CN110246012A - 基于社交数据的消费金融产品推荐方法、装置和设备 - Google Patents
基于社交数据的消费金融产品推荐方法、装置和设备 Download PDFInfo
- Publication number
- CN110246012A CN110246012A CN201910515363.1A CN201910515363A CN110246012A CN 110246012 A CN110246012 A CN 110246012A CN 201910515363 A CN201910515363 A CN 201910515363A CN 110246012 A CN110246012 A CN 110246012A
- Authority
- CN
- China
- Prior art keywords
- client
- consumer finance
- consumption
- social data
- finance product
- 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.)
- Pending
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于社交数据的消费金融产品推荐方法、装置、设备和存储介质,该方法包括:获取具有消费金融产品消费记录的第一客户的社交数据;通过社交数据,确定与第一客户相关联的第二客户;获取第二客户的消费信息;将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品。通过上述方法确定适合客户的消费金融产品,无需工作人员为客户推荐消费金融产品,将进一步的减少了对于工作人员人力的需求,同时也减少了对于工作人员判断客户适合的消费金融产品的经验的需求。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于社交数据的消费金融产品推荐方法、装置和设备。
背景技术
随着互联网技术的发展,有越来越多的企业开展消费金融业务,消费金融主要包括个人信贷业务。
目前,传统的开展消费金融的方式是:由服务提供商自己去寻找客户源,并且由服务提供商内部的工作人员分析客户对于个人信贷业务的需求,并由工作人员确定合适客户的个人信贷业务。这方式下,急度依赖员工的个人经验以及能力。
发明内容
有鉴于此,提供一种基于社交数据的消费金融产品推荐方法、装置和设备,以解决消费金融产品的交易中需要大量的人力,且对工作人员的经验具有较高的要求。
本发明采用如下技术方案:
第一方面,本申请提供一种基于社交数据的消费金融产品推荐方法,包括:
获取具有消费金融产品消费记录的第一客户的社交数据;
通过所述社交数据,确定与所述第一客户相关联的第二客户;
获取第二客户的消费信息;
将所述第二客户的消费信息输入至预先训练的客户评级模型,得到所述第二客户的消费金融产品消费评级;
在预先建立的消费金融产品推荐库中,根据所述第二客户的消费金融产品消费评级,确定向所述第二客户推荐的消费金融产品。
可选的,所述社交数据包括:群体属性信息和个体属性信息;
所述通过所述社交数据,确定与所述第一客户相关联的第二客户,包括:
确定与所述第一客户的群体属性信息相匹配的多个客户;
在所述多个客户中确定与所述第一客户的个体属性信息相匹配的客户为第二客户。
可选的,所述预先训练的客户评级模型的训练过程包括:
获取样本客户的消费信息和消费金融产品消费评级;
整合多个样本客户的消费信息和消费金融产品消费评级作为训练样本;
将所述训练样本输入预先构建的深度学习模型进行训练,得到所述客户评级模型。
可选的,所述预先建立的消费金融产品推荐库的建立过程包括:
获取样本客户的消费金融产品消费记录和样本客户的消费金融产品消费评级;
获取市场中可交易的消费金融产品的信息;
整合同一消费金融产品消费评级下的样本客户的消费金融产品消费记录;
根据所述市场中可交易的消费金融产品的信息和每一消费金融产品消费评级下的样本客户的消费金融产品消费记录,确定消费金融产品推荐库。
可选的,还包括:
基于市场中可交易的消费金融产品的信息,更新所述消费金融产品推荐库。
可选的,所述确定向所述第二客户推荐的消费金融产品之后,还包括:
基于所述第一客户的消费金融产品消费记录,调整所述向所述第二客户推荐的消费金融产品。
可选的,所述确定向所述第二客户推荐的消费金融产品之后,还包括:
整合待推荐消费金融产品的相关信息;
并向第二客户发送所述待推荐消费金融产品的相关信息。
第二方面,本申请还提供一种基于社交数据的消费金融产品推荐装置,包括:
第一获取模块,用于获取具有消费金融产品消费记录的第一客户的社交数据;
第一确定模块,用于通过所述社交数据,确定与所述第一客户相关联的第二客户;
第二获取模块,用于获取第二客户的消费信息;
评级模块,用于将所述第二客户的消费信息输入至预先训练的客户评级模型,得到所述第二客户的消费金融产品消费评级;
第二确定模块,用于在预先建立的消费金融产品推荐库中,根据所述第二客户的消费金融产品消费评级,确定向所述第二客户推荐的消费金融产品。
