CN110580634A - 基于互联网的业务推荐方法、装置及存储介质 - Google Patents

基于互联网的业务推荐方法、装置及存储介质 Download PDF

Info

Publication number
CN110580634A
CN110580634A CN201810590103.6A CN201810590103A CN110580634A CN 110580634 A CN110580634 A CN 110580634A CN 201810590103 A CN201810590103 A CN 201810590103A CN 110580634 A CN110580634 A CN 110580634A
Authority
CN
China
Prior art keywords
user
reference data
data
feature tag
module
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
Application number
CN201810590103.6A
Other languages
English (en)
Inventor
殷超
曹雄杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201810590103.6A priority Critical patent/CN110580634A/zh
Publication of CN110580634A publication Critical patent/CN110580634A/zh
Pending legal-status Critical Current

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于互联网的业务推荐方法、装置及存储介质，该方法包括：获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；根据各所述参考数据确定所述第一用户的特征标签；根据所述第一用户的特征标签，确定对应的营销模式，并采用所述营销模式向所述第一用户推荐业务。本发明提供的基于互联网的业务推荐方法、装置及存储介质，能够根据用户的实际需求准确地推荐业务，而且能够挖掘出潜在的意向客户。

Description

基于互联网的业务推荐方法、装置及存储介质
技术领域
本发明涉及计算机应用技术，尤其涉及一种基于互联网的业务推荐方法、装置及存储介质。
背景技术
在移动互联网快速发展的背景下，越来越多的用户转移到通过移动终端来使用金融服务，其中，理财就是一个很重要的方面。
在现有技术中，商家为了让更多的用户了解理财服务，通常会向用户宣传营销自己的理财业务或理财产品，以使用户能够及时了解相关服务。现有技术中，通常是通过群发消息的方式，统一向相关用户推荐自己的理财业务或理财产品。
然而，现有的营销模式无法根据用户的实际需求准确地推荐理财业务，而且很难挖掘出潜在的意向客户。
发明内容
为解决现有技术中存在的问题，本发明提供一种基于互联网的业务推荐方法、装置及存储介质，以根据用户的实际需求准确地推荐业务，而且能够挖掘出潜在的意向客户。
第一方面，本发明实施例提供一种基于互联网的业务推荐方法，包括：
获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；
根据各所述参考数据确定所述第一用户的特征标签；
根据所述第一用户的特征标签，确定对应的营销模式，并采用所述营销模式向所述第一用户推荐业务。
如上所示的方法中，所述根据各所述参考数据确定所述第一用户的特征标签，包括：
将各所述参考数据输入预设的机器学习模型，获得各所述参考数据对应的权值；
根据各所述参考数据以及对应的权值，计算所述第一用户的用户分值；
根据预设的用户分值和特征标签之间的对应关系，确定所述用户分值对应的特征标签。
如上所示的方法中，所述方法还包括：
获取至少一个第二用户的参考数据；
根据所述第二用户的参考数据，生成训练样本；
对所述训练样本进行训练，得到所述机器学习模型。
如上所示的方法中，所述方法还包括：
根据所述第一用户的参考数据，对所述机器学习模型进行优化处理，以调整各所述参考数据对应的权值。
如上所示的方法中，所述根据所述第一用户的特征标签，确定对应的营销模式，包括：
根据预设的特征标签和营销模式之间的对应关系，确定所述第一用户的特征标签对应的营销模式。
如上所示的方法中，所述采用所述营销模式向所述第一用户推荐业务，包括：
判断所述第一用户是否登录出行应用程序APP；
若所述第一用户登录了所述出行APP，则通过所述APP采用所述营销模式向所述第一用户推荐业务。
如上所示的方法中，所述方法还包括：
若所述第一用户未登录所述出行APP，则判断所述第一用户的特征标签是否为预设特征标签；
若所述第一用户的特征标签为预设特征标签，则通过短信采用所述营销模式向所述第一用户推荐业务。
如上所示的方法中，所述交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。
