CN110610378A - 产品需求分析方法、装置、计算机设备和存储介质 - Google Patents
产品需求分析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110610378A CN110610378A CN201910748829.2A CN201910748829A CN110610378A CN 110610378 A CN110610378 A CN 110610378A CN 201910748829 A CN201910748829 A CN 201910748829A CN 110610378 A CN110610378 A CN 110610378A
- Authority
- CN
- China
- Prior art keywords
- user
- product
- data
- analysis
- demand
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000013524 data verification Methods 0.000 claims abstract description 25
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000010219 correlation analysis Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 230000006399 behavior Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Abstract
本申请涉及一种产品需求分析方法、装置、计算机设备和存储介质。基于预测模型,所述方法包括当检测到产品需求分析指令时,获取待推荐用户的用户标识,根据用户标识获取各用户的用户信息,将各用户信息输入数据验证模型,使数据验证模型进行真实性验证,获得各用户的真实用户信息;根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。根据各产品的判定因素获取分析数据进行需求分析,提高了分析结果的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种产品需求分析方法、装置、计算机设备和存储介质。
背景技术
金融服务企业传统的营销方式是:业务人员出去推销该企业的业务,或电视广告、短信、传单等方式让各用户了解该企业的业务,让有意向办理该业务的用户考虑来该企业办理相应的业务。
而随着互联网、大数据云计算技术的发展,并有机融入于金融服务行业。在互联网金融的推动下,由传统的营销方式转换为利用互联网、大数据云计算技术进行更有效的营销方式,通过新的技术和创新不断推动行业发展,互联网金融企业基于已有的客户和数据优势,开展大数据营销。通过大数据营销,首先需要对大数据信息进行整理,确定有意向办理相应业务的用户,进而对有意向用户进行产品推荐。
而目前用于确定有意向办理相应业务的用户的分析方法,大多是获取大量的用户数据来进行分析,并没有对用户数据进行合理性筛选,导致分析出来的需求结果不准确。
发明内容
基于此,有必要针对上述技术问题,提供一种提高需求结果准确性的产品需求分析方法、装置、计算机设备和存储介质。
一种产品需求分析方法,所述方法包括:
当检测到产品需求分析指令时,获取待推荐用户的用户标识;
根据所述用户标识获取各用户的用户信息;
将各所述用户信息输入数据验证模型,使所述数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;
根据各产品特点确定的判定因素,在各所述真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;
将用户对应各产品的所述分析数据对应输入各产品的需求分析模型,各所述需求分析模型根据对应的所述分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
在其中一个实施例中,所述方法还包括:
基于对应阈值对所述产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;
根据所述产品的需求程度向用户推荐相应的产品。
在其中一个实施例中,所述基于对应阈值对所述产品的需求分析结果进行需求判断,确定用户对各产品的需求程度包括:
根据所述产品的需求分析结果的分布情况,确定各需求程度的阈值;
将所述产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
在其中一个实施例中,所述根据所述用户标识获取各用户的用户信息包括:
根据所述用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;
基于去重原则对所述用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
在其中一个实施例中,所述产品需求分析模型的建立方式包括:
对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素;
基于产品的所述判定因素,对所述样本用户数据进行数据提取,获取所述产品各维度的产品样本数据;
将所述产品各维度的所述产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段;
对各产品的所述判定因素分段进行权重计算,确定所述判定因素的各段的权重;
基于各判定因素的各段的权重,获得产品需求模型。
在其中一个实施例中,所述对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素包括:
