CN112561651A - 产品信息推送方法以及相关产品 - Google Patents
产品信息推送方法以及相关产品 Download PDFInfo
- Publication number
- CN112561651A CN112561651A CN202011499114.7A CN202011499114A CN112561651A CN 112561651 A CN112561651 A CN 112561651A CN 202011499114 A CN202011499114 A CN 202011499114A CN 112561651 A CN112561651 A CN 112561651A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- product
- demand
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000007477 logistic regression Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000028399 Critical Illness Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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
- G06Q40/08—Insurance
Abstract
本申请实施例公开了一种产品信息推送方法以及相关产品,所述方法包括:根据第一用户在第一场景下第一用户基本信息和第二用户在第二场景下的第二用户基本信息确定第一用户基本信息和第二用户基本信息之间的第一关联性;根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息;根据第三用户信息确定第一用户对第一产品的需求评分;根据需求评分向第一用户推送第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高推送产品的效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种产品信息推送方法以及相关产品。
背景技术
随着中国经济的发展,国民财富收入的增加,国人保险意识的逐渐加强,居民理财需求和保险需求越来越迫切以及多样化,但由于理财信息和保险信息产品繁多复杂,且用户的自身的对理财和保险的需求不同,想向用户推荐合适用户的理财产品和保险产品时,通常采取人工查询的方式,需要极大的人力物力,效率低下。
发明内容
本申请实施例的主要目的在于提供一种产品信息推送方法以及相关产品,能够有效地解决向用户推荐合适用户的理财产品和保险产品时推荐效率低的问题。
第一方面,本申请实施例提供了一种产品信息推送方法,应用于电子设备,所述方法包括:
获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与所述用户关联的第一联系人的个人信息;
对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;
根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
可选地,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分之前,还包括:建立所述第一用户对第一产品需求的需求评分模型。
可选地,所述建立所述第一用户对第一产品需求的需求评分模型,包括:
以第一用户的用户信息为预测变量,转化为目标变量,构建所述需求评分模型,其中,所述需求评分模型为所述第一用户对第一产品需求的评分模型。
可选地,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分,包括:利用需求评分模型,根据所述第一用户的第三用户信息,确定所述第一用户对第一产品的需求评分。
可选地,所述需求评分模型包括逻辑回归预测模型。
可选地,所述根据所述需求评分向所述第一用户推送所述第一产品的产品信息,包括:根据所述第一用户的需求评分确定所述第一用户的进程;根据所述第一用户的进程对所述第一用户推送所述第一产品的产品信息。
可选地,所述逻辑回归预测模型为:Score(y=1|X)=β0+β1X1+β2X2+…++βnXn,其中Score(y=1|X)表示已知标签条件下的客户转化率的模型得分,βn为第三用户信息的标签权重值,Xn为第三用户信息的标签。
第二方面,本申请实施例提供了一种产品信息推送装置,所述装置包括:
获取单元,用于获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息;
识别单元,用于对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
整合单元,用于根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息;
确定单元,用于根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
推送单元,用于根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
可选地,在所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分之前,确定单元504还具体用于:建立所述第一用户对第一产品需求的需求评分模型。
可选地,在所述建立所述第一用户对第一产品需求的需求评分模型方面,确定单元504还具体用于:以第一用户的用户信息为预测变量,转化为目标变量,构建所述需求评分模型,其中,所述需求评分模型为所述第一用户对第一产品需求的评分模型。
可选地,在所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分方面,确定单元504还具体用于:利用需求评分模型,根据所述第一用户的第三用户信息,确定所述第一用户对第一产品的需求评分。
可选地,所述需求评分模型包括逻辑回归预测模型。
可选地,在所述根据所述需求评分向所述第一用户推送所述第一产品的产品信息方面,推送单元505具体用于:根据所述第一用户的需求评分确定所述第一用户的进程;根据所述第一用户的进程对所述第一用户推送所述第一产品的产品信息。
可选地,所述逻辑回归预测模型为:Score(y=1|X)=β0+β1X1+β2X2+…++βnXn,其中Score(y=1|X)表示已知标签条件下的客户转化率的模型得分,βn为第三用户信息的标签权重值,Xn为第三用户信息的标签。
第三方面,本申请实施例提供了一种电子设备,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例通过获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与所述用户关联的第一联系人的个人信息;对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;根据所述第三用户信息确定所述第一用户对第一产品的需求评分;根据所述需求评分向所述第一用户推送所述第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高第一用户信息准确性,提高向第一用户推送产品信息的准确性和效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例提供的一种产品信息推送方法的流程示意图;
图2为本申请实施例提供的一种确定第一用户对第一产品的需求评分流程示意图;
图3为本申请实施例提供的一种产品信息推送方法的流程示意图;
图4是本申请实施例提供的一种电子设备的结构示意图;
图5是本申请实施例提供的一种产品信息推送装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面对本申请实施例进行详细介绍。
为解决向用户推荐合适用户的理财产品和保险产品时推荐效率低的问题,本申请提供了一种产品信息推送方法,应用于电子设备,具体如图1所示,该方法可以包括但不限于如下步骤:
S101、电子设备获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息;
其中,用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息。
其中,用户基本信息可以是包括以下信息用户的姓名、性别、生日、联系方式、证件信息、在场景下与用户关联的第一联系人的个人信息。其中证件信息包括证件类型和证件号码。用户的联系方式可以是手机号、座机号、即时通信的账号、邮箱号等常见的联系方式。在场景下与用户关联的第一联系人的个人信息包括:第一联系人的姓名、工号、联系方式。第一联系人的联系方式包括以下任意一种:第一联系人的手机号、邮箱帐号、即时通信的账号等。第一联系人可以是在场景下与用户关联对应的业务员。
其中,第一用户和第二用户可以是相同的用户,可以是不相同的用户。其中,第一用户为数据库中的预设场景下的用户。预设场景可以是保险产品场景和金融场景中的任意一种,例如,寿险场景(人寿保险产品购买场景)、产险场景(汽车保险、旅游保险、家财险、意外保险等购买场景)、银行场景(如理财产品的购买等场景)、基金场景(基金产品的购买场景),此处对预设场景不作过多的限制。
其中,第一场景可以是保险产品场景和金融场景中的任意一种,例如,寿险场景(人寿保险产品购买场景)、产险场景(汽车保险、旅游保险、家财险、意外保险等购买场景)、银行场景(如理财产品的购买等场景)、基金场景(基金产品的购买场景),第一场景还可以是其他的场景,此处不作过多的限制。
其中,第二场景可以是保险产品场景和金融场景中的任意一种,例如,寿险场景(人寿保险产品购买场景)、产险场景(汽车保险、旅游保险、家财险、意外保险等购买场景)、银行场景(如理财产品的购买等场景)、基金场景(基金产品的购买场景)。第二场景还可以是其他的场景,此处不作过多的限制。
其中,第一场景与第二场景是不相同的。
S102、电子设备对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;
其中,第一关联性为第一用户基本信息与第二用户基本信息为同一用户的关联性。第一关联性可以划分成强相关和弱相关,强相关代表第一用户与第二用户为同一用户,弱相关代表第一用户与第二用户为不相同的用户。
其中,如下表1所示,表1为第一用户与第二用户的用户基本信息关联性表
强相关对应的条件包括以下任意一种情形:
1、条件1:第一用户基本信息与第二用户基本信息中的证件类型和证件号码为有且一致、姓名为有且一致、性别为有且一致、生日为有且一致、联系方式为有且一致、对应业务员信息不做限制;
2、条件2:第一用户基本信息与第二用户基本信息中的证件类型和证件号码为缺失、姓名为有且一致、性别为有且一致、生日为有且一致、联系方式为有且一致、对应业务员信息不做限制;
3、条件3:第一用户基本信息与第二用户基本信息中的证件类型和证件号码为有且一致、姓名为不做限制、性别为不做限制、生日为不做限制、联系方式为有且一致、对应业务员信息不做限制。
弱相关对应的条件包括以下情形:
条件4:第一用户基本信息与第二用户基本信息中的证件类型和证件号码为缺失、姓名为不做限制、性别为不做限制、生日为不做限制、联系方式为有且一致、对应业务员信息有且一致。
第一联系人的个人信息为用户对应出单业务员信息或用户对应产品服务经理信息。
需要进一步补充的是:除强相关和弱相关对应的情况外的其他情况视为第一用户不能与第二用户进行匹配,即第一用户与第二用户不是同一用户,需对第一用户的第一用户基本信息新建身份标识号(Identity document,ID),其中ID号为预设场景中用户基本信息中的用户号。
在一个可能的示例中,对第一用户在第一场景下的第一用户信息和第二用户在第二场景下的第二用户信息进行识别,得到第一关联性,包括:对第一用户信息中的第一用户的姓名、性别、生日、手机号、证件信息、对应业务员信息和第二用户信息中第二用户的姓名、性别、生日、手机号、证件信息、对应业务员信息的进行比对,得到第一用户与第二用户的第一关联性。
举例说明,如果有两个用户:第一用户A和第二用户B,他们来源于两个不同的场景(比如寿险和产险),如果他们身份证号码都有,且相同,姓名都有且相同,性别都有且相同,生日都有且相同,手机号码不做限制,则判断第一用户A和第二用户B的第一关联性为强相关中的条件1的情况,即第一用户A和第二用户B的第一关联性为强相关,即第一用户A和第二用户B这两个用户为同一用户。
S103、电子设备根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息;
其中,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、其中,用户基本信息可以是包括以下信息用户的姓名、性别、生日、联系方式、证件信息、在场景下与用户关联的第一联系人的个人信息。其中证件信息包括证件类型和证件号码。用户的联系方式可以是手机号、座机号、即时通信的账号、邮箱号等常见的联系方式。在场景下与用户关联的第一联系人的个人信息包括:第一联系人的姓名、工号、联系方式。第一联系人的联系方式包括以下任意一种:第一联系人的手机号、邮箱帐号、即时通信的账号等。第一联系人可以是在场景下与用户关联对应的业务员。
其中,用户的价值信息可以是通过根据用户自身的存款信息、历史消费信息、历史购买保险金融产品的信息所确定的价值信息。
其中,用户的行为信息包括用户在预设时间段内在应用程序APP上浏览保险产品和金融产品的时长和时间点,用户的行为信息还包括用户历史购买信息。用户历史购买信息可以是:用户购买保险金融产品的类型、金额、购买的时间,此处不作过多的限制。应用程序APP可以是与金融产品相关的APP,可以是与保险产品相关的APP,可以是支付类型的APP。
具体实现中,电子设备根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,包括但不限于:电子设备根据第一关联性判断第一用户与第二用户是否为同一用户,若是则电子设备将第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息。
需要说明的是,电子设备将第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,包括但不限于:电子设备对第一用户信息和第二用户信息进行比对,将第二用户信息中与第一用户信息不同的信息整合到第一用户信息中。
具体实现中,电子设备根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,还包括但不限于:电子设备根据第一关联性判断第一用户与第二用户是否为同一用户,若否则电子设备对第二用户进行编号,对第二用户的第二用户基本信息新建身份标识号(Identity document,ID),其中ID号为预设场景中用户基本信息中的用户号;将第二用户的第二用户信息保存到数据库中。预设场景与上述实施例中的预设场景描述一致,此处不再过多赘述。
S104、电子设备根据第三用户信息确定第一用户对第一产品的需求评分;
在一个可能的示例中,电子设备根据第三用户信息确定第一用户对第一产品的需求评分之前,还包括:电子设备建立第一用户对第一产品需求的需求评分模型。
具体实现中,电子设备建立第一用户对第一产品需求的需求评分模型,包括:电子设备以第一用户的用户信息为预测变量,转化为目标变量,构建需求评分模型,其中,需求评分模型为第一用户对第一产品需求的评分模型。
在一个可能的示例中,根据第三用户信息确定第一用户对第一产品的需求评分,包括:电子设备利用需求评分模型,根据第一用户的第三用户信息,确定第一用户对第一产品的需求评分。
其中,需求评分模型包括逻辑回归预测模型。
其中,逻辑回归预测模型为:Score(y=1|X)=β0+β1X1+β2X2+…++βnXn,其中Score(y=1│X)表示已知标签条件下的客户转化率的模型得分,β_n为第三用户信息的标签权重值,Xn为第三用户信息的标签,第三用户信息中包括多个标签。
需要解释的是,如图2所示,图2为确定第一用户对第一产品的需求评分流程示意图,电子设备利用需求评分模型,根据第一用户的第三用户信息,确定第一用户对第一产品的需求评分,包括但不限于:电子设备利用逻辑回归预测模型和需求评分计算公式,根据第一用户的第三用户信息,计算出第一用户对第一产品的需求评分。
其中,第一用户的需求评分计算公式为:
其中,Standard为第一用户的需求评分,Score为Score(y=1│X),C为一个常数,SPmin为最小的转化率,SPmax为最大的转化率,Ip为一个权重值。
S105、电子设备根据需求评分向第一用户推送第一产品的产品信息。
在一个可能的示例中,电子设备根据需求评分向第一用户推送第一产品的产品信息,包括:电子设备根据第一用户的需求评分确定第一用户的进程;电子设备根据第一用户的进程对第一用户推送第一产品的产品信息。
其中,需要进一步解释的是,电子设备根据第一用户的需求评分确定第一用户的进程,包括但不限于:电子设备根据第一用户的需求评分对第一用户进行划分,确定第一用户的进程。
其中,第一用户的进程的阶段划分的规则如下:
1、P3:需求评分对应的转化率为35%以上
2、P2:根据需求评分对应的转化率35%的需求分值线做标准化,取标准化分值区间0-35%的前25%进入P2
3、P1:根据需求评分对应的转化率35%的需求分值线做标准化,取标准化分值区间0-35%中的50%-75%进入P1。
其中,P1阶段,指的是用户处于认知阶段;P2阶段,是指用户处于经营阶段;P3阶段,是指用户处于精准营销阶段。
其中,需要进一步解释的是,电子设备根据第一用户的进程对第一用户推送产品信息,包括但不限于:
当第一用户的进程为P1阶段时,在该阶段,根据用户评分模型中标签权重信息推荐相关的调查问卷、素材和资讯,获取第一用户的需求信息,来完善对第一用户的理解程度信息;
当第一用户的进程为P2阶段时,在该阶段,构建用户的需求倾向模型,来获取用户的大类的产品倾向信息,根据产品倾向信息推荐一些储蓄类产品的资讯或参与储蓄类产品的产说会活动。例如,个险产品的需求大类只有七类,分别为教育型(E06),非健康保障型(E02),储蓄型(E05),养老型(E00),重大疾病保障型(E04),医疗保障型(E03),长期护理型(E01)。构建七个二分类模型(如采用lightGBM模型),预测出第一用户A对个险产品中的储蓄型类别感兴趣。该用户对储蓄类型产品感兴趣,则可以给其推荐一些储蓄类产品的资讯或参与储蓄类产品的产说会活动等;
当第一用户的进程为P3阶段时,在这个阶段,对用户具体感兴趣的产品进行预测。首先会构建用户的保费模型,这个保费模型是对用户未来能够承受的保费区间进行预测。保费分段如下,构建以保费分段区间为目标变量的多分类逻辑回归模型,预测出用户最有可能承受的保费范围,假设是4000-6000,再根据用户在P2阶段的需求倾向,比如是E05,储蓄型,通过查询产品体系中在储蓄型且年缴保费在4000-6000范畴区间的产品,并结合用户的多产品推荐模型(用多项逻辑回归推荐的结果)推荐给该用户。
其中,保费分段按照如下结果划分:
0-2000、2000-4000、4000-6000、6000-8500、8500以上。
可以看出,本申请实施例通过获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息;对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;根据第三用户信息确定第一用户对第一产品的需求评分;根据需求评分向第一用户推送第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高第一用户信息准确性,提高向第一用户推送产品信息的准确性和效率。
下面通过一个具体的例子对本申请实施例进行详细介绍。
与上述图1所示的实施例一致,请参阅图3,图3是本申请实施例提供的一种产品信息推送方法的流程示意图,应用于电子设备,所述方法包括:
S301、电子设备获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息;
其中,上述用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息;
S302、电子设备对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;
S303、电子设备根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息;
其中,上述用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;
S304、电子设备以第一用户的用户信息为预测变量,转化为目标变量,构建需求评分模型;
S305、电子设备利用需求评分模型根据第三用户信息确定第一用户对第一产品的需求评分;
S306、电子设备根据第一用户的需求评分确定第一用户的进程;
S307、电子设备根据第一用户的进程对第一用户推送第一产品的产品信息。
可以看出,本申请实施例通过获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息;对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;根据第三用户信息确定第一用户对第一产品的需求评分;根据需求评分向第一用户推送第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高第一用户信息准确性,提高向第一用户推送合适的产品信息的准确性,提高对第一用户推送产品信息的效率。
请参阅图4,图4是本申请实施例提供的一种电子设备400的结构示意图,如图所示,所述电子设备400包括应用处理器410、存储器420、通信接口430以及一个或多个程序421,其中,所述一个或多个程序421被存储在上述存储器420中,并且被配置由上述应用处理器410执行,所述一个或多个程序421包括用于执行以下步骤:
获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与所述用户关联的第一联系人的个人信息;
对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;
根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
可以看出,本申请实施例通过获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息;对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;根据第三用户信息确定第一用户对第一产品的需求评分;根据需求评分向第一用户推送第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高第一用户信息准确性,提高向第一用户推送产品信息的准确性和效率。
在一个可能的实施例中,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分之前,所述一个或多个程序421还包括用于执行以下步骤:
建立所述第一用户对第一产品需求的需求评分模型。
在一个可能的实施例中,所述建立所述第一用户对第一产品需求的需求评分模型,所述一个或多个程序421包括用于执行以下步骤:以第一用户的用户信息为预测变量,转化为目标变量,构建所述需求评分模型,其中,所述需求评分模型为所述第一用户对第一产品需求的评分模型。
在一个可能的实施例中,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分,所述一个或多个程序421包括用于执行以下步骤:利用需求评分模型,根据所述第一用户的第三用户信息,确定所述第一用户对第一产品的需求评分。
在一个可能的实施例中,所述需求评分模型包括逻辑回归预测模型。
在一个可能的实施例中,所述根据所述需求评分向所述第一用户推送所述第一产品的产品信息,所述一个或多个程序421包括用于执行以下步骤:根据所述第一用户的需求评分确定所述第一用户的进程;根据所述第一用户的进程对所述第一用户推送所述第一产品的产品信息。
在一个可能的实施例中,所述逻辑回归预测模型为:Score(y=1|X)=β0+β1X1+β2X2+…++βnXn,其中Score(y=1|X)表示已知标签条件下的客户转化率的模型得分,βn为第三用户信息的标签权重值,Xn为第三用户信息的标签。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图5是本申请实施例中所涉及的产品信息推送装置500的功能单元组成框图。该产品信息推送装置500包括:
获取单元501,用于获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息;
识别单元502,用于对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
整合单元503,用于根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息;
确定单元504,用于根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
推送单元505,用于根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
其中,所述产品信息推送装置500还可以包括存储单元506,用于存储电子设备的程序代码和数据。存储单元506可以是存储器。
可以看出,本申请实施例通过获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与用户关联的第一联系人的个人信息;对第一用户基本信息和第二用户基本信息进行识别,得到第一用户基本信息和第二用户基本信息之间的第一关联性;根据第一关联性对第一用户在第一场景下的第一用户信息和第二用户的在第二场景下的第二用户信息进行整合,得到第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;根据第三用户信息确定第一用户对第一产品的需求评分;根据需求评分向第一用户推送第一产品的产品信息。本申请实施例根据整合后的第一用户信息确定第一用户对第一产品的需求评分,根据需求评分向第一用户推送产品信息,完善第一用户信息,提高第一用户信息准确性,提高向第一用户推送产品信息的准确性和效率。
在一个可能的实施例中,在根据第三用户信息确定第一用户对第一产品的需求评分之前,确定单元504还具体用于:建立第一用户对第一产品需求的需求评分模型。
在一个可能的实施例中,在建立第一用户对第一产品需求的需求评分模型方面,确定单元504还具体用于:以第一用户的用户信息为预测变量,转化为目标变量,构建需求评分模型,其中,需求评分模型为第一用户对第一产品需求的评分模型。
在一个可能的实施例中,在根据第三用户信息确定第一用户对第一产品的需求评分方面,确定单元504还具体用于:利用需求评分模型,根据第一用户的第三用户信息,确定第一用户对第一产品的需求评分。
在一个可能的实施例中,需求评分模型包括逻辑回归预测模型。
在一个可能的实施例中,在根据需求评分向第一用户推送第一产品的产品信息方面,推送单元505具体用于:根据第一用户的需求评分确定第一用户的进程;根据第一用户的进程对第一用户推送第一产品的产品信息。
在一个可能的实施例中,逻辑回归预测模型为:Score(y=1|X)=β0+β1Xi+β2X2+…++βnXn,其中Score(y=1|X)表示已知标签条件下的客户转化率的模型得分,βn为第三用户信息的标签权重值,Xn为第三用户信息的标签。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种产品信息推送方法,其特征在于,应用于电子设备,所述方法包括:
获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息,用户基本信息是指用户的个人信息以及在场景下与所述用户关联的第一联系人的个人信息;
对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息,用户信息包括:用户基本信息、用户的价值信息、用户的行为信息、用户历史购买信息;
根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分之前,还包括:
建立所述第一用户对第一产品需求的需求评分模型。
3.根据权利要求2所述的方法,其特征在于,所述建立所述第一用户对第一产品需求的需求评分模型,包括:
以第一用户的用户信息为预测变量,转化为目标变量,构建所述需求评分模型,其中,所述需求评分模型为所述第一用户对第一产品需求的评分模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第三用户信息确定所述第一用户对第一产品的需求评分,包括:
利用需求评分模型,根据所述第一用户的第三用户信息,确定所述第一用户对第一产品的需求评分。
5.根据权利要求2-4任一项所述的方法,其特征在于,
所述需求评分模型包括逻辑回归预测模型。
6.根据权利要求5所述的方法,其特征在于,所述逻辑回归预测模型为:Score(y=1|X)=β0+β1X1+β2X2+…++βnXn,
其中Score(y=1|X)表示已知标签条件下的客户转化率的模型得分,βn为第三用户信息的标签权重值,Xn为第三用户信息的标签。
7.根据权利要求1所述的方法,其特征在于,所述根据所述需求评分向所述第一用户推送所述第一产品的产品信息,包括:
根据所述第一用户的需求评分确定所述第一用户的进程;
根据所述第一用户的进程对所述第一用户推送所述第一产品的产品信息。
8.一种产品信息推送装置,其特征在于,所述装置包括:
获取单元,用于获取第一用户在第一场景下的第一用户基本信息和第二用户在第二场景下的第二用户基本信息;
识别单元,用于对所述第一用户基本信息和所述第二用户基本信息进行识别,得到所述第一用户基本信息和所述第二用户基本信息之间的第一关联性;
整合单元,用于根据所述第一关联性对所述第一用户在第一场景下的第一用户信息和所述第二用户的在第二场景下的第二用户信息进行整合,得到所述第一用户的第三用户信息;
确定单元,用于根据所述第三用户信息确定所述第一用户对第一产品的需求评分;
推送单元,用于根据所述需求评分向所述第一用户推送所述第一产品的产品信息。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011499114.7A CN112561651A (zh) | 2020-12-17 | 2020-12-17 | 产品信息推送方法以及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011499114.7A CN112561651A (zh) | 2020-12-17 | 2020-12-17 | 产品信息推送方法以及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561651A true CN112561651A (zh) | 2021-03-26 |
Family
ID=75063225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011499114.7A Pending CN112561651A (zh) | 2020-12-17 | 2020-12-17 | 产品信息推送方法以及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561651A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019940A (zh) * | 2017-08-03 | 2019-07-16 | Tcl集团股份有限公司 | 一种影视推送方法及装置 |
CN110610378A (zh) * | 2019-08-14 | 2019-12-24 | 深圳壹账通智能科技有限公司 | 产品需求分析方法、装置、计算机设备和存储介质 |
CN111652282A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于大数据的用户偏好分析方法、装置及电子设备 |
CN111784449A (zh) * | 2020-06-29 | 2020-10-16 | 中国平安财产保险股份有限公司 | 数据推送方法、设备、存储介质及装置 |
-
2020
- 2020-12-17 CN CN202011499114.7A patent/CN112561651A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019940A (zh) * | 2017-08-03 | 2019-07-16 | Tcl集团股份有限公司 | 一种影视推送方法及装置 |
CN110610378A (zh) * | 2019-08-14 | 2019-12-24 | 深圳壹账通智能科技有限公司 | 产品需求分析方法、装置、计算机设备和存储介质 |
CN111652282A (zh) * | 2020-04-30 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于大数据的用户偏好分析方法、装置及电子设备 |
CN111784449A (zh) * | 2020-06-29 | 2020-10-16 | 中国平安财产保险股份有限公司 | 数据推送方法、设备、存储介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280670B (zh) | 种子人群扩散方法、装置以及信息投放系统 | |
US20210224832A1 (en) | Method and apparatus for predicting customer purchase intention, electronic device and medium | |
Coussement et al. | Improving customer complaint management by automatic email classification using linguistic style features as predictors | |
Stacklies et al. | pcaMethods—a bioconductor package providing PCA methods for incomplete data | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN110659318A (zh) | 基于大数据的策略推送方法、系统及计算机设备 | |
CN112733042A (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
CN111429293A (zh) | 一种保险产品的推荐系统及推荐方法 | |
CN112925911B (zh) | 基于多模态数据的投诉分类方法及其相关设备 | |
CN111539221A (zh) | 一种数据处理方法及系统 | |
CN113988221A (zh) | 一种保险用户分类模型建立方法、分类方法、装置及设备 | |
CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
CN112860878A (zh) | 业务数据推荐方法、存储介质及设备 | |
CN116703440A (zh) | 基于地铁数字票务的数智运营方法 | |
CN113890948B (zh) | 基于语音外呼机器人对话数据的资源分配方法及相关设备 | |
CN110889716A (zh) | 识别潜在注册用户的方法及装置 | |
CN112561651A (zh) | 产品信息推送方法以及相关产品 | |
CN116361542A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN115687790A (zh) | 基于大数据的广告推送方法、系统及云平台 | |
KR102477893B1 (ko) | 토픽 선정을 위한 자동화된 정보 처리 방법 | |
CN114741592A (zh) | 一种基于多模型融合的产品推荐方法、设备及介质 | |
CN114022184A (zh) | 数据管理方法、装置、电子设备及存储介质 | |
CN112307334A (zh) | 信息推荐方法、信息推荐装置、存储介质与电子设备 | |
CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
CN113298555A (zh) | 推广策略生成方法、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 |