第三方面,本申请还提供一种基于社交数据的消费金融产品推荐设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于本申请第一方面提供的基于社交数据的消费金融产品推荐方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面,本申请还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如本申请第一方面提供的基于社交数据的消费金融产品推荐方法中各个步骤。
本发明采用以上技术方案,首先获取具有消费金融产品消费记录的第一客户的社交数据;通过社交数据,确定与第一客户相关联的第二客户;如此可以优先选择出可能具有消费金融产品购买能力的客户。之后获取第二客户的消费信息;将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品。通过上述方式,由执行上述方式的系统或者装置来确定向客户推荐的消费金融产品,而非由工作人员自主进行沟通、判断和选择。上述方式,减少了在消费金融产品的买卖过程中,销售方用在寻找客户源的人力,通过上述方法确定适合客户的消费金融产品,无需工作人员为客户推荐消费金融产品,将进一步的减少了对于工作人员人力的需求,同时也减少了对于工作人员判断客户适合的消费金融产品的经验的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于社交数据的消费金融产品推荐方法的流程图;
图2是本发明实施例一提供的预先训练的客户评级模型的训练过程的流程图;
图3是本发明实施例一提供的建立的消费金融产品推荐库的建立过程包括:
图4是本发明实施例一提供的一种基于社交数据的消费金融产品推荐方法的具体流程图;
图5是本发明实施例二提供的一种基于社交数据的消费金融产品推荐方法装置的结构示意图;
图6是本发明实施例三提供的一种基于社交数据的消费金融产品推荐方法设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
随着互联网技术的发展,有越来越多的企业开展消费金融业务,消费金融主要包括个人信贷业务。
目前,传统的开展消费金融的方式是:由服务提供商自己去寻找客户源,并且由服务提供商内部的工作人员分析客户对于个人信贷业务的需求,并由工作人员确定合适客户的个人信贷业务。这方式下,急度依赖员工的个人经验以及能力。
实施例一
图1为本发明实施例提供的一种基于社交数据的消费金融产品推荐方法的流程图,该方法可以由本发明实施例提供的智能设备或装置来执行。参考图1,该方法具体可以包括如下步骤:
S101、获取具有消费金融产品消费记录的第一客户的社交数据;
在获得第一客户同意的基础上,采集具有消费金融产品消费记录的第一客户的社交数据;社交数据一般是指人们在社交过程中展现出的数据。具体的:社交数据包括:客户自身的微信、QQ等通信工具上的数据,也包括客户在百度贴吧、脸书、快手、知乎等网站上的发表的看法或意见。社交数据是人在正常的生活中,展现出来的数据,社交数据往往可以真实的反应一个人的消费情况生活状况。
S102、通过社交数据,确定与第一客户相关联的第二客户;
需要了解的是,社交数据的量较大,且分类较为复杂。在本实施例中,主要将社交数据分为群体属性信息和个体属性信息;其中:
其中,群体属性信息包括但不限于:
客户通过信息发布平台发布数据信息的发布相关信息;例如,客户A在“XX技术论坛网站”的“XX网站”发布关于话题“某某消费金融产品是否值得购买”的发布数据信息,并且在该话题下,有客户B回复了关于话题“某某消费金融产品是否值得购买”的讨论的相关数据信息;网络设备端将上述与“使某某消费金融产品是否值得购买”相关的发布者“客户A”、回复者“客户B”、发布平台“XX网站”、发布版块“网络安全板块”、及发布话题等信息作为发布相关信息,并与客户的标识信息相关联的进记录。当然,群体属性信息还包括,基于客户A的标识信息,如客户A的即时通信软件、或其他应用客户端对应账号,来提取客户A的账号相应的好友列表并从好友列表中确定与客户A为好友关系的其他客户,如客户B对应的账号包含于客户A的好友列表中,则确定客户A与客户B为好友关系。社交平台以微信为例:例如客户A关注一些名牌公众号和一些股票相关的公众号。客户A的一位微信好友同样关注了上述的名牌公众号和上述的股票相关的公众号。且客户A与这位微信好友的聊天中提及了股票相关的话题,那么可以确定这位微信好友为与客户A相关联的多个客户中的一个。可以对这位微信好友作进一步的判断,判断这位微信号有是否可以成为第二客户。
其中,个体属性信息包括但不限于:客户职业信息、客户性别和年龄信息、客户偏好设置。例如,客户偏好设置为客户在应用程序客户端的客户资料中手动设置的个人年龄、性别、住址、爱好、职业等个人信息,网络设备端会获取到客户设置的客户偏好设置,并将客户偏好设置与客户的标识信息相关联的进行记录。
通过社交数据,确定与第一客户相关联的第二客户,包括:
确定与第一客户的群体属性信息相匹配的多个客户;
在多个客户中确定与第一客户的个体属性信息相匹配的客户为第二客户。
需要说明的是,第二客户的数量可以是多个,也可以是0个。
例如,第一客户A购买了某一种消费金融产品,通过分析第一客户A的群体属性数据,例如:同一微信聊天群,且经常发生互动,对于一些平台上的关于购物问题发表过相近的言论,(需要注意的是,本申请中主要分析群体属性信息关于消费和通信好友相关的部分)例如,两个客户都关注了雷军、黄章,他们很可能都对智能手机感兴趣。两个客户均关注了某股票公众号或者股票高手的微博,他们很可能都对炒股感兴趣。查找到与第一客户A相匹配的多个客户:客户B、客户C、客户D、客户E、客户F。之后分别比较和客户B、客户C、客户D、客户E、客户F的个体属性信息和第一客户A的个体属性信息(需要注意的是,本申请中主要分析个体属性信息中职业、收入、年龄等与购买力相关的个体属性),例如:客户B和客户A是同事或从事同一职业,且工资相仿。又例如:客户D和客户A购买消费金额类,且客户D和客户A在同一生产链中具有商业合作。如此若确定客户B、客户D、与第一客户A的属性比较匹配,则将客户B和客户D均设置为第二客户。
需要说明的是。本申请中通过购买过消费金融产品的客户为基点,找寻与该客户具有社交往来且相近的人。基于目前社会上的物以类聚,人以群分的特点:(例如:爱旅游的人往往会加入多个由爱旅游的人构成的群聊。人往往或者与自己具有类似购买能力的人,对于同一商品具有类似的看法。)且随着社会的发展一个人的同学,生意伙伴,朋友中往往有很多人和本人具有相近的需求。本申请提供的方案以此为根据,通过一个人的社交数据,确定第一客户身边的人中对于消费金融产品具有需求的第二客户。
S103、获取第二客户的消费信息;
为了更好的判断第二客户是否有能力进行消费金融产品的购买,进一步的确定第二客户的消费能力,需要获取第二客户的消费信息,并对其进行分析。具体的,消费信息包括但不限于:第二客户的网上购物记录,在某购物网站的购物车内代付款的产品,用在生活中各个项目上的金额,例如用在旅游上的金额,常去吃饭的餐馆等。消费信息主要是指客户的金钱指出的记录,通过消费信息,可以展示一个人的购买能力。
S104、将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;
需要说明的是,此处第二客户的消费金融产品消费评级可以但不限于为:按照客户购买力的大小分为,1~5,5个等级。当然可以是其他的分级方式在此不一一列举。
预先训练的客户评级模型则是基于目前的深度学习建立的一种神经网络模型。图2是本发明实施例一提供的预先训练的客户评级模型的训练过程的流程图;参照图2,预先训练的客户评级模型的训练过程包括:
S201获取样本客户的消费信息和消费金融产品消费评级;
S202整合多个样本客户的消费信息和消费金融产品消费评级作为训练样本;
S203将训练样本输入预先构建的深度学习模型进行训练,得到客户评级模型。
其中,样本客户的来源可以是公司或企业内部的客户消费金融产品交易记录以及客户的消费信息,或者是目前可以在网络上找到并确定的消费金融产品交易记录以及交易者的消费信息。
深度学习(Deep Learning,DL)是机器学习的技术和研究领域之一,通过建立具有阶层结构的人工神经网络(Artifitial Neural Networks,ANNs),在计算系统中实现人工智能。由于阶层ANN能够对输入信息进行逐层提取和筛选,因此深度学习具有表征学习(representation learning)能力,可以实现端到端的监督学习和非监督学习。此外,深度学习也可参与构建强化学习(reinforcement learning)系统,形成深度强化学习。深度学习所使用的阶层ANN具有多种形态,其阶层的复杂度被通称为“深度”。按构筑类型,深度学习的形式包括多层感知器、卷积神经网络、循环神经网络、深度置信网络和其它混合构筑。深度学习使用数据对其构筑中的参数进行更新以达成训练目标,该过程被通称为学习。学习的常见方法为梯度下降算法及其变体,一些统计学习理论被用于学习过程的优化。
在应用方面,深度学习被用于对复杂结构和大样本的高维数据进行学习,按研究领域包括计算机视觉、自然语言处理、生物信息学、自动控制等,且在人像识别、机器翻译、自动驾驶、数据整合分类等现实问题中取得了成功。
通过训练好的深度学习的模型,和第二客户的消费数据,第二客户进行评级。不仅仅降低了整个基于社交数据的消费金融产品推荐过程中的人力需求,还排除了员工个人看法和经历对于判断结果的影响,使得对于第二客户的消费的评级更为客观,准确。
S105、在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品。
需要说明的是,在消费金融产品推荐库,包含有针对各个消费评级的客户提供的基于社交数据的消费金融产品推荐方案。只需要确定客户的消费评级,便可以基于消费评级进行在基于社交数据的消费金融产品推荐方案种找到合适的基于社交数据的消费金融产品推荐方案。如此可以直接通过网络向客户发送推荐的消费金融产品或者通过电话由相关工作人员向客户发送推荐的消费金融产品。
具体的,消费金融产品推荐库的建立过程包括:
S301、获取样本客户的消费金融产品消费记录和样本客户的消费金融产品消费评级;
S302、获取市场中可交易的消费金融产品的信息;
S303、整合同一消费金融产品消费评级下的样本客户的消费金融产品消费记录;
S304、根据市场中可交易的消费金融产品的信息和每一消费金融产品消费评级下的样本客户的消费金融产品消费记录,确定消费金融产品推荐库。
需要说明的是,样本的数量越多越好,且样本的时间越近越好。将最近一段时间内的大量的各个消费金融产品消费评级内的样本客户的消费金融产品消费记录进行统计和汇总,就可以得到每一各消费金融产品消费评级内的客户对于消费金融产品的采购方案。如此便可以向客户推荐合适该客户的消费金融产品消费评级的待推荐消费金融产品。
需要说明的是,本实施例中的待推荐消费金融产品,可以是同一种类多个消费金融产品,可以是多个种类的消费金融产品的结合。例如,待推荐消费金融产品中可以为企业A的某款信贷。待推荐消费金融产品还可以为企业A的某款信贷。
当然,由于消费金融产品的市场是不断变化的。每种消费金融产品的在市场上的价格是波动的,且某一类型的消费金融产品可能存在售空的情况。例如:因此向客户进行消费金融产品的推荐时,一定要注意时限。
为了保证推荐的消费金融产品的时效性,本申请提供的方案中需要基于市场中可交易的消费金融产品的信息,更新消费金融产品推荐库。如此设置可以使得为客户推荐的消费金融产品为当下可以进行交易的消费金融产品,而非过期的消费金融产品信息。
当然,为了更好地为客户提供消费金融产品的参考,在为确定针对某一客户的待推荐消费金融产品后,还需要向客户发送待推荐消费金融产品的相关信息。例如:若待推荐消费金融产品为企业A的某款信贷,则推送企业A的某款信贷近期的成交量,企业A的某款信贷说明;若待推荐消费金融产品为企业A的另一款某款信贷,则推送企业A的另一款某款信贷近期的成交量,企业A的另一款某款信贷说明。这些整合后的信息可以为客户是否购买该消费金融产品提供参考。
进一步的,为了更好的向客户推荐出符合客户购买期望的消费金融产品。本实施例提供的方案中,还可以基于第一客户的消费金融产品消费记录,调整向第二客户推荐的消费金融产品。
由于第二客户是基于第一客户的社交数据找到的,所以第二客户对于消费金融产品的期望有很大可能与第一客户对消费金融产品的期望类似,或者说,第二客户对于消费金融产品的期望有很大可能受到第一客户对消费金融产品的期望类似。需要了解的是,通过上述方案确定的第二客户很可能是第一客户的朋友,同事等人。这些人在进行消费金融产品的购买时,往往会交流对于消费金融产品的想法。或者对于把消费金融产品具有类似的需求。例如需求可以为:希望获得时间较短的小额信贷产品,或者,希望获得时间较长的信贷产品。所以可以基于第一客户的消费金融产品消费记录,调整向第二客户推荐的消费金融产品。
图4是本发明实施例一提供的一种基于社交数据的消费金融产品推荐方法的具体流程图;参照图4本申请提供的基于社交数据的消费金融产品推荐方法,包括:
S401,获取具有消费金融产品消费记录的第一客户的社交数据;
S402,确定与第一客户的群体属性信息相匹配的多个客户;
S403,在多个客户中确定与第一客户的个体属性信息相匹配的客户为第二客户;
S404,获取第二客户的消费信息;
S405,将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;
S406,在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品;
S407,基于市场中可交易的消费金融产品的信息,更新消费金融产品推荐库。
S408,基于第一客户的消费金融产品消费记录,调整向第二客户推荐的消费金融产品。
S409,整合待向第二客户推荐的消费金融产品的相关信息;
S410,并向第二客户发送整合的相关信息;
通过上述步骤,可以基于社交数据进行消费金融产品推荐,提高消费金融产品推荐的成功率,同时降低整个过程对于人力的依赖,降低整个过程对于工作人员的经验的依赖。
实施例二
图5是本发明实施例二提供的一种基于社交数据的消费金融产品推荐装置的结构示意图,如图5所示,该装置具体可以包括:
第一获取模块501,用于获取具有消费金融产品消费记录的第一客户的社交数据;
第一确定模块502,用于通过社交数据,确定与第一客户相关联的第二客户;
第二获取模块503,用于获取第二客户的消费信息;
评级模块504,用于将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;
第二确定模块505,用于在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品。
本申请实施例提供的基于社交数据的消费金融产品推荐装置的具体实施方案可以参考以上实施例一中基于社交数据的消费金融产品推荐装置方法的实施方式,此处不再赘述。
本发明采用以上技术方案,首先获取具有消费金融产品消费记录的第一客户的社交数据;通过社交数据,确定与第一客户相关联的第二客户;如此可以优先选择出可能具有消费金融产品购买能力的客户。之后获取第二客户的消费信息;将第二客户的消费信息输入至预先训练的客户评级模型,得到第二客户的消费金融产品消费评级;在预先建立的消费金融产品推荐库中,根据第二客户的消费金融产品消费评级,确定向第二客户推荐的消费金融产品。通过上述方式,由执行上述方式的系统或者装置来确定向客户推荐的消费金融产品,而非由工作人员自主进行沟通、判断和选择。上述方式,减少了在消费金融产品的买卖过程中,销售方用在寻找客户源的人力,通过上述方法确定适合客户的消费金融产品,无需工作人员为客户推荐消费金融产品,将进一步的减少了对于工作人员人力的需求,同时也减少了对于工作人员判断客户适合的消费金融产品的经验的需求。
