CN112581226A - 产品推荐方法及系统 - Google Patents
产品推荐方法及系统 Download PDFInfo
- Publication number
- CN112581226A CN112581226A CN202011516556.8A CN202011516556A CN112581226A CN 112581226 A CN112581226 A CN 112581226A CN 202011516556 A CN202011516556 A CN 202011516556A CN 112581226 A CN112581226 A CN 112581226A
- Authority
- CN
- China
- Prior art keywords
- product
- similarity
- products
- held
- customer
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000047 product Substances 0.000 description 395
- 230000006870 function Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000006399 behavior Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 229910000510 noble metal Inorganic materials 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种产品推荐方法及系统,可用于金融领域或其他领域,该产品推荐方法包括:获取目标客户的多个持有产品信息;根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;将所述待推荐产品对应的产品信息输出。本申请能够提高产品推荐的准确性,能够有效满足客户的个性化需求,实现新产品的推广。
Description
技术领域
本申请涉及数据处理技术领域,也涉及金融领域或其他技术领域,尤其涉及一种产品推荐方法及系统。
背景技术
随着大数据与人工智能技术的兴起,利用协同过滤算法构建推荐系统为客户推荐产品已经逐步成为提高银行产品营销的技术手段。然而在协同过滤算法存在一个亟需解决的问题——推荐系统纠偏,即改善推荐系统倾向于推荐少数热门产品的问题。此问题一方面会导致无法完全满足客户的个性化需求,另一方面会使新产品无法得到推广。
发明内容
针对现有技术中的问题,本申请提出了一种产品推荐方法及系统,能够提高产品推荐的准确性,能够有效满足客户的个性化需求,实现新产品的推广。
为了解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种产品推荐方法,包括:
获取目标客户的多个持有产品信息;
根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;
从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;
将所述待推荐产品对应的产品信息输出。
进一步地,在所述根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度之前,包括:
根据预获取的属性集合和欧式算法,得到产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合;
根据所述产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合,生成所述产品相似度集合。
进一步地,所述根据预获取的属性集合和欧式算法,得到产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合,包括:
根据所述属性集合,得到所述产品流行度相似度集合;
根据所述欧式算法和属性集合,得到所述产品空间相似度集合和二部图;
根据所述二部图,得到所述产品持有相似度集合。
进一步地,所述根据所述属性集合,得到所述产品流行度相似度集合,包括:
根据所述属性集合中产品的客户持有时间、持有时长排序位次、交易方向和出现次数,得到所述产品流行度相似度集合。
进一步地,所述根据所述欧式算法和属性集合,得到所述产品空间相似度集合和二部图,包括:
根据所述产品之间的欧式距离,得到产品空间相似度集合;
根据所述属性集合,得到所述二部图,该二部图中的每个节点表示产品信息、客户标识和客户信息中的一种,两个节点之间的连接线表示产品信息和客户标识之间或者客户标识和客户信息之间的对应关系。
进一步地,所述根据所述二部图,得到所述产品持有相似度集合,包括:
根据所述二部图,确定每个产品对应的客户和客户个数;
根据每个产品对应的客户和客户个数,得到所述产品持有相似度集合。
进一步地,所述将所述待推荐产品对应的产品信息输出,还包括:
从所述预获取的产品相似度集合中随机选取预设数量的产品信息,并与所述待推荐产品对应的产品信息同时输出。
第二方面,本申请提供一种产品推荐系统,包括:
获取装置,用于获取目标客户的多个持有产品信息;
相似度确认装置,用于根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;
选取装置,用于从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;
输出装置,用于将所述待推荐产品对应的产品信息输出。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的产品推荐方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现所述的产品推荐方法。
由上述技术方案可知,本申请提供一种产品推荐方法及系统。其中,该方法包括:获取目标客户的多个持有产品信息;根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;将所述待推荐产品对应的产品信息输出,能够提高产品推荐的准确性,能够有效满足客户的个性化需求,实现新产品的推广;具体地,能够全面衡量产品间相似度,同时减少热门产品影响,有效改善推荐系统倾向于推荐少数热门产品的问题,满足客户的个性化需求,有利于辅助新产品推广。
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是本申请实施例中产品推荐方法的流程示意图;
图2是本申请实施例中产品推荐方法的步骤201和步骤202的流程示意图;
图3是本申请实施例中产品推荐方法的步骤201、步骤301至步骤303的流程示意图;
图4是本申请实施例中产品推荐系统的结构示意图;
图5是本申请应用实例中产品推荐系统的结构示意图;
图6是本申请应用实例中的二部图的逻辑示意图;
图7是本申请应用实例中的简化后的二部图的逻辑示意图;
图8为本申请实施例的电子设备的系统构成示意框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,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,都属于本申请保护的范围。
产品推荐的思想是“物以类聚,人以群分”,即找到与目标客户类似的客户,将相似客户的产品推荐给目标客户;找到与推荐目标客户持有产品类似的产品,并推荐给目标客户。如何计算客户/产品相似度是推荐算法的核心,为了提高产品推荐的准确性,有效满足客户的个性化需求,实现新产品的推广,本申请实施例可以提供一种基于多种相似度算法融合的产品推荐方法及系统,可以在银行客户的画像、客户资产负债信息、交易行为和产品属性等行内各类结构化和非结构化金融数据的基础上,根据客户交互时间、交互位次、交互方向、产品流行度、客户热度等因素,以不同维度与算法计算产品间相似度,并将结果合并,以便全面衡量产品间相似度同时减少热门产品影响,对协同算法进行优化,使得为客户推荐的产品更符合客户需求。
为了提高产品推荐的准确性,有效满足客户的个性化需求,实现新产品的推广,本申请实施例提供一种产品推荐系统,该装置可以是一服务器或客户端设备,所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备和智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表和智能手环等。
在实际应用中,进行产品推荐的部分可以在如上述内容所述的服务器侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信,包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然,所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol,远程过程调用协议)、REST协议(Representational State Transfer,表述性状态转移协议)等。
需要说明的是,本申请公开的产品推荐方法及系统可用于金融技术领域,也可用于除金融技术领域之外的任意领域,本申请公开的产品推荐方法及系统的应用领域不做限定。
具体通过下述各个实施例进行说明。
为了提高产品推荐的准确性,有效满足客户的个性化需求,实现新产品的推广,本实施例提供一种执行主体是产品推荐系统的产品推荐方法,该产品推荐系统包括但不限于服务器,如图1所示,该方法具体包含有如下内容:
步骤001:获取目标客户的多个持有产品信息。
具体地,所述持有产品信息可以是目标客户已购买的产品信息,产品信息可以包括:产品名称,产品介绍,产品销售地区,风险,近3、6、12个月收益率,持有人数,交易频次和持有时长等;可以根据操作终端输入的目标客户的客户信息,确定客户持有产品列表,该客户持有产品列表包括持有产品信息。
步骤002:根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度。
可以理解的是,可以从所述预获取的产品相似度集合中提取,每个持有产品信息对应的产品和目标客户未持有的产品之间的相似度;持有产品可以是目标客户已购买的产品,未持有产品可以是目标客户未购买的产品;所述目标相似度可以表示目标客户的持有产品和未持有产品之间的相似度。
步骤003:从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品。
具体地,所述预获取的产品相似度集合可以预先设有各个产品的上线时长,可以根据所述预获取的产品相似度集合确定各个产品的上线时长,上传时长越短,产品越新。
步骤004:将所述待推荐产品对应的产品信息输出。
具体地,可以将所述待推荐产品对应的产品信息组成产品列表,操作终端输出展现,以向客户推荐产品。
由上述描述可知,本实施例提供的产品推荐方法,通过全面衡量产品间的相似度,能够提高产品推荐的准确性,有效满足客户的个性化需求,同时可以有效实现新产品的推广。
为了从不同维度确定产品之间的相似度,以便全面衡量产品间相似度同时减少热门产品影响,进而提高产品推荐的准确性,参见图2,在本申请一个实施例中,在步骤002之前,还包括:
步骤201:根据预获取的属性集合和欧式算法,得到产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合。
具体地,所述预获取的属性集合可以包括:客户信息和产品信息。
步骤202:根据所述产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合,生成所述产品相似度集合。
具体地,可以将所述产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合中相同的两个产品对应的产品流行度相似度、产品空间相似度和产品持有相似度进行归一化处理后相乘,得到产品之间的相似度,组成所述产品相似度集合。
为了进一步提高获取产品持有相似度集合的可靠性,参见图3,在本申请一个实施例中,步骤202包括:
步骤301:根据所述属性集合,得到所述产品流行度相似度集合。
步骤302:根据所述欧式算法和属性集合,得到所述产品空间相似度集合和二部图。
步骤303:根据所述二部图,得到所述产品持有相似度集合。
为了进一步提高获取产品流行度相似度集合的准确性,在本申请一个实施例中,步骤301包括:
步骤401:根据所述属性集合中产品的客户持有时间、持有时长排序位次、交易方向和出现次数,得到所述产品流行度相似度集合。
具体地,可以根据所述属性集合中产品的客户持有时间、持有时长排序位次、交易方向和出现次数,得到各产品之间的流行度相似度,组成产品流行度相似度集合;可以根据下列产品流行度相似度公式得到产品之间的产品流行度相似度:
其中,i和j表示产品,Sim(i,j)表示产品i和j的产品流行度相似度,|Ui|、|Uj|表示产品i和j在属性集合中出现的次数,|Ui∩Uj|表示同时持有产品i和j的客户数,tu,i表示客户u持有产品i的时间,lu,i为产品i在客户u的持有产品排序中的位置,α、λ为预设的常量,当tu,i<tu,j时,λr取值范围是0.1~1,否则λr取值范围是1~1.5,λloc取值范围是0.01~0.5,αloc取值范围是0.01~0.3,αt取值范围是0.1~0.8,λp取值范围为0.5~0.8。
为了提高获取二部图的可靠性,在本申请一个实施例中,步骤302包括:
步骤501:根据所述产品之间的欧式距离,得到产品空间相似度集合。
具体地,可以将属性集合中产品之间的欧式距离,作为产品之间的空间相似度,组成产品空间相似度集合。
举例来说,可以根据下列公式得到产品之间的欧式距离:
其中,xi表示产品x的第i个属性,yi表示产品y的第i个属性;k表示产品属性总数,i表示第i个属性。
步骤502:根据所述属性集合,得到所述二部图,该二部图中的每个节点表示产品信息、客户标识和客户信息中的一种,两个节点之间的连接线表示产品信息和客户标识之间或者客户标识和客户信息之间的对应关系。
其中,客户标识用于区分不同的客户,可以是身份证号码或者其他字符串等。
为了提高获取产品持有相似度集合的可靠性,在本申请一个实施例中,步骤303,包括:
步骤601:根据所述二部图,确定每个产品对应的客户和客户个数。
步骤602:根据每个产品对应的客户和客户个数,得到所述产品持有相似度集合。
具体地,可以根据每个产品对应的客户和客户个数,得到产品之间的持有相似度,组成产品持有相似度集合;可以根据下列持有相似度公式得到产品之间的持有相似度:
其中,a和b表示产品,s(a,b)表示产品a和b的相似度,I(a)、I(b)表示产品a和b持有的客户集合,|I(a)|、|I(b)|表示产品a和b持有的客户集合数,c为衰减系数,经验值为常量0.8。
为了有效实现产品推荐的全面性和准确性,在本申请一个实施例中,步骤004,还包括:
步骤701:从所述预获取的产品相似度集合中随机选取预设数量的产品信息,并与所述待推荐产品对应的产品信息同时输出。
具体地,所述预设数量可根据实际需要进行设置,本申请对此不作限制。
从软件层面来说,为了提高产品推荐的准确性,有效满足客户的个性化需求,实现新产品的推广,本申请提供一种用于实现所述产品推荐方法中全部或部分内容的产品推荐系统的实施例,参见图4,所述产品推荐系统具体包含有如下内容:
获取装置10,用于获取目标客户的多个持有产品信息。
相似度确认装置20,用于根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;
选取装置30,用于从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品。
输出装置40,用于将所述待推荐产品对应的产品信息输出。
本说明书提供的产品推荐系统的实施例具体可以用于执行上述产品推荐方法的实施例的处理流程,其功能在此不再赘述,可以参照上述产品推荐方法实施例的详细描述。
为了进一步说明本方案,本申请提供一种产品推荐系统的应用实例,参见图5,在本应用实例中,该产品推荐系统包含有操作终端1、推荐产品预测装置2、客户信息存储装置3、产品信息存储装置4。其中,操作终端1通过互联网或者金融传输网络与推荐产品预测装置2进行。操作信息和预测结果数据交互,推荐产品预测装置2通过金融传输网络与客户行为预测装置3和产品信息存储装置4进行客户和产品信息数据的交互,具体描述如下:
操作终端1,用于提供给客户经理输入客户信息,并从推荐产品预测装置2获取推荐给客户的产品列表,包括但不限于台式电脑、移动智能终端设备,客户经理可以通过电脑、移动智能终端设备登陆行内系统操作。
推荐产品预测装置2,用于从客户信息存储装置和产品信息存储装置获取客户和产品信息,经过加工后送入模型生成产品推荐列表,并反馈给操作终端。
客户信息存储装置3,是利用大数据集群技术构成的数据存储系统,实现银行内客户信息存储。
产品信息存储装置4,是利用大数据集群技术构成的数据存储系统,实现银行内产品信息存储。
为了进一步说明本方案,结合上述产品推荐系统,本申请提供一种产品推荐方法的应用实例,包括:
步骤100:操作终端1获取输入的(例如客户经理输入的)筛选条件,如产品所属地区,产品到期日,产品类型,产品开售日和客户信息后,将筛选条件和客户信息传送至推荐产品预测装置2。
步骤101:推荐产品预测装置2根据操作终端1送入的筛选条件和客户信息,通过客户信息存储装置3和产品信息存储装置4获取全量的客户数据和产品信息作为样本集,该客户数据中包括第一属性集合以及客户目标行为历史数据,该第一属性集合包括多个待筛选的客户属性。
其中,第一属性集合的客户属性具体可以包括客户基本信息和客户与产品交互历史行为信息。其中,如图6所示,客户基本信息可以包括客户的性别、年龄、所在城市、职业以及学历等;客户与产品交互历史行为产品信息可以包括:客户1年内在手机银行产品列表点击、购买产品行为;产品信息可以包括产品名称,产品介绍,产品销售地区,风险,近3、6、12个月收益率,持有人数,交易频次和持有时长等。
其中,客户目标行为历史数据可以包括客户点击产品,购买产品列表等。
步骤102:对第一属性集合进行数据清洗。例如调整数据格式不一致的数据,并清洗客户号、产品介绍等关键字段为空的记录。
步骤103:对第一属性集合进行特征单一值处理,即统计每个特征中每个值的出现次数,如某个值出现次数占比超过90%,则删除此特征。
步骤104:从第一属性集合中按不同数据类型,即离散、连续、文本和时序类型进行划分,并将具有实际意义的离散值进行连续化处理,将时间序列数据转化为可以用于计算的离散值或连续值。
步骤105:对第一属性集合数据进行加工处理,获得加工后的数据,并且将加工后的数据加入第一属性集合,形成第二属性集合,该第二属性集合实现的功能可以相当于上述属性集合实现的功能。
作为一个示例,在本步骤中,统计每个产品在第一属性集合中出现的次数;分别统计每个客户持有各个产品的时间(即时间长度);按持有时间对客户持有产品信息进行排序。
例如,客户甲持有A,B,C,D四种产品,按照持有时间进行排序后为:B,A,D,C。然后分别记录排序后产品的位置,即A:2,B:1,C:4,D:3,将以上加工数据加入第一属性集合,形成第二属性集合。
步骤106:根据客户持有时间、持有时长排序位次,交易方向(购买或赎回)和产品流行度(产品在第二属性集中出现次数)等因素按产品流行度相似度公式计算产品间相似度,并保存为产品流行度相似度集合。
步骤107:分别计算第二属性集合中每个产品间的欧氏距离,作为产品空间相似度,并保存到产品空间相似度集合中。
例如,可以通过下列公式得到产品x和产品y的相似度R:
其中,i表示第i个属性,k表示产品属性总数,产品属性包括第二属性集合中所有属性。
步骤108:根据步骤105所得的第二属性集合中客户持有产品信息,并将客户属性如性别,地区,职业等属性作为一类产品,统计出N个客群持有产品关系,形成第三属性集合。如有3位客户,分别为U1~U3,他们客群属性分别为:{[U1:男,广东深圳,工程师],[U2:女,北京,教师],[U3:男,北京,工程师]},他们持有产品信息为:{[U1:大额存单],[U1:车险],[U1:银证],[U2:车险],[U2:账户贵金属],[U3:定期]}。
先以用户-产品格式统计客户持有产品信息,作为第三属性集合。例如{[U1,大额存单],[U1,车险],[U1,银证],[U2,车险],[U2,账户贵金属],[U3,基金]}。
然后将U1~U2的客户属性以特殊产品加入到第三属性集合中,例如{[U1,男],[U1,广东深圳],[U1,工程师],[U2,女],[U2,北京],[U2,教师],[U3,男],[U3,北京],[U3,工程师]}。
如图6所示,最终假设第三属性集合分别以用户,产品各自作为节点,根据持有关系作为用户和产品作为连线,形成一张二部图。
步骤109:将两个相似的产品看作相似的客户持有。因此可以通过持有相似度公式计算持有该产品的客户与其他客户的相似度,并保存到产品持有相似度集合中。
从图6和上述描述可以得出,计算产品间相似度就是计算图6中客户节点间的相似度。产品间相似度由其被持有的客户决定。需要计算产品节点所关联的所有客户节点的相似度,可以根据下列持有相似度公式得到:
其中,a和b表示产品节点,s(a,b)表示产品a和b的相似度,I)a)、I(b)表示产品a和b持有的客户集合,|I(a)|、|I(b)|表示产品a和b持有的客户集合数,c为衰减系数,经验值为常量0.8。从计算公式可以看出,产品a,b的相似度取决于所有与a,b相连节点的相似度。为了应对节点关联比较少的问题,例如新产品或购买该产品人员较少。加入客户属性作为特殊的产品节点,能够构造出更多节点间关联关系。
这是一个典型的递归逻辑,递归的起点在于:每个节点(包括这里的客户/产品)与自己的相似度为1;没有关联的节点间相似度为0(一种情况是这两个节点没有与其他节点的联系,还有一种情况是在迭代的初始状态时,所有节点对间的初始相似度为0)。
将图6简化后得到图7。那么按照上述持有相似度公式,对U1和U2的相似度进行5次迭代计算,过程如下:
1.先设s(U1,U2)=0.8。
2.分别计算U1和U2各个产品节点集Pn间的相似度:
U1持有产品节点(P1-大额存单,P2-车险,P3-银证)
U2持有产品节点(P2-车险,P4-账户贵金属)
s(p1,p2),s(p1,p4)
s(p2,p2),s(p2,p4)
s(p3,p2),s(p3,p4)
按照持有相似度公式,计算如下:
s(p1,p2)=0.8×(s(U1,U1)+s(U1,U2))/(1×2)=0.8×(1+0.8)/(1×2)
s(p1,p4)=0.8×(s(U1,U2))/(1×1)=0.8×0.8/(1×1)
s(p2,p2)=1
s(p2,p4)=0.8×(s(U1,U2)+s(U2,U2))/(1×2)=0.8×(0.8+0.1)/(1×2)
s(p2,p3)=0.8×(s(U1,U1)+s(U1,U2))/(1×2)=0.8×(1+0.8)/(1×2)
s(p3,p4)=0.8×(s(U1,U2))/(1×1)=0.8×0.8/(1×1)
3.计算完成各节点相似度后,重新计算s(U1,U2):
s(U1,U2)=0.8/(len(I(U1))×len(I(U2)))×(s(p1,p2)+s(p1,p4)+s(p2,p2)+s(p2,p4)+s(p3,p2)+s(p3,p4))
4.继续从第2步开始,连续计算5次。
步骤110:通过产品id将步骤106得到的产品流行度相似度集合、步骤107得到的产品空间相似度集合和步骤109得到的产品持有相似度集合等三个集合进行关联,并将产品的三个相似度进行归一化处理后相乘,得到最后的相似度。
步骤111:根据操作终端1送入的客户信息,在客户信息存储装置3中查询客户持有产品列表。使用步骤110计算得出产品相似度结果,按相似度排序后,取与客户持有产品列表最相似的预设数量的(例如3项)产品,生成产品列表。
步骤112:为提高新上线产品营销力度,按照产品上线时间对符合从操作终端1获取的筛选条件的产品进行排序,取上线时间最短的预设数量的(例如前5个)产品后,再随机选取预设数量的(例如2个)产品加入到步骤111生成的产品列表中。
步骤113:将步骤112得到的产品列表通过操作终端1展现给客户经理。
由上述描述可知,本申请提供的产品推荐方法及系统,能够全面衡量产品间相似度,同时减少热门产品影响,有效改善推荐系统倾向于推荐少数热门产品的问题,满足客户的个性化需求,有利于辅助新产品推广。
从硬件层面来说,为了提高产品推荐的准确性,有效满足客户的个性化需求,实现新产品的推广,本申请提供一种用于实现所述产品推荐方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现所述产品推荐系统以及用户终端等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述产品推荐方法的实施例及用于实现所述产品推荐系统的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图8为本申请实施例的电子设备9600的系统构成的示意框图。如图8所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图8是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在本申请一个或多个实施例中,产品推荐功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤001:获取目标客户的多个持有产品信息。
步骤002:根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度。
步骤003:从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品。
步骤004:将所述待推荐产品对应的产品信息输出。
从上述描述可知,本申请的实施例提供的电子设备,能够提高产品推荐的准确性,有效满足客户的个性化需求。
在另一个实施方式中,产品推荐系统可以与中央处理器9100分开配置,例如可以将产品推荐系统配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现产品推荐功能。
如图8所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图8中所示的所有部件;此外,电子设备9600还可以包括图8中没有示出的部件,可以参考现有技术。
如图8所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
上述描述可知,本申请的实施例提供的电子设备,能够提高产品推荐的准确性,有效满足客户的个性化需求。
本申请的实施例还提供能够实现上述实施例中的产品推荐方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的产品推荐方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤001:获取目标客户的多个持有产品信息。
步骤002:根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度。
步骤003:从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品。
步骤004:将所述待推荐产品对应的产品信息输出。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够提高产品推荐的准确性,有效满足客户的个性化需求。
本申请中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施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)
1.一种产品推荐方法,其特征在于,包括:
获取目标客户的多个持有产品信息;
根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;
从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;
将所述待推荐产品对应的产品信息输出。
2.根据权利要求1所述的产品推荐方法,其特征在于,在所述根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度之前,包括:
根据预获取的属性集合和欧式算法,得到产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合;
根据所述产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合,生成所述产品相似度集合。
3.根据权利要求2所述的产品推荐方法,其特征在于,所述根据预获取的属性集合和欧式算法,得到产品流行度相似度集合、产品空间相似度集合和产品持有相似度集合,包括:
根据所述属性集合,得到所述产品流行度相似度集合;
根据所述欧式算法和属性集合,得到所述产品空间相似度集合和二部图;
根据所述二部图,得到所述产品持有相似度集合。
4.根据权利要求3所述的产品推荐方法,其特征在于,所述根据所述属性集合,得到所述产品流行度相似度集合,包括:
根据所述属性集合中产品的客户持有时间、持有时长排序位次、交易方向和出现次数,得到所述产品流行度相似度集合。
5.根据权利要求3所述的产品推荐方法,其特征在于,所述根据所述欧式算法和属性集合,得到所述产品空间相似度集合和二部图,包括:
根据所述产品之间的欧式距离,得到产品空间相似度集合;
根据所述属性集合,得到所述二部图,该二部图中的每个节点表示产品信息、客户标识和客户信息中的一种,两个节点之间的连接线表示产品信息和客户标识之间或者客户标识和客户信息之间的对应关系。
6.根据权利要求3所述的产品推荐方法,其特征在于,所述根据所述二部图,得到所述产品持有相似度集合,包括:
根据所述二部图,确定每个产品对应的客户和客户个数;
根据每个产品对应的客户和客户个数,得到所述产品持有相似度集合。
7.根据权利要求1所述的产品推荐方法,其特征在于,所述将所述待推荐产品对应的产品信息输出,还包括:
从所述预获取的产品相似度集合中随机选取预设数量的产品信息,并与所述待推荐产品对应的产品信息同时输出。
8.一种产品推荐系统,其特征在于,包括:
获取装置,用于获取目标客户的多个持有产品信息;
相似度确认装置,用于根据预获取的产品相似度集合中各产品的相似度和所述持有产品信息,确定所述目标客户的每个持有产品和未持有产品之间的目标相似度;
选取装置,用于从对应的目标相似度大于相似度阈值的未持有产品中,选取上线时长短于上线时长阈值的作为待推荐产品;
输出装置,用于将所述待推荐产品对应的产品信息输出。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的产品推荐方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1至7任一项所述的产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011516556.8A CN112581226B (zh) | 2020-12-21 | 2020-12-21 | 产品推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011516556.8A CN112581226B (zh) | 2020-12-21 | 2020-12-21 | 产品推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581226A true CN112581226A (zh) | 2021-03-30 |
CN112581226B CN112581226B (zh) | 2024-02-02 |
Family
ID=75136650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011516556.8A Active CN112581226B (zh) | 2020-12-21 | 2020-12-21 | 产品推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581226B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569144A (zh) * | 2021-07-21 | 2021-10-29 | 北京百度网讯科技有限公司 | 推广内容的检索方法、装置、设备、存储介质及程序产品 |
CN113592529A (zh) * | 2021-06-22 | 2021-11-02 | 中债金科信息技术有限公司 | 债券产品的潜在客户推荐方法和装置 |
CN113781175A (zh) * | 2021-09-14 | 2021-12-10 | 广西中烟工业有限责任公司 | 一种卷烟新品推荐方法和推荐系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110313853A1 (en) * | 2005-09-14 | 2011-12-22 | Jorey Ramer | System for targeting advertising content to a plurality of mobile communication facilities |
CN110020913A (zh) * | 2019-02-20 | 2019-07-16 | 中国人民财产保险股份有限公司 | 产品推荐方法、设备及存储介质 |
CN111951051A (zh) * | 2020-08-14 | 2020-11-17 | 中国工商银行股份有限公司 | 一种为客户推荐产品的方法、装置和系统 |
-
2020
- 2020-12-21 CN CN202011516556.8A patent/CN112581226B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110313853A1 (en) * | 2005-09-14 | 2011-12-22 | Jorey Ramer | System for targeting advertising content to a plurality of mobile communication facilities |
CN110020913A (zh) * | 2019-02-20 | 2019-07-16 | 中国人民财产保险股份有限公司 | 产品推荐方法、设备及存储介质 |
CN111951051A (zh) * | 2020-08-14 | 2020-11-17 | 中国工商银行股份有限公司 | 一种为客户推荐产品的方法、装置和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592529A (zh) * | 2021-06-22 | 2021-11-02 | 中债金科信息技术有限公司 | 债券产品的潜在客户推荐方法和装置 |
CN113592529B (zh) * | 2021-06-22 | 2023-11-21 | 中债金科信息技术有限公司 | 债券产品的潜在客户推荐方法和装置 |
CN113569144A (zh) * | 2021-07-21 | 2021-10-29 | 北京百度网讯科技有限公司 | 推广内容的检索方法、装置、设备、存储介质及程序产品 |
CN113569144B (zh) * | 2021-07-21 | 2024-03-01 | 北京百度网讯科技有限公司 | 推广内容的检索方法、装置、设备、存储介质及程序产品 |
CN113781175A (zh) * | 2021-09-14 | 2021-12-10 | 广西中烟工业有限责任公司 | 一种卷烟新品推荐方法和推荐系统 |
CN113781175B (zh) * | 2021-09-14 | 2023-11-28 | 广西中烟工业有限责任公司 | 一种卷烟新品推荐方法和推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112581226B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861569B (zh) | 产品信息推荐方法及装置 | |
CN112581226A (zh) | 产品推荐方法及系统 | |
CN108710634B (zh) | 一种协议文件的推送方法及终端设备 | |
US20140236695A1 (en) | Transaction log for loyalty based offers and awards | |
JP2023546849A (ja) | 通貨市場において証券を予想、推奨、および売買するための機械学習 | |
CN112767144A (zh) | 一种银行金融营销推荐方法及装置 | |
CN109598404A (zh) | 自动对下发销售任务单进行数据处理的方法和装置 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
WO2015153240A1 (en) | Directed recommendations | |
CN114186036A (zh) | 对话处理方法、装置、计算机设备和存储介质 | |
CN115269997A (zh) | 一种金融产品推荐方法及装置 | |
CN115082203A (zh) | 生息方案推送方法、装置、电子设备及存储介质 | |
CN110555591A (zh) | 信用借书场景下的合约处理方法以及装置 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN114119123A (zh) | 信息推送的方法和装置 | |
CN116664227A (zh) | 金融产品智能推荐方法及装置 | |
US20190303941A1 (en) | Systems and methods for compressing behavior data using semi-parametric or non-parametric models | |
CN110348947A (zh) | 对象推荐方法及装置 | |
TWM572513U (zh) | 金融系統 | |
CN113822734A (zh) | 用于生成信息的方法和装置 | |
CN114818843A (zh) | 数据分析的方法、装置和计算设备 | |
CN112084348A (zh) | 一种关联度确定方法及装置 | |
CN112200606B (zh) | 一种推广信息的设计方法、装置、设备及介质 | |
TW202011317A (zh) | 資料分析方法及金融系統 | |
CN114036389B (zh) | 对象推荐方法、推荐模型的训练方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |