CN113487380A - 一种金融产品推荐方法、装置、设备及介质 - Google Patents
一种金融产品推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113487380A CN113487380A CN202110709485.1A CN202110709485A CN113487380A CN 113487380 A CN113487380 A CN 113487380A CN 202110709485 A CN202110709485 A CN 202110709485A CN 113487380 A CN113487380 A CN 113487380A
- Authority
- CN
- China
- Prior art keywords
- user
- financial
- product
- data
- products
- 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 36
- 238000012216 screening Methods 0.000 claims abstract description 43
- 238000013475 authorization Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 48
- 230000002265 prevention Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010970 precious metal Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书提供一种金融产品推荐方法、设备、装置及介质,方法包括:基于用户和政府部门授权,获取用户的金融行为数据和政府部门数据,其中,政府部门数据与用户相关;根据用户的金融行为数据确定出用户的产品喜好和目标意向,并根据政府部门数据确定出所述用户的承担能力;根据用户的产品喜好、目标意向和用户承担能力筛选出符合要求的金融产品,并将符合要求的金融产品推荐给用户。根据用户的实际情况推荐金融产品,提升了金融服务平台的运作效率,也提高了用户使用金融服务平台的效率,可以利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品。
Description
技术领域
本说明书涉及大数据技术领域,尤其涉及一种金融产品推荐方法、装置、设备及介质。
背景技术
随着金融行业以及互联网行业的发展,金融产品的种类越来越多,有基金、理财、贵金属、保险、借贷等各类产品,而每一类产品下又包含有若干个产品。一方面对于客户来说,将面对数量众多的金融产品,难以选择出适合自己的产品,另一方面,对于金融产品方来说,由于人手不足等原因,无法实现对产品进行全面的推销,一般会较为热门的金融产品的推销,这种推销模式不具有针对性,往往是结合产品的业务规则批量选择一些客户,进行批量营销,没有对客户进行深入挖掘而进行个性化精准营销,并不能很好满足客户的具体需求。
因此,如何利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品,是一个亟待解决的问题。
发明内容
本说明书一个或多个实施例提供了一种金融产品推荐方法、装置、设备及介质,用于解决如下技术问题:现有的金融服务平台如何利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种金融产品推荐方法,所述方法包括:基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
进一步地,所述根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,具体包括:根据所述用户的产品喜好、目标意向与所述用户承担能力确定出所述用户对应的用户画像;根据所述用户画像筛选出符合要求的金融产品。
进一步地,根据所述用户画像筛选出符合要求的金融产品,具体包括:根据所述用户画像中的所述用户的产品喜好、目标意向确定出所述用户需要的金融产品类型;根据所述用户画像中的所述用户承担能力确定出所述用户承担风险等级;根据所述用户画像中的所述用户需要的金融产品类型与所述用户承担风险等级筛选出符合要求的金融产品。
进一步地,若根据所述用户画像中的所述用户的产品喜好、目标意向确定出所述用户需要的金融产品类型为信贷类金融产品时,所述方法还包括:根据所述政府部门数据确定出所述用户的信用度,并根据所述信用度的等级筛选出符合要求的金融产品。
进一步地,所述根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,具体包括:根据所述用户的金融行为数据中的所述用户在金融服务平台浏览的产品数据、所述用户浏览的金融政策数据以及所述用户提交的意向防范需求数据确定所述用户的产品喜好和目标意向。
进一步地,所述根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,具体包括:构建待推荐的各类金融产品的第一产品画像,并构建所述用户的喜好产品的第二产品画像,其中所述第二产品画像可以表示所述用户的产品喜好类别、目标意向和所述用户的承担能力;根据所述第一产品画像和所述第二产品画像的相似度比较,筛选出符合要求的金融产品。
