CN109472646A - 一种金融产品推荐方法及装置 - Google Patents

Abstract

本发明公开了一种金融产品推荐方法及装置，所述方法包括步骤：获取并存储客户相关数据以及金融产品相关数据；以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；获取营销分析数据；以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。所述装置用于实现所述方法。它能够满足客户对于金融产品的个性化需求。

Description

一种金融产品推荐方法及装置

技术领域

本发明涉及金融投资领域，尤其涉及一种金融产品推送方法及装置。

背景技术

随着中国经济的发展，国民财富收入的增加，居民理财需求越来越迫切以及多样化，已经有越来越多的金融机构在涉足财富管理业务市场，但是由于金融产品的特殊性及专业性，各金融机构在践行财富管理的实践中面对着巨大的困难，一方面是优秀的投顾和金融产品标的依然稀缺，一方面又是趋严的行业监管，如何提供金融产品的代销能力是财富管理转型的重要任务。

目前各金融机构依然是以产品驱动为中心的财富管理模式，即总部制定产品销售任务，然后各分支机构向客户推荐，或者通过金融终端统一发送推广信息，这样的方式导致产品推荐转换率低，投资经理精力分散，同时客户信任度也不牢靠，对于客户体验以及持续客户营销都有很大影响，违背了以客户需求为中心的财富管理诉求。

发明内容

为了解决上述技术问题，本发明提出一种金融产品推送方法及装置。它能够满足客户对于金融产品的个性化需求。

为了实现上述目的，本发明采用的方案是：

一种金融产品推荐方法，包括步骤：

获取并存储客户相关数据以及金融产品相关数据；

以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；

获取营销分析数据；

以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

所述客户相关数据包括：客户基本信息、客户标签数据、客户经理数据、客户行为数据、客户交易数据、客户产品适配数据以及日志数据。

所述金融产品相关数据包括：标准化产品数据以及金融产品标签数据。

所述获取客户的金融产品适配表在执行中包括步骤：

判断客户是否为新用户；

若客户是新用户，则：

根据用户开户数据评测结果，将客户分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；

根据国家授权的第三方评级机构，将金融产品库中的金融产品分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；

对金融产品库进行分类，按照权益类、债权类、货币类、另类投资类、QDII类、指数类，同时根据所述金融产品的综合业绩、风险控制能力、基金经理资历对所述金融产品进行评分；

按照客户风险等级大于等于产品风险等级原则随机选择各分类topN只产品作为推荐的产品，生成客户的金融产品适配表；

若客户不是新用户，则：

如果最近一个月有某项金融产品的浏览记录，那么每天该项金融产品所属分类分数权重乘以0.1，如果有最近一个月某项金融产品的购买记录，那么每天该项金融产品所属分类分数权重乘以0.2，计算得出客户与金融产品的匹配分数；

根据上述客户与金融产品的匹配分数，选取topN的产品分类，并按客户与金融产品的匹配分数从高到低排序推荐产品；

若没有任何浏览购买记录，则利用伪随机算法随机向客户推荐金融产品。

所述获取营销分析数据在执行中包括步骤：

实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；

所述购买记录与所述浏览记录为大数据引擎提供数据支持；

若浏览客户需要跟进以及再次营销，则生成该用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问。

一种金融产品推荐装置，包括：

存储单元，用于获取并存储客户相关数据以及金融产品相关数据；

金融产品推荐单元：用于以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；

营销分析单元，用于获取营销分析数据；

投资顾问交互单元，用于以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户交互单元，用于客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

所述存储单元包括：

流式数据存储模块，用于获取存储手机用户行为数据以及所述金融产品推荐装置上报的实时日志流水；

离线数据存储模块，用于获取存储客户基本信息，客户标签数据，客户经理数据、客户交易数据、标准化产品数据以及金融产品标签数据；

在线数据存储模块，用于存储客户产品适配数据以及客户行为数据。

所述营销分析单元包括：

实时分析模块，用于实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

批量处理模块，用于离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；若浏览客户需要跟进以及再次营销，则生成该用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问通知到投资顾问交互单元。

所述投资顾问交互单元包括：

查询模块，用于查询客户全景信息以及金融产品全景信息，所述客户全景信息包括：客户基本信息，客户风险偏好，客户购买记录；所述金融产品全景信息包括金融产品基本信息，金融产品分类，金融产品评价指标；

客户服务日志管理模块，用于记录同客户沟通，以及客户需求信息；

金融产品分析管理模块，用于管理金融产品推荐效果信息；

客户消息推送模块，用于给客户推送相关性的金融产品。

所述客户交互单元包括：

金融产品展示模块，用于展示金融产品信息，同投资顾问交互单元的金融产品全景信息；

客户行为埋点模块，用于手机客户行为数据；

交易模块，用于提供客户交易功能。

本发明的有益效果有：以金融科技为手段，结合移动互联网、大数据等技术能很好的解决投顾服务优质性，产品推荐针对性等财富管理业务开展过程中面临的痛点，同时该系统又不同于一般的产品推荐系统，该系统是一个带有反馈机制的推荐及分析系统，能够结合客户的行为数据，交易数据，业务回访数据等多维度数据持续优化推荐效果，最终满足客户个性化理财需求。

附图说明

图1示出了本发明所述实施例所述获取客户的金融产品适配表的执行过程；

图2示出了获取营销分析数据的执行过程；

图3示出了本发明所述实施例所述装置的结构框图；

图4示出了本发明所述实施例所述存储单元的结构示意图。

具体实施方式

为了更好的了解本发明的技术方案，下面结合附图对本发明作进一步说明。

一种金融产品推荐方法，包括步骤：

获取并存储客户相关数据以及金融产品相关数据；

以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，获取客户的金融产品适配表，根据客户的金融产品适配表向客户推荐金融产品；

获取营销分析数据；

以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

所述客户相关数据包括：客户基本信息、客户标签数据、客户经理数据、客户回访数据、客户行为数据、客户交易数据、客户产品适配数据以及日志数据；所述日志数据包括客户交互单元产生的日志数据以及投资顾问交互单元产生的日志数据；所述客户行为数据是指客户访问系统时产生的一系列流水日志，比如客户在什么时间什么时候打开手机，浏览了什么产品，停留了多长时间。所述客户行为数据包括手机客户行为数据。

所述金融产品相关数据包括：标准化产品数据以及金融产品标签数据。标准化产品是指，股票、基金等国家正规部门监管发行销售、在国家级交易所挂牌交易的，金融产品包含标准化产品以及非标准化金融产品。

如图1所示，所述获取客户的金融产品适配表在执行中包括步骤：

判断客户是否为新用户；

若客户是新用户，则：

根据用户开户数据评测结果，将客户分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；

根据国家授权的第三方评级机构，将金融产品库中的金融产品分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；对金融产品库进行分类，按照权益类、债权类、货币类、另类投资类、QDII类、指数类，同时根据所述金融产品的综合业绩、风险控制能力、基金经理资历对所述金融产品进行评分(具体操作中评分是按照上述数据依照评分方案获取)；所述综合业绩是指金融产品的过往业绩表现；所述风险控制能力是金融产品过往业绩的回撤大小。

所述的评分方案依据为：

投资级金融产品库将经历第一层筛选和第二层量化评估，其中第一层筛选从基金公司规模、基金经理从业年限等方面进行，第二层量化评估从基金公司、基金产品、基金经理三个维度进行。鉴于各类型基金的不同特点，筛选和量化指标的选取略有不同。

(一)偏股型(股票型，偏股混合型，灵活配置型，QDII-权益)

1、第一层筛选指标和标准

2、第二层量化评估指标和评分方案

(二)偏债型(债券型，偏债混合型，QDII-债券)

1、第一层筛选指标和标准

指标	标准
		基金规模	≥5亿元
基金经理任职年限	≥3年

2、第二层量化评估指标和评分方案

(三)货币型

1、第一层筛选指标和标准

指标	标准
		基金规模	≥50亿元
基金经理任职年限	≥3年

2、第二层量化评估指标和评分方案

四)指数型

1、第一层筛选指标和标准

指标	标准
		资产规模	≥1亿元
基金经理任职年限	≥1年

2、第二层量化评估指标和评分方案

(五)另类(股票多空基金、商品型基金)

1、第一层筛选指标和标准

2、第二层量化评估指标和评分方案

三、更新频率及纳入投资级产品库规则

投资级产品库更新频率为每月。在衡量产品是否纳入投资级产品库时，根据产品类别将产品最终评分由大到小进行排序，按照排序结果按比例将排名靠前的产品纳入投资级产品库。纳入投资级产品库规则

按照客户风险等级大于等于产品风险等级原则随机选择各分类topN只产品作为推荐的产品(本方法只负责从高到底排序后给投资顾问看，具体推荐哪只股票，由于监管要求，还是要投资顾问自主决定，推荐哪个产品给客户经理)，生成客户的金融产品适配表；所述的金融产品适配表是指客户被推荐的产品分布表。

若客户不是新用户，则：

如果最近一个月有相关金融产品的浏览记录，那么每天该项金融产品所属分类分数权重乘以0.1，如果有最近某项金融产品的购买记录，那么每天该项金融产品所属分类分数权重乘以0.2，计算得出客户与金融产品的匹配分数；

例如：

根据上述客户与金融产品的匹配分数，选取topN的产品分类，并按客户与金融产品的匹配分数从高到低排序推荐产品；

若没有任何浏览购买记录，则利用伪随机算法随机向客户推荐金融产品。

N为正整数，N的具体取值通过设定获取。

如图2所示，所述获取营销分析数据在执行中包括步骤：

实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；

所述购买记录与所述浏览记录为大数据引擎提供数据支持；

对于浏览用户(即浏览过某项金融产品的用户)是否需要跟进以及再次营销(由营销分析单元通过客户的浏览日志数据判断出来)，如果需要的话，可以生成用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问。

如图3所示，一种金融产品推荐装置，包括：

存储单元，用于获取并存储客户相关数据以及金融产品相关数据；

金融产品推荐单元：用于以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；

营销分析单元，用于获取营销分析数据；

投资顾问交互单元，用于以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户交互单元，用于客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

如图4所示，所述存储单元包括：

流式数据存储模块，用于获取存储手机用户行为数据以及整个装置上报的实时日志流水；该模块可以基于(但不限于)kafka高性能消息系统来实现。

离线数据存储模块，主要用于收集存储系统内部以及外部等各种结构化或非结构数据，内部数据有该方法产生的数据：包括，用户产品适配数据、日志数据；对于外部数据主要包括：客户基本信息，客户标签数据，客户经理数据、客户交易数据、，标准化金融产品数据以及金融产品标签数据等，非结构化数据：日志数据；结构化数据：客户基本信息、金融产品基本信息数据；由于该系统存储的数据较多，并且后续的推荐及分析模块都是基于该数据的，所以可以采用成熟的apache hadoop大数据存储系统实现。

在线数据存储模块，用于存储在投资顾问交互单元与客户交互单元中产生的数据，包括：客户产品适配数据以及客户行为数据。该模块可以基于(但不限于)mysql、postgres、oracle、mongodb等关系或非关系数据库来实现。

上述中，离线数据是直接采集获取的，客户行为数据是根据客户点击行为产生的，具体为某个客户浏览某个产品的频率，客户产品适配数据是以大数据引擎为依据获取的。离线数据包括：客户基本信息，客户标签数据，客户经理数据、客户交易数据；在线数据：客户产品适配数据、客户行为数据；流式数据：日志数据

存储单元涉及到多种数据源的ETL(Extract-Transform-Load)数据采集清洗工作，可以基于(但不限于)Apache Sqoop工具来实现。

所述营销分析单元包括：

实时分析模块，用于实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

批量处理模块，用于离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；对于浏览用户是否需要跟进以及再次营销(由营销分析单元通过客户的浏览日志数据判断出来)，如果需要的话，生成用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问交互单元。

所述投资顾问交互单元，主要用于给投顾提供交互的api(应用程序编程接口)，用于投资顾问端功能实现，包括但不限于以下模块与功能：

查询模块，用于查询客户全景信息以及金融产品全景信息，所述客户全景信息包括：客户基本信息，客户风险偏好，客户购买记录；所述金融产品全景信息包括金融产品基本信息，金融产品分类，金融产品评价指标；

客户服务日志管理模块，用于记录同客户沟通，以及客户需求信息；

金融产品分析管理模块，用于管理金融产品推荐效果信息；

客户消息推送模块，用于给客户推送相关性的金融产品。所述的相关性就是某个客户对某项金融产品是否感兴趣就是相关性。

所述客户交互单元，主要用于给客户提供交互的api(应用程序编程接口)，用于客户端功能实现，包括但不限于以下模块及功能：

金融产品展示模块，用于展示金融产品信息，同投资顾问交互单元的金融产品全景信息；

客户行为埋点模块，用于手机客户行为数据；埋点是网站分析的一种常用的数据采集方法，此处是为了收集客户数据的。

交易模块，用于提供客户交易功能。

一种设备，包括存储器、处理器及其存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的金融产品推荐方法。

一种存储介质，所述存储戒指上存储有计算机程序，所述程序被执行时实现所述的金融产品推荐方法。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种金融产品推荐方法，其特征在于，包括步骤：

获取并存储客户相关数据以及金融产品相关数据；

以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；

获取营销分析数据；

以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

2.根据权利要求1所述的一种金融产品推荐方法，其特征在于，所述客户相关数据包括：客户基本信息、客户标签数据、客户经理数据、客户行为数据、客户交易数据、客户产品适配数据以及日志数据。

3.根据权利要求1所述的一种金融产品推荐方法，其特征在于，所述金融产品相关数据包括：标准化产品数据以及金融产品标签数据。

4.根据权利要求1所述的一种金融产品推荐方法，其特征在于，所述获取客户的金融产品适配表在执行中包括步骤：

判断客户是否为新用户；

若客户是新用户，则：

根据用户开户数据评测结果，将客户分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；

根据国家授权的第三方评级机构，将金融产品库中的金融产品分为5类风险等级：高风险、高中风险、中风险、中低风险、低风险；

对金融产品库进行分类，按照权益类、债权类、货币类、另类投资类、QDII类、指数类，同时根据所述金融产品的综合业绩、风险控制能力、基金经理资历对所述金融产品进行评分；

按照客户风险等级大于等于产品风险等级原则随机选择各分类topN只产品作为推荐的产品，生成客户的金融产品适配表；

若客户不是新用户，则：

如果最近一个月有某项金融产品的浏览记录，那么每天该项金融产品所属分类分数权重乘以0.1，如果有最近一个月某项金融产品的购买记录，那么每天该项金融产品所属分类分数权重乘以0.2，计算得出客户与金融产品的匹配分数；

根据上述客户与金融产品的匹配分数，选取topN的产品分类，并按客户与金融产品的匹配分数从高到低排序推荐产品；

若没有任何浏览购买记录，则利用伪随机算法随机向客户推荐金融产品。

5.根据权利要求1所述的一种金融产品推荐方法，其特征在于，所述获取营销分析数据在执行中包括步骤：

实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；

所述购买记录与所述浏览记录为大数据引擎提供数据支持；

若浏览客户需要跟进以及再次营销，则生成该用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问。

6.一种金融产品推荐装置，其特征在于，包括：

存储单元，用于获取并存储客户相关数据以及金融产品相关数据；

金融产品推荐单元：用于以所述客户相关数据以及金融产品相关数据为依据，利用大数据引擎，生成客户的金融产品适配表，并根据客户的金融产品适配表向客户推荐金融产品；

营销分析单元，用于获取营销分析数据；

投资顾问交互单元，用于以营销分析数据、客户相关数据及金融相关数据为依据，投资顾问向客户推送金融产品；

客户交互单元，用于客户浏览接收到被推荐的金融产品以及被推送的金融产品，择需交易。

7.根据权利要求6所述的一种金融产品推荐装置，其特征在于，所述存储单元包括：

流式数据存储模块，用于获取存储手机用户行为数据以及所述金融产品推荐装置上报的实时日志流水；

离线数据存储模块，用于获取存储客户基本信息，客户标签数据，客户经理数据、客户交易数据、标准化产品数据以及金融产品标签数据；

在线数据存储模块，用于存储客户产品适配数据以及客户行为数据。

8.根据权利要求6所述的一种金融产品推荐装置，其特征在于，所述营销分析单元包括：

实时分析模块，用于实时监听客户的访问日志，如果客户有购买记录则更新客户的金融产品适配表的购买记录，如果没有产生购买记录则更新客户的金融产品适配表的浏览记录；

批量处理模块，用于离线处理客户行为数据以及购买数据，若客户当天有在其他渠道购买产品行为，则更新金融产品适配表的购买记录；若浏览客户需要跟进以及再次营销，则生成该用户的浏览轨迹、停留时间、客户全景等数据通知到投资顾问通知到投资顾问交互单元。

9.根据权利要求6所述的一种金融产品推荐装置，其特征在于，所述投资顾问交互单元包括：

查询模块，用于查询客户全景信息以及金融产品全景信息，所述客户全景信息包括：客户基本信息，客户风险偏好，客户购买记录；所述金融产品全景信息包括金融产品基本信息，金融产品分类，金融产品评价指标；

客户服务日志管理模块，用于记录同客户沟通，以及客户需求信息；

金融产品分析管理模块，用于管理金融产品推荐效果信息；

客户消息推送模块，用于给客户推送相关性的金融产品。

10.根据权利要求6所述的一种金融产品推荐装置，其特征在于，所述客户交互单元包括：

金融产品展示模块，用于展示金融产品信息，同投资顾问交互单元的金融产品全景信息；

客户行为埋点模块，用于手机客户行为数据；

交易模块，用于提供客户交易功能。