CN108681961A - 信贷产品推介方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本发明提供一种信贷产品推介方法，该方法包括：获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。本发明还提供一种信贷产品推介装置、设备及计算机可读存储介质。本发明可实现针对性的信贷产品推介，提高了信贷产品推送的准确度，有利于潜在信贷用户向实际信贷用户的转化。

Description

信贷产品推介方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及金融信贷领域，尤其涉及一种信贷产品推介方法、装置、设备及计算机可读存储介质。

背景技术

随着社会的发展，个人借贷开始活跃于市场。对于信贷机构而言，传统的信贷产品推介方式是通过在互联网网站上大量投放信贷广告，或者是由业务人员进行电话推销。然而这种“广撒网”式宣传行为，由于针对对象以及推荐的产品并不明确，其推介效果很不理想；同时，无用的信贷产品推送还会耗费客户比较多的精力和时间，甚至于还会引起客户的反感，从而影响了信贷业务的推广。

发明内容

本发明的主要目的在于提供一种信贷产品推介方法、装置、设备及计算机可读存储介质，旨在实现有针对性的进行信贷产品推介。

为实现上述目的，本发明提供一种信贷产品推介方法，所述信贷产品推介方法包括以下步骤：

获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。

可选地，所述历史行为信息包括信贷行为信息、消费行为信息和浏览行为信息，

所述获取目标用户的历史行为信息的步骤包括：

连接业务系统，并从所述业务系统获取所述目标用户的信贷行为信息；

连接支付系统，并从所述支付系统获取所述目标用户的消费行为信息；

通过所述客户终端中的统计软件开发工具包SDK、和/或通过信贷网站中的埋点逻辑获取所述目标用户的浏览行为信息。

可选地，所述根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段的步骤包括：

根据预设量化规则将所述信贷行为信息量化为至少一个的行为特征数组；

将所述行为特征组代入预设加权公式进行加权计算，得到所述目标用户的信贷倾向数组；

根据所述历史行为信息中的浏览行为信息确定所述目标用户的高频浏览时段。

可选地，所述信贷倾向数组包括行为倾向值和金额倾向值，

所述根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的目标产品信息的步骤包括：

判断所述行为倾向值是否大于预设行为阈值；

若所述行为倾向值大于所述预设行为阈值，则在所述产品数据库中查询与所述金额倾向值匹配的目标产品，并获取对应的目标产品信息。

可选地，所述判断所述行为倾向值是否大于预设行为阈值的步骤之后，还包括：

若所述行为倾向值小于或等于所述预设行为阈值，则在所述产品数据库中获取信贷简介信息。

可选地，所述信贷产品信息包括人工服务链接，

所述根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息的步骤之后，还包括：

在接收到所述客户终端基于所述人工服务链接发送的人工服务请求时，根据所述信贷产品信息查询对应的人工客服端，并向所述人工客户端发送对应的服务任务信息。

可选地，所述获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向的步骤之前，还包括：

向所述客户终端发送信息授权请求；

在接收到所述客户终端返回的权限授予指令时，执行步骤获取目标用户的历史行为信息。

此外，为实现上述目的，本发明还提供一种信贷产品推介装置，所述信贷产品推介装置包括：

第一获取模块，用于获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

第二获取模块，用于根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

信息推送模块，用于根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。

此外，为实现上述目的，本发明还提供一种信贷产品推介设备，所述信贷产品推介设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的信贷产品推介程序，其中所述信贷产品推介程序被所述处理器执行时，实现如上述的信贷产品推介方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信贷产品推介程序，其中所述信贷产品推介程序被处理器执行时，实现如上述的信贷产品推介方法的步骤。

本发明获取用户的大数据，并从这些大数据中分析用户的信贷特征，确定用户的潜在信贷倾向以及高频浏览时段，并根据该潜在信贷倾向和高频浏览时段进行针对性的信贷产品推介，从而提高了信贷产品推送的准确度，有利于潜在信贷用户向实际信贷用户的转化；同时还方便用户获取自己实际需要的信贷服务信息，为用户提供了更好的信贷体验，有利于信贷业务的推广和进行。