对各产品的所述样本用户数据进行数据相关性分析,获得各产品的用户相关特征,
对各产品的所述用户相关特征进行相关程度分析,获得所述用户相关特征的相关程度;
根据所述相关程度对所述用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
在其中一个实施例中,所述对各产品的所述判定因素分段进行权重计算,确定所述判定因素的各段的权重的步骤包括:
获取样本用户的用户数据;
根据各产品的所述判定因素向所述用户数据中进行数据提取,获得各维度的权重分析数据;
将各维度的所述权重分析数据输入权重分析模型,获得所述判定因素的各段的权重。
一种产品需求分析装置,所述装置包括:
用户标识获取模块,用于当检测到产品需求分析指令时,获取待推荐用户的用户标识;
用户信息获取模块,用于根据所述用户标识获取各用户的用户信息;
用户信息验证模块,用于将各所述用户信息输入数据验证模型,使所述数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;
分析数据获取模块,用于根据各产品特点确定的判定因素,在各所述真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;
需求预测模块,用于将用户对应各产品的所述分析数据对应输入各产品的需求分析模型,各所述需求分析模型根据对应的所述分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的方法的步骤。
上述产品需求分析方法、装置、计算机设备和存储介质,当检测到产品需求分析指令时,获取待推荐用户的用户标识,根据用户标识获取各用户的用户信息,可以在收到指令后自动获取相应的用户信息,将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息,可以判断用户信息的真实性,使得通过该用户信息进行需求分析时,准确性更高,根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。通过对用户信息的真实性进行验证,使得用于分析的数据更准确,数据更准确分析结果也就高更准确,并基于各产品的判定因素获取分析数据,由于判定因素也是进行各种相关性分析确定的,避免了不相关因素对分析结果进行干扰,也可以进一步提高分析结果的准确性。
附图说明
图1为一个实施例中产品需求分析方法的应用场景图;
图2为一个实施例中产品需求分析方法的流程示意图;
图3为一个实施例中产品需求分析装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的产品需求分析方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。当服务器104检测到终端102触发的产品需求分析指令时,获取待推荐用户的用户标识;根据用户标识获取各用户的用户信息;将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种产品需求分析方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S220,当检测到产品需求分析指令时,获取待推荐用户的用户标识。
其中,用户标识可以为用户手机号码,用户身份证号码等,产品推荐指令可以是通过终端设置的定时触发,也可以用户通过终端操作触发。待推荐用户指的是准备进行产品推荐之前,用户名单里的用户,用户名单指的是为了产品推荐,进行用户采集获得的名单。该待推荐用户可以是多个,也可以是一个。待推荐用户的用户标识可以向保存收集来的待推荐用户的用户标识数据库中获取。
步骤S240,根据用户标识获取各用户的用户信息。
其中,各用户的用户信息指的是各待推荐用户的用户信息。用户标识是能够代表用户身份的表示,因此,可以基于获取到对应的用户信息,用户信息获取的方式,可以通过用户标识向各保存用户行为数据的数据库进行用户信息爬取,也可以通过用户标识向交互平台进行用户信息爬取,交互平台如:浏览器(百度、谷歌等等)、社交软件(QQ、微信等等)等等。用户信息可以是可以体现用户特点的信息,如:学历、家庭成员情况、消费情况、年龄、财富等级、消费金额、16pf性格测试数据、汽车品牌、行业等等。获取的用户信息可以是多个,如:获取到用户A的用户信息有学历、家庭成员情况、消费情况、年龄、财富等级、消费金额、16pf性格测试数据、汽车品牌、行业的信息。
步骤S260,将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息。
其中,数据验证模型是根据收集大量用户的用户信息,进行训练获得,使用户的各个用户信息呈现一定规律,基于用户信息相关的规律进行用户信息的信息合理性判断。信息合理性指的是该用户的用户信息符合自然规律。假设验证用户A的年龄:数据验证模型基于用户A的其他信息,判断用户A的年龄是否在对应的合理范围内。如:大量用户的用户信息k,呈现的规律是,都在a-b的范围内,假设用户A的用户信息k在a-b的范围内,则通过真实性验证,当用户A的用户信息k不在a-b的范围内,则不通过真实性验证,当出现未通过时,还可以基于呈现的规律,进一步修正用户信息,如:用户A的用户信息k不在a-b的范围内,则将用户A的用户信息k的特征更换为a-b的范围内的特征。
步骤S280,根据各产品特点确定的判定因素,在各所述真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据。
其中,各产品特点是根据各产品对应的样本用户数据进行数据相关性分析确定的,各产品特点确定的判定因素是通过各产品的样本用户数据进行数据相关性分析,得出各产品的判定因素。判定因素是用于判断各类型产品的特征,不同产品的需求分析所考虑的判定因素不同。一个产品的判定因素可以是多维度的判定因素(即多个判定因素),如:用户的真实用户信息包括:学历、家庭成员情况、消费情况、年龄、财富等级、消费金额、16pf性格测试数据、汽车品牌、行业的信息。以推荐理财产品为例,当判断大额理财类产品的需求时,只需考虑真实用户信息中的学历、家庭成员情况、消费情况、年龄、财富等级,则判定因素就需要用户的学历、家庭成员情况、消费情况、年龄、财富等级,因此,提取用户的真实用户信息中的学历、家庭成员情况、消费情况、年龄、财富等级,作为用户分析大额理财类产品的需求分析时所需的分析数据。获得用户对应各产品的分析数据中,用户可以是多个,每个产品有每个产品的分析数据,分析数据中的内容可以相同,也可以不相同。每个产品的分析数据对应该产品的判定因素。
步骤S300,将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
其中,数据权重指的是对应产品的分析数据的各特征在该产品判定需求的指标中所占的比重,产品需求分析模型可以是基于贝叶斯、决策树、神经网络等技术为基础建立。需求分析结果可以用等级表示,可以用概率值表示,或者其他表示方法,只需能体现各用户对产品的需求结果即可。产品需求分析模型是基于各类型产品业务历史交易订单中用户信息作为样本用户数据,对样本用户数据进行处理分析后,获得的产品需求分析模型。
上述产品需求分析方法中,当检测到产品需求分析指令时,获取待推荐用户的用户标识,根据用户标识获取各用户的用户信息,可以在收到指令后自动获取相应的用户信息,利用数据验证模型对各所述用户信息进行真实性验证,获得各用户的真实用户信息,可以判断用户信息的真实性,使得通过该用户信息进行需求分析时,准确性更高,根据各产品的判定因素,对各真实用户信息中进行分析数据提取,获得用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。通过对用户信息的真实性进行验证,使得用于分析的数据更准确,数据更准确分析结果也就高更准确,并基于各产品的判定因素获取分析数据,由于判定因素也是进行各种相关性分析确定的,避免了不相关因素对分析结果进行干扰,也可以进一步提高分析结果的准确性。
在一个实施例中,该产品需求分析方法还包括:基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;根据产品的需求程度向用户推荐相应的产品。
其中,基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度,阈值是用于对需求分析结果的需求程度判断,通过阈值来判断用户对各产品的需求到达哪种程度。不同的需求程度则可以表明各用户接受推荐的可能性不一样,因此可以根据不同的需求程度向各用户推荐需求程度高的产品,如:假设输出的需求分析结果是1-100分,假设一级需求的阈值设定为80分以上,二级需求的阈值设定为60-80分以上,三级需求的阈值设定为60分以下,用户A输出的大额理财类产品的需求分析结果为75分,则用户A对大额理财类产品的需求程度为二级需求,假设设定的是向用户推荐达到一级需求的产品,则不向用户A推荐大额理财类产品。可以针对性的进行推荐,节约资源。业务员也可基于需求结果的分数高低排序选择性的走访相应的用户,提升成交量。
在一个实施例中,基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度包括:根据产品的需求分析结果的分布情况,确定各需求程度的阈值;将产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
其中,根据产品的需求分析结果的分布情况,确定各需求程度的阈值,以大额理财类产品为例,如:假设输出的需求分析结果是1-100分,假设对100个用户进行大额理财类产品的需求进行分析,100个用户分别输出的需求分析结果中,有20个是80分以上,50个是60-80分,有30个是60分以下,假设我需要将这些用户划分相应的需求程度的等级,用户等级的划分要求为2:5:3,则,可以将一级需求的阈值设定为80分以上,二级需求的阈值设定为60-80分以上,三级需求的阈值设定为60分以下。可以针对性的进行推荐,节约资源。业务员也可基于需求结果的分数高低排序选择性的走访相应的用户,提升成交量。
在一个实施例中,根据用户标识获取各用户的用户信息包括:根据用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;基于去重原则对用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
其中,用户行为数据可以是用户的消费数据,也可以是出行数据,也可以在社交平台数据等等,各维度的用户信息指的是各个特征的用户信息,如:用户信息包括学历、家庭成员情况、财富等级、行业,学历信息为一个维度,家庭成员情况信息为一个维度,财富等级信息为一个维度,行业信息为一个维度。去重原则指的是将重复的用户信息去掉,保留一个,以消费金额这个维度的用户信息为例,如:获取用户A某个时间段的消费数据,对用户A的消费数据进行整理过滤,将重复的消费数据过滤掉,统计过滤后的消费数据中的金额,得到用户某个时间段的消费金额。学历维度的用户信息可以通过爬取相应的行为数据,如招聘平台的数据中爬取,学信系统等等。
在一个实施例中,产品需求分析模型的建立方式包括以下步骤:对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素。基于产品的判定因素,对样本用户数据进行数据提取,获取产品各维度的产品样本数据。将产品各维度的产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段。对各产品的判定因素分段进行权重计算,确定判定因素的各段的权重;基于各判定因素的各段的权重,获得产品需求模型。
其中,样本用户数据是采用的易订单中的各用户的用户数据。数据相关性分析指的是将各用户之间的相同维度数据之间呈现的规律。对样本用户数据进行数据提取,获取产品各维度的产品样本数据,如:大额理财类产品的判定因素有学历、家庭成员情况、消费情况、年龄、财富等级,则在样本用户数据中获取的产品样本数据各用户的学历、家庭成员情况、消费情况、年龄、财富等级。判定因素分段模型可以是基于贝叶斯、决策树、神经网络等技术为基础建立的,是通过大量的用户数据进行分析后得出的判定因素分段模型,用于对各判定因素进行分段,如:自有资产100万-1000万为一个财富等级分段,10万-50万为一个财富等级分段等等。各分段在需求结果中的占比不一样,因此,将各分段进行权重计算,确定各个判定因素的各段的权重(各分段的需求结果的占比)。基于各判定因素的各段的权重,获得产品需求模型。通过确定对应产品的判定因素,并进行合理的分段,提升了产品需求模型的用户金融产品需求的识别能力和准确度。
在一个实施例中,对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素包括:对各产品的样本用户数据进行数据相关性分析,获得各产品的用户相关特征;对各产品的用户相关特征进行相关程度分析,获得用户相关特征的相关程度;根据相关程度对用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
其中,以常规理财类产品的判定因素为例,获取购买过常规理财类产品的用户的用户数据作为常规理财类产品的样本用户数据,将各用户的用户数据样本基于相关性进行分析,确定常规理财类产品的用户相关特征,如:各用户的用户数据样本的学历、家庭成员情况、消费情况、年龄、财富等级、消费金额、16pf性格测试数据、汽车品牌、行业的各维度信息中,可以采用聚类的方式,进行聚类,看各维度数据在维度图中呈现的情况,越密集则相关性越高,越得稀疏相关性越低,得出常规理财类产品的用户相关特征。对各产品的用户相关特征进行过滤,可以基于常规理财类产品的特点,过滤掉一些与常规理财类产品的用户之间相关性低的相关特征,还可以预先设定相应的阈值,将相关性没有达到预设阈值的相关特征舍弃,主要是为了使一些相关性不高的特征影响准确度,也减少产品需求模型的运算难度,提升了产品需求模型的用户金融产品需求的识别能力和准确度。
在一个实施例中,对各产品的判定因素分段进行权重计算,确定判定因素的各段的权重的步骤包括:获取样本用户的用户数据;根据各产品的判定因素向用户数据中进行数据提取,获得各维度的权重分析数据;将各维度的权重分析数据输入权重分析模型,获得判定因素的各段的权重。
其中,获取历史交易订单中的各用户作为样本用户,根据各产品的判定因素在样本用户的用户数据中获取各维度的权重分析数据,权重分析数据是用于分析各维度判定因素中各分段的权重的数据。权重分析模型基于权重分析数据对判定因素分段进行权重计算,确定判定因素的各段的权重,其中权重分析模型可以是基于贝叶斯、决策树、神经网络等技术为基础建立的,权重分析模型根据各判定因素的各分段的权重的分析结果进行分析,确定各判定因素的各分段的分数。提升了产品需求模型的用户金融产品需求的识别能力和准确度。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种产品需求分析装置,包括:用户标识获取模块310、用户信息获取模块320、用户信息验证模块330、分析数据获取模块340和需求预测模块350,其中:
用户标识获取模块310,用于当检测到产品需求分析指令时,获取待推荐用户的用户标识;
用户信息获取模块320,用于根据用户标识获取各用户的用户信息;
用户信息验证模块330,用于将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;
分析数据获取模块340,用于根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;
需求预测模块350,用于将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
在一个实施例中,该产品需求分析装置还包括:需求程度确定模块,用于基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;推荐模块,用于根据产品的需求程度向用户推荐相应的产品。
在一个实施例中,需求程度确定模块还用于:根据产品的需求分析结果的分布情况,确定各需求程度的阈值;将产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
在一个实施例中,用户信息获取模块320还用于:根据用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;基于去重原则对用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
在一个实施例中,该产品需求分析装置还包括:判定因素确定模块,用于对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素;数据提取模块,用于基于产品的判定因素,对样本用户数据进行数据提取,获取产品各维度的产品样本数据;判定因素分段模块,用于将产品各维度的产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段;权重确定模块,用于对各产品的判定因素分段进行权重计算,确定判定因素的各段的权重;模型建立模块,用于基于各判定因素的各段的权重,获得产品需求模型。
在一个实施例中,判定因素确定模块还用于:对各产品的样本用户数据进行数据相关性分析,获得各产品的用户相关特征,对各产品的用户相关特征进行相关程度分析,获得用户相关特征的相关程度;根据相关程度对用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
在一个实施例中,权重确定模块还用于:获取样本用户的用户数据;根据各产品的判定因素向用户数据中进行数据提取,获得各维度的权重分析数据;将各维度的权重分析数据输入权重分析模型,获得判定因素的各段的权重。
关于产品需求分析装置的具体限定可以参见上文中对于产品需求分析方法的限定,在此不再赘述。上述产品需求分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品需求分析方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
当检测到产品需求分析指令时,获取待推荐用户的用户标识;根据用户标识获取各用户的用户信息;将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;根据产品的需求程度向用户推荐相应的产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据产品的需求分析结果的分布情况,确定各需求程度的阈值;将产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;基于去重原则对用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素;基于产品的判定因素,对样本用户数据进行数据提取,获取产品各维度的产品样本数据;将产品各维度的产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段;对各产品的判定因素分段进行权重计算,确定判定因素的各段的权重;基于各判定因素的各段的权重,获得产品需求模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对各产品的样本用户数据进行数据相关性分析,获得各产品的用户相关特征,对各产品的用户相关特征进行相关程度分析,获得用户相关特征的相关程度;根据相关程度对用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取样本用户的用户数据;根据各产品的判定因素向用户数据中进行数据提取,获得各维度的权重分析数据;将各维度的权重分析数据输入权重分析模型,获得判定因素的各段的权重。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
当检测到产品需求分析指令时,获取待推荐用户的用户标识;根据用户标识获取各用户的用户信息;将各用户信息输入数据验证模型,使数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;根据各产品特点确定的判定因素,在各真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;将用户对应各产品的分析数据对应输入各产品的需求分析模型,各需求分析模型根据对应的分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于对应阈值对产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;根据产品的需求程度向用户推荐相应的产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据产品的需求分析结果的分布情况,确定各需求程度的阈值;将产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;基于去重原则对用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素;基于产品的判定因素,对样本用户数据进行数据提取,获取产品各维度的产品样本数据;将产品各维度的产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段;对各产品的判定因素分段进行权重计算,确定判定因素的各段的权重;基于各判定因素的各段的权重,获得产品需求模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对各产品的样本用户数据进行数据相关性分析,获得各产品的用户相关特征,对各产品的用户相关特征进行相关程度分析,获得用户相关特征的相关程度;根据相关程度对用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取样本用户的用户数据;根据各产品的判定因素向用户数据中进行数据提取,获得各维度的权重分析数据;将各维度的权重分析数据输入权重分析模型,获得判定因素的各段的权重。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品需求分析方法,所述方法包括:
当检测到产品需求分析指令时,获取待推荐用户的用户标识;
根据所述用户标识获取各用户的用户信息;
将各所述用户信息输入数据验证模型,使所述数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;
根据各产品特点确定的判定因素,在各所述真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;
将用户对应各产品的所述分析数据对应输入各产品的需求分析模型,各所述需求分析模型根据对应的所述分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于对应阈值对所述产品的需求分析结果进行需求判断,确定用户对各产品的需求程度;
根据所述产品的需求程度向用户推荐相应的产品。
3.根据权利要求2所述的方法,其特征在于,所述基于对应阈值对所述产品的需求分析结果进行需求判断,确定用户对各产品的需求程度包括:
根据所述产品的需求分析结果的分布情况,确定各需求程度的阈值;
将所述产品的需求分析结果与各阈值进行匹配,确定用户对各产品的需求程度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户标识获取各用户的用户信息包括:
根据所述用户标识利用爬虫技术向各数据平台进行数据爬取,获取各用户的用户行为数据;
基于去重原则对所述用户行为数据中的各特征进行整理过滤,获得各维度的用户信息。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述产品需求分析模型的建立方式包括:
对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素;
基于产品的所述判定因素,对所述样本用户数据进行数据提取,获取所述产品各维度的产品样本数据,
将所述产品各维度的所述产品样本数据输入至对应维度的判定因素分段模型中进行判定因素分段,确定各产品的判定因素分段;
对各产品的所述判定因素分段进行权重计算,确定所述判定因素的各段的权重;
基于各判定因素的各段的权重,获得产品需求模型。
6.根据权利要求5所述的方法,其特征在于,所述对各产品的样本用户数据进行数据相关性分析,确定各产品的判定因素包括:
对各产品的所述样本用户数据进行数据相关性分析,获得各产品的用户相关特征;
对各产品的所述用户相关特征进行相关程度分析,获得所述用户相关特征的相关程度;
根据所述相关程度对所述用户相关特征基于预设阈值进行过滤,获得各产品的判定因素。
7.根据权利要求6所述的方法,其特征在于,所述对各产品的所述判定因素分段进行权重计算,确定所述判定因素的各段的权重的步骤包括:
获取样本用户的用户数据;
根据各产品的所述判定因素向所述用户数据中进行数据提取,获得各维度的权重分析数据;
将各维度的所述权重分析数据输入权重分析模型,获得所述判定因素的各段的权重。
8.一种产品需求分析装置,其特征在于,所述装置包括:
用户标识获取模块,用于当检测到产品需求分析指令时,获取待推荐用户的用户标识;
用户信息获取模块,用于根据所述用户标识获取各用户的用户信息;
用户信息验证模块,用于将各所述用户信息输入数据验证模型,使所述数据验证模型基于信息合理性进行真实性验证,获得各用户的真实用户信息;
分析数据获取模块,用于根据各产品特点确定的判定因素,在各所述真实用户信息中提取与各产品的判定因素对应的分析数据,获得各用户对应各产品的分析数据;
需求预测模块,用于将用户对应各产品的所述分析数据对应输入各产品的需求分析模型,各所述需求分析模型根据对应的所述分析数据基于数据权重进行产品需求分析,获得用户对各产品的需求分析结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910748829.2A CN110610378A (zh) | 2019-08-14 | 2019-08-14 | 产品需求分析方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910748829.2A CN110610378A (zh) | 2019-08-14 | 2019-08-14 | 产品需求分析方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110610378A true CN110610378A (zh) | 2019-12-24 |
Family
ID=68890947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910748829.2A Pending CN110610378A (zh) | 2019-08-14 | 2019-08-14 | 产品需求分析方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110610378A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561651A (zh) * | 2020-12-17 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 产品信息推送方法以及相关产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537564A (zh) * | 2015-01-24 | 2015-04-22 | 宜信卓越财富投资管理(北京)有限公司 | 一种资产配置与投资组合管理系统及方法 |
CN107767152A (zh) * | 2016-08-16 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品购买倾向分析方法及服务器 |
CN108492138A (zh) * | 2018-03-19 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品购买预测方法、服务器及存储介质 |
CN109242631A (zh) * | 2018-09-17 | 2019-01-18 | 平安科技(深圳)有限公司 | 产品智能推荐方法、服务器及存储介质 |
CN109325781A (zh) * | 2018-09-04 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 客户品质分析方法、装置、计算机设备和存储介质 |
CN109598534A (zh) * | 2018-10-25 | 2019-04-09 | 北京三快在线科技有限公司 | 信息确定方法及装置、电子设备及存储介质 |
CN109858957A (zh) * | 2019-01-17 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、计算机设备及存储介质 |
CN110069468A (zh) * | 2019-03-18 | 2019-07-30 | 平安普惠企业管理有限公司 | 一种获取用户需求的方法及装置、电子设备 |
-
2019
- 2019-08-14 CN CN201910748829.2A patent/CN110610378A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537564A (zh) * | 2015-01-24 | 2015-04-22 | 宜信卓越财富投资管理(北京)有限公司 | 一种资产配置与投资组合管理系统及方法 |
CN107767152A (zh) * | 2016-08-16 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品购买倾向分析方法及服务器 |
CN108492138A (zh) * | 2018-03-19 | 2018-09-04 | 平安科技(深圳)有限公司 | 产品购买预测方法、服务器及存储介质 |
CN109325781A (zh) * | 2018-09-04 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 客户品质分析方法、装置、计算机设备和存储介质 |
CN109242631A (zh) * | 2018-09-17 | 2019-01-18 | 平安科技(深圳)有限公司 | 产品智能推荐方法、服务器及存储介质 |
CN109598534A (zh) * | 2018-10-25 | 2019-04-09 | 北京三快在线科技有限公司 | 信息确定方法及装置、电子设备及存储介质 |
CN109858957A (zh) * | 2019-01-17 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、计算机设备及存储介质 |
CN110069468A (zh) * | 2019-03-18 | 2019-07-30 | 平安普惠企业管理有限公司 | 一种获取用户需求的方法及装置、电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561651A (zh) * | 2020-12-17 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 产品信息推送方法以及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN107066616B (zh) | 用于账号处理的方法、装置及电子设备 | |
CN108491511B (zh) | 基于图数据的数据挖掘方法和装置、模型训练方法和装置 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN108491406B (zh) | 信息分类方法、装置、计算机设备和存储介质 | |
WO2018040068A1 (zh) | 基于知识图谱的语意分析系统及方法 | |
CN110781379A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN111552870A (zh) | 对象推荐方法、电子装置及存储介质 | |
CN110781380A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN112395500A (zh) | 内容数据推荐方法、装置、计算机设备及存储介质 | |
Moro et al. | A framework for increasing the value of predictive data-driven models by enriching problem domain characterization with novel features | |
CN111639690A (zh) | 基于关系图谱学习的欺诈分析方法、系统、介质及设备 | |
CN111582932A (zh) | 场景间信息推送方法、装置、计算机设备及存储介质 | |
CN111241161A (zh) | 发票信息挖掘方法、装置、计算机设备及存储介质 | |
CN112328909A (zh) | 信息推荐方法、装置、计算机设备及介质 | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN114399367A (zh) | 保险产品推荐方法、装置、设备及存储介质 | |
CN114202336A (zh) | 一种金融场景下的风险行为监测方法及系统 | |
CN112487284A (zh) | 银行客户画像生成方法、设备、存储介质及装置 | |
CN110598090B (zh) | 兴趣标签的生成方法、装置、计算机设备和存储介质 | |
CN110610378A (zh) | 产品需求分析方法、装置、计算机设备和存储介质 | |
CN115577172A (zh) | 物品推荐方法、装置、设备及介质 | |
CN115311042A (zh) | 商品推荐方法、装置、计算机设备和存储介质 | |
CN114581098A (zh) | 客群分类方法、装置、计算机设备和存储介质 | |
CN113706258A (zh) | 基于组合模型的产品推荐方法、装置、设备及存储介质 |
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 |