

产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求，从而在后期推荐具有相似功能的其他产品；将形成的<客户，产品，购买频率>序列存储至数据集市存储单元中的对应数据库中；

客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络，以便于对投保关系网络或团体进行产品推荐营销；将形成的<投保人，角色>，<被保险人，角色>，<角色，产品>序列存储至数据集市存储单元中的对应数据库中，序列之间的关联关系通过投保人与被保人关系获得；

产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐；对于保障期限较长的产品，可以在产品终保时间之前，对客户进行相同功能产品的推荐；而对于保障期限较短的产品，尤其是旅游类保险，客户通常会同时购买多份功能相同的产品，此时推荐多种同类产品进行优惠销售，效果会更好；将形成的<客户，产品>，<产品，终保时间，是否有周期性>，<客户，推荐时间，推荐产品>序列存储至数据集市存储单元中的对应数据库中；

综合推荐单元，将基于客户网站行为的推荐单元和基于保险产品特性的推荐单元的推荐结果进行加权组合，将得到的<客户，产品>推荐列表作为用户的个性化推荐终结果；综合推荐单元包括权重设置处理器、综合得分处理器和推荐结果生成器；权重设置处理器，主要是实现对基于客户网站行为的推荐结果与基于保险产品特性的推荐结果权重的设置；综合得分处理器，主要实现对推荐列表中产品加权得分的计算；推荐结果生成器，主要对综合得分处理器中的结果进行排名，将结果中的top5作为最终推荐产品列表。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于网购保险产品特性的产品推荐方法，其特征在于：包括如下步骤：

(1)从数据源系统中提取基础数据，对基础数据进行异常清洗及转换操作，然后储存至数据仓库中；其中数据源系统包括网站平台和后台运营系统，基础数据包括客户网站行为信息、客户信息、产品信息、保单信息和交易信息；

(2)对客户身份进行识别和判断，关联客户的网络身份及客户的账号注册身份，将形成的客户唯一身份保存至数据仓库中；客户的网络身份根据IP地址以及Cookie值判断，客户的账号注册身份根据注册信息判断；

(3)基于客户网站行为的推荐流程：在客户唯一身份判断的基础上，根据客户网站行为，通过基于协同过滤的和基于内容的方法，推荐客户感兴趣的产品或产品组合；具体方法为：

(31)基于协同过滤的方法，用于判断客户对于某产品的偏好，通过产品打分矩阵了解客户对于某产品的偏好，构建产品打分矩阵的规则为，有购买记录打分为2，仅有浏览记录打分为1，否则打分为0；

(32)基于内容的方法，将相似的产品推荐给有某产品偏好的客户，而相似度的计算需要考虑包括产品的属性功能在内的因素；

(4)基于网站保险产品特性的推荐流程：在客户唯一身份判断的基础上，通过对产品属性、购买频率、客户投保关系的处理，向客户推荐与购买行为密切的产品或产品组合；具体方法为：

(41)设计产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性；

(42)设计产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求；

(43)设计客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络；

(44)设计产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐；

(5)通过基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果的整合，利用组合加权的方式，最终得到对客户的综合推荐结果；具体方法为：

(51)建立基于客户网站行为的推荐结果列表<列表1>，并对<列表1>中的每一个推荐产品设计权重；

(52)建立基于网站保险产品特性的推荐结果列表<列表2>，并对<列表2>中的每一个推荐产品设计权重；

(53)将<列表1>和<列表2>中的所有推荐产品整合在最终推荐结合列表<列表3>中，对相同的推荐产品采取权重相加的方式删除重复的推荐产品；

(54)按权重由大到小的方式对<列表3>中的推荐产品进行排序，取权重最大的前几个推荐产品作为最终推荐产品。

2.一种基于网购保险产品特性的产品推荐系统，其特征在于：包括数据源模块、数据处理模块、推荐引擎模块、推荐结果实施模块，其中：

数据源模块，用于提供基础数据，包括网站日志单元、客户信息单元、产品信息单元和交易信息单元；

数据处理模块，包括ETL处理单元和数据仓库存储单元，ETL处理单元对数据源模块提供的基础数据进行处理并存储在数据仓库存储单元，数据仓库存储单元为推荐引擎模块和推荐结果实施模块提供引用数据，并同时存储推荐引擎模块和推荐结果实施模块输出的结果；

推荐引擎模块，利用数据挖掘技术，在以客户网站行为为出发点的个性化推荐的基础上，综合考虑保险产品特性，将基于客户网站行为的推荐结果和基于网站保险产品特性的推荐结果进行加权处理，最终得到对客户的综合推荐结果；推荐引擎模块包括客户身份处理单元、基于客户网站行为的推荐单元、基于保险产品特性的推荐单元和综合推荐单元；

客户身份处理单元，处理客户的网络身份及客户的账号注册身份的关联与认定；

基于客户网站行为的推荐单元，利用基于协同过滤的推荐方法，来判断客户对于某产品的偏好，同时利用基于内容的推荐方法，将相似的产品推荐给客户，包括产品偏好处理器和产品相似度处理器；

基于保险产品特性的推荐单元，从保险产品特性出发，对客户的实际购买记录进行分析，主要实现的目的是准确定位产品本质属性，发现客户的核心需求，通过产品购买频率的不同，发现客户对产品需求的偏好，另外通过用户投保关系的发掘，进行关系网络全体产品的需求计划；基于保险产品特性的推荐单元包括产品属性处理器、产品购买频率处理器、客户投保关系处理器和产品使用跟踪及周期性判断处理器；

产品属性处理器，通过产品名称以及产品描述提取并优化产品的本质属性；

产品购买频率处理器，通过客户对不同产品的购买频率来发现客户的产品需求偏好，再结合产品属性处理器，准确定位客户的核心需求；

客户投保关系处理器，通过投保过程中投保人信息、被保人信息以及投保人与被保人之间的关系，确定投保关系网络；

产品使用跟踪及周期性判断处理器，通过保单信息中产品的起保时间以及保障期限跟踪客户产品的使用情况，结合产品的周期性，以及产品属性处理器、产品购买频率处理器和客户投保关系处理器的分析，在产品使用期内以及终止期后，对客户进行产品推荐；

综合推荐单元，将基于客户网站行为的推荐单元和基于保险产品特性的推荐单元的推荐结果进行加权组合，将得到的综合推荐结果；

推荐结果实施模块，定期更新推荐引擎模块的综合推荐结果。