第二方面，本发明实施例提供一种基于互联网的业务推荐装置，包括：
获取模块，用于获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；
确定模块，用于根据各所述参考数据确定所述第一用户的特征标签；
所述确定模块，还用于根据所述第一用户的特征标签，确定对应的营销模式；
推荐模块，用于采用所述营销模式向所述第一用户推荐业务。
如上所示的装置中，所述确定模块，具体用于：
将各所述参考数据输入预设的机器学习模型，获得各所述参考数据对应的权值；
根据各所述参考数据以及对应的权值，计算所述第一用户的用户分值；
根据预设的用户分值和特征标签之间的对应关系，确定所述用户分值对应的特征标签。
如上所示的装置中，所述装置还包括：生成模块和训练模块；其中，
所述获取模块，还用于获取至少一个第二用户的参考数据；
所述生成模块，用于根据所述第二用户的参考数据，生成训练样本；
所述训练模块，用于对所述训练样本进行训练，得到所述机器学习模型。
如上所示的装置中，所述装置还包括：
处理模块，用于根据所述第一用户的参考数据，对所述机器学习模型进行优化处理，以调整各所述参考数据对应的权值。
如上所示的装置中，所述确定模块，具体用于：
根据预设的特征标签和营销模式之间的对应关系，确定所述第一用户的特征标签对应的营销模式。
如上所示的装置中，所述推荐模块，具体用于：
判断所述第一用户是否登录出行应用程序APP；
若所述第一用户登录了所述出行APP，则通过所述APP采用所述营销模式向所述第一用户推荐业务。
如上所示的装置中，所述装置还包括：
判断模块，用于在所述第一用户未登录所述出行APP时，判断所述第一用户的特征标签是否为预设特征标签；
所述推荐模块，还用于在所述第一用户的特征标签为预设特征标签时，通过短信采用所述营销模式向所述第一用户推荐业务。
如上所示的装置中，所述交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。
第三方面，本发明实施例提供一种服务器，包括：
处理器；
存储器；以及
计算机程序；
其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如第一方面所述的方法的指令。
第四方面，本发明实施例提供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程序，所述计算机程序使得服务器执行如第一方面所述的方法。
本发明提供的基于互联网的业务推荐方法、装置及存储介质，通过获取第一用户的参考数据，并根据各参考数据确定第一用户的特征标签，然后根据第一用户的特征标签，确定对应的营销模式，并采用营销模式向第一用户推荐业务，其中，参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据。由于服务器在获取到第一用户的参考数据后，将根据该些参考数据确定第一用户的特征标签，其中，不同的用户具有不同的特征标签，这样，将根据第一用户的特征标签，确定对应的营销模式，从而采用该营销模式向第一用户推荐业务，从而可以根据用户的实际需求准确地向用户推荐业务，而且可以挖掘出潜在的意向客户。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于互联网的业务推荐方法的系统架构图；
图2为本发明实施例提供的基于互联网的业务推荐方法实施例一的流程示意图；
图3为通过出行APP向用户推荐业务的示意图；
图4为本发明实施例提供的基于互联网的业务推荐装置实施例一的结构示意图；
图5为本发明实施例提供的基于互联网的业务推荐装置实施例二的结构示意图；
图6A示出了本发明服务器的一种可能的结构示意图；
图6B示出了本发明服务器的另一种可能的结构示意图。
具体实施方式
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，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供的基于互联网的业务推荐方法可以应用于向用户推荐业务的场景中，尤其可以应用于采用不同的营销模式，向不同的用户推荐不同的理财业务或理财产品的场景中。目前，商家通常是通过群发消息的方式，统一向相关用户推荐自己的理财业务或理财产品。但是，现有的营销模式无法根据用户的实际需求准确地推荐业务，而且很难挖掘出潜在的意向客户。
本发明实施例考虑到上述问题，服务器通过获取第一用户的参考数据，并根据各参考数据确定第一用户的特征标签，然后根据第一用户的特征标签，确定对应的营销模式，并采用营销模式向第一用户推荐业务，其中，参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据。由于服务器在获取到第一用户的参考数据后，将根据该些参考数据确定第一用户的特征标签，其中，不同的用户具有不同的特征标签，这样，将根据第一用户的特征标签，确定对应的营销模式，从而采用该营销模式向第一用户推荐业务，从而可以根据用户的实际需求准确地向用户推荐业务，而且可以挖掘出潜在的意向客户。
图1为本发明实施例提供的基于互联网的业务推荐方法的系统架构图，如图1所示，该系统中包括有面向应用接口模块、模型评测优化模块、数据建模分析模块和数据采集整理模块，其中，数据采集整理模块通过拉取各出行业务系统数据库、日志及消息队列等方式，获取用户的参考数据，如获取个人数据、出行行为数据、交易行为数据和服务评价数据中的至少一个，另外，为了得到有效高质的数据，数据采集整理模块经过统一ID、规则校验、噪声过滤、主成分分析等数据清洗方式将获取的参考数据导入数据仓库中进行保存。数据建模分析模块利用分布式计算对获取到的参考数据进行信息整合，生成训练样本并提取特征数据，通过有监督或无监督的建模方式拟合出用户分值分布以及用户的特征标签，从而得到对应的营销模式。模型评测优化模块通过测试集验证、线上小流量试验、A/B测试等对机器学习模型进行评估，根据测试反馈结果对机器学习模型进行优化。面向应用接口模块用于面向理财营销等业务输出用户分值数据分析及用户的特征标签。由于不同的用户可以采用不同的营销模式，从而可以提高推荐的准确率，提升用户的粘性。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的基于互联网的业务推荐方法实施例一的流程示意图。如图2所示，本发明实施例提供的基于互联网的业务推荐方法包括如下步骤：
步骤201：获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据。
在本实施例中，第一用户可以包括司机和/或乘客等，当然，也可以包括其他的用户。
另外，个人数据包括如下信息中的至少一个：年龄、工作信息、婚姻、学历、实名信息、银行卡和手机号等。
出行行为数据包括如下信息中的至少一个：出行订单数量、出行的公里数、订单金额、有无取消订单的记录、拼车数、司机是否守时或者是否提前到达、司机的刷单行为或司机在特殊天气是否接单等。
在一种可能的实现方式中，交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。其中，支付行为数据包括如下信息中的至少一个：订单完成后乘客是否立即支付或乘客是否被投诉拒绝支付；提现行为数据包括如下信息中的至少一个：提现金额或提现的笔数、窗口期提现；信用行为数据包括如下信息中的至少一个：信用付数据或征信数据。
服务评价数据包括如下信息中的至少一个：差评率或投诉率等。
在实际应用中，服务器可以通过拉取各出行业务系统数据库、日志及消息队列等方式，获取第一用户的参考数据。进一步地，为了得到有效高质的数据，经过统一ID、规则校验、噪声过滤或主成分分析等数据清洗方式将获取到的参考数据导入数据仓库，并进行保存。
步骤202：根据各参考数据确定第一用户的特征标签。
在本实施例中，服务器在获取到第一用户的参考数据后，将根据获取到的各参考数据确定第一用户的特征标签，其中，特征标签可以用于标识用户的信用值，特征标签例如可以包括普通用户、优质用户、高优用户和白金用户等。例如：白金用户的信用值最高，其次为高优用户等，再其次为优质用户，最后为普通用户。
在一种可能的实现方式中，根据各参考数据确定第一用户的特征标签，可以通过如下方式进行：将各参考数据输入预设的机器学习模型，获得各参考数据对应的权值；根据各参考数据以及对应的权值，计算用户的用户分值；根据预设的用户分值和特征标签之间的对应关系，确定用户分值对应的特征标签。
其中，预设的机器学习模型为预先将获取到的大量训练样本进行训练后得到的。具体的，服务器通过获取至少一个第二用户的参考数据，并根据第二用户的参考数据，生成训练样本，然后对训练样本进行训练，得到该机器学习模型。其中，第二用户的参考数据也包括个人数据、出行行为数据、交易行为数据和服务评价数据中的至少一个。服务器通过各业务线或者业务系统数据库，可以获取到多个第二用户的参考数据，并将获取到的参考数据作为训练样本进行训练，从而可以得到机器学习模型。
进一步地，服务器在获取到第一用户的参考数据后，将该参考数据输入到上述机器学习模型中，通过有监督或无监督的建模方式，可以拟合出各参考数据对应的权值。例如，若参考数据包括有个人数据、出行行为数据、交易行为数据和服务评价数据，服务器将上述各数据输入至预设的机器学习模型进行学习后，可以得到个人数据的权值为0.1，出行行为数据的权值为0.3，交易行为数据的权值为0.4及评价数据的权值为0.2。
另外，服务器在将参考数据输入至预设的机器学习模型后，通过有监督或无监督的建模方式，可以拟合出各参考数据对应的分值。例如：若用户A 的个人数据中年龄为30、工作为工程师、学历为研究生，则通过机器学习模型学习后，可以得到用户A的个人数据的分值为80分。又例如：若用户B 的个人数据中年龄为60、无工作、学历为大专，则通过机器学习模型学习后，可以得到用户B的个人数据的分值为60分。再例如，若用户C的出行行为数据中，无取消订单行为、提前到达的次数超过预设值、无刷单行为，则说明该用户C的出行行为较好，且信誉较高，此时，通过机器学习模型学习后，可以得到用户C的出行行为数据的分值为85分等等。
在得到各参考数据对应的分值以及各参考数据对应的权值后，则可以计算出该第一用户的用户分值。例如：若用户A的参考数据包括个人数据、出行行为数据、交易行为数据和服务评价数据，且将上述各参考数据输入至预设的机器学习模型中后，分别得到个人数据的分值为70，且对应的权值为0.1，出行行为数据的分值为80，且对应的权值为0.3、交易行为数据的分值为90，且对应的权值为0.4，以及服务评价数据的分值为85，且对应的权值为0.2，这样，服务器将可以计算出该用户A的用户分值为84。
其中，用户分值越高，说明该用户的信誉度越好。
进一步地，服务器中将预先存储有用户分值和特征标签之间的对应关系，例如用户分值在60-70分时，对应的特征标签为普通用户，用户分值在71-80 分时，对应的特征标签为优质用户，用户分值在81-90分时，对应的特征标签为高优用户，用户分值在91-100分时，对应的特征标签为白金用户。
服务器在计算出第一用户的用户分值后，将根据预先存储的用户分值和特征标签之间的对应关系，即可确定出该用户分值对应的特征标签。例如：若计算出的第一用户的用户分值为84，则可以确定出该第一用户的特征标签为高优用户。
另外，需要进行说明的是，在通过机器学习模型学习权重值和用户分值时，也可以进一步根据第一用户的参考数据，对该机器学习模型进行优化处理，以调整各参考数据对应的权值。例如：可以根据各参考数据的重要性，适当调整各参考数据的权值，如将个人数据的权值调低，将交易行为数据的权值调高等。
由于可以根据获取到的参考数据对机器学习模型进行优化处理，以调整各参考数据对应的权值，这样可以使得各参考数据对应的权值更加合理，从而使确定出的用户的特征标签更加准确。
步骤203：根据第一用户的特征标签，确定对应的营销模式，并采用营销模式向第一用户推荐业务。
在本实施例中，营销模式用于表征业务的级别或者等级，对于同一个业务来说，不同的营销模式，用于表示该业务中的不同级别，例如：对于体验金理财业务来说，营销模式可以包括：体验金额2000、且体验天数为2天，或者体验金额3000、且体验天数为3天，或者体验金额5000、且体验天数为 5天等等。
另外，服务器中将会预先存储有特征标签和营销模式之间的对应关系，例如：假设该理财业务为体验金，若用户的特征标签为普通用户，则营销模式对应为体验金额2000，体验天数为2天，若用户的特征标签为优质用户，则营销模式对应为体验金额3000，体验天数为3天等等。
服务器在确定出第一用户的特征标签后，将根据预设的特征标签和营销模式之间的对应关系，确定第一用户的特征标签对应的营销模式，从而采用营销模式向第一用户推荐业务。举例来说，在服务器确定出用户A的特征标签为白金用户，则可以确定出对应的营销模式为体验金额5000，体验天数为 5天，这样，服务器将会采用该种营销模式，向用户A推荐理财业务。由于根据不同的用户的特征标签，采用不同的营销模式向用户推荐理财业务，这样，不仅可以根据用户的实际需求准确地向用户推荐理财业务，提高推荐的准确率，以提升用户的粘性，而且可以挖掘出潜在的意向客户。
另外，在一种可能的实现方式中，采用营销模式向第一用户推荐业务时，可以通过如下方式进行：判断第一用户是否登录出行应用程序APP，若第一用户登录了出行APP，则通过APP采用营销模式向第一用户推荐业务。
具体的，服务器在确定出对应的营销模式后，将结合用户的出行场景或出行时间，采用确定出的营销模式及营销策略，向第一用户推荐业务。其中，服务器可以判断第一用户是否登录出行应用程序(application；APP)，若登录了出行APP，则说明此时第一用户正在使用该出行APP，如乘客正在通过该出行APP叫车，或者司机正在通过该出行APP接单等，此时，可以通过该出行APP，采用确定出的营销模式向该用户推荐业务。
例如：图3为通过出行APP向用户推荐业务的示意图，如图3所示，当服务器在确定出用户登录了该出行APP后，将会向安装该APP的终端发送确定出的营销模式以及对应的业务，终端将会通过该APP向用户进行推荐，如在出行APP中显示“向您推荐体验金理财业务，体验金额为5000元，且体验天数为5天”。用户可以根据自己的实际情况选择开通该理财业务或者取消该推荐。
另外，若服务器判断出第一用户未登录出行APP，则判断第一用户的特征标签是否为预设特征标签，若第一用户的特征标签为预设特征标签，则通过短信采用营销模式向第一用户推荐业务。
具体的，若服务器确定出第一用户未登录出行APP，则说明第一用户可能不在使用该出行APP，此时，为了节约成本，服务器需要判断第一用户的特征标签是否为预设特征标签，例如是否为高优用户或白金用户，若是，则将通过短信的方式，采用营销模式向第一用户推荐业务。
由于在第一用户未登录出行APP，且该第一用户的特征标签为预设特征标签时，将通过短信的方式向第一用户推荐业务，这样，不仅可以节省推荐的成本，而且可以最大程度的挖掘潜在意向的客户。
另外，服务器也可以依据第一用户打开和/或关注出行APP的时间，并在该时间段内向第一用户推荐业务。
进一步地，针对乘客和司机，也可以采用不同的营销模式向用户推荐业务，如乘客用户偏向高收益高体验金，而司机用户则偏向余额自动转入、收益日结和灵活提现等。
值得注意的是，服务器在确定出用户分值后，针对用户分值小于预设阈值的用户，则可以向这些用户推荐较低体验金的理财业务，或者将不会向这些用户推荐业务，这样，可以防止产生大量僵尸账户。
本发明实施例提供的基于互联网的业务推荐方法，通过获取第一用户的参考数据，并根据各参考数据确定第一用户的特征标签，然后根据第一用户的特征标签，确定对应的营销模式，并采用营销模式向第一用户推荐业务，其中，参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据。由于服务器在获取到第一用户的参考数据后，将根据该些参考数据确定第一用户的特征标签，其中，不同的用户具有不同的特征标签，这样，将根据第一用户的特征标签，确定对应的营销模式，从而采用该营销模式向第一用户推荐业务，从而可以根据用户的实际需求准确地向用户推荐业务，而且可以挖掘出潜在的意向客户。
图4为本发明实施例提供的基于互联网的业务推荐装置实施例一的结构示意图。该基于互联网的业务推荐装置可以为独立的服务器，也可以为集成在服务器中的装置，该装置可以通过软件、硬件或者软硬件结合的方式实现。如图4所示，该装置包括：
获取模块11，用于获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；
确定模块12，用于根据各所述参考数据确定所述第一用户的特征标签；
所述确定模块12，还用于根据所述第一用户的特征标签，确定对应的营销模式；
推荐模块13，用于采用所述营销模式向所述第一用户推荐业务。
本发明实施例提供的基于互联网的业务推荐装置，可以执行上述对应的方法实施例，其实现原理和技术效果类似，在此不再赘述。
可选的，所述确定模块12，具体用于：
将各所述参考数据输入预设的机器学习模型，获得各所述参考数据对应的权值；
根据各所述参考数据以及对应的权值，计算所述第一用户的用户分值；
根据预设的用户分值和特征标签之间的对应关系，确定所述用户分值对应的特征标签。
图5为本发明实施例提供的基于互联网的业务推荐装置实施例二的结构示意图，在图4所示实施例的基础上，所述装置还包括：生成模块14和训练模块15。
所述获取模块11，还用于获取至少一个第二用户的参考数据；
所述生成模块14，用于根据所述第二用户的参考数据，生成训练样本；
所述训练模块15，用于对所述训练样本进行训练，得到所述机器学习模型。
可选的，所述装置还包括：
处理模块16，用于根据所述第一用户的参考数据，对所述机器学习模型进行优化处理，以调整各所述参考数据对应的权值。
可选的，所述确定模块12，具体用于：
根据预设的特征标签和营销模式之间的对应关系，确定所述第一用户的特征标签对应的营销模式。
可选的，所述推荐模块13，具体用于：
判断所述第一用户是否登录出行应用程序APP；
若所述第一用户登录了所述出行APP，则通过所述APP采用所述营销模式向所述第一用户推荐业务。
可选的，所述装置还包括：
判断模块17，用于在所述第一用户未登录所述出行APP时，判断所述第一用户的特征标签是否为预设特征标签；
所述推荐模块13，还用于在所述第一用户的特征标签为预设特征标签时，通过短信采用所述营销模式向所述第一用户推荐业务。
可选的，所述交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。
本发明实施例提供的基于互联网的业务推荐装置，可以执行上述对应的方法实施例，其实现原理和技术效果类似，在此不再赘述。
图6A示出了本发明服务器的一种可能的结构示意图。服务器600包括：处理单元602和通信单元603。处理单元602用于对服务器600的动作进行控制管理，例如，处理单元602用于支持服务器600执行图2的步骤201、 202和203，和/或用于本发明所描述的技术的其它过程。通信单元603用于支持服务器600与其它网络实体的通信，例如与终端之间的通信。服务器600 还可以包括存储单元601，用于存储服务器600的计算机程序代码和数据。
其中，处理单元602可以是处理器或控制器，例如可以是CPU，通用处理器，数字信号处理器(DigitalSignalProcessor，DSP)，专用集成电路 (Application-SpecificIntegrated Circuit，ASIC)，现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信单元603可以是通信接口、收发器、收发电路等，其中，通信接口是统称，可以包括一个或多个接口。存储单元601可以是存储器。
当处理单元602为处理器，通信单元603为通信接口，存储单元601为存储器时，本发明所涉及的服务器可以为图6B所示的服务器。
参阅图6B所示，该服务器610包括：处理器612、通信接口613、存储器611。可选的，服务器610还可以包括总线614。其中，通信接口613、处理器612以及存储器611可以通过总线614相互连接；总线614可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。所述总线 614可以分为地址总线、数据总线、控制总线等。为便于表示，图6B中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
另外，存储器611中存储有计算机程序，并且被配置为由处理器612 执行，该计算机程序包括用于执行如图2所示实施例所述的方法的指令。
本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质存储有计算机程序，所述计算机程序使得服务器执行前述图2所示实施例提供的基于互联网的业务推荐方法。其中，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (18)

1.一种基于互联网的业务推荐方法，其特征在于，包括：
获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；
根据各所述参考数据确定所述第一用户的特征标签；
根据所述第一用户的特征标签，确定对应的营销模式，并采用所述营销模式向所述第一用户推荐业务。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述参考数据确定所述第一用户的特征标签，包括：
将各所述参考数据输入预设的机器学习模型，获得各所述参考数据对应的权值；
根据各所述参考数据以及对应的权值，计算所述第一用户的用户分值；
根据预设的用户分值和特征标签之间的对应关系，确定所述用户分值对应的特征标签。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取至少一个第二用户的参考数据；
根据所述第二用户的参考数据，生成训练样本；
对所述训练样本进行训练，得到所述机器学习模型。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述第一用户的参考数据，对所述机器学习模型进行优化处理，以调整各所述参考数据对应的权值。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述第一用户的特征标签，确定对应的营销模式，包括：
根据预设的特征标签和营销模式之间的对应关系，确定所述第一用户的特征标签对应的营销模式。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述采用所述营销模式向所述第一用户推荐业务，包括：
判断所述第一用户是否登录出行应用程序APP；
若所述第一用户登录了所述出行APP，则通过所述APP采用所述营销模式向所述第一用户推荐业务。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若所述第一用户未登录所述出行APP，则判断所述第一用户的特征标签是否为预设特征标签；
若所述第一用户的特征标签为预设特征标签，则通过短信采用所述营销模式向所述第一用户推荐业务。
8.根据权利要求1-4任一项所述的方法，其特征在于，所述交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。
9.一种基于互联网的业务推荐装置，其特征在于，包括：
获取模块，用于获取第一用户的参考数据，所述参考数据包括如下数据中的至少一个：个人数据、出行行为数据、交易行为数据和服务评价数据；
确定模块，用于根据各所述参考数据确定所述第一用户的特征标签；
所述确定模块，还用于根据所述第一用户的特征标签，确定对应的营销模式；
推荐模块，用于采用所述营销模式向所述第一用户推荐业务。
10.根据权利要求9所述的装置，其特征在于，所述确定模块，具体用于：
将各所述参考数据输入预设的机器学习模型，获得各所述参考数据对应的权值；
根据各所述参考数据以及对应的权值，计算所述第一用户的用户分值；
根据预设的用户分值和特征标签之间的对应关系，确定所述用户分值对应的特征标签。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：生成模块和训练模块；其中，
所述获取模块，还用于获取至少一个第二用户的参考数据；
所述生成模块，用于根据所述第二用户的参考数据，生成训练样本；
所述训练模块，用于对所述训练样本进行训练，得到所述机器学习模型。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
处理模块，用于根据所述第一用户的参考数据，对所述机器学习模型进行优化处理，以调整各所述参考数据对应的权值。
13.根据权利要求9-12任一项所述的装置，其特征在于，所述确定模块，具体用于：
根据预设的特征标签和营销模式之间的对应关系，确定所述第一用户的特征标签对应的营销模式。
14.根据权利要求9-12任一项所述的装置，其特征在于，所述推荐模块，具体用于：
判断所述第一用户是否登录出行应用程序APP；
若所述第一用户登录了所述出行APP，则通过所述APP采用所述营销模式向所述第一用户推荐业务。
15.根据权利要求14所述的装置，其特征在于，所述装置还包括：
判断模块，用于在所述第一用户未登录所述出行APP时，判断所述第一用户的特征标签是否为预设特征标签；
所述推荐模块，还用于在所述第一用户的特征标签为预设特征标签时，通过短信采用所述营销模式向所述第一用户推荐业务。
16.根据权利要求9-12任一项所述的装置，其特征在于，所述交易行为数据包括如下数据中的至少一个：支付行为数据、提现行为数据和信用行为数据。
17.一种服务器，其特征在于，包括：
处理器；
存储器；以及
计算机程序；
其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如权利要求1-8任一项所述的方法的指令。
18.一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存储有计算机程序，所述计算机程序使得服务器执行权利要求1-8任一项所述的方法。
CN201810590103.6A 2018-06-08 2018-06-08 基于互联网的业务推荐方法、装置及存储介质 Pending CN110580634A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810590103.6A CN110580634A (zh) 2018-06-08 2018-06-08 基于互联网的业务推荐方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810590103.6A CN110580634A (zh) 2018-06-08 2018-06-08 基于互联网的业务推荐方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN110580634A true CN110580634A (zh) 2019-12-17

Family

ID=68809218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810590103.6A Pending CN110580634A (zh) 2018-06-08 2018-06-08 基于互联网的业务推荐方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110580634A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738794A (zh) * 2020-05-07 2020-10-02 苏宁金融科技(南京)有限公司 项目推荐控制方法、装置、存储介质及计算机设备
CN111931107A (zh) * 2020-07-31 2020-11-13 上海博泰悦臻电子设备制造有限公司 数字公民体系构建方法、系统及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130251340A1 (en) * 2012-03-21 2013-09-26 Wei Jiang Video concept classification using temporally-correlated grouplets
CN103914783A (zh) * 2014-04-13 2014-07-09 北京工业大学 一种基于用户相似度的电子商务网站推荐方法
CN105095333A (zh) * 2015-01-30 2015-11-25 南京思欧通讯科技有限公司 一种基于移动互联网的失物招领方法和系统
CN105354313A (zh) * 2015-11-11 2016-02-24 南京安讯科技有限责任公司 一种利用大数据进行信用评估的方法
CN105989549A (zh) * 2015-02-06 2016-10-05 白忠泽 一种基于移动互联网的生活服务功能的方法和系统
CN106251172A (zh) * 2016-07-20 2016-12-21 武汉斗鱼网络科技有限公司 一种基于熵值法的用户价值评分计算方法及系统
CN106998250A (zh) * 2016-01-23 2017-08-01 龙翔林 手机动态管理电脑操作系统登录密码的方法
CN107391680A (zh) * 2017-07-24 2017-11-24 北京京东尚科信息技术有限公司 内容推荐方法、装置和设备
CN107729937A (zh) * 2017-10-12 2018-02-23 北京京东尚科信息技术有限公司 用于确定用户兴趣标签的方法及装置
CN107909473A (zh) * 2017-12-27 2018-04-13 中国银行股份有限公司 一种基于用户行为分析的网上银行营销方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130251340A1 (en) * 2012-03-21 2013-09-26 Wei Jiang Video concept classification using temporally-correlated grouplets
CN103914783A (zh) * 2014-04-13 2014-07-09 北京工业大学 一种基于用户相似度的电子商务网站推荐方法
CN105095333A (zh) * 2015-01-30 2015-11-25 南京思欧通讯科技有限公司 一种基于移动互联网的失物招领方法和系统
CN105989549A (zh) * 2015-02-06 2016-10-05 白忠泽 一种基于移动互联网的生活服务功能的方法和系统
CN105354313A (zh) * 2015-11-11 2016-02-24 南京安讯科技有限责任公司 一种利用大数据进行信用评估的方法
CN106998250A (zh) * 2016-01-23 2017-08-01 龙翔林 手机动态管理电脑操作系统登录密码的方法
CN106251172A (zh) * 2016-07-20 2016-12-21 武汉斗鱼网络科技有限公司 一种基于熵值法的用户价值评分计算方法及系统
CN107391680A (zh) * 2017-07-24 2017-11-24 北京京东尚科信息技术有限公司 内容推荐方法、装置和设备
CN107729937A (zh) * 2017-10-12 2018-02-23 北京京东尚科信息技术有限公司 用于确定用户兴趣标签的方法及装置
CN107909473A (zh) * 2017-12-27 2018-04-13 中国银行股份有限公司 一种基于用户行为分析的网上银行营销方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738794A (zh) * 2020-05-07 2020-10-02 苏宁金融科技(南京)有限公司 项目推荐控制方法、装置、存储介质及计算机设备
CN111931107A (zh) * 2020-07-31 2020-11-13 上海博泰悦臻电子设备制造有限公司 数字公民体系构建方法、系统及存储介质
CN111931107B (zh) * 2020-07-31 2024-03-22 博泰车联网科技(上海)股份有限公司 数字公民体系构建方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN108846520B (zh) 贷款逾期预测方法、装置以及计算机可读存储介质
CN109615454A (zh) 确定用户金融违约风险的方法及装置
WO2020077260A1 (en) Dynamic pricing of insurance policies for shared goods
US20080243587A1 (en) Increasing Incremental Spend By A Consumer
CN110019693B (zh) 智能客服的信息推荐方法、服务器及计算机可读介质
CN110503564B (zh) 基于大数据的保全案件处理方法、系统、设备及存储介质
US11270068B2 (en) System and interface for electronic communication generation and tracking
CN108876188B (zh) 一种间连服务商风险评估方法及装置
CN110033120A (zh) 用于为商户提供风险预测赋能服务的方法及装置
CN110163683B (zh) 价值用户关键指标确定方法、广告投放方法及装置
US11934971B2 (en) Systems and methods for automatically building a machine learning model
CN112801456A (zh) 资金流动性风险预警方法、装置和电子设备
US20230281722A1 (en) Smart estimatics methods and systems
CN107798522A (zh) 一种车费代付方法及装置
CN110580634A (zh) 基于互联网的业务推荐方法、装置及存储介质
CN111090677A (zh) 数据对象类型的确定方法及装置
CN113743816A (zh) 车辆租赁的风险控制方法、装置、计算机设备及存储介质
CN113450158A (zh) 银行活动信息推送方法及装置
CN110245985B (zh) 一种信息处理方法及装置
CN117437019A (zh) 信用卡逾期风险预测方法、装置、设备、介质和程序产品
CN116630020A (zh) 风险评估方法、装置、存储介质及电子设备
CN111327661A (zh) 推送方法、推送装置、服务器和计算机可读存储介质
US20210397602A1 (en) Systems and methods for analyzing electronic data to determine faults in a transit system
CN114240605A (zh) 贷款测算方法、装置、计算机设备和存储介质
CN113657894A (zh) 一种外汇报价处理方法、装置及电子设备

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: 20191217