附图说明

图1为本发明实施例方案中涉及的信贷产品推介设备的硬件结构示意图；

图2为本发明信贷产品推介方法第一实施例的流程示意图；

图3为本发明信贷产品推介方法第二实施例的流程示意图；

图4为本发明信贷产品推介装置第一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例涉及的信贷产品推介方法主要应用于信贷产品推介设备，该信贷产品推介设备可以是服务器、也可以是其它具有数据处理功能的设备实现的。

参照图1，图1为本发明实施例方案中涉及的信贷产品推介设备的硬件结构示意图。本发明实施例中，信贷产品推介设备可以包括处理器1001(例如中央处理器CentralProcessing Unit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及信贷产品推介程序。在图1中，网络通信模块主要用于连接数据库，与数据库进行数据通信；而处理器1001可以调用存储器1005中存储的信贷产品推介程序，并执行本发明实施例提供的信贷产品推介方法。

本发明实施例提供了一种信贷产品推介方法。

参照图2，图2为本发明信贷产品推介方法第一实施例的流程示意图。

本实施例中，所述信贷产品推介方法包括以下步骤：

步骤S10，获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

随着社会的发展，个人借贷开始活跃于市场。对于信贷机构而言，传统的信贷产品推介方式是通过在互联网网站上大量投放信贷广告，或者是由业务人员进行电话推销。然而这种“广撒网”式宣传行为，由于针对对象以及推荐的产品并不明确，其推介效果很不理想；同时，无用的信贷产品推送还会耗费客户比较多的精力和时间，甚至于还会引起客户的反感，从而影响了信贷业务的推广。对此，本实施例提出了一种信贷产品推介方法，获取用户的大数据，并从这些大数据中分析用户的信贷特征，确定用户的潜在信贷倾向以及高频浏览时段，并根据该潜在信贷倾向和高频浏览时段进行针对性的信贷产品推介。

本实施例中的信贷产品推介方法是由信贷产品推介设备实现的，该设备以推介服务器为例进行说明。推介服务器为了实现针对性的信贷产品推介，首先需要获取目标用户的历史行为信息，然后根据这些历史行为信息分析目标用户在信贷方面的特征，获取其潜在的信贷倾向，再根据目标用户的潜在信贷倾向作为下一步推介的基础。而对于目标用户的历史行为信息，可以包括目标用户的信贷行为信息、消费行为信息和浏览行为信息。

具体的，信贷行为信息可以是从信贷机构的业务系统中获得的；推介服务器可与相关信贷机构的业务系统进行连接，并从该业务系统中查询和获取目标用户的信贷记录，判断该目标用户是否曾经进行过信贷业务，若有，则获取该目标用户的相关信贷行为信息，如贷款产品信息(包括贷款金额)、贷款时间、偿还时间等；值得说明的是，该信贷行为信息可以包括目标用户进行中、已完成的贷款业务，也可以包括未能正式生效的业务记录，例如，目标用户在与业务员进行咨询后放弃信贷、又或是提交个人资料后未能通过审核的相关信贷行为信息。

消费行为信息是与用户的消费习惯有关，可通过用户的支付流水(可以是银行支付流水、也可以是第三方支付平台的第三方支付流水)获得；推介服务器可以与支付系统(包括银行的支付系统和/或第三方支付平台的支付系统)进行连接，然后从支付系统获取目标的消费行为信息。其中消费行为信息又可以包括消费方式、消费金额、消费类型等信息，例如目标用户5月使用信用卡支付的次数超过15次，总金额为2万元，其中1万元用于购物，5千元用于支付水电煤气费，5千元用于生活日用品支出。

浏览行为信息则可以通过对目标用户的网络浏览操作进行记录后得到；具体的，可以预先在相关的终端应用app上内嵌统计软件开发工具包SDK(Software DevelopmentKit)，当目标用户在自己的客户终端上安装该终端应用app时，请求获取用户的浏览行为信息；当目标用户同意时，客户终端将根据SDK的内在统计逻辑对用户的搜索、浏览等行为进行记录，并结合目标用户的身份信息(例如IP地址、账户等)生产对应的浏览行为信息，然后将该浏览行为信息发送至推介服务器，此时，推介服务器即可通过安装在客户终端中的统计SDK获取到目标用户的浏览行为信息，例如用户5月份共使用“小额贷款”为关键字搜索了6次，浏览了信贷网站20次等。此外，还可以相关信贷网站脚本上进行设置埋点逻辑进行统计，当目标用户通过客户终端浏览信贷网站时，若满足某一统计条件，则网站服务器将获取当前访问的客户终端的身份信息、以及当前的浏览页面等，并这些浏览行为信息发送至推介服务器；而对于埋点逻辑的相关统计条件，则可以是根据实际情况进行设置，例如可以是页面停留时长超过预设时间、对页面的某个特定元素执行特定的操作(如下载信贷产品介绍文档)、检索使用了特定关键字等。

值得说明的是，对于目标用户的历史行为信息，可能会涉及到目标用户的隐私，各机构、系统对于这些历史行为信息是不对外开放的，因此若要获取到这些历史行为信息，首先需要得到目标用户的确认和授权。具体的，推介服务器首先会向客户终端发送信息授权请求，以获取目标用户对其历史行为信息进行收集的授权；在接收到客户终端返回的权限授予指令时，即可认为目标用户允许推介服务器收集和获取相关的历史行为信息，此时推介服务器即可根据该权限授予指令获取目标用户的历史行为信息。当然，客户终端返回的权限授予指令中，可以包括目标用户的身份标识、权限私钥、权限证书等授权证明，以供推介服务器根据这些授权证明从各渠道中获取目标用户的历史行为信息。此外，权限授予指令中还可以包括授权期间、授权时限、授权类型等授权限制信息，其中授权期间是指允许推介服务器所获取的历史行为信息的所属时间期间，授权时限是指推介服务器使用拥有该权限的时限，授权类型是指允许推介服务器获取哪一类型的历史行为信息；推介服务器在接收到客户端终端返回的权限授予指令时，将根据权限授予指令中的这些授权限制信息限制性地获取目标用户的历史行为信息，从而保护目标用户的隐私。

在得到目标用户的历史行为信息时，即可对历史行为信息进行分析，确定目标用户的潜在信贷倾向；其中，分析过程可以是由预设的AI分析模型进行的，推介服务器在获取到目标用户的历史行为信息时，会将这些历史行为信息输入至AI分析模型中，由AI分析模型对这些历史行为信息进行分析，确定用户的潜在信贷倾向。具体的，AI分析模型可以根据预设量化规则，对输入的历史行为信息进行模拟量化，得到对应的行为特征数组，而在量化的过程中，可以根据历史行为信息维度的不同，量化为多个不同的行为特征数组；然后各行为特征数组代入至预设加权公式中，对各行为特征数组进行加权，可得到最终的信贷倾向数组，用以表示目标用户的潜在信贷倾向；其中该信贷倾向数组中可以包括行为倾向值和金额倾向值，行为倾向值表示目标用户进行信贷行为的可能性，该行为倾向值在0到1之间，值越大表示目标用户进行信贷行为的可能性越大(或者理解为信贷需求程度)，金额倾向值表示目标用户倾向的贷款额度，单位为元(当然该金额倾向值不一定是代表了准确的数值，也可以表示金额等级)。

例如，目标用户的历史行为信息包括有信贷行为信息、消费行为信息和历史行为信息；AI分析模型在对这些历史行为信息进行分析后会量化出一个倾向数组，其形式为(可能性，金额)；其中信贷行为信息包括有已完成了2次业务记录，该记录的贷款金额为30000元，且按期偿还了，则推介服务器根据该信贷行为信息量化得到对应的信贷行为特征组A＝(1，30000)；用户的消费行为信息中，用户的每月使用信用卡支付的次数超过15次，总金额为2万元，其中1万元用于购物，5千元用于支付水电煤气费，5千元用于生活日用品支出，则推介服务器根据该信贷行为信息量化得到对应的消费行为特征组B＝(1，20000)；用户的浏览行为信息中记录了用户5月份共使用“小额贷款”为关键字搜索了6次，浏览了信贷网站20次，其中有18次的产品额度上限为60000元，2产品额度上限为20000元次，则推介服务器根据该信贷行为信息量化得到对应的浏览行为特征组C＝(1，50000)；然后将这3个行为特征组代入至预设加权公式Y＝x1A+x2B+x3C中进行加权计算，其中，x1、x2、x3为可信度比重，该可信度比重可以是根据实际情况预先设置的，本实施例中，x1、x2、x3分别为0.4、0.4、0.3；根据该预设加权公式和相关行为特征组，可得到信贷倾向数组(1，33000)，根据该倾向组可确定用户有很大可能性需要进行贷款，推荐贷款金额在为33000元。

值得说明的是，在具体实践中，行为特征数组的元素可能具有其它的含义，或者是包括更多的元素；而对于预设加权公式，还可以是两阶以上(“以上”包括本数，下同)的形式；对于预设加权公式的输出，也可以设置为其它的形式。

进一步的，对于本实施例中用于进行用户倾向分析的AI分析模型，由于其输入可能包括了目标用户多方面的数据信息，而对这些数据信息在量化为特征值(组)和计算倾向值(组)的过程中，彼此间的关系较为复杂；为了避免人的局限性思维对AI模型的不利影响，AI分析模型可以通过机器学习的方式训练得到，即将大量的样本输入数据和最终贷款结论对初始模型对其不断进行训练，让机器自己总结历史行为信息与贷款倾向之间的逻辑关系，获得更准确的特征值量化逻辑和加权运算公式，以提高AI分析模型结论的准确性。

在根据历史行为信息确定目标用户的潜在信贷倾向的同时，推介服务器还将根据历史行为信息确定目标用户的高频浏览时段。对于该高频浏览时段，是指目标用户浏览信贷业务新闻、查看相关信贷信息的高频时间段信息；对于该高频浏览时段的获得，也可以是通过在客户终端应用app上内嵌统计SDK进行统计、和/或在相关信贷网站脚本上设置埋点逻辑统计得到；例如推介服务器接收到客户终端和信贷网站服务器发送的统计信息，该统计信息中表明，目标用户在过去7天内有5天在中午12点至12点30分、晚上22点至22点20分浏览信贷业务新闻，则可认为目标用户的高频浏览时段为中午12点至12点30分、晚上22点至22点20分。

步骤S20，根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

本实施中，在得到目标用户的潜在信贷倾向时，推介服务器即可该潜在信贷倾向进行针对性产品查询。具体的，推介服务器根据该潜在信贷倾向查询产品数据库，获取与该潜在信贷倾向匹配的目标产品信息。例如，对于上述历史行为信息得出的潜在信贷倾向，是以信贷倾向数组的形式表示的，该信贷倾向数组的元素包括行为倾向值和金额倾向值；服务器首先将挑取其中的行为倾向值，判断该行为倾向值是否大于预设行为阈值；如果行为倾向值大于预设行为阈值，则认为目标用户当前很可能会进行信贷行为，且该金额倾向值是具有一定参考价值的，此时推介服务器将根据金额倾向值查询产品数据库，以查找与该金额倾向值匹配的具体的目标产品，并获取对应的目标产品信息；而如果行为倾向值小于或等于该预设行为阈值，则认为目标用户当前不太可能会进行信贷行为，当然也可能是目标用户并未过多接触信贷业务，此时推介服务器将在产品数据库中获取信贷简介信息，该信贷简介信息主要是对信贷业务的基础介绍，用以向普通人群或宣传信贷业务大体情况时使用。

步骤S30，根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息；

本实施例中，在获取到信贷产品信息时，推介服务器会将这些信贷产品信息推送给目标用户的客户终端。而在进行信息推送时，为了避免推送信息影响目标用户正常的工作和生活，本实施例中的信息推送将会按时段进行。具体的，步骤S10中在获取到目标用户的历史行为信息时，将根据历史行为信息确定目标用户的高频浏览时段，则推介服务器在推送信贷产品信息时，会在该高频浏览时段进行推送，从而能够更贴合目标用户的使用习惯和信贷产品信息浏览需求。当然，在根据高频浏览时段推送信贷产品信息时，还可以进一步根据高频浏览时段的时长设置信贷产品信息的篇幅或长度；例如目标用户的高频浏览时段为上午8点整至8点10、中午12点整至12点10、晚上9点整至9点10分，则目标用户的高频浏览时段较短，但一天中有3个高频浏览时段；则推介服务器可以将一天内推送的信贷产品信息分成三个部分，并在3个高频浏览时段中分别进行推送，以保证所推送的信贷产品信息能够充分被目标用户所吸收，保证推送的效果。

进一步的，对于推送的信贷产品信息中，还可以包括有推介评价按键；目标用户可通过客户终端点击该推介评价按键，并就推送的信贷产品信息进行推介评价，对于该推介评价，可以是以分值的方式表示，也可以是以满意等级的方式表示；推介服务器在接收到客户终端返回的推介评价时，将会根据该推介评价对上述的预设量化规则和/或预设加权公式进行反馈调整，从而使得潜在信贷倾向的分析和确定能够更符合实际情况。

本实施例中，通过获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向；根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。通过以上形式，本实施例获取用户的大数据，并从这些大数据中分析用户的信贷特征，确定用户的潜在信贷倾向以及高频浏览时段，并根据该潜在信贷倾向和高频浏览时段进行针对性的信贷产品推介，从而提高了信贷产品推送的准确度，有利于潜在信贷用户向实际信贷用户的转化；同时还方便用户获取自己实际需要的信贷服务信息，为用户提供了更好的信贷体验，有利于信贷业务的推广和进行。

参照图3，图3为本发明信贷产品推介方法第二实施例的流程示意图。

基于上述图2所示实施例，本实施例中，所述信贷产品信息包括人工服务链接，步骤S30之后还包括：

步骤S40，在接收到所述客户终端基于所述人工服务链接发送的人工服务请求时，根据所述信贷产品信息查询对应的人工客服端，并向所述人工客户端发送对应的服务任务信息。

本实施例中，考虑到目标用户在浏览了推送的信贷产品信息后，可能会有疑问，为了方便目标用户进行咨询，本实施例中还可以为目标用户提供人工咨询服务。具体的，推介服务器所推送的信贷产品信息中包括有人工服务链接；目标用户在通过客户终端浏览了推送的信贷产品信息后，若需要向客服人员进行人工咨询，则可通过客户终端点击该人工服务链接，从而触发对于的人工服务请求；客户终端根据目标用户的操作将该人工服务请求发送至推介服务器。推介服务器在接收到该人工服务请求时，首先将根据该信贷产品信息查询对应的人工客服端(负责该信贷产品的业务人员、产品经理等人的终端)，并向所述人工客户端发送对应的服务任务信息；其中该服务任务信息可以包括客户终端的IP地址、账户名称、电话号码等，从而使得客户人员能够通过人工客户端与目标用户进行联系，为目标用户提供人工服务，提升目标用户的服务体验。

此外，本发明实施例还提供一种信贷产品推介装置。

参照图4，图4为本发明信贷产品推介装置第一实施例的功能模块示意图。

本实施例中，所述信贷产品推介装置包括：

第一获取模块10，用于用于获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

第二获取模块20，用于根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

信息推送模块30，用于根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。

其中，上述信贷产品推介装置的各虚拟功能模块存储于图1所示信贷产品推介设备的存储器1005中，用于实现信贷产品推介程序的所有功能；各模块被处理器1001执行时，可实现获取用户的大数据，并从这些大数据中分析用户的信贷特征，确定用户的潜在信贷倾向以及高频浏览时段，并根据该潜在信贷倾向和高频浏览时段进行针对性的信贷产品推介的功能。

进一步的，所述历史行为信息包括信贷行为信息、消费行为信息和浏览行为信息，

所述第一获取模块10，还用于：

连接业务系统，并从所述业务系统获取所述目标用户的信贷行为信息；

连接支付系统，并从所述支付系统获取所述目标用户的消费行为信息；

通过所述客户终端中的统计软件开发工具包SDK、和/或通过信贷网站中的埋点逻辑获取所述目标用户的浏览行为信息。

进一步的，所述第一获取模块10包括：

数组量化单元，用于根据预设量化规则将所述信贷行为信息量化为至少一个的行为特征数组；

加权计算单元，用于将所述行为特征组代入预设加权公式进行加权计算，得到所述目标用户的信贷倾向数组；

时段确定单元，用于根据所述历史行为信息中的浏览行为信息确定所述目标用户的高频浏览时段。

进一步的，所述信贷倾向数组包括行为倾向值和金额倾向值，所述第二获取模块20包括：

倾向值判断单元，用于判断所述行为倾向值是否大于预设行为阈值；

第一获取单元，用于若所述行为倾向值大于所述预设行为阈值，则在所述产品数据库中查询与所述金额倾向值匹配的目标产品，并获取对应的目标产品信息。

进一步的，所述第二获取模块20还包括：

第二获取单元，用于若所述行为倾向值小于或等于所述预设行为阈值，则在所述产品数据库中获取信贷简介信息。

进一步的，所述信贷产品信息包括人工服务链接，所述信贷产品推介装置还包括：

客服查询模块，用于在接收到所述客户终端基于所述人工服务链接发送的人工服务请求时，根据所述信贷产品信息查询对应的人工客服端，并向所述人工客户端发送对应的服务任务信息。

进一步的，所述信贷产品推介装置还包括：

请求发送模块，用于向所述客户终端发送信息授权请求；

所述第一获取模块10，还用于在接收到所述客户终端返回的权限授予指令时，获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段。

其中，上述信贷产品推介装置中各个模块的功能实现与上述信贷产品推介方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

此外，本发明实施例还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有信贷产品推介程序，其中所述信贷产品推介程序被处理器执行时，实现如上述的信贷产品推介方法的步骤。

其中，信贷产品推介程序被执行时所实现的方法可参照本发明信贷产品推介方法的各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种信贷产品推介方法，其特征在于，所述信贷产品推介方法包括以下步骤：

获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。

2.如权利要求1所述的信贷产品推介方法，其特征在于，所述历史行为信息包括信贷行为信息、消费行为信息和浏览行为信息，

所述获取目标用户的历史行为信息的步骤包括：

连接业务系统，并从所述业务系统获取所述目标用户的信贷行为信息；

连接支付系统，并从所述支付系统获取所述目标用户的消费行为信息；

通过所述客户终端中的统计软件开发工具包SDK、和/或通过信贷网站中的埋点逻辑获取所述目标用户的浏览行为信息。

3.如权利要求1所述的信贷产品推介方法，其特征在于，所述根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段的步骤包括：

根据预设量化规则将所述信贷行为信息量化为至少一个的行为特征数组；

将所述行为特征组代入预设加权公式进行加权计算，得到所述目标用户的信贷倾向数组；

根据所述历史行为信息中的浏览行为信息确定所述目标用户的高频浏览时段。

4.如权利要求3所述的信贷产品推介方法，其特征在于，所述信贷倾向数组包括行为倾向值和金额倾向值，

所述根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的目标产品信息的步骤包括：

判断所述行为倾向值是否大于预设行为阈值；

若所述行为倾向值大于所述预设行为阈值，则在所述产品数据库中查询与所述金额倾向值匹配的目标产品，并获取对应的目标产品信息。

5.如权利要求4所述的信贷产品推介方法，其特征在于，所述判断所述行为倾向值是否大于预设行为阈值的步骤之后，还包括：

若所述行为倾向值小于或等于所述预设行为阈值，则在所述产品数据库中获取信贷简介信息。

6.如权利要求1所述的信贷产品推介方法，其特征在于，所述信贷产品信息包括人工服务链接，

所述根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息的步骤之后，还包括：

在接收到所述客户终端基于所述人工服务链接发送的人工服务请求时，根据所述信贷产品信息查询对应的人工客服端，并向所述人工客户端发送对应的服务任务信息。

7.如权利要求1至6中任一项所述的信贷产品推介方法，其特征在于，所述获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向的步骤之前，还包括：

向所述客户终端发送信息授权请求；

在接收到所述客户终端返回的权限授予指令时，执行步骤获取目标用户的历史行为信息。

8.一种信贷产品推介装置，其特征在于，所述信贷产品推介装置包括：

第一获取模块，用于获取目标用户的历史行为信息，并根据所述历史行为信息获取所述目标用户的潜在信贷倾向和高频浏览时段；

第二获取模块，用于根据所述潜在信贷倾向查询产品数据库，获取与所述潜在信贷倾向匹配的信贷产品信息；

信息推送模块，用于根据所述高频浏览时段向所述目标用户的客户终端推送所述信贷产品信息。

9.一种信贷产品推介设备，其特征在于，所述信贷产品推介设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的信贷产品推介程序，其中所述信贷产品推介程序被所述处理器执行时，实现如权利要求1至7中任一项所述的信贷产品推介方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信贷产品推介程序，其中所述信贷产品推介程序被处理器执行时，实现如权利要求1至7中任一项所述的信贷产品推介方法的步骤。