进一步地,在所述构建所述用户的喜好产品的第二产品画像,之前,所述方法还包括:根据所述用户的金融行为数据构建所述用户的喜好产品列表,预先对所述用户的喜好产品列表中的产品进行分类,所述用户的喜好产品列表包括第一类产品和第二类产品,其中所述第一类产品与所述用户的信用度有关,所述第二类产品与所述用户的承担风险等级有关。
本说明书一个或多个实施例提供一种金融产品推荐装置,其特征在于,所述装置包括:获取单元,用于基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;确定单元,用于根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;筛选单元,用于根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品;推荐单元,用于将所述符合要求的金融产品推荐给所述用户。
本说明书一个或多个实施例提供一种金融产品推荐设备,其特征在于,
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
本说明书一个或多个实施例提供一种存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:通过用户的金融行为数据判断用户的产品喜好和目标意向,并根据政府部门数据确定用户的承担能力,根据用户产品喜好、目标意向以及用户的承担能力确定出符合要求的金融产品,避免了金融服务平台多方收集数据而导致的效率低下的问题,提高了推荐金融产品时的效率,并且,所筛选出的产品既保证了符合用户的喜好和目标意向,同时用户承担能力是根据政府官方数据得到的,便于金融平台对用户进行授信等操作,可以利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,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。在附图中:
图1为本说明书实施例提供的一种金融产品推荐方法流程图;
图2为本说明书实施例提供的另一种金融产品推荐方法流程图;
图3为本说明书实施例提供的一种金融产品推荐装置的结构示意图;
图4为本说明书实施例提供的一种金融产品推荐设备的结构示意图。
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,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
随着金融行业以及互联网行业的发展,金融产品的种类越来越多,金融产品指的是各种具有经济价值,可进行公开交易或兑现的非实物资产,也叫有价证券,如现金、汇票、股票、期货、债券、保单等。例如,可以用现金购买任何商品,包括金融产品;还可以到银行承兑汇票:还可以在相应的金融市场任意买卖(交易)股票、期货等。
根据不同的标准,金融产品存在不同的分类,例如:金融产品可分为基础证券和衍生证券,像股票、债券等为基础证券,像期货、期权等为衍生证券。其次,根据所有权属性,金融产品又可分为产权产品和债权产品两大类,如股票、期权、认股证等为产权产品,如国库券、银行信贷产品等为债权产品,前者是产权关系,后者是债权关系。再者,根据预期收益判断,金融产品又可分为非固定收益产品和固定产品,如股票、期权、基金等为非固定收益产品,如各种债券和信贷产品等为固定产品。最后,根据时间长短,风险程度和交易场所等,金融产品又可分为短期产品、长期产品、低风险产品、高风险产品、货币产品和资本产品等很多类别。
由上可知,金融产品有基金、理财、贵金属、保险、借贷等各类产品,而每一类产品下又包含有若干个产品。一方面对于客户来说,将面对数量众多的金融产品,难以选择出适合自己的产品,另一方面,对于金融产品方来说,由于人手不足等原因,无法实现对产品进行全面的推销,一般会较为热门的金融产品的推销,这种推销模式不具有针对性,往往是结合产品的业务规则批量选择一些客户,进行批量营销,没有对客户进行深入挖掘而进行个性化精准营销,并不能很好满足客户的具体需求。因此,如何利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品,是一个亟待解决的问题。
本说明书实施例提供一种金融产品推荐方法,如图1所示,金融产品推荐方法包括如下步骤:
步骤S101,基于用户和政府部门授权,获取用户的金融行为数据和政府部门数据,其中,政府部门数据与用户相关。
在本说明书的一个实施例中,获取用户和政府相关部门的授权。首先,基于用户的授权获取用户的金融行为数据,其中,需要说明的是,用户的金融行为数据为用户的操作行为数据等个人行为数据,可以是用户在各个金融服务平台上的浏览记录,浏览记录中可以包括用户浏览的金融产品、用户浏览的相关的金融政策等。将采集到的用户的金融行为数据进行标签化存储,其中,可以用Hbase集群来存储用户的金融行为数据,使用rowkey快速检索方式来构建查询;还可以用ES集群来存储用户的数据,使用ES快速检索方式来构建查询。另外,预先政府相关部门进行沟通,获取政府相关部门的授权,基于政府相关部门的授权获取用户的相关数据。通过政府相关部门获取用户的与金融有关的政府数据目的在于提高金融服务平台的推荐效率,金融服务平台向用户推荐金融产品时,会出现信贷类金融产品,对用户的信用情况要求较高,因此预先获取政府相关部门的与用户有关的数据,可以提高推荐效率。相关政府部门是指与金融相关的部门,如税务部门、工商部门、公安部门等,不同政府部门的数据标准和数据格式存在差异,因此在采集到数据之后对数据进行处理。
在本说明书的一个实施例中,在采集到用户的政府金融数据之后进行初步筛选和处理,由于各部门的数据信息可能会有重叠部分,将各个政府相关部门的数据进行关联,并针对数据不全的数据类别进行数据缺失率统计并进行标记,便于后续对数据的分析过程。
在本说明书的一个实施例中,在获取到用户的金融行为数据和与用户相关的政府部门数据后,通过趋势分析法、对比分析法、象限分析法或交叉分析法,对已有数据进行初步分析。数据分析的标准建立在对用户设定的各项指标的基础之上,用户的各项指标可以指用户的信用、用户的资产等。
步骤S102,根据用户的金融行为数据确定出用户的产品喜好和目标意向,并根据政府部门数据确定出用户的承担能力。
具体地,步骤S102还包括:根据用户的金融行为数据中的用户在金融服务平台浏览的产品数据、用户浏览的金融政策数据以及用户提交的意向防范需求数据确定用户的产品喜好和目标意向。
在本说明书的一个实施例中,根据采集到的用户金融行为数据分析出用户的产品喜好和目标意向。根据用户在金融服务平台浏览的产品数据确定用户的产品喜好,其中,用户在金融服务平台浏览产品时可以根据用户对某产品所在页面的停留时间以及点击该产品查看产品详情时的浏览时间,判断该产品是否为用户的喜好产品;另外,若有重复点击该产品的情况,则该产品有较大的几率为用户的喜好产品,根据确定的喜好产品进一步确定用户对与此产品类似产品的喜好。
在本说明书的一个实施例中,用户在选择金融产品时会浏览金融政策,用户所浏览的金融政策可以代表用户想要选择的金融产品的目标意向。另外,当用户进入金融服务平台时,提交的意向防范需求进一步表明了用户的目标意向,例如,用户在意向防范需求中提到需要防范高风险类金融产品,那么可以明确地是,用户所需要的金融产品为低风险类的金融产品。
步骤S103,根据用户的产品喜好、目标意向和用户承担能力筛选出符合要求的金融产品,并将符合要求的金融产品推荐给用户。
具体地,步骤S103包括:根据用户的产品喜好、目标意向与用户承担能力确定出用户对应的用户画像;根据用户画像筛选出符合要求的金融产品;根据用户画像中的用户的产品喜好、目标意向确定出用户需要的金融产品类型;根据用户画像中的用户承担能力确定出用户承担风险等级;根据用户画像中的用户需要的金融产品类型与用户承担风险等级筛选出符合要求的金融产品。
具体地,若根据用户画像中的用户的产品喜好、目标意向确定出用户需要的金融产品类型为信贷类金融产品时,方法还包括:根据政府部门数据确定出用户的信用度,并根据信用度的等级筛选出符合要求的金融产品。
在本说明书的一个实施例中,通过获取的政府部门数据中的与用户信用有关的数据得到用户的信用情况,例如可以根据用户使用信用卡、花呗、白条等借贷产品时有无逾期的情况判断用户的信用,还可以通过征信数据来判断用户的信用。可以将用户的信用度划分为三个等级,一级信用、二级信用和三级信用,其中一级信用所对应的用户信用级别较高,若A用户为一级信用,说明A用户的信用较好。
在本说明书的一个实施例中,通过政府部门数据分析用户的承担风险等级,例如可以通过税务局获取用户的缴税纳税的数据,根据用户缴税纳税情况判断用户的承担风险能力,用户承担风险能力越强对应的承担风险等级越高。
在本说明书的一个实施例中,根据用户的信用度等级和承担风险等级计算出用户各项能力的评分。需要根据获取到的政府部门数据的数据质量对各项数据赋予相应的权重比例,其中,数据质量是指获取到的政府部门数据的数据质量,数据质量越高,数据来源越准确,可信度越高。在得不到政府部门的授权时,可能会从其他渠道获取,但无法保证所获取数据的准确性和真实性,根据数据质量对各项数据赋予相应的权重比例可以避免在数据不真实而影响评分的情况发生。
在本说明书的一个实施例中,对用户的金融行为数据分析出用户的特点,并根据政府数据计算出的用户的评分,按照相应的数据质量赋予相应的权重比例,根据这些数据绘画出用户画像,为了方便后续数据匹配,还可以形成相应的标签,建立用户画像标签池。
建立用户画像后,对金融服务平台已有的金融产品进行筛选,根据用户画像中的用户的产品喜好、目标意向确定出用户需要的金融产品类型。当确定出用户需要的金融产品为债权产品时,如国库券、银行信贷产品等,根据所述用户的信用度等级筛选出符合要求的金融产品。由于信贷类金融产品等债券产品需要根据用户的信用情况进行授权等操作,根据用户的信用度等级为用户筛选符合要求的金融产品,提高金融服务平台推荐金融产品的效率,避免向信用度较低的用户推荐信贷类金融产品。
当确定出用户需要的金融产品为非债权产品时,则根据用户画像中的用户承担能力确定出用户承担风险等级,根据用户画像中的用户承担风险等级筛选出符合要求的金融产品。并将筛选出的金融产品按照可能性排序推荐给用户。
具体地,步骤S103还包括:根据用户的金融行为数据构建用户的喜好产品列表,预先对用户的喜好产品列表中的产品进行分类,用户的喜好产品列表包括第一类产品和第二类产品,其中第一类产品与用户的信用度有关,第二类产品与用户的承担风险等级有关。构建待推荐的各类金融产品的第一产品画像,并构建用户的喜好产品的第二产品画像,其中第二产品画像可以表示用户的产品喜好类别、目标意向和用户的承担能力;根据第一产品画像和第二产品画像的相似度比较,筛选出符合要求的金融产品。
在本说明书的一个实施例中,通过用户的金融行为数据中的产品喜好确定出用户的喜好产品,并构建用户喜好产品的产品列表。在构建喜好产品的产品列表时需要预先对列表中的产品进行分类,包括第一类产品和第二类产品,其中第一类产品与用户的信用度有关,可以为债权类金融产品,第二类产品与用户的承担风险等级有关,可以为产权类金融产品。还可以对列表中的产品按照其他分类标准进行分类,可以分为小风险类、中风险类与低风险类,本说明书对此不做具体限定。
在本说明书的一个实施例中,金融服务平台对已有的金融产品构建产品画像,在构建已有的金融产品的产品画像时,根据已有的金融产品的特征进行构建画像,也就是说,产品画像涵盖了对应产品的所有特征;并构建用户喜好产品的产品画像,用户喜好产品的产品画像可以表示对应用户的意向产品,需要说明的是,用户的意向产品为用户喜欢的产品类别,也符合用户的承担能力。将已有的金融产品的产品画像和用户喜好产品的产品画像进行相似度比较,在将产品画像进行相似度比较时,比较已有金融产品和用户喜好产品之间的产品特征,首先确定哪一类特征相似,在判断相似特征的相似程度,若相似的特征类比较多,且每种特征的相似程度较高,则判定已有金融产品和用户喜好产品的相似度较高。在判断出已有的金融产品的产品画像和用户喜好产品的产品画像的相似度之后,按照相似度比较结果筛选出符合要求的金融产品,并按照相似度大小的顺序将筛选出的金融产品推荐给用户。
通过上述技术方案中,根据用户的金融行为数据判断用户的产品喜好和目标意向,并根据政府部门数据确定用户的承担能力,根据用户产品喜好、目标意向以及用户的承担能力确定出符合要求的金融产品,避免了金融服务平台多方收集数据而导致的效率低下的问题,提高了推荐金融产品时的效率,并且,所筛选出的产品既保证了符合用户的喜好和目标意向,同时用户承担能力是根据政府官方数据得到的,便于金融平台对用户进行授信等操作,可以利用各方渠道中产生的海量的数据,来快速的、高效的为客户实时推荐满足客户需求的金融产品。
图2为本说明书实施例提供的另一种金融产品推荐方法流程图,如图2所示,首先获得政府授权和个人授权,在获得授权的条件下,收集数据。其中需要说明的是,收集到的数据包括用户在平台上的浏览的产品,浏览的相关金融政策,以及提交的意向防范需求等个人行为数据,以及与金融相关的对应用户的政府数据。
在采集到数据之后,进行数据分析并计算评分。可以通过趋势分析法、对比分析法、象限分析法或交叉分析法,对获取到的数据进行初步分析,数据分析的标准建立在对用户设定的各项指标的基础之上。并通过获取到的用户操作行为数据分析出用户的产品的喜好情况,用户的目标意向等信息。通过获取到的政府数据可计算分析出用户的信用情况,分析出用户的承担风险能力等,根据政府数据的数据质量对各项数据赋予相应的权值,计算出用户的各项能力的准确的评分。根据计算得到的用户评分绘画出用户画像。
在拥有了用户画像之后,对已有金融产品进行筛选,根据用户的各项指标情况及指标的重要程度、以及已用产品的情况,筛选出更可能符合用户实际需求的产品,并根据可能性排序推荐给用户。根据用户画像,智能向用户推荐产品,提高了用户使用平台的效率,也提高了金融服务平台的运作效率。
本说明书实施例还提供一种金融产品推荐装置,如图3所示,装置包括:获取单元31,用于基于用户和政府部门授权,获取用户的金融行为数据和政府部门数据,其中,政府部门数据与用户相关;确定单元32,用于根据用户的金融行为数据确定出用户的产品喜好和目标意向,并根据政府部门数据确定出用户的承担能力;筛选单元33,用于根据用户的产品喜好、目标意向和用户承担能力筛选出符合要求的金融产品;推荐单元34,用于将符合要求的金融产品推荐给用户。
具体地,确定单元32还用于根据用户的产品喜好、目标意向与用户承担能力确定出用户对应的用户画像;筛选单元33,还用于根据用户画像筛选出符合要求的金融产品。
具体地,确定单元32,还用于根据用户画像中的用户的产品喜好、目标意向确定出用户需要的金融产品类型;根据用户画像中的用户承担能力确定出用户承担风险等级;筛选单元33,还用于根据用户画像中的用户需要的金融产品类型与用户承担风险等级筛选出符合要求的金融产品。
具体地,在根据用户画像中的用户需要的金融产品类型与用户承担风险等级筛选出符合要求的金融产品,之前,筛选单元33,还用于根据用户画像中的用户的产品喜好、目标意向确定出用户需要的金融产品类型为信贷类金融产品时,根据政府部门数据确定出所述用户的信用度,并根据信用度的等级筛选出符合要求的金融产品。
具体地,确定单元32用于根据用户的金融行为数据中的用户在金融服务平台浏览的产品数据、用户浏览的金融政策数据以及用户提交的意向防范需求数据确定用户的产品喜好和目标意向。
具体地,装置还包括:构建单元35,用于构建待推荐的各类金融产品的第一产品画像,并构建用户的喜好产品的第二产品画像,其中第二产品画像表示用户的产品喜好类别、目标意向和用户的承担能力;筛选单元33,还用于根据第一产品画像和第二产品画像的相似度比较,筛选出符合要求的金融产品。
具体地,装置还包括分类单元36,用于根据用户的金融行为数据构建用户的喜好产品列表,预先对用户的喜好产品列表中的产品进行分类,用户的喜好产品列表包括第一类产品和第二类产品,其中第一类产品与用户的信用度有关,第二类产品与用户的承担风险等级有关。
图4为本说明书实施例提供的一种金融产品推荐设备结构示意图,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:基于用户和政府部门授权,获取用户的金融行为数据和政府部门数据,其中,政府部门数据与用户相关;根据用户的金融行为数据确定出用户的产品喜好和目标意向,并根据政府部门数据确定出用户的承担能力;根据用户的产品喜好、目标意向和用户承担能力筛选出符合要求的金融产品,并将符合要求的金融产品推荐给用户。
本说明书实施例还提供一种存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:基于用户和政府部门授权,获取用户的金融行为数据和政府部门数据,其中,政府部门数据与用户相关;根据用户的金融行为数据确定出用户的产品喜好和目标意向,并根据政府部门数据确定出用户的承担能力;根据用户的产品喜好、目标意向和用户承担能力筛选出符合要求的金融产品,并将符合要求的金融产品推荐给用户。
本说明书中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。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种金融产品推荐方法,其特征在于,所述方法包括:
基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;
根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;
根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
2.根据权利要求1所述的一种金融产品推荐方法,其特征在于,所述根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,具体包括:
根据所述用户的产品喜好、目标意向与所述用户承担能力确定出所述用户对应的用户画像;
根据所述用户画像筛选出符合要求的金融产品。
3.根据权利要求2所述的一种金融产品推荐方法,其特征在于,根据所述用户画像筛选出符合要求的金融产品,具体包括:
根据所述用户画像中的所述用户的产品喜好、目标意向确定出所述用户需要的金融产品类型;
根据所述用户画像中的所述用户承担能力确定出所述用户承担风险等级;
根据所述用户画像中的所述用户需要的金融产品类型与所述用户承担风险等级筛选出符合要求的金融产品。
4.根据权利要求3所述的一种金融产品推荐方法,其特征在于,若根据所述用户画像中的所述用户的产品喜好、目标意向确定出所述用户需要的金融产品类型为信贷类金融产品时,所述方法还包括:
根据所述政府部门数据确定出所述用户的信用度,并根据所述信用度的等级筛选出符合要求的金融产品。
5.根据权利要求1所述的一种金融产品推荐方法,其特征在于,所述根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,具体包括:
根据所述用户的金融行为数据中的所述用户在金融服务平台浏览的产品数据、所述用户浏览的金融政策数据以及所述用户提交的意向防范需求数据确定所述用户的产品喜好和目标意向。
6.根据权利要求1所述的一种金融产品推荐方法,其特征在于,所述根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,具体包括:
构建待推荐的各类金融产品的第一产品画像,并构建所述用户的喜好产品的第二产品画像,其中所述第二产品画像表示所述用户的产品喜好类别、目标意向和所述用户的承担能力;
根据所述第一产品画像和所述第二产品画像的相似度比较,筛选出符合要求的金融产品。
7.根据权利要求6所述的一种金融产品推荐方法,其特征在于,在所述构建所述用户的喜好产品的第二产品画像,之前,所述方法还包括:
根据所述用户的金融行为数据构建所述用户的喜好产品列表,预先对所述用户的喜好产品列表中的产品进行分类,所述用户的喜好产品列表包括第一类产品和第二类产品,其中所述第一类产品与所述用户的信用度有关,所述第二类产品与所述用户的承担风险等级有关。
8.一种金融产品推荐装置,其特征在于,所述装置包括:
获取单元,用于基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;
确定单元,用于根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;
筛选单元,用于根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品;
推荐单元,用于将所述符合要求的金融产品推荐给所述用户。
9.一种金融产品推荐设备,其特征在于,
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;
根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;
根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
10.一种存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
基于用户和政府部门授权,获取所述用户的金融行为数据和所述政府部门数据,其中,所述政府部门数据与所述用户相关;
根据所述用户的金融行为数据确定出所述用户的产品喜好和目标意向,并根据所述政府部门数据确定出所述用户的承担能力;
根据所述用户的产品喜好、目标意向和所述用户承担能力筛选出符合要求的金融产品,并将所述符合要求的金融产品推荐给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110709485.1A CN113487380A (zh) | 2021-06-25 | 2021-06-25 | 一种金融产品推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110709485.1A CN113487380A (zh) | 2021-06-25 | 2021-06-25 | 一种金融产品推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487380A true CN113487380A (zh) | 2021-10-08 |
Family
ID=77936166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110709485.1A Pending CN113487380A (zh) | 2021-06-25 | 2021-06-25 | 一种金融产品推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487380A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926287A (zh) * | 2022-06-02 | 2022-08-19 | 河北源达信息技术股份有限公司 | 一种智能推荐投资产品的方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
CN109325845A (zh) * | 2018-08-15 | 2019-02-12 | 深圳市和讯华谷信息技术有限公司 | 一种金融产品智能推荐方法及系统 |
CN110287408A (zh) * | 2019-05-23 | 2019-09-27 | 上海拍拍贷金融信息服务有限公司 | 一种定制化推送金融产品的方法及系统 |
CN111340553A (zh) * | 2020-02-28 | 2020-06-26 | 山东爱城市网信息技术有限公司 | 一种金融服务平台产品个性化推荐方法及系统 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
CN111882403A (zh) * | 2020-08-04 | 2020-11-03 | 天元大数据信用管理有限公司 | 一种基于用户数据的金融服务平台智能推荐方法 |
CN112418956A (zh) * | 2020-12-16 | 2021-02-26 | 国网雄安金融科技集团有限公司 | 一种金融产品的推荐方法及装置 |
-
2021
- 2021-06-25 CN CN202110709485.1A patent/CN113487380A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
CN109325845A (zh) * | 2018-08-15 | 2019-02-12 | 深圳市和讯华谷信息技术有限公司 | 一种金融产品智能推荐方法及系统 |
CN110287408A (zh) * | 2019-05-23 | 2019-09-27 | 上海拍拍贷金融信息服务有限公司 | 一种定制化推送金融产品的方法及系统 |
CN111340553A (zh) * | 2020-02-28 | 2020-06-26 | 山东爱城市网信息技术有限公司 | 一种金融服务平台产品个性化推荐方法及系统 |
CN111626863A (zh) * | 2020-06-02 | 2020-09-04 | 北京比财数据科技有限公司 | 一种金融产品的智能推荐方法 |
CN111882403A (zh) * | 2020-08-04 | 2020-11-03 | 天元大数据信用管理有限公司 | 一种基于用户数据的金融服务平台智能推荐方法 |
CN112418956A (zh) * | 2020-12-16 | 2021-02-26 | 国网雄安金融科技集团有限公司 | 一种金融产品的推荐方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926287A (zh) * | 2022-06-02 | 2022-08-19 | 河北源达信息技术股份有限公司 | 一种智能推荐投资产品的方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marqués et al. | Ranking-based MCDM models in financial management applications: analysis and emerging challenges | |
US20050004862A1 (en) | Identifying the probability of violative behavior in a market | |
US20070055619A1 (en) | Systems and methods for analyzing disparate treatment in financial transactions | |
US20150363875A1 (en) | System and Method for Filtering and Analyzing Transaction Information | |
KR102089666B1 (ko) | 빅데이터를 활용한 판매자 신용 등급 자동집계 및 평가 방법 및 ai 자동 분류 서버 | |
Gül et al. | A multiple criteria credit rating approach utilizing social media data | |
JP7017149B2 (ja) | ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム | |
CN112418956A (zh) | 一种金融产品的推荐方法及装置 | |
CN111985937A (zh) | 交易商价值信息评估方法、系统、存储介质、计算机设备 | |
Amin et al. | Application of optimistic and pessimistic OWA and DEA methods in stock selection | |
Carroll et al. | An examination of European firms’ derivatives usage: The importance of model selection | |
Wang et al. | Improving investment suggestions for peer-to-peer lending via integrating credit scoring into profit scoring | |
Lerner et al. | Financial innovation in the 21st century: Evidence from US patenting | |
Ngoc Hung et al. | Factors affecting the quality of financial statements from an audit point of view: A machine learning approach | |
CN113487380A (zh) | 一种金融产品推荐方法、装置、设备及介质 | |
Mendes et al. | Insolvency prediction in the presence of data inconsistencies | |
TWM613536U (zh) | 對於基金商品的投資風險評分系統 | |
Thiprungsri | Cluster analysis for anomaly detection in accounting | |
Khan et al. | The Capital Structure Decisions of Banks: An Evidence From MENA Region | |
CN115965468A (zh) | 基于交易数据的异常行为检测方法、装置、设备及介质 | |
KR20220074327A (ko) | 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템 | |
Bakhshi et al. | Developing a hybrid approach to credit priority based on accounting variables (using analytical network process (ANP) and multi-criteria decision-making) | |
Muñoz-Izquierdo et al. | Machine learning in corporate credit rating assessment using the expanded audit report | |
Sharma et al. | Hybrid model for detection of frauds in credit cards | |
Klimowicz et al. | Concept of peer-to-peer lending and application of machine learning in credit scoring |
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 |