实施例三
图6是本发明实施例三提供的一种基于社交数据的消费金融产品推荐设备的结构示意图,如图6所示,该设备具体可以包括:处理器601,以及与处理器601相连接的存储器602;
存储器602用于存储计算机程序,计算机程序至少用于执行实施例一提供的基于社交数据的消费金融产品推荐方法;
处理器601用于调用并执行存储器中的计算机程序。
本申请实施例提供的基于社交数据的消费金融产品推荐设备的具体实施方案可以参考以上实施例一中基于社交数据的消费金融产品推荐装置方法的实施方式,此处不再赘述。
实施例四
本实施例提供一种存储介质。存储介质存储有计算机程序,计算机程序被处理器执行时,实现如实施例一提供的基于社交数据的消费金融产品推荐方法中各个步骤。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于社交数据的消费金融产品推荐方法,其特征在于,包括:
获取具有消费金融产品消费记录的第一客户的社交数据;
通过所述社交数据,确定与所述第一客户相关联的第二客户;
获取第二客户的消费信息;
将所述第二客户的消费信息输入至预先训练的客户评级模型,得到所述第二客户的消费金融产品消费评级;
在预先建立的消费金融产品推荐库中,根据所述第二客户的消费金融产品消费评级,确定向所述第二客户推荐的消费金融产品。
2.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,所述社交数据包括:群体属性信息和个体属性信息;
所述通过所述社交数据,确定与所述第一客户相关联的第二客户,包括:
确定与所述第一客户的群体属性信息相匹配的多个客户;
在所述多个客户中确定与所述第一客户的个体属性信息相匹配的客户为第二客户。
3.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,所述预先训练的客户评级模型的训练过程包括:
获取样本客户的消费信息和消费金融产品消费评级;
整合多个样本客户的消费信息和消费金融产品消费评级作为训练样本;
将所述训练样本输入预先构建的深度学习模型进行训练,得到所述客户评级模型。
4.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,所述预先建立的消费金融产品推荐库的建立过程包括:
获取样本客户的消费金融产品消费记录和样本客户的消费金融产品消费评级;
获取市场中可交易的消费金融产品的信息;
整合同一消费金融产品消费评级下的样本客户的消费金融产品消费记录;
根据所述市场中可交易的消费金融产品的信息和每一消费金融产品消费评级下的样本客户的消费金融产品消费记录,确定消费金融产品推荐库。
5.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,还包括:
基于市场中可交易的消费金融产品的信息,更新所述消费金融产品推荐库。
6.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,所述确定向所述第二客户推荐的消费金融产品之后,还包括:
基于所述第一客户的消费金融产品消费记录,调整所述向所述第二客户推荐的消费金融产品。
7.根据权利要求1所述的基于社交数据的消费金融产品推荐方法,其特征在于,所述确定向所述第二客户推荐的消费金融产品之后,还包括:
整合待向所述第二客户推荐的消费金融产品的相关信息;
并向第二客户发送整合的相关信息。
8.一种基于社交数据的消费金融产品推荐装置,其特征在于,包括:
第一获取模块,用于获取具有消费金融产品消费记录的第一客户的社交数据;
第一确定模块,用于通过所述社交数据,确定与所述第一客户相关联的第二客户;
第二获取模块,用于获取第二客户的消费信息;
评级模块,用于将所述第二客户的消费信息输入至预先训练的客户评级模型,得到所述第二客户的消费金融产品消费评级;
第二确定模块,用于在预先建立的消费金融产品推荐库中,根据所述第二客户的消费金融产品消费评级,确定向所述第二客户推荐的消费金融产品。
9.一种基于社交数据的消费金融产品推荐设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1-7任一项所述的基于社交数据的消费金融产品推荐方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的基于社交数据的消费金融产品推荐方法中各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515363.1A CN110246012A (zh) | 2019-06-14 | 2019-06-14 | 基于社交数据的消费金融产品推荐方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910515363.1A CN110246012A (zh) | 2019-06-14 | 2019-06-14 | 基于社交数据的消费金融产品推荐方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110246012A true CN110246012A (zh) | 2019-09-17 |
