CN114896506A - 产品推荐方法、装置、设备及存储介质 - Google Patents

产品推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114896506A
CN114896506A CN202210586209.5A CN202210586209A CN114896506A CN 114896506 A CN114896506 A CN 114896506A CN 202210586209 A CN202210586209 A CN 202210586209A CN 114896506 A CN114896506 A CN 114896506A
Authority
CN
China
Prior art keywords
product
recommendation
recommended
analysis
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
Application number
CN202210586209.5A
Other languages
English (en)
Inventor
李裕雄
陈振宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202210586209.5A priority Critical patent/CN114896506A/zh
Publication of CN114896506A publication Critical patent/CN114896506A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请适用于人工智能决策技术领域，提供一种产品推荐方法、装置、设备及存储介质，该方法包括：根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于产品推荐指令执行的推荐操作相匹配的目标分析维度；根据目标分析维度对应预设的数据分析规则，从业务系统的产品数据库中收集待推荐产品的业务数据，并根据业务数据对待推荐产品进行推荐分析，获得基于目标分析维度的产品排序列表；基于产品排序列表，从待推荐产品中选择预设数量个产品作为推荐产品进行推荐。基于该方法，从不同的维度进行推荐分析，为客户推荐业务系统中相应的热门产品、避险产品，提高产品推荐的准确性和成功率，保证推荐的有效性，避免客户流失。

Description

产品推荐方法、装置、设备及存储介质
技术领域
本申请涉及人工智能决策技术领域，尤其涉及一种产品推荐方法、装置、设备及存储介质。
背景技术
随着大数据与人工智能技术的兴起，各业务领域都在不断电子化，现有的业务系统大多都具有可以向用户推荐产品的功能。业务系统常见的推荐功能主要是根据用户对于某些产品的历史交易数据来分析用户的喜好，对用户进行产品推荐，从而缩短用户寻找所需要的产品的路径，提升用户体验。然而，在银行的外汇及衍生品开发的业务系统中，产品种类繁多，时效性强，且不同种类产品之间存在风险性差异，同一产品在不同的时间所对应的风险程度也不同。采用现有的通过分析用户喜好的方法来进行外汇及衍生品的推荐时，无法结合产品当前所处的实时形势进行分析，产品推荐准确度低，容易导致客户流失，也难以挖掘潜在客户。
发明内容
有鉴于此，本申请实施例提供了一种产品推荐方法、装置、设备及存储介质，可以提高产品推荐的准确性和成功率，保证推荐的有效性，避免客户流失。
本申请实施例的第一方面提供了一种产品推荐方法，包括：
根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度；
根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表；
基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
结合第一方面，在第一方面的第一种可能实现方式中，所述根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度的步骤，包括：
对所述推荐请求信息进行语义分析，从所述推荐请求信息中提取出用于表征所述推荐请求信息的第一文本特征；
获取业务系统中预先设置的任一分析维度的使用条件特征，计算出所述第一文本特征与所述使用条件特征之间的特征相似度值，判断所述特征相似度值是否大于预设阈值；
若所述特征相似度值大于预设阈值，则将所述分析维度确定为目标分析维度。
结合第一方面或第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述目标分析维度为所述业务系统中预先设置的产品分析维度、系统分析维度、客户分析维度和风险分析维度中的任意一种或多种分析维度。
结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，若所述目标分析维度为产品分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中各待推荐产品对应的交易数据，其中，所述交易数据包括各待推荐产品当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值；
按照所述当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值对所述各待推荐产品进行排序，生成基于所述产品分析维度的产品排序列表。
