CN109325818A - 一种产品推荐方法、计算机可读存储介质及终端设备 - Google Patents
一种产品推荐方法、计算机可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN109325818A CN109325818A CN201810921579.3A CN201810921579A CN109325818A CN 109325818 A CN109325818 A CN 109325818A CN 201810921579 A CN201810921579 A CN 201810921579A CN 109325818 A CN109325818 A CN 109325818A
- Authority
- CN
- China
- Prior art keywords
- product
- client
- dimension
- assessment
- matching degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于计算机技术领域,尤其涉及一种基于大数据的产品推荐方法、计算机可读存储介质及终端设备。所述方法获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;根据所述答复结果确定所述客户在各个评估问题上的评估值;根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种产品推荐方法、计算机可读存储介质及终端设备。
背景技术
在进行产品推荐的过程中,为了快速全方位地了解客户需求,往往需要通过调查问卷的方式获得客户各方面的信息,在得到客户填写的调查问卷后,需要由专门的人员对调查结果进行评估,分析出客户的偏好,然后根据其偏好为其进行产品推荐,这样的依靠人力进行客户评估和产品推荐的方式耗时耗力,效率极低。
发明内容
有鉴于此,本发明实施例提供了一种产品推荐方法、计算机可读存储介质及终端设备,以解决依靠人力进行客户评估和产品推荐的方式耗时耗力,效率极低的问题。
本发明实施例的第一方面提供了一种产品推荐方法,可以包括:
获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
根据所述答复结果确定所述客户在各个评估问题上的评估值;
根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
本发明实施例的第二方面提供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可读指令,所述计算机可读指令被处理器执行时实现如下步骤:
获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
根据所述答复结果确定所述客户在各个评估问题上的评估值;
根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如下步骤:
获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
根据所述答复结果确定所述客户在各个评估问题上的评估值;
根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过调查问卷获取客户的信息,该调查问卷包括了多个评估维度,每个评估维度包括了多个评估问题,每个评估问题又包括了多个答复选项,当客户完成调查问卷后,自动根据其答复结果确定客户在各个评估问题上的评估值,然后分别计算待推荐的各个产品与该客户在各个评估维度上的匹配度,并进一步地分别计算各个产品与该客户之间的综合匹配度,为进行产品推荐提供了依据,最后自动选取与该客户之间的综合匹配度最大的产品作为目标产品,并将目标产品推荐给该客户。整个客户评估和产品推荐的过程全部自动完成,无需工作人员进行任何干预,极大提升了产品推荐的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种产品推荐方法的一个实施例流程图;
图2为本发明实施例中一种产品推荐方法的步骤S103在一个应用场景下的示意流程图;
图3为本发明实施例中一种产品推荐装置的一个实施例结构图;
图4为本发明实施例中一种终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中一种产品推荐方法的一个实施例可以包括:
步骤S101、获取客户在预设的调查问卷中的答复结果。
所述调查问卷包括一个以上的评估维度,例如可以包括财务状况、身体状况、工作状况、知识背景、家庭情况等评估维度。
每个评估维度包括一个以上的评估问题,在每个评估维度上的评估问题个数可以是各不相同的,可以根据实际情况进行设置,例如,财务状况维度(评估维度1)上的评估问题可以有8个,身体状况维度(评估维度2)上的评估问题可以有5个,工作状况维度(评估维度3)上的评估问题可以有7个等等。
每个评估问题包括一个以上的答复选项,各个评估问题提供给客户选择的答复选项个数可以是各不相同的,可以根据实际情况进行设置,例如,A评估问题为“您的年收入是多少?”,提供给客户选择的答复选项个数为5个,分别为:
(1)5万(含)以下;
(2)5万至10万(含);
(3)10万至50万(含);
(4)50万至100万(含);
(5)100万以上。
B评估问题为“您的最高学历是什么?”,提供给客户选择的答复选项个数为4个,分别为:
(1)高中及高中以下;
(2)本科;
(3)硕士;
(4)博士。
需要注意的是,每个评估问题的各个答复选项均为按照从高到低的顺序或者按照从低到高的顺序进行排序的。
所述答复结果即为所述客户对每个评估问题所选择的答复选项。
步骤S102、根据所述答复结果确定所述客户在各个评估问题上的评估值。
在本实施例的一种具体实现中,所述客户在某一具体的评估问题上的评估值可以等于所述客户所选择的答复选项的序号。
例如,若某评估问题提供给所述客户选择的答复选项个数为4个,序号分别为(1)、(2)、(3)、(4),若所述客户选择的答复选项为(3),则可确定所述客户在该评估问题上的评估值为3。
步骤S103、根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度。
具体地,步骤S103可以包括如图2所示的步骤:
步骤S1031、将所述客户在各个评估维度中的各个评估问题上的评估值构造为评估向量。
具体地,可以构造如下所示的评估向量:
其中,d为评估维度的序号,1≤d≤DimNum,DimNum为评估维度的总数,AnsVecd为所述客户在第d个评估维度上的评估向量,q为评估问题的序号,1≤q≤QuesNumd,QuesNumd为第d个评估维度上的评估问题的总数,Answerd,q为所述客户在第d个评估维度中的第q个评估问题上的评估值。
步骤S1032、获取各个产品在各个评估维度中的各个评估问题上预设的基准值,并构造基准向量。
具体地,可以构造如下所示的基准向量:
BaseVecp,d=(BaseAnsp,d,1,BaseAnsp,d,2,......,BaseAnsp,d,q,......,BaseAnsp,d,QuesNumd)
其中,p为产品的序号,1≤p≤ProNum,ProNum为产品的总数,BaseVecp,d为第p个产品在第d个评估维度上的基准向量,BaseAnsp,d,q为第p个产品在第d个评估维度中的第q个评估问题上的基准值。
其中,所述基准值的预设过程可以包括:
首先,从预设的历史统计记录中获取购买各个产品的各个历史客户在所述调查问卷中的各个评估问题上的评估值,并构造如下所示的评估向量:
然后,根据下式计算各个基准值:
其中,c为历史客户的序号,1≤c≤CusNump,CusNump为在所述历史统计记录中购买第p个产品的客户总数,HsVecc,p,d为购买第p个产品的第c个历史客户在第d个评估维度上的评估向量,HsAnsc,p,d,q为购买第p个产品的第c个历史客户在第d个评估维度中的第q个评估问题上的评估值。
步骤S1033、分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度。
具体地,可以根据下式分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度:
其中,SelNumd,q为第d个评估维度中的第q个评估问题的答复选项总数,MatIndexp,d为第p个产品与所述客户在第d个维度上的匹配度。
步骤S104、根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度。
具体地,可以根据下式分别计算各个产品与所述客户之间的综合匹配度:
其中,CompIndexp为第p个产品与所述客户之间的综合匹配度,Weightp,d为第d个评估维度对于第p个产品的权重因子,优选地,可以根据下式分别计算各个权重因子:
步骤S105、从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
进一步地,为了避免向所述客户重复推荐其已经购买过的产品,本实施例优选采用如下所述的推荐方法:
首先,将各个待推荐的产品按照综合匹配度从高到低的顺序进行排列,分别记为:
Product1、Product2、……、Productp、……、ProductProNum。
其中,Productp为按照综合匹配度从高到低的顺序排列在第p位的产品。
然后,在所述历史统计记录中查询所述客户是否已经购买过Product1,若其未购买过,则向其推荐Product1,若其已经购买过,则继续在产品的历史购买记录中查询该客户是否已经购买过Product2,若其未购买过,则向其推荐Product2,若其已经购买过,则继续重复以上过程,直至为客户选择到合适的推荐产品或者当前产品Productp与客户之间的综合匹配度Productp小于预先设置的匹配度阈值IndexThresh为止。
其中,所述匹配度阈值IndexThresh可以根据以下方式进行设置:
首先,构造历史统计数据中购买产品的各个历史客户与其购买产品之间的综合匹配度序列:
其中,为购买第p个产品的第c个历史客户与该产品之间的综合匹配度,CompVecp为第p个产品的综合匹配度序列。
然后,求得其中的最小值:
其中,MIN为求最小值函数,ComIndexMinp为CompVecp中的最小值。
最后,根据下式计算所述匹配度阈值:
综上所述,本发明实施例通过调查问卷获取客户的信息,该调查问卷包括了多个评估维度,每个评估维度包括了多个评估问题,每个评估问题又包括了多个答复选项,当客户完成调查问卷后,自动根据其答复结果确定客户在各个评估问题上的评估值,然后分别计算待推荐的各个产品与该客户在各个评估维度上的匹配度,并进一步地分别计算各个产品与该客户之间的综合匹配度,为进行产品推荐提供了依据,最后自动选取与该客户之间的综合匹配度最大的产品作为目标产品,并将目标产品推荐给该客户。整个客户评估和产品推荐的过程全部自动完成,无需工作人员进行任何干预,极大提升了产品推荐的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种产品推荐方法,图3示出了本发明实施例提供的一种产品推荐装置的一个实施例结构图。
本实施例中,一种产品推荐装置可以包括:
答复结果获取模块301,用于获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
评估值确定模块302,用于根据所述答复结果确定所述客户在各个评估问题上的评估值;
维度匹配度计算模块303,用于根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
综合匹配度计算模块304,用于根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
产品推荐模块305,用于从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
进一步地,所述维度匹配度计算模块可以包括:
评估向量构造单元,用于将所述客户在各个评估维度中的各个评估问题上的评估值构造为如下所示的评估向量:
其中,d为评估维度的序号,1≤d≤DimNum,DimNum为评估维度的总数,AnsVecd为所述客户在第d个评估维度上的评估向量,q为评估问题的序号,1≤q≤QuesNumd,QuesNumd为第d个评估维度上的评估问题的总数,Answerd,q为所述客户在第d个评估维度中的第q个评估问题上的评估值;
基准向量构造单元,用于获取各个产品在各个评估维度中的各个评估问题上预设的基准值,并构造如下所示的基准向量:
其中,p为产品的序号,1≤p≤ProNum,ProNum为产品的总数,BaseVecp,d为第p个产品在第d个评估维度上的基准向量,BaseAnsp,d,q为第p个产品在第d个评估维度中的第q个评估问题上的基准值;
维度匹配度计算单元,用于根据下式分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度:
其中,SelNumd,q为第d个评估维度中的第q个评估问题的答复选项总数,MatIndexp,d为第p个产品与所述客户在第d个维度上的匹配度。
进一步地,所述产品推荐装置还可以包括:
历史评估向量构造模块,用于从预设的历史统计记录中获取购买各个产品的各个历史客户在所述调查问卷中的各个评估问题上的评估值,并构造如下所示的评估向量:
其中,c为历史客户的序号,1≤c≤CusNump,CusNump为在所述历史统计记录中购买第p个产品的客户总数,HsVecc,p,d为购买第p个产品的第c个历史客户在第d个评估维度上的评估向量,HsAnsc,p,d,q为购买第p个产品的第c个历史客户在第d个评估维度中的第q个评估问题上的评估值;
基准值计算模块,用于根据下式计算各个基准值:
进一步地,所述综合匹配度计算模块包括:
综合匹配度计算单元,用于根据下式分别计算各个产品与所述客户之间的综合匹配度:
其中,Weightp,d为第d个评估维度对于第p个产品的权重因子,CompIndexp为第p个产品与所述客户之间的综合匹配度。
进一步地,所述产品推荐装置还可以包括:
权重因子计算模块,用于根据下式分别计算各个权重因子:
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图4示出了本发明实施例提供的一种终端设备的示意框图,为了便于说明,仅示出了与本发明实施例相关的部分。
在本实施例中,所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备4可包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机可读指令42,例如执行上述的产品推荐方法的计算机可读指令。所述处理器40执行所述计算机可读指令42时实现上述各个产品推荐方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器40执行所述计算机可读指令42时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块301至305的功能。
示例性的,所述计算机可读指令42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令42在所述终端设备4中的执行过程。
所述处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。所述存储器41也可以是所述终端设备4的外部存储设备,例如所述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机可读指令以及所述终端设备4所需的其它指令和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。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或者该技术方案的全部或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一个存储介质中,包括若干计算机可读指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储计算机可读指令的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种产品推荐方法,其特征在于,包括:
获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
根据所述答复结果确定所述客户在各个评估问题上的评估值;
根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
2.根据权利要求1所述的产品推荐方法,其特征在于,所述根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度包括:
将所述客户在各个评估维度中的各个评估问题上的评估值构造为如下所示的评估向量:
其中,d为评估维度的序号,1≤d≤DimNum,DimNum为评估维度的总数,AnsVecd为所述客户在第d个评估维度上的评估向量,q为评估问题的序号,1≤q≤QuesNumd,QuesNumd为第d个评估维度上的评估问题的总数,Answerd,q为所述客户在第d个评估维度中的第q个评估问题上的评估值;
获取各个产品在各个评估维度中的各个评估问题上预设的基准值,并构造如下所示的基准向量:
其中,p为产品的序号,1≤p≤ProNum,ProNum为产品的总数,BaseVecp,d为第p个产品在第d个评估维度上的基准向量,BaseAnsp,d,q为第p个产品在第d个评估维度中的第q个评估问题上的基准值;
根据下式分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度:
其中,SelNumd,q为第d个评估维度中的第q个评估问题的答复选项总数,MatIndexp,d为第p个产品与所述客户在第d个维度上的匹配度。
3.根据权利要求2所述的产品推荐方法,其特征在于,所述基准值的预设过程包括:
从预设的历史统计记录中获取购买各个产品的各个历史客户在所述调查问卷中的各个评估问题上的评估值,并构造如下所示的评估向量:
其中,c为历史客户的序号,1≤c≤CusNump,CusNump为在所述历史统计记录中购买第p个产品的客户总数,HsVecc,p,d为购买第p个产品的第c个历史客户在第d个评估维度上的评估向量,HsAnsc,p,d,q为购买第p个产品的第c个历史客户在第d个评估维度中的第q个评估问题上的评估值;
根据下式计算各个基准值:
4.根据权利要求3所述的产品推荐方法,其特征在于,所述根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度包括:
根据下式分别计算各个产品与所述客户之间的综合匹配度:
其中,Weightp,d为第d个评估维度对于第p个产品的权重因子,CompIndexp为第p个产品与所述客户之间的综合匹配度。
5.根据权利要求4所述的产品推荐方法,其特征在于,所述权值因子的预设过程包括:
根据下式分别计算各个权重因子:
6.一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可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的产品推荐方法的步骤。
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
获取客户在预设的调查问卷中的答复结果,所述调查问卷包括一个以上的评估维度,每个评估维度包括一个以上的评估问题,每个评估问题包括一个以上的答复选项;
根据所述答复结果确定所述客户在各个评估问题上的评估值;
根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度;
根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度;
从各个产品中选取与所述客户之间的综合匹配度最大的产品作为目标产品,并将所述目标产品推荐给所述客户。
8.根据权利要求7所述的终端设备,其特征在于,所述根据所述客户在各个评估问题上的评估值分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度包括:
将所述客户在各个评估维度中的各个评估问题上的评估值构造为如下所示的评估向量:
其中,d为评估维度的序号,1≤d≤DimNum,DimNum为评估维度的总数,AnsVecd为所述客户在第d个评估维度上的评估向量,q为评估问题的序号,1≤q≤QuesNumd,QuesNumd为第d个评估维度上的评估问题的总数,Answerd,q为所述客户在第d个评估维度中的第q个评估问题上的评估值;
获取各个产品在各个评估维度中的各个评估问题上预设的基准值,并构造如下所示的基准向量:
其中,p为产品的序号,1≤p≤ProNum,ProNum为产品的总数,BaseVecp,d为第p个产品在第d个评估维度上的基准向量,BaseAnsp,d,q为第p个产品在第d个评估维度中的第q个评估问题上的基准值;
根据下式分别计算待推荐的各个产品与所述客户在各个评估维度上的匹配度:
其中,SelNumd,q为第d个评估维度中的第q个评估问题的答复选项总数,MatIndexp,d为第p个产品与所述客户在第d个维度上的匹配度。
9.根据权利要求7至8中任一项所述的终端设备,其特征在于,所述基准值的预设过程包括:
从预设的历史统计记录中获取购买各个产品的各个历史客户在所述调查问卷中的各个评估问题上的评估值,并构造如下所示的评估向量:
其中,c为历史客户的序号,1≤c≤CusNump,CusNump为在所述历史统计记录中购买第p个产品的客户总数,HsVecc,p,d为购买第p个产品的第c个历史客户在第d个评估维度上的评估向量,HsAnsc,p,d,q为购买第p个产品的第c个历史客户在第d个评估维度中的第q个评估问题上的评估值;
根据下式计算各个基准值:
10.根据权利要求9所述的终端设备,其特征在于,所述根据待推荐的各个产品与所述客户在各个评估维度上的匹配度分别计算各个产品与所述客户之间的综合匹配度包括:
根据下式分别计算各个产品与所述客户之间的综合匹配度:
其中,Weightp,d为第d个评估维度对于第p个产品的权重因子,CompIndexp为第p个产品与所述客户之间的综合匹配度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810921579.3A CN109325818B (zh) | 2018-08-14 | 2018-08-14 | 一种产品推荐方法、计算机可读存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810921579.3A CN109325818B (zh) | 2018-08-14 | 2018-08-14 | 一种产品推荐方法、计算机可读存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109325818A true CN109325818A (zh) | 2019-02-12 |
CN109325818B CN109325818B (zh) | 2023-06-27 |
Family
ID=65263361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810921579.3A Active CN109325818B (zh) | 2018-08-14 | 2018-08-14 | 一种产品推荐方法、计算机可读存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325818B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163717A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、装置、计算机可读存储介质及服务器 |
CN110223155A (zh) * | 2019-04-25 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 投资推荐信息的推送方法、装置及计算机设备 |
CN111586089A (zh) * | 2020-03-20 | 2020-08-25 | 上海大犀角信息科技有限公司 | 基于向量评分的客户端、服务端内容推荐系统和方法 |
CN116402625A (zh) * | 2023-06-07 | 2023-07-07 | 平安科技(深圳)有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030950A1 (en) * | 2011-07-26 | 2013-01-31 | Alibaba Group Holding Limited | Providing social product recommendations |
CN103473364A (zh) * | 2013-09-27 | 2013-12-25 | 中国联合网络通信集团有限公司 | 一种服务推荐方法及装置 |
US20150278742A1 (en) * | 2014-03-31 | 2015-10-01 | Kountable, Inc. | Multi-variable assessment systems and methods that evaluate and predict entrepreneurial behavior |
US20170140403A1 (en) * | 2015-01-07 | 2017-05-18 | Hitachi, Ltd. | Customer analysis system |
CN107705207A (zh) * | 2017-11-07 | 2018-02-16 | 广发证券股份有限公司 | 客户价值评估的方法、装置、设备及计算机存储介质 |
CN107798543A (zh) * | 2016-12-15 | 2018-03-13 | 平安科技(深圳)有限公司 | 一种方案智能匹配方法和装置 |
-
2018
- 2018-08-14 CN CN201810921579.3A patent/CN109325818B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030950A1 (en) * | 2011-07-26 | 2013-01-31 | Alibaba Group Holding Limited | Providing social product recommendations |
CN103473364A (zh) * | 2013-09-27 | 2013-12-25 | 中国联合网络通信集团有限公司 | 一种服务推荐方法及装置 |
US20150278742A1 (en) * | 2014-03-31 | 2015-10-01 | Kountable, Inc. | Multi-variable assessment systems and methods that evaluate and predict entrepreneurial behavior |
US20170140403A1 (en) * | 2015-01-07 | 2017-05-18 | Hitachi, Ltd. | Customer analysis system |
CN107798543A (zh) * | 2016-12-15 | 2018-03-13 | 平安科技(深圳)有限公司 | 一种方案智能匹配方法和装置 |
CN107705207A (zh) * | 2017-11-07 | 2018-02-16 | 广发证券股份有限公司 | 客户价值评估的方法、装置、设备及计算机存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163717A (zh) * | 2019-04-12 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 一种产品推荐方法、装置、计算机可读存储介质及服务器 |
CN110223155A (zh) * | 2019-04-25 | 2019-09-10 | 深圳壹账通智能科技有限公司 | 投资推荐信息的推送方法、装置及计算机设备 |
CN111586089A (zh) * | 2020-03-20 | 2020-08-25 | 上海大犀角信息科技有限公司 | 基于向量评分的客户端、服务端内容推荐系统和方法 |
CN116402625A (zh) * | 2023-06-07 | 2023-07-07 | 平安科技(深圳)有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
CN116402625B (zh) * | 2023-06-07 | 2023-08-29 | 平安科技(深圳)有限公司 | 客户评估方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109325818B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Crowd intelligence in AI 2.0 era | |
CN109325818A (zh) | 一种产品推荐方法、计算机可读存储介质及终端设备 | |
CN107704485A (zh) | 一种职位推荐方法及计算设备 | |
KR102109489B1 (ko) | 트랜잭션 처리 방법 및 장치 | |
Zhou et al. | Energy-efficient multi-objective scheduling algorithm for hybrid flow shop with fuzzy processing time | |
CN108734587A (zh) | 金融产品的推荐方法及终端设备 | |
Iyer et al. | Information aggregation and allocative efficiency in smooth markets | |
Pang et al. | Inventory rationing in a make‐to‐stock system with batch production and lost sales | |
CN109191205A (zh) | 一种基于预测模型的定价计算方法及终端设备 | |
CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
CN108985600A (zh) | 企业竞争力的分析方法、计算机可读存储介质及分析装置 | |
Zhou et al. | A multiobjective hybrid imperialist competitive algorithm for multirobot cooperative assembly line balancing problems with energy awareness | |
Proselkov et al. | Financial ripple effect in complex adaptive supply networks: an agent-based model | |
EP3961507A1 (en) | Optimal policy learning and recommendation for distribution task using deep reinforcement learning model | |
CN108985755A (zh) | 一种账号状态识别方法、装置及服务器 | |
US20160267583A1 (en) | Electronic data modelling tool | |
CN109814976A (zh) | 一种功能模块排布方法及装置 | |
CN109886299A (zh) | 一种用户画像方法、装置、可读存储介质及终端设备 | |
CN110163717A (zh) | 一种产品推荐方法、装置、计算机可读存储介质及服务器 | |
Dong et al. | How do land auction formats influence the market structure and aggregate surplus of real estate development? | |
KR102102788B1 (ko) | 인공 지능 기반 금융 상품 주문 시스템 및 방법 | |
Hall et al. | Market good flexibility in capacity auctions | |
Baarslag et al. | Optimal non-adaptive concession strategies with incomplete information | |
CN110163279A (zh) | 一种能源客户分类方法、装置及计算设备 | |
CN109360032A (zh) | 客户评估方法、装置、设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |