CN111882403A - 一种基于用户数据的金融服务平台智能推荐方法 - Google Patents

Abstract

本发明特别涉及一种基于用户数据的金融服务平台智能推荐方法。该基于用户数据的金融服务平台智能推荐方法，首先收集整理用户数据，并将用户数据分析归纳为各项与金融有关的指标，根据各指标创建用户画像；然后对用户的金融政策页面浏览记录和融资偏好进行收集并标签分类；最后根据当前用户融资喜好的设定以及融资用途为用户推送相适应的金融产品。该基于用户数据的金融服务平台智能推荐方法，通过大数据技术对用户画像标签、金融产品标签、金融政策标签等做出相关的匹配操作，将匹配度达到一定范围的产品智能推荐给用户，实现了金融产品定向服务的目标，提高了金融服务平台的服务效率。

Description

一种基于用户数据的金融服务平台智能推荐方法

技术领域

本发明涉及大数据技术领域，特别涉及一种基于用户数据的金融服务平台智能推荐方法。

背景技术

当前，中小微企业融资难、融资贵等不利好经济发展的因素成为经济发展道路上的绊脚石。

随着大数据和数据处理技术的不断发展，企业数据的量级也在日益发生着变化，这些数据当中有结构化、质量高的数据，但不乏也有非结构化、质量低的数据。此外，随着更多的金融机构入驻平台，金融产品也会越来越多，用户通过常规的人工筛选手段选择、申请金融产品的效率也会慢慢降低。

为了利用好这些企业数据，对企业进行精准画像，提高金融服务平台使用效益，本发明提出了一种基于用户数据的金融服务平台智能推荐方法。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于用户数据的金融服务平台智能推荐方法。

本发明是通过如下技术方案实现的：

一种基于用户数据的金融服务平台智能推荐方法，其特征在于：包括以下步骤：

第一步、收集整理用户数据，并将用户数据分析归纳为各项与金融有关的指标，根据各指标创建用户画像；

第二步，对用户的金融政策页面浏览记录和融资偏好进行收集并标签分类；

第三步，根据当前用户融资喜好的设定以及融资用途为用户推送关联度高的金融产品。

所述第一步中，获取到用户数据后，先要对数据进行预处理使其达到分析与建模使用的标准，所述预处理过程包括筛选、清洗、分类、整合和加工。

所述第一步中，对预处理后的用户数据进行维度划分，同时对数据进行指标化、标签化处理，利用指标完成数据分析。

所述第一步中，利用用户画像算法和数据维度建立数据模型，然后输入用户数据信息对数据模型进行训练，最终形成成熟的数据模型。

所述第一步中，建立数据模型后，将符合标准的数据通过数据模型处理获得的最终结果使用图表进行展示，并且输出标签化数据。

为了保证用户画像的准确性，非关键数据缺失率不得超过12％。

所述用户数据来源于公安部门、工商部门和税务部门与金融相关的政府数据。

所述第二步中，用户在发布个性化融资时自行设置融资喜好、融资用途和金融政策喜好，同时通过获取用户的金融政策页面浏览记录获取对应的喜好标签，并存储；

将用户画像、用户自行设置的融资喜好和金融政策喜好标签化，根据文字及语义分析，对各项标签进行整理分类，将语义相近的标签规整为一类。

所述第三步中，具体实现步骤如下：

S1.标签归类后，获取标签之间的关联性；

S2.结合产品标签，使用算法提取标签关联度最高的产品标签，并对产品标签的关联度高低做排序；

S3.提取关联度最高的前三款产品，推送给客户，从而帮助筛选出客户最需要的产品，使得产品具备定向服务的能力。

本发明的有益效果是：该基于用户数据的金融服务平台智能推荐方法，通过大数据技术对用户画像标签、金融产品标签、金融政策标签等做出相关的匹配操作，将匹配度达到一定范围的产品智能推荐给用户，实现了金融产品定向服务的目标，提高了金融服务平台的服务效率。

具体实施方式

为了使本技术领域的人员更好的理解本发明中的技术方案，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整的描述。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前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。

用户画像的PERSONAL八要素分别为：

P代表基本性(Primary)：指该用户角色是否基于对真实用户的情景访谈；

E代表同理性(Empathy)：指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心；

R代表真实性(Realistic)：指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物；

S代表独特性(Singular)：每个用户是否是独特的，彼此很少有相似性；

O代表目标性(Objectives)：该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标；

N代表数量性(Number)：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色；

A代表应用性(Applicable)：设计团队是否能使用用户角色作为一种实用工具进行设计决策。

L代表长久性(Long)：用户标签的长久性。

该基于用户数据的金融服务平台智能推荐方法，包括以下步骤：

第一步、收集整理用户数据，并将用户数据分析归纳为各项与金融有关的指标，根据各指标创建用户画像；

第二步，对用户的金融政策页面浏览记录和融资偏好信息进行收集、存储以及标签分类；

第三步，根据当前用户融资喜好的设定以及融资用途为用户推送关联度高的金融产品。

创建用户画像既能帮助银行对用户的还款意愿、偿还能力作深入了解，还能根据不同用户的融资需求推送定向解决融资的金融产品给客户，提高客户解决自身融资需求的效率。

所述第一步中，获取到用户数据后，先要对数据进行预处理使其达到分析与建模使用的标准，所述预处理过程包括筛选、清洗、分类、整合和加工。

所述第一步中，对预处理后的用户数据进行维度划分，同时对数据进行指标化、标签化处理，如收入能力与固定资产(债务偿还能力)可根据特定的指标划为强、较强、一般、较差、差等指标，利用指标完成数据分析。

数据缺失率如果影响某个指标，那么最终会影响分析结果，所以分析过程中也要统计某个用户的数据确实情况。

所述第一步中，利用用户画像算法和数据维度建立数据模型，然后输入用户数据信息对数据模型进行训练，最终形成成熟的数据模型。

所述第一步中，建立数据模型后，将符合标准的数据通过数据模型处理获得的最终结果使用图表进行展示，并且输出标签化数据。

为了保证用户画像的准确性，非关键数据缺失率不得超过12％。

所述用户数据来源于公安部门、工商部门和税务部门与金融相关的政府数据。

所述第二步中，用户在发布个性化融资时自行设置融资喜好、融资用途和金融政策喜好，同时为了完善融资偏好标签的收集，通过获取用户的金融政策页面浏览记录获取对应的喜好标签，并存储；

将用户画像、用户自行设置的融资喜好和金融政策喜好标签化，根据文字及语义分析，对各项标签进行整理分类，将语义相近的标签规整为一类。

所述第三步中，具体实现步骤如下：

S1.标签归类后，获取标签之间的关联性；

S2.结合产品标签，使用算法提取标签关联度最高的产品标签，并对产品标签的关联度高低做排序；

S3.提取关联度最高的前三款产品，推送给客户，从而帮助筛选出客户最需要的产品，使得产品具备定向服务的能力。

与目前的现有技术相比，该基于用户数据的金融服务平台智能推荐方法，具有以下特点：

第一、根据用户提交的融资偏好、融资特点等信息，结合用户画像、用户信息、金融政策浏览偏好、金融产品信息，依托大数据平台实现智能推荐。

第二、在政府提供数据支持的条件下，对数据进行清洗、标签化等操作，将用户提交的个人融资喜好、企业或者个人的精准画像标签、用户信息、金融政策浏览偏好、金融产品信息协同过滤，然后使用用户画像算法，最终完成对个人或者企业信息画像，使得用户画像可以为金融服务平台提供了强有力的运转支撑。

第三、智能推荐是在用户画像基础上，根据用户提供的融资偏好及融资特点等方面的用户喜好标签信息，通过大数据技术对用户画像标签、金融产品标签、金融政策标签等做出相关的匹配操作；当用户有融资需求时，只需要提交自己的喜好，平台就能给出相应的产品推荐结果，将匹配度达到一定范围的产品智能推荐给用户，金融产品定向服务，更利于用户短时间内完成金融产品申请，大大提升了金融服务平台的服务效率。

以上所述的实施例，只是本发明具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (9)

1.一种基于用户数据的金融服务平台智能推荐方法，其特征在于：包括以下步骤：

第一步、收集整理用户数据，并将用户数据分析归纳为各项与金融有关的指标，根据各指标创建用户画像；

第二步，对用户的金融政策页面浏览记录和融资偏好进行收集并标签分类；

第三步，根据当前用户融资喜好的设定以及融资用途为用户推送关联度高的金融产品。

2.根据权利要求1所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第一步中，获取到用户数据后，先要对数据进行预处理使其达到分析与建模使用的标准，所述预处理过程包括筛选、清洗、分类、整合和加工。

3.根据权利要求2所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第一步中，对预处理后的用户数据进行维度划分，同时对数据进行指标化、标签化处理，利用指标完成数据分析。

4.根据权利要求3所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第一步中，利用用户画像算法和数据维度建立数据模型，然后输入用户数据信息对数据模型进行训练，最终形成成熟的数据模型。

5.根据权利要求4所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第一步中，建立数据模型后，将符合标准的数据通过数据模型处理获得的最终结果使用图表进行展示，并且输出标签化数据。

6.据权利要求3所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：为了保证用户画像的准确性，非关键数据缺失率不得超过12％。

7.根据权利要求2所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述用户数据来源于公安部门、工商部门和税务部门与金融相关的政府数据。

8.根据权利要求1或5所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第二步中，用户在发布个性化融资时自行设置融资喜好、融资用途和金融政策喜好，同时通过获取用户的金融政策页面浏览记录获取对应的喜好标签，并存储；

将用户画像、用户自行设置的融资喜好和金融政策喜好标签化，根据文字及语义分析，对各项标签进行整理分类，将语义相近的标签规整为一类。

9.根据权利要求8所述的基于用户数据的金融服务平台智能推荐方法，其特征在于：所述第三步中，具体实现步骤如下：

S1.标签归类后，获取标签之间的关联性；

S2.结合产品标签，使用算法提取标签关联度最高的产品标签，并对产品标签的关联度高低做排序；

S3.提取关联度最高的前三款产品，推送给客户，从而帮助筛选出客户最需要的产品，使得产品具备定向服务的能力。