Family
ID=67887303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910515363.1A Pending CN110246012A (zh) | 2019-06-14 | 2019-06-14 | 基于社交数据的消费金融产品推荐方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110246012A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852785A (zh) * | 2019-10-12 | 2020-02-28 | 中国平安人寿保险股份有限公司 | 用户分级方法、装置及计算机可读存储介质 |
CN112487286A (zh) * | 2020-11-23 | 2021-03-12 | 中信银行股份有限公司 | 目标用户确定方法、装置、系统、电子设备及介质 |
CN112669136A (zh) * | 2020-12-10 | 2021-04-16 | 前海飞算科技(深圳)有限公司 | 基于大数据的金融产品推荐方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150363862A1 (en) * | 2014-06-13 | 2015-12-17 | Connect Financial LLC | Financial product recommendation for a consumer |
CN107895277A (zh) * | 2017-09-30 | 2018-04-10 | 平安科技(深圳)有限公司 | 在应用程序中推送贷款广告的方法、电子装置及介质 |
CN108494660A (zh) * | 2018-02-27 | 2018-09-04 | 北京安云世纪科技有限公司 | 朋友圈中金融业务信息的处理方法、装置及移动终端 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
CN109087183A (zh) * | 2018-09-28 | 2018-12-25 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机可读存储介质和计算机设备 |
-
2019
- 2019-06-14 CN CN201910515363.1A patent/CN110246012A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150363862A1 (en) * | 2014-06-13 | 2015-12-17 | Connect Financial LLC | Financial product recommendation for a consumer |
CN107895277A (zh) * | 2017-09-30 | 2018-04-10 | 平安科技(深圳)有限公司 | 在应用程序中推送贷款广告的方法、电子装置及介质 |
CN108494660A (zh) * | 2018-02-27 | 2018-09-04 | 北京安云世纪科技有限公司 | 朋友圈中金融业务信息的处理方法、装置及移动终端 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
CN109087183A (zh) * | 2018-09-28 | 2018-12-25 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机可读存储介质和计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852785A (zh) * | 2019-10-12 | 2020-02-28 | 中国平安人寿保险股份有限公司 | 用户分级方法、装置及计算机可读存储介质 |
CN110852785B (zh) * | 2019-10-12 | 2023-11-21 | 中国平安人寿保险股份有限公司 | 用户分级方法、装置及计算机可读存储介质 |
CN112487286A (zh) * | 2020-11-23 | 2021-03-12 | 中信银行股份有限公司 | 目标用户确定方法、装置、系统、电子设备及介质 |
CN112487286B (zh) * | 2020-11-23 | 2024-05-28 | 中信银行股份有限公司 | 目标用户确定方法、装置、系统、电子设备及介质 |