结合第一方面的第二种可能实现方式，在第一方面的第四种可能实现方式中，若所述目标分析维度为系统分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中各待推荐产品对应的全量交易信息；
根据所述各待推荐产品对应的全量交易信息计算出所述各待推荐产品对应的头寸数据值，按照所述头寸数据值对所述各待推荐产品进行排序，生成基于所述系统分析维度的产品排序列表。
结合第一方面的第二种可能实现方式，在第一方面的第五中可能实现方式中，若所述目标分析维度为客户分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中目标客户的历史交易信息；
根据所述历史交易信息对所述目标客户进行产品喜好分析，获取所述目标客户喜好的产品所对应的产品交易要素信息，并根据所述产品交易要素对所述业务系统中各待推荐产品进行排序，生成基于所述客户分析维度的产品排序列表。
结合第一方面的第二种可能实现方式，在第一方面的第六种可能实现方式中，若所述目标分析维度为风险分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
获取目标客户在风险预测平台中基于交易需求信息生成的风险预测报告，从所述风险预测报告中获取所述业务系统中的各待推荐产品的预测收益率信息；
根据所述各待推荐产品对应的预测收益率信息，按照预测收益率由高至低对所述各待推荐产品进行排序，生成基于所述风险分析维度的产品排序列表。
本申请实施例的第二方面提供了一种产品推荐装置，所述产品推荐装置包括：
分析维度确定模块，用于根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度；
推荐分析模块，用于根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表；
产品推荐模块，用于基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
本申请实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在电子设备上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面提供的产品推荐方法的各步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的产品推荐方法的各步骤。
本申请实施例提供的一种产品推荐方法、装置、电子设备及存储介质，具有以下有益效果：
本申请通过根据产品推荐指令中携带的推荐请求信息确定用于执行推荐操作的目标分析维度，其中，推荐操作为业务系统当前基于产品推荐指令需要执行的推荐操作；根据目标分析维度对应预设的数据分析规则，从业务系统的产品数据库中收集待推荐产品的业务数据，并根据业务数据对待推荐产品进行推荐分析，获得基于目标分析维度的产品排序列表；基于产品排序列表，从待推荐产品中选择预设数量个产品作为推荐产品进行推荐。基于该方法，可以为业务系统提供一种可以从多个分析维度进行数据分析的产品推荐方法，便于业务人员推广对应交易类型的客户，挖掘潜在客户。而且通过不同维度的分析了解客户本身、系统其他客户、系统其他客户的热门产品以及系统所有待推荐产品，可以为客户推荐该系统中相应的热门产品、避险产品，提高产品推荐的准确性和成功率，保证推荐的有效性，避免客户流失。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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性的前提下，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推荐方法的实现流程图；
图2为本申请实施例提供的产品推荐方法中确定目标分析维度的一种方法流程示意图；
图3为本申请实施例提供的产品推荐方法中基于产品分析维度进行推荐分析的一种方法流程图；
图4为本申请实施例提供的产品推荐方法中基于系统分析维度进行推荐分析的一种方法流程图；
图5为本申请实施例提供的产品推荐方法中基于客户分析维度进行推荐分析的一种方法流程图；
图6为本申请实施例提供的产品推荐方法中基于风险分析维度进行推荐分析的一种方法流程图；
图7为本申请实施例提供的一种产品推荐装置的基础结构框图；
图8为本申请实施例提供的一种电子设备的基本结构框图。
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，此处所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。
请参阅图1，图1为本申请实施例提供的一种产品推荐方法的实现流程图。
详述如下：
S11：根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度。
本实施例中，业务系统的推荐操作由产品推荐指令触发，业务系统每接收一个产品推荐指令，则执行一次与该产品推荐指令相对应的推荐操作。在本实施例中，业务系统中预设配置有多种不同的分析维度，其中，包括但不限于产品分析维度、系统分析维度、客户分析维度和风险分析维度。针对每一种分析维度均设置有对应的使用条件。在本实施例中，可以通过对推荐请求信息进行特征分析，判断推荐请求信息与分析维度对应的使用条件之间的匹配性，从而确定业务系统中预设配置的各分析维度是否适用于此次需要执行的业务系统的推荐操作，若推荐请求信息与业务系统设置的某一分析维度所对应的使用条件相匹配，则将该分析维度确定为与业务系统当前需要基于产品推荐指令执行的推荐操作相匹配的目标分析维度，从而采用目标分析维度执行业务系统当前基于产品推荐指令触发的推荐操作，以对业务系统中的待推荐产品进行推荐分析。
示例性的，请一并参阅图2，图2为本申请实施例提供的产品推荐方法中确定目标分析维度的一种方法流程示意图。详细如下：
S21：对所述推荐请求信息进行语义分析，从所述推荐请求信息中提取出用于表征所述推荐请求信息的第一文本特征；
S22：获取业务系统中预先设置的任一分析维度的使用条件特征，计算出所述第一文本特征与所述使用条件特征之间的特征相似度值，判断所述特征相似度值是否大于预设阈值；
S23：若所述特征相似度值大于预设阈值，则将所述分析维度确定为目标分析维度。
本实施例中，业务系统获得产品推荐指令后，通过对产品推荐指令中携带的推荐请求信息进行语义分析，从推荐请求信息中提取出用于表征该推荐请求信息的第一文本特征，第一文本特征可以采用关键词文本表示。基于业务系统中预设配置的多种不同的分析维度，针对每一种分析维度对应设置的使用条件，通过对每一种分析维度各自对应设置的使用条件分别进行语义分析，提取语义特征，可以获取得到每一种分析维度各自对应的使用条件特征，使用条件特征可以表示为关键词文本。在本实施例中，获得用于表征该推荐请求信息的第一文本特征后，通过计算出第一文本特征与使用条件特征之间的特征相似度值，再将该特征相似度值与预设阈值进行比较，从而判断该计算得到的特征相似度值是否大于预设阈值。需要说明的是，该预设阈值为在业务系统中预先设置好的用于判断推荐请求信息与分析维度对应的使用条件之间匹配性的相似度阈值。在本实施例中，如果计算得到的特征相似度值大于预设阈值，则说明该第一语义特征与使用条件特征具有关联性，可以判断推荐请求信息与分析维度对应的使用条件之间相匹配，以此确定该分析维度适用于此次需要执行的推荐操作，将该分析维度确定为目标分析维度。在本实施例中，产品推荐指令可以包括以下两种类型：一种是系统为客户推荐产品的推荐指令，另一种是系统为产品挖掘潜在客户的推荐指令。推荐请求信息可以是客户信息，也可以为业务系统中的产品信息。
S12：根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表。
本实施例中，不同的分析维度对应不同的数据分析规则，从而在进行推荐分析时，不同的分析维度所采用的用于进行数据分析的业务数据也不相同。在确定目标分析维度后，可以在业务系统中根据该目标分析维度对应预设的数据分析规则，从业务系统的产品数据库中收集到各待推荐产品基于该目标分析维度进行推荐分析时所需要的业务数据，进而根据这些收集到的业务数据对待推荐产品进行推荐分析，实现基于这些收集到的业务数据对业务系统中的待推荐产品进行产品热度统计，在按照产品热度由高至低，对各待推荐产品进行排序，获得对应的产品排序列表。
S13：基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
本实施例中，获得基于目标分析维度的产品排序列表后，在该产品排序列表，待推荐产品的排序越靠前，表征该待推荐产品推荐的有效性越高，推荐成功率也越高。在本实施例中，获得产品排序列表后，可以按照产品排序列表由高至低选择预设数量个待推荐产品作为推荐产品推荐给客户。可以理解的是，预设数量可以结合客户的实际需求和系统的实际产品情况进行自定义设置。
本申请的一些实施例中，当目标分析维度多于一个时，可以通过设置各目标分析维度进行权重设置，将获得的基于目标分析维度的多个产品排序列表进行合并处理，得到一个最终的产品排序列表，进而基于该最终的产品排序列表选择用于推荐给客户的推荐产品。
以上可以看出，本实施例提供的产品推荐方法为业务系统提供了一种可以从产品分析维度、系统分析维度、客户分析维度和风险分析维度多个维度进行推荐分析的产品推荐方法，便于业务人员推广对应交易类型的客户，挖掘潜在客户。根据不同维度的分析可以了解客户本身、系统其他客户、系统其他客户的热门产品以及系统所有待推荐产品等多种不同维度的信息，从而为客户推荐该系统中相应的热门产品、避险产品，提高产品推荐的准确性和成功率，保证推荐的有效性，避免客户流失。
本申请的一些实施例中，请参阅图3，图3为本申请实施例提供的产品推荐方法中基于产品分析维度进行推荐分析的一种方法流程图。详细如下：
S31：收集所述业务系统中各待推荐产品对应的交易数据，其中，所述交易数据包括各待推荐产品当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值；
S32：按照所述当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值对所述各待推荐产品进行排序，生成基于所述产品分析维度的产品排序列表。
本实施例中，基于产品分析维度，根据产品分析维度对应预设的数据分析规则，可以收集业务系统中所有待推荐产品各自对应的交易数据，根据各待推荐产品对应的交易数据进行产品热度统计，从而根据热度统计结果生成基于产品分析维度的产品排序列表。示例性的，在本实施例中，待推荐产品对应的交易数据包括但不限于待推荐产品当前的有效交易总量数值、待推荐产品的历史交易总量数值和待推荐产品的历史交易总次数值等三种交易数据。示例性的，收集到业务系统中所有待推荐产品对应的交易数据后，基于产品分析维度，可以分别按照上述三种交易数据中的任意一种或多种对该业务系统中的所有待推荐产品进行热度排序，其中，热度排序的规则为按照交易数据的数值大小，由大至小进行排序，从而实现根据交易数据对待推荐产品进行热度统计，得到产品排序列表，该产品排序列表即为基于产品分析维度的产品排序列表。在本实施例中，获取第一待推荐产品时，可以从该产品的热度排序列表中获取热度最高的预设数量个产品作为第一待推荐产品。进而，在业务系统需要向客户推荐产品时，可以从该产品排序列表中获取热度最高的预设数量个产品作为推荐产品推荐给客户。一些具体的实施方式中，当按照多种交易数据对该业务系统中的所有待推荐产品进行热度排序时，可以通过对该多种交易数据进行加权处理，从而结合各种交易数据各自对应的权重，将每个产品各自对应的多个交易数据进行加权计算，获得各待推荐产品对应的热度值，进而按照热度值的大小对各待推荐产品进行排序，获得产品的热度排序列表。
示例性的，请参阅图4，图4为本申请实施例提供的产品推荐方法中基于系统分析维度进行推荐分析的一种方法流程图。详细如下：
S41：收集所述业务系统中各待推荐产品对应的全量交易信息；
S42：根据所述各待推荐产品对应的全量交易信息计算出所述各待推荐产品对应的头寸数据值，按照所述头寸数据值对所述各待推荐产品进行排序，生成基于所述系统分析维度的产品排序列表。
本实施例中，基于系统分析维度，根据系统分析维度对应预设的数据分析规则，可以收集所述业务系统中所有待推荐产品各自对应的全量交易信息，根据各待推荐产品对应的全量交易信息计算出所述各待推荐产品对应的头寸数据，进而，按照头寸数据值对所述各待推荐产品进行排序，生成基于系统分析维度的产品排序列表。示例性的，在本实施例中，业务系统为针对银行外汇及衍生品业务开发的业务系统。该业务系统中的产品为外汇及衍生品业务产品。需要说明的是，外汇业务是指一国货币与另一国货币进行交换的业务，业务系统中的产品即是指一种货币与另外一种货币进行交换的金融产品，例如，美元/日元表示美元与日元兑换的外汇产品。在本实施例中，产品对应的全量交易信息表示为外汇产品的即期、远期、掉期、期权、利率掉期、货币掉期等所有待推荐产品类型的交易信息。示例性的，收集业务系统中所有待推荐产品各自对应的全量交易信息后，基于系统分析维度，可以根据业务系统中各待推荐产品的全量交易信息，统计各待推荐产品所有待推荐产品类型、币种以及交易期限的收支情况，得到各待推荐产品总的收入数据和总的支出数据。针对每个待推荐产品，通过由产品总的收入数据减去总的支出数据，即可计算得到出该待推荐产品对应的头寸数据。进而，根据各待推荐产品对应的头寸数据的大小，按照头寸数据由大至小对业务系统中的所有待推荐产品进行排序，获得反映产品收支情况的排序列表，该反映产品收支情况的排序列表即为基于系统分析维度的产品排序列表。在本实施例中，在业务系统需要向客户推荐产品时，可以从该反映产品收支情况排序列表中获取头寸数据数量最多的预设数量个产品作为推荐产品推荐给客户。一些具体的实施方式中，还可以从该反映产品收支情况的排序列表中获取头寸数据数量最少的的预设数量个产品形成稳健型产品推荐给客户。
示例性的，请参阅图5，图5为本申请实施例提供的产品推荐方法中基于客户分析维度进行推荐分析的一种方法流程图。详细如下：
S51：收集所述业务系统中目标客户的历史交易信息；
S52：根据所述历史交易信息对所述目标客户进行产品喜好分析，获取所述目标客户喜好的产品所对应的产品交易要素信息，并根据所述产品交易要素对所述业务系统中各待推荐产品进行排序，生成基于所述客户分析维度的产品排序列表。
本实施例中，基于客户分析维度，根据客户分析维度对应预设的数据分析规则，可以收集目标客户的所有历史交易信息，根据历史交易信息对目标客户进行产品喜好分析，获得目标客户喜好的产品所对应的产品交易要素信息，进而，通过比对目标客户喜好的产品所对应的产品交易要素和业务系统中各待推荐产品对应的产品交易要素，得出目标用户喜好的产品与各待推荐产品之间的匹配程度，从而，按照匹配程度对业务系统中的各待推荐产品进行排序，获得反映目标客户喜好的产品排序列表，该反映目标客户喜好的产品排序列表即为基于客户分析维度的产品排序列表。示例性的，在本实施例中，历史交易信息包括但不限于目标客户历史购买过的各待推荐产品信息及购买产品的历史交易总量和历史交易总次数等。示例性的，收集到目标客户的所有历史交易信息后，基于客户分析维度，可以统计该目标客户购买过的产品的历史交易总量，生成历史交易总量由高至低排列的产品交易量列表，以及统计该目标客户购买过的产品的历史交易总次数，生成历史交易总次数由高至低排序的产品交易次数列表。通过对历史交易总量和历史交易总次数两种历史交易信息进行权重配置，以使得每种历史交易信息具有对应的权重占比。基于该两种历史交易信息对应的权重占比，对该产品交易量列表中各待推荐产品的交易量和产品交易次数列表中各待推荐产品的交易次数进行加权整合，计算得到目标客户对各待推荐产品的喜好度分值。进而，根据喜好度分值由高至低选取预设数量个产品作为该目标客户喜好的产品，进而针对该目标客户喜好的产品进行要素特征提取处理，获得目标客户喜好的产品所对应的产品交易要素，目标客户喜好的产品所对应的产品交易要素为所有提取到的产品交易要素的集合。在本实施例中，通过比对目标客户喜好的产品交易要素和业务系统中各待推荐产品对应的产品交易要素，判断业务系统中各待推荐产品对应的产品交易要素与目标客户喜好的产品所对应的产品交易要素之间的匹配程度，比如要素重合度、要素相似度等，按照匹配程度对业务系统中的各待推荐产品进行排序，获得反映目标客户喜好的产品排序列表，该反映目标客户喜好的产品排序列表即为基于客户分析维度的产品排序列表。在本实施例中，在业务系统需要向该目标客户推荐产品时，可以从反映目标客户喜好的产品排序列表中选取预设数量个业务系统中交易要素与目标客户喜好的产品交易要素重合度高和/或要素相似度高的待推荐产品作为推荐产品推荐给该目标客户。
示例性的，请参阅图6，图6为本申请实施例提供的产品推荐方法中基于风险分析维度进行推荐分析的一种方法流程图。详细如下：
S61：获取目标客户在风险预测平台中基于交易需求信息生成的风险预测报告，从所述风险预测报告中获取所述业务系统中的各待推荐产品的预测收益率信息；
S62：根据所述各待推荐产品对应的预测收益率信息，按照预测收益率由高至低对所述各待推荐产品进行排序，生成基于所述风险分析维度的产品排序列表。
本实施例中，基于风险分析维度，根据风险分析维度对应预设的数据分析规则，可以调用与所述业务系统通信连接的风险预测平台，获取风险预测平台根据目标客户输入的交易需求信息进行交易风险分析生成的风险预测报告，根据生成的风险预测报告中各待推荐产品的预测收益率，按照预测收益率由高至低对各待推荐产品进行排序，获得反映产品预测收益的产品排序列表，该反映产品预测收益的产品排序列表即为基于风险分析维度的产品排序列表。示例性的，在本实施例中，风险预测平台为一种外汇及衍生产品的线上化风险管理平台，可以通过现有价格及历史价格进行产品对比分析、损益分析和模型算法分析等，为客户提供历史回测、未来模拟、融资成本分析等一系列的风险规避功能。示例性的，目标客户可以在风险预测平台上输入其交易需求信息，其中，交易需求信息可以包括产品类型、币种、交易期限、交易金额等交易要素信息。风险预测平台可以根据产品类型、币种、交易期限、交易金额等交易要素信息，结合各待推荐产品当前现有的价格和过去一年或两年同期的历史价格对各待推荐产品分别进行比对和损益分析，从而判断出各待推荐产品的预测收益率大小以及交易风险的高低，生成风险预测报告。业务系统与风险预测平台通信连接，以此打通业务系统与风险预测平台之间的壁垒，实现客户双向引流。在本实施例中，在业务系统需要向该目标客户推荐产品时，可以从该反映产品预测收益的产品排序列表中获取预测收益率最高的预设数量个产品作为推荐产品推荐给该目标客户。
可以理解的是，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本申请的一些实施例中，请参阅图7，图7为本申请实施例提供的一种产品推荐装置的基础结构框图。本实施例中该装置包括的各单元用于执行上述方法实施例中的各步骤。具体请参阅上述方法实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。如图7所示，产品推荐装置包括：分析维度确定模块71、推荐分析模块72以及产品推荐模块73。其中：所述分析维度确定模块71用于根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度。所述推荐分析模块72用于根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表。所述产品推荐模块73用于基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
应当理解的是，上述产品推荐装置，与上述的产品推荐方法一一对应，此处不再赘述。
本申请的一些实施例中，请参阅图8，图8为本申请实施例提供的一种电子设备的基本结构框图。如图8所示，该实施例的电子设备8包括：处理器81、存储器82以及存储在所述存储器82中并可在所述处理器81上运行的计算机程序83，例如产品推荐方法的程序。处理器81执行所述计算机程序83时实现上述各个产品推荐方法各实施例中的步骤。或者，所述处理器81执行所述计算机程序83时实现上述产品推荐装置对应的实施例中各模块的功能。具体请参阅实施例中的相关描述，此处不赘述。
示例性的，所述计算机程序83可以被分割成一个或多个模块(单元)，所述一个或者多个模块被存储在所述存储器82中，并由所述处理器81执行，以完成本申请。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序83在所述电子设备8中的执行过程。例如，所述计算机程序83可以被分割成分析维度确定模块、推荐分析模块以及产品推荐模块，各模块具体功能如上所述。
所述电子设备可包括，但不仅限于，处理器81、存储器82。本领域技术人员可以理解，图8仅仅是电子设备8的示例，并不构成对电子设备8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器81可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器82可以是所述电子设备8的内部存储单元，例如电子设备8的硬盘或内存。所述存储器82也可以是所述电子设备8的外部存储设备，例如所述电子设备8上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器82还可以既包括所述电子设备8的内部存储单元也包括外部存储设备。所述存储器82用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器82还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。在本实施例中，所述计算机可读存储介质可以是非易失性，也可以是易失性。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的模块/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介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
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或记载的部分，可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种产品推荐方法，其特征在于，包括：
根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度；
根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表；
基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
2.根据权利要求1所述的产品推荐方法，其特征在于，所述根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度的步骤，包括：
对所述推荐请求信息进行语义分析，从所述推荐请求信息中提取出用于表征所述推荐请求信息的第一文本特征；
获取业务系统中预先设置的任一分析维度的使用条件特征，计算出所述第一文本特征与所述使用条件特征之间的特征相似度值，判断所述特征相似度值是否大于预设阈值；
若所述特征相似度值大于预设阈值，则将所述分析维度确定为目标分析维度。
3.根据权利要求1或2所述的产品推荐方法，其特征在于，所述目标分析维度为所述业务系统中预先设置的产品分析维度、系统分析维度、客户分析维度和风险分析维度中的任意一种或多种分析维度。
4.根据权利要求3所述的产品推荐方法，其特征在于，若所述目标分析维度为产品分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中各待推荐产品对应的交易数据，其中，所述交易数据包括各待推荐产品当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值；
按照所述当前的有效交易总量数值、历史交易总量数值和/或历史交易总次数值对所述各待推荐产品进行排序，生成基于所述产品分析维度的产品排序列表。
5.根据权利要求3所述的产品推荐方法，其特征在于，若所述目标分析维度为系统分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中各待推荐产品对应的全量交易信息；
根据所述各待推荐产品对应的全量交易信息计算出所述各待推荐产品对应的头寸数据值，按照所述头寸数据值对所述各待推荐产品进行排序，生成基于所述系统分析维度的产品排序列表。
6.根据权利要求3所述的产品推荐方法，其特征在于，若所述目标分析维度为客户分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
收集所述业务系统中目标客户的历史交易信息；
根据所述历史交易信息对所述目标客户进行产品喜好分析，获取所述目标客户喜好的产品所对应的产品交易要素信息，并根据所述产品交易要素对所述业务系统中各待推荐产品进行排序，生成基于所述客户分析维度的产品排序列表。
7.根据权利要求3所述的产品推荐方法，其特征在于，若所述目标分析维度为风险分析维度，所述根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表的步骤，包括：
获取目标客户在风险预测平台中基于交易需求信息生成的风险预测报告，从所述风险预测报告中获取所述业务系统中的各待推荐产品的预测收益率信息；
根据所述各待推荐产品对应的预测收益率信息，按照预测收益率由高至低对所述各待推荐产品进行排序，生成基于所述风险分析维度的产品排序列表。
8.一种产品推荐装置，其特征在于，所述产品推荐装置包括：
分析维度确定模块，用于根据产品推荐指令中携带的推荐请求信息，确定与业务系统当前需要基于所述产品推荐指令执行的推荐操作相匹配的目标分析维度；
推荐分析模块，用于根据所述目标分析维度对应预设的数据分析规则，从所述业务系统的产品数据库中收集待推荐产品的业务数据，并根据所述业务数据对所述待推荐产品进行推荐分析，获得基于所述目标分析维度的产品排序列表；
产品推荐模块，用于基于所述产品排序列表，从所述待推荐产品中选择预设数量个产品作为推荐产品进行推荐。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202210586209.5A 2022-05-27 2022-05-27 产品推荐方法、装置、设备及存储介质 Pending CN114896506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210586209.5A CN114896506A (zh) 2022-05-27 2022-05-27 产品推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210586209.5A CN114896506A (zh) 2022-05-27 2022-05-27 产品推荐方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114896506A true CN114896506A (zh) 2022-08-12

Family

ID=82725746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210586209.5A Pending CN114896506A (zh) 2022-05-27 2022-05-27 产品推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114896506A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115379264A (zh) * 2022-08-23 2022-11-22 深圳百果园实业(集团)股份有限公司 多媒体数据推送方法、设备、装置、系统及存储介质
CN116468199A (zh) * 2023-04-18 2023-07-21 北京众谊越泰科技有限公司 一种基于u位资产管理系统的智能上架位置预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115379264A (zh) * 2022-08-23 2022-11-22 深圳百果园实业(集团)股份有限公司 多媒体数据推送方法、设备、装置、系统及存储介质
CN116468199A (zh) * 2023-04-18 2023-07-21 北京众谊越泰科技有限公司 一种基于u位资产管理系统的智能上架位置预测方法
CN116468199B (zh) * 2023-04-18 2024-03-19 北京众谊越泰科技有限公司 一种基于u位资产管理系统的智能上架位置预测方法

Similar Documents

Publication Publication Date Title
CN111178704B (zh) 一种风险目标识别方法及设备
CN107689008A (zh) 一种用户投保行为预测的方法及装置
CN114896506A (zh) 产品推荐方法、装置、设备及存储介质
CN112734559A (zh) 企业信用风险评价方法、装置及电子设备
CN115271886A (zh) 金融产品的推荐方法及装置、存储介质、电子设备
CN116542747A (zh) 产品推荐方法、装置、存储介质及电子设备
CN113449004A (zh) 数据匹配方法及装置
CN115660733A (zh) 一种基于人工智能的销量预测系统及方法
CN115965468A (zh) 基于交易数据的异常行为检测方法、装置、设备及介质
Polyzos et al. Efficient Market Hypothesis on the blockchain: A social‐media‐based index for cryptocurrency efficiency
Niknya et al. Financial distress prediction of Tehran Stock Exchange companies using support vector machine
CN114626940A (zh) 数据分析方法、装置及电子设备
CN114418776A (zh) 一种数据处理方法、装置、终端设备及介质
Tang et al. Stock Price Prediction Based on Natural Language Processing1
CN111681090A (zh) 业务系统的账号分组方法、装置、终端设备及存储介质
US20190312940A1 (en) Apparatus and method for analyzing using pattern of crypto currency and providing service based on artificial intelligence
RU2710830C1 (ru) Способ автоматизированного обеспечения рекомендаций по принятию инвестиционно значимых решений на рынке цифровых активов и устройство для его осуществления
CN117974276B (zh) 商品推荐模型训练方法、商品推荐方法及电子设备
CA2715873A1 (en) A system and method to analyse current portfolio for individuals and then provide automated potentially suitable trade suggestions by using database cross-referencing, websites and internet
CN117557381A (zh) 一种金融产品筛选方法、系统、终端设备及存储介质
CN116051169A (zh) 评价方法、装置、非易失性存储介质及电子设备
Mashayekhi et al. Subscription and Redemption Prediction in Mutual Funds Using Machine Learning Techniques
CN116304325A (zh) 应用软件的功能推荐方法、推荐装置、设备及存储介质
CN117994017A (zh) 构建零售信用风险预测模型的方法和线上信贷业务Scoredelta模型
Alsini et al. Forecasting cryptocurrency's buy signal with a bagged tree learning approach to enhance purchase decisions

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