CN112669136A (zh) * | 2020-12-10 | 2021-04-16 | 前海飞算科技(深圳)有限公司 | 基于大数据的金融产品推荐方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | A fuzzy TOPSIS method for performance evaluation of reverse logistics in social commerce platforms | |
Lin et al. | Judging borrowers by the company they keep: Friendship networks and information asymmetry in online peer-to-peer lending | |
Ferreira et al. | A multiple criteria framework to evaluate bank branch potential attractiveness | |
Kazak et al. | Artificial intelligence in the tourism sphere | |
CN106062787B (zh) | 用于电子邮件传输管理的系统和方法 | |
US20210097615A1 (en) | Tool for assisting user modification of a dynamic user portfolio | |
Shi‐Nash et al. | Data analytics and predictive analytics in the era of big data | |
US8204790B1 (en) | System and method for matching buyers and sellers | |
Pasquale | Tech platforms and the knowledge problem | |
US11651315B2 (en) | Intelligent diversification tool | |
CN110246012A (zh) | 基于社交数据的消费金融产品推荐方法、装置和设备 | |
CN111737546A (zh) | 确定实体业务属性的方法及装置 | |
Montes et al. | Teranga Go!: Carpooling Collaborative Consumption Community with multi-criteria hesitant fuzzy linguistic term set opinions to build confidence and trust | |
Rashi et al. | New personalized social approach based on flexible integration of web services | |
Pires et al. | Confronting security and privacy challenges in digital marketing | |
US11080605B1 (en) | Interest matched interaction initialization | |
US11070525B2 (en) | Method and system of privacy enablement in a family networking computing platform | |
Frohmann | Digital Pricing: A Guide to Strategic Pricing for the Digital Economy | |
CN110889716A (zh) | 识别潜在注册用户的方法及装置 | |
Candelon et al. | The Rise of AI-Powered Companies | |
Li | Consumer behavior analysis model based on machine learning | |
CN110347923B (zh) | 一种可回溯的快速裂变式构建用户画像的方法 | |
Denyer Willis | ‘Trust and safety’: exchange, protection and the digital market–fortress in platform capitalism | |
Isabels et al. | Evaluating and Ranking Metaverse Platforms Using Intuitionistic Trapezoidal Fuzzy VIKOR MCDM: Incorporating Score and Accuracy Functions for Comprehensive Assessment | |
Huang | Influence of Cultural Differences on the Establishment of Consumer Trust in a Socialized Cross‐Border E‐Commerce |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |