CN115062231A - 适用于车源推荐的数据处理方法及装置 - Google Patents

适用于车源推荐的数据处理方法及装置 Download PDF

Info

Publication number
CN115062231A
CN115062231A CN202210990143.6A CN202210990143A CN115062231A CN 115062231 A CN115062231 A CN 115062231A CN 202210990143 A CN202210990143 A CN 202210990143A CN 115062231 A CN115062231 A CN 115062231A
Authority
CN
China
Prior art keywords
vehicle
historical
target
user
repayment
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
CN202210990143.6A
Other languages
English (en)
Inventor
章水鑫
叶丹青
葛彬
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.)
Nanjing Sanbaiyun Information Technology Co ltd
Original Assignee
Nanjing Sanbaiyun Information Technology 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 Nanjing Sanbaiyun Information Technology Co ltd filed Critical Nanjing Sanbaiyun Information Technology Co ltd
Priority to CN202210990143.6A priority Critical patent/CN115062231A/zh
Publication of CN115062231A publication Critical patent/CN115062231A/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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/22—Payment schemes or models
    • G06Q20/24—Credit schemes, i.e. "pay after"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种适用于车源推荐的数据处理方法及装置，服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。

Description

适用于车源推荐的数据处理方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种适用于车源推荐的数据处理方法及装置。
背景技术
现在买车已经成为越来越多家庭的选择，车源推荐APP也越来越得到很多用户的青睐，用户会通过车源推荐APP来查看车辆信息。
现有技术中，车源推荐APP会为用户推荐车辆，但是现有技术中推荐给用户的车源一般有两种方式，一种是模糊推荐；另一种是结合用户的浏览行为，形成推荐列表，该推荐列表只结合了用户的浏览行为，没有办法结合用户自身的多维数据来评估真正适合用户的车源，导致推荐不准确，用户体验度差。
发明内容
本发明实施例提供一种适用于车源推荐的数据处理方法及装置，可以结合用户自身的多维数据来评估真正适合用户的车源，推荐较为准确，用户体验好。
本发明实施例的第一方面，提供一种适用于车源推荐的数据处理方法，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序，通过以下步骤进行车源推荐的数据处理，包括：
服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息；
服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；
服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；
统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
可选地，在第一方面的一种可能实现方式中，所述服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息，包括：
服务端在接收到用户发送的车源推荐请求时或服务端在判断达到预设时间段时，则判断达到对任意一个用户端的车源推荐条件；
提取所述用户端的用户ID，根据所述用户ID调取相对应的历史进件信息，所述历史进件信息为用户主动上传、由第三方获取以及根据与用户的交互自动生成中的任意一种，所述历史进件信息包括历史贷款的使用资料。
可选地，在第一方面的一种可能实现方式中，所述服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额，包括：
获取所述用户ID所对应历史进件信息的总数量得到第一进件数量；
确定每个历史进件信息所对应的购买数据、还款数据；
若判断还款数据中的还款周期已经截止、并且已经全部还款完成，则对相对应的历史进件信息添加第一进件标记；
若判断还款数据中的还款周期未截止、并且正在还款过程中，则对相对应的历史进件信息添加第二进件标记；
若判断存在还款数据中具有逾期未还款行为，则对相对应的历史进件信息添加第三进件标记。
可选地，在第一方面的一种可能实现方式中，所述服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型，包括：
若判断所有历史进件信息不具有第三进件标记，且第二进件标记的数量小于第一预设数量，则判断所述还款数据达到预设条件；
目标程序对用户端的历史搜索行为和/或历史浏览行为进行记录得到行为数据，用户端通过所述目标程序将所述行为数据发送至服务端；
服务端提取所述历史搜索行为和/或历史浏览行为所对应的搜索车辆类型和浏览车辆类型，统计搜索车辆类型的搜索次数、搜索驻足时间，统计浏览车辆类型的浏览次数、浏览驻足时间；
根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型。
可选地，在第一方面的一种可能实现方式中，所述根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型，包括：
根据所述每种车辆类型的搜索次数、搜索驻足时间得到相对应车辆类型的搜索子系数，根据所述每种车辆类型的浏览次数、浏览驻足时间得到相对应车辆类型的浏览子系数；
根据搜索子系数和浏览子系数计算得到每种车辆类型的车辆需求系数，通过以下公式计算车辆需求系数，
Figure 610063DEST_PATH_IMAGE001
Figure 654243DEST_PATH_IMAGE002
Figure 256125DEST_PATH_IMAGE003
其中，
Figure 106270DEST_PATH_IMAGE004
为目标用户对第
Figure 680470DEST_PATH_IMAGE005
种车辆类型的车辆需求系数，
Figure 459333DEST_PATH_IMAGE006
为搜索子系数，
Figure 751774DEST_PATH_IMAGE007
为搜索权重值，
Figure 140030DEST_PATH_IMAGE008
为浏览子系数，
Figure 568737DEST_PATH_IMAGE009
为浏览权重值，
Figure 282615DEST_PATH_IMAGE010
为目标用户对第
Figure 796773DEST_PATH_IMAGE005
种车辆类型的搜索次数，
Figure 988720DEST_PATH_IMAGE011
为次数归一化值，
Figure 537513DEST_PATH_IMAGE012
为目标用户对第
Figure 156713DEST_PATH_IMAGE005
种车辆类型在第
Figure 158167DEST_PATH_IMAGE013
次搜索时对应的搜索驻足时间，
Figure 153805DEST_PATH_IMAGE014
为搜索次数的上限值，
Figure 822684DEST_PATH_IMAGE015
为时间归一化值，
Figure 550469DEST_PATH_IMAGE016
为目标用户对第
Figure 101536DEST_PATH_IMAGE005
种车辆类型在第
Figure 572968DEST_PATH_IMAGE013
次浏览时对应的浏览驻足时间，
Figure 893091DEST_PATH_IMAGE017
为目标用户对第
Figure 57356DEST_PATH_IMAGE005
种车辆类型在第
Figure 594255DEST_PATH_IMAGE018
次浏览时对应的浏览驻足时间，
Figure 603799DEST_PATH_IMAGE019
为浏览次数的上限值；
根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型。
可选地，在第一方面的一种可能实现方式中，所述根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型，包括：
获取预先设置的预设车辆系数，根据所述预设车辆系数在车辆需求序列中确定相对应的分隔车辆类型，所述分隔车辆类型为所有车辆需求系数中与所述预设车辆系数最接近、且大于预设车辆系数的车辆类型；
统计车辆需求序列中的第一个车辆类型、分隔车辆类型以及第一个车辆类型至分隔车辆类型之间的所有车辆类型作为目标车辆类型。
可选地，在第一方面的一种可能实现方式中，所述统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端，包括：
提取车辆需求序列中的第一个车辆类型至分隔车辆类型的所有目标车辆类型得到待推荐车辆集合，获取待推荐车辆集合中每个目标车辆类型所对应的预设价格区间；
根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值；
获取车辆采购预算值所处于的预设价格区间，将相应预设价格区间所对应的目标车辆类型作为车源推荐类型；
统计所有的车源推荐类型生成相对应的推荐列表，将所述推荐列表发送至用户端。
可选地，在第一方面的一种可能实现方式中，所述根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值，包括：
获取目标用户所购买每个车辆的购买数据、还款数据；
根据所述目标用户的车辆全款额的平均值得到全款额平均值；
根据还款周期和还款数额的平均计算得到周期子系数、数额子系数，根据第一进件标记和第二进件标记得到当前还款子系数，根据所述周期子系数、数额子系数、当前还款子系数得到进行计算得到金融偏移比例；
根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值。
可选地，在第一方面的一种可能实现方式中，所述根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值，包括：
通过以下公式计算车辆采购预算值，
Figure 44007DEST_PATH_IMAGE020
其中，
Figure 113595DEST_PATH_IMAGE021
为车辆采购预算值，
Figure 639254DEST_PATH_IMAGE022
为目标用户的第
Figure 452489DEST_PATH_IMAGE023
个车辆的车辆全款额，
Figure 747204DEST_PATH_IMAGE024
为目标用户所购买车辆的上限值，
Figure 253272DEST_PATH_IMAGE025
为目标用户所购买车辆的数量值，
Figure 203910DEST_PATH_IMAGE026
为预设比例，
Figure 883153DEST_PATH_IMAGE027
为目标用户的第
Figure 970058DEST_PATH_IMAGE023
个车辆的还款周期，
Figure 709344DEST_PATH_IMAGE028
为周期归一化值，
Figure 881699DEST_PATH_IMAGE029
为目标用户的第
Figure 99054DEST_PATH_IMAGE023
个车辆的还款数额，
Figure 306045DEST_PATH_IMAGE030
为历史进件信息添加第一进件标记的数量，
Figure 216232DEST_PATH_IMAGE031
为历史进件信息添加第二进件标记的数量，
Figure 875883DEST_PATH_IMAGE032
为常数。
本发明实施例的第二方面，提供一种适用于车源推荐的数据处理装置，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序，通过以下模块进行车源推荐的数据处理，包括：
提取模块，用于使服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息；
获取模块，用于使服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；
判断模块，用于使服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；
确定模块，用于统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
有益效果：
1、本方案会结合历史搜索行为和/或历史浏览行为来对车辆第一次筛选，得到目标车辆类型，生成待推荐车辆集合；然后结合历史进件信息中的车辆全款额、还款周期和还款数额对应的多维数据，来确定待推荐车辆集合中的车源推荐类型，利用车源推荐类型对待推荐车辆集合进一步筛选，得到推荐列表。本方案结合用户相关的多维度数据，多次筛选，对目标车辆进行定位，现对于现有技术中只针对用户浏览行为来讲，可以得到较为准确的推荐列表。
2、本方案在结合历史搜索行为和/或历史浏览行为来对车辆第一次筛选的过程中，会结合搜索次数、搜索驻足时间、浏览次数、浏览驻足时间计算出车辆需求系数，利用车辆需求系数来得到符合用户的车辆需求序列，然后依据车辆需求序列在多个车辆类型中确定目标车辆类型，得到较为准确的、符合用户的推荐列表；其中，本方案会针对搜索维度计算出搜索子系数，针对浏览维度计算出浏览子系数，最后将搜索子系数和浏览子系数得到车辆需求系数，本方案通过上述方式，可以细致化的结合用户的操作行为，得到计算结果，从而得到准确的推荐列表。
3、本方案会结合车辆全款额、还款周期、还款数额以及预设比例计算出符合用户的车辆采购预算值，利用车辆采购预算值进一步的筛选出与用户相对应的更为准确的推荐列表；其中，本方案会结合上述多维数据计算得到周期子系数、数额子系数、当前还款子系数，然后结合多维度的系数得到车辆采购预算值，使得最终的推荐列表更为准确。
附图说明
图1是本发明实施例提供的一种场景示意图；
图2是本发明实施例提供的一种适用于车源推荐的数据处理方法；
图3是本发明实施例提供的一种适用于车源推荐的数据处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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，都属于本发明保护的范围。
参见图1，是本发明实施例提供的一种场景示意图，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序。其中，用户端例如可以是手机、平板、电脑等终端，目标程序例如是安装在手机、平板、电脑等终端上的APP。
参见图2，是本发明实施例提供的一种适用于车源推荐的数据处理方法的流程示意图，通过以下步骤进行车源推荐的数据处理，包括S1-S4：
S1，服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息。
可以理解的是，本方案设置有对应任意一个用户端的车源推荐条件，一个用户端对应一个目标用户，当满足车源推荐条件时，会提取目标用户对应的历史进件信息。
在一些实施例中，S1（所述服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息）包括S11- S12：
S11，服务端在接收到用户发送的车源推荐请求时或服务端在判断达到预设时间段时，则判断达到对任意一个用户端的车源推荐条件。
本方案中的车源推荐条件包括两个中任一个，一个是用户发送的车源推荐请求，对应的是用户主动请求的；另外一个是服务端在判断达到预设时间段时，预设时间段例如是一个月。
S12，提取所述用户端的用户ID，根据所述用户ID调取相对应的历史进件信息，所述历史进件信息为用户主动上传、由第三方获取以及根据与用户的交互自动生成中的任意一种，所述历史进件信息包括历史贷款的使用资料。
本方案在判断达到对任意一个用户端的车源推荐条件后，会提取用户端的用户ID，用户ID例如是用户名、手机号等信息，之后，本方案会根据用户ID调取相对应的历史进件信息。
其中，历史进件信息为用户历史购车时的历史贷款的使用资料，例如，包括购买数据（例如全款额）、还款数据（分期数据等）。
本方案中获取历史进件信息的方式包括3种，第一种为用户主动上传的，例如，用户主动填写相关数据，将数据上传；第二种为第三方获取的，例如接入第三方银行系统，从第三方银行系统获取相关数据；第三种为根据与用户的交互数据自动生成的，例如用户之间在平台贷款，直接获取到平台与用户的交互自动生成的数据即可。本方案的历史进件信息包括历史贷款的使用资料。
可以理解的是，本方案可以依据不同的情况采用不同的方式，来灵活获取到对应的历史进件信息。
S2，服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额。
服务端在判断目标用户存在相对应的历史进件信息后，会对历史进件信息进行解析，得到相对应的购买数据、还款数据。
其中，购买数据至少包括车辆全款额，还款数据至少包括还款周期和还款数额，还款数额可以是每一期的还款数额。
在一些实施例中，S2（所述服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额）包括S21- S25：
S21，获取所述用户ID所对应历史进件信息的总数量得到第一进件数量。
本方案会获取到一个用户的所有历史进件信息的总数量，即上述的第一进件数量。例如，用户A购买过2次车，每次都有对应的历史进件信息，那么对应的第一进件数量为2。
S22，确定每个历史进件信息所对应的购买数据、还款数据。
本方案会得到每个历史进件信息所对应的购买数据、还款数据。
S23，若判断还款数据中的还款周期已经截止、并且已经全部还款完成，则对相对应的历史进件信息添加第一进件标记。
可以理解的是，当还款数据中的还款周期已经截止、并且已经全部还款完成，说明该用户没有对应的还款信息了，本方案会为相对应的历史进件信息添加第一进件标记。
S24，若判断还款数据中的还款周期未截止、并且正在还款过程中，则对相对应的历史进件信息添加第二进件标记。
可以理解的是，当还款数据中的还款周期未截止、并且正在还款过程中，说明该用户需要继续还款，本方案会为相对应的历史进件信息添加第二进件标记。
S25，若判断存在还款数据中具有逾期未还款行为，则对相对应的历史进件信息添加第三进件标记。
可以理解的是，如果用户在还款数据中具有逾期未还款行为，说明该用户的财力和信誉不足，本方案会为其添加第三进件标记。
S3，服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型。
本方案中，服务端如果判断还款数据达到预设条件，服务器则获取目标程序在用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据历史搜索行为和/或历史浏览行为确定目标车辆类型。
其中，历史搜索行为可以是用户由目标程序的搜索框搜索产生的，目标程序可以是用户由目标程序对车辆的浏览行为产生的。
在一些实施例中，S3（所述服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型）包括S31- S34：
S31，若判断所有历史进件信息不具有第三进件标记，且第二进件标记的数量小于第一预设数量，则判断所述还款数据达到预设条件。
可以理解的是，如果所有历史进件信息不具有第三进件标记，说明用户的信誉好、财力高；如果第二进件标记的数量小于第一预设数量（例如2），说明用户的当前负债额小；本方案会依据上述2个条件来判断还款数据达到预设条件。
S32，目标程序对用户端的历史搜索行为和/或历史浏览行为进行记录得到行为数据，用户端通过所述目标程序将所述行为数据发送至服务端。
可以理解的是，目标程序实时采集用户的历史搜索行为和/或历史浏览行为，由历史搜索行为和/或历史浏览行为形成行为数据，然后用户端通过目标程序将行为数据发送至服务端。
S33，服务端提取所述历史搜索行为和/或历史浏览行为所对应的搜索车辆类型和浏览车辆类型，统计搜索车辆类型的搜索次数、搜索驻足时间，统计浏览车辆类型的浏览次数、浏览驻足时间。
本方案的服务端会对历史搜索行为和/或历史浏览行为进行解析，得到历史搜索行为和/或历史浏览行为所对应的搜索车辆类型和浏览车辆类型，同时，本方案还会统计搜索车辆类型的搜索次数、搜索驻足时间，统计浏览车辆类型的浏览次数、浏览驻足时间。
S34，根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型。
本方案在得到每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间后，会对上述多维度的数据进行综合计算，得到对应用户的每种车辆类型的车辆需求系数，然后依据车辆需求系数在多个车辆类型中确定目标车辆类型。
可以理解的是，搜索次数越多、搜索驻足时间越长、浏览次数越多、浏览驻足时间越长，对应的车辆需求系数也就越大，车辆需求系数越大，说明越符合用户的需求。
在一些实施例中，S34（所述根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型）包括S341-S343：
S341，根据所述每种车辆类型的搜索次数、搜索驻足时间得到相对应车辆类型的搜索子系数，根据所述每种车辆类型的浏览次数、浏览驻足时间得到相对应车辆类型的浏览子系数。
S342，根据搜索子系数和浏览子系数计算得到每种车辆类型的车辆需求系数，通过以下公式计算车辆需求系数，
Figure 398394DEST_PATH_IMAGE033
Figure 194311DEST_PATH_IMAGE034
Figure 275400DEST_PATH_IMAGE035
其中，
Figure 422347DEST_PATH_IMAGE036
为目标用户对第
Figure 247084DEST_PATH_IMAGE005
种车辆类型的车辆需求系数，
Figure 163087DEST_PATH_IMAGE006
为搜索子系数，
Figure 149498DEST_PATH_IMAGE007
为搜索权重值，
Figure 783742DEST_PATH_IMAGE008
为浏览子系数，
Figure 146590DEST_PATH_IMAGE009
为浏览权重值，
Figure 182679DEST_PATH_IMAGE010
为目标用户对第
Figure 543253DEST_PATH_IMAGE005
种车辆类型的搜索次数，
Figure 727110DEST_PATH_IMAGE011
为次数归一化值，
Figure 831332DEST_PATH_IMAGE012
为目标用户对第
Figure 518665DEST_PATH_IMAGE005
种车辆类型在第
Figure 50141DEST_PATH_IMAGE013
次搜索时对应的搜索驻足时间，
Figure 455714DEST_PATH_IMAGE014
为搜索次数的上限值，
Figure 363627DEST_PATH_IMAGE015
为时间归一化值，
Figure 669582DEST_PATH_IMAGE016
为目标用户对第
Figure 371958DEST_PATH_IMAGE005
种车辆类型在第
Figure 264828DEST_PATH_IMAGE013
次浏览时对应的浏览驻足时间，
Figure 710853DEST_PATH_IMAGE017
为目标用户对第
Figure 372778DEST_PATH_IMAGE005
种车辆类型在第
Figure 246056DEST_PATH_IMAGE018
次浏览时对应的浏览驻足时间，
Figure 626222DEST_PATH_IMAGE019
为浏览次数的上限值。
上述公式中，
Figure 610359DEST_PATH_IMAGE037
代表搜索次数维度的系数，
Figure 392370DEST_PATH_IMAGE038
代表搜索驻足总时间维度的系数，
Figure 436549DEST_PATH_IMAGE037
和
Figure 304011DEST_PATH_IMAGE038
越大，对应的搜索子系数
Figure 888576DEST_PATH_IMAGE006
也就越大；
Figure 728356DEST_PATH_IMAGE039
代表浏览次数维度的系数，
Figure 943437DEST_PATH_IMAGE040
代表浏览驻足总时间维度的系数，
Figure 32616DEST_PATH_IMAGE039
和
Figure 922337DEST_PATH_IMAGE041
越大，对应的搜索子系数
Figure 616623DEST_PATH_IMAGE008
也就越大；最后综合
Figure 2605DEST_PATH_IMAGE006
和
Figure 844659DEST_PATH_IMAGE008
计算得到目标用户对第
Figure 974289DEST_PATH_IMAGE005
种车辆类型的车辆需求系数
Figure 319820DEST_PATH_IMAGE036
；其中，搜索权重值
Figure 142282DEST_PATH_IMAGE007
和浏览权重值
Figure 206053DEST_PATH_IMAGE009
可以是工作人员预先设置的，一般来说，浏览权重值
Figure 139374DEST_PATH_IMAGE009
小于搜索权重值
Figure 339411DEST_PATH_IMAGE007
，来提高搜索维度上系数的占比。
S343，根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型。
可以理解的是，本方案会依据车辆需求系数对所有的车辆类型进行降序排序，排序在前的车辆需求系数越大。
本方案通过上述方式，可以综合多维度用户数据，根据用户的行为来综合计算得到车辆需求系数，相对于现有技术来说，本方案可以依据车辆需求系数较为准确的在多个车辆类型中确定目标车辆类型。
在一些实施例中，S343（所述根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型）包括S3431- S3432：
S3431，获取预先设置的预设车辆系数，根据所述预设车辆系数在车辆需求序列中确定相对应的分隔车辆类型，所述分隔车辆类型为所有车辆需求系数中与所述预设车辆系数最接近、且大于预设车辆系数的车辆类型。
本方案为了得到目标车辆类型，会设置有预设车辆系数，然后利用预设车辆系数在车辆需求序列中确定相对应的分隔车辆类型。
其中，分隔车辆类型为所有车辆需求系数中与预设车辆系数最接近、且大于预设车辆系数的车辆类型。可以理解的是，本方案利用预设车辆系数来将车辆需求序列分隔为两段。
S3432，统计车辆需求序列中的第一个车辆类型、分隔车辆类型以及第一个车辆类型至分隔车辆类型之间的所有车辆类型作为目标车辆类型。
本方案以车辆需求序列中的第一个车辆类型为起点，以分隔车辆类型为末点，确定第一个车辆类型至分隔车辆类型之间的所有车辆类型作为目标车辆类型。
S4，统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
本方案会统计所有的目标车辆类型生成待推荐车辆集合，然后结合车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，得到最终的车源推荐类型生成推荐列表发送至用户端。
在一些实施例中，S4（所述统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端）包括S41- S44：
S41，提取车辆需求序列中的第一个车辆类型至分隔车辆类型的所有目标车辆类型得到待推荐车辆集合，获取待推荐车辆集合中每个目标车辆类型所对应的预设价格区间。
首先，本方案会得到车辆需求序列中的第一个车辆类型至分隔车辆类型的所有目标车辆类型，形成待推荐车辆集合，然后，本方案会获取待推荐车辆集合中每个目标车辆类型所对应的预设价格区间。
S42，根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值。
本方案会确定上述实施例中得到的车辆全款额、还款周期、还款数额以及预设比例，对车辆全款额、还款周期、还款数额以及预设比例进行计算，得到车辆采购预算值。
在一些实施例中，S42（所述根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值）包括S421- S424：
S421，获取目标用户所购买每个车辆的购买数据、还款数据。
本方案会得到目标用户所购买每个车辆的购买数据和还款数据。
S422，根据所述目标用户的车辆全款额的平均值得到全款额平均值。
示例性的，目标用户A，购买过两辆车，一辆的车辆全款额为20万，另一辆的车辆全款额为10万，最终计算出的全款额平均值我15万。
S423，根据还款周期和还款数额的平均计算得到周期子系数、数额子系数，根据第一进件标记和第二进件标记得到当前还款子系数，根据所述周期子系数、数额子系数、当前还款子系数得到进行计算得到金融偏移比例。
本方案会依据还款周期和还款数额的平均计算得到周期子系数、和数额子系数，然后利用第一进件标记和第二进件标记得到当前还款子系数，最后综合周期子系数、数额子系数、当前还款子系数得到进行计算得到金融偏移比例。
S424，根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值。
在得到金融偏移比例后，本方案会结合预设比例来对全款额平均值进行偏移计算，得到车辆采购预算值。
其中，预设比例是指用户在购车时的预算会有上下波动，例如，用户的历史购车款为20万，预设比例为150 %时，那么目前的预算值可以是30万。需要说明的是，预设比例不会过大，可以是工作人员预先设置的。
在一些实施例中，S424（所述根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值）包括：
通过以下公式计算车辆采购预算值，
Figure 332775DEST_PATH_IMAGE020
其中，
Figure 883842DEST_PATH_IMAGE021
为车辆采购预算值，
Figure 355275DEST_PATH_IMAGE022
为目标用户的第
Figure 675398DEST_PATH_IMAGE023
个车辆的车辆全款额，
Figure 839663DEST_PATH_IMAGE024
为目标用户所购买车辆的上限值，
Figure 815709DEST_PATH_IMAGE025
为目标用户所购买车辆的数量值，
Figure 153150DEST_PATH_IMAGE026
为预设比例，
Figure 531041DEST_PATH_IMAGE027
为目标用户的第
Figure 161481DEST_PATH_IMAGE023
个车辆的还款周期，
Figure 624823DEST_PATH_IMAGE028
为周期归一化值，
Figure 500375DEST_PATH_IMAGE029
为目标用户的第
Figure 732773DEST_PATH_IMAGE023
个车辆的还款数额，
Figure 35579DEST_PATH_IMAGE042
为历史进件信息添加第一进件标记的数量，
Figure 986217DEST_PATH_IMAGE031
为历史进件信息添加第二进件标记的数量，
Figure 665460DEST_PATH_IMAGE032
为常数。
上述公式中，
Figure 752365DEST_PATH_IMAGE043
代表全款额平均值，
Figure 491651DEST_PATH_IMAGE044
代表金融偏移比例，
Figure 664006DEST_PATH_IMAGE045
代表金融偏移比例结合预设比例计算出的综合偏移比例，最后得到车辆采购预算值
Figure 84623DEST_PATH_IMAGE021
；其中，
Figure 353930DEST_PATH_IMAGE046
代表周期子系数，可以理解的是，目标用户的第
Figure 732959DEST_PATH_IMAGE023
个车辆的还款周期越大，说明用户的预算可以越多，对应的周期子系数越大；
Figure 658190DEST_PATH_IMAGE047
代表数额子系数，可以理解的是，目标用户的第
Figure 616919DEST_PATH_IMAGE023
个车辆的还款数额越大，说明用户的预算可以越多，对应的数额子系数越大；
Figure 740732DEST_PATH_IMAGE048
代表当前还款子系数，可以理解的是，历史进件信息添加第一进件标记的数量越大，说明用户当前的负债越小，对应的预算可以越多，对应的当前还款子系数越大；其中，
Figure 759504DEST_PATH_IMAGE032
可以是工作人员预先设置的。
S43，获取车辆采购预算值所处于的预设价格区间，将相应预设价格区间所对应的目标车辆类型作为车源推荐类型。
本方案在计算得到车辆采购预算值后，可以得到车辆采购预算值所处于的预设价格区间，然后将相应预设价格区间所对应的目标车辆类型作为车源推荐类型。
其中，车辆采购预算值可以是25万，预设价格区间例如可以是20-30万、30-40万等，则相应的相应预设价格区间为20-30万，本方案会将相应预设价格区间所对应的目标车辆类型作为车源推荐类型。
可以理解的是，本方案通过上述方式，可以对上述实施例中的目标车辆类型进一步的筛选，得到适合用户预算的目标车辆类型，将其作为车源推荐类型，从而得到更准确的推荐列表。
S44，统计所有的车源推荐类型生成相对应的推荐列表，将所述推荐列表发送至用户端。
本方案会依据车源推荐类型生成相对应的推荐列表，然后将推荐列表发送至用户端，用户端的用户可以查看对应的推荐列表。
参见图3，是本发明实施例提供的一种适用于车源推荐的数据处理装置的结构示意图，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序，通过以下模块进行车源推荐的数据处理，包括：
提取模块，用于使服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息；
获取模块，用于使服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；
判断模块，用于使服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；
确定模块，用于统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。

Claims (10)

1.一种适用于车源推荐的数据处理方法，其特征在于，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序，通过以下步骤进行车源推荐的数据处理，包括：
服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息；
服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；
服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；
统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
2.根据权利要求1所述的适用于车源推荐的数据处理方法，其特征在于，
所述服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息，包括：
服务端在接收到用户发送的车源推荐请求时或服务端在判断达到预设时间段时，则判断达到对任意一个用户端的车源推荐条件；
提取所述用户端的用户ID，根据所述用户ID调取相对应的历史进件信息，所述历史进件信息为用户主动上传、由第三方获取以及根据与用户的交互自动生成中的任意一种，所述历史进件信息包括历史贷款的使用资料。
3.根据权利要求2所述的适用于车源推荐的数据处理方法，其特征在于，
所述服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额，包括：
获取所述用户ID所对应历史进件信息的总数量得到第一进件数量；
确定每个历史进件信息所对应的购买数据、还款数据；
若判断还款数据中的还款周期已经截止、并且已经全部还款完成，则对相对应的历史进件信息添加第一进件标记；
若判断还款数据中的还款周期未截止、并且正在还款过程中，则对相对应的历史进件信息添加第二进件标记；
若判断存在还款数据中具有逾期未还款行为，则对相对应的历史进件信息添加第三进件标记。
4.根据权利要求3所述的适用于车源推荐的数据处理方法，其特征在于，
所述服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型，包括：
若判断所有历史进件信息不具有第三进件标记，且第二进件标记的数量小于第一预设数量，则判断所述还款数据达到预设条件；
目标程序对用户端的历史搜索行为和/或历史浏览行为进行记录得到行为数据，用户端通过所述目标程序将所述行为数据发送至服务端；
服务端提取所述历史搜索行为和/或历史浏览行为所对应的搜索车辆类型和浏览车辆类型，统计搜索车辆类型的搜索次数、搜索驻足时间，统计浏览车辆类型的浏览次数、浏览驻足时间；
根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型。
5.根据权利要求4所述的适用于车源推荐的数据处理方法，其特征在于，
所述根据每种车辆类型的搜索次数、搜索驻足时间、浏览次数、浏览驻足时间进行得到每种车辆类型的车辆需求系数，根据所述车辆需求系数在多个车辆类型中确定目标车辆类型，包括：
根据所述每种车辆类型的搜索次数、搜索驻足时间得到相对应车辆类型的搜索子系数，根据所述每种车辆类型的浏览次数、浏览驻足时间得到相对应车辆类型的浏览子系数；
根据搜索子系数和浏览子系数计算得到每种车辆类型的车辆需求系数，通过以下公式计算车辆需求系数，
Figure DEST_PATH_IMAGE001
Figure 967489DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
其中，
Figure 720682DEST_PATH_IMAGE004
为目标用户对第
Figure DEST_PATH_IMAGE005
种车辆类型的车辆需求系数，
Figure 602050DEST_PATH_IMAGE006
为搜索子系数，
Figure 833311DEST_PATH_IMAGE007
为搜索权重值，
Figure 280473DEST_PATH_IMAGE008
为浏览子系数，
Figure 673408DEST_PATH_IMAGE009
为浏览权重值，
Figure 838811DEST_PATH_IMAGE010
为目标用户对第
Figure 404921DEST_PATH_IMAGE005
种车辆类型的搜索次数，
Figure 909852DEST_PATH_IMAGE011
为次数归一化值，
Figure 536005DEST_PATH_IMAGE012
为目标用户对第
Figure 624922DEST_PATH_IMAGE005
种车辆类型在第
Figure 260302DEST_PATH_IMAGE013
次搜索时对应的搜索驻足时间，
Figure 354160DEST_PATH_IMAGE014
为搜索次数的上限值，
Figure 416794DEST_PATH_IMAGE015
为时间归一化值，
Figure 228892DEST_PATH_IMAGE016
为目标用户对第
Figure 667964DEST_PATH_IMAGE005
种车辆类型在第
Figure 881908DEST_PATH_IMAGE013
次浏览时对应的浏览驻足时间，
Figure 115443DEST_PATH_IMAGE017
为目标用户对第
Figure 414837DEST_PATH_IMAGE005
种车辆类型在第
Figure 126441DEST_PATH_IMAGE018
次浏览时对应的浏览驻足时间，
Figure 257208DEST_PATH_IMAGE019
为浏览次数的上限值；
根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型。
6.根据权利要求5所述的适用于车源推荐的数据处理方法，其特征在于，
所述根据所述车辆需求系数对所有的车辆类型进行降序排序得到车辆需求序列，根据所述车辆需求序列在多个车辆类型中确定目标车辆类型，包括：
获取预先设置的预设车辆系数，根据所述预设车辆系数在车辆需求序列中确定相对应的分隔车辆类型，所述分隔车辆类型为所有车辆需求系数中与所述预设车辆系数最接近、且大于预设车辆系数的车辆类型；
统计车辆需求序列中的第一个车辆类型、分隔车辆类型以及第一个车辆类型至分隔车辆类型之间的所有车辆类型作为目标车辆类型。
7.根据权利要求6所述的适用于车源推荐的数据处理方法，其特征在于，
所述统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端，包括：
提取车辆需求序列中的第一个车辆类型至分隔车辆类型的所有目标车辆类型得到待推荐车辆集合，获取待推荐车辆集合中每个目标车辆类型所对应的预设价格区间；
根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值；
获取车辆采购预算值所处于的预设价格区间，将相应预设价格区间所对应的目标车辆类型作为车源推荐类型；
统计所有的车源推荐类型生成相对应的推荐列表，将所述推荐列表发送至用户端。
8.根据权利要求7所述的适用于车源推荐的数据处理方法，其特征在于，
所述根据所述车辆全款额、还款周期、还款数额以及预设比例进行综合计算得到车辆采购预算值，包括：
获取目标用户所购买每个车辆的购买数据、还款数据；
根据所述目标用户的车辆全款额的平均值得到全款额平均值；
根据还款周期和还款数额的平均计算得到周期子系数、数额子系数，根据第一进件标记和第二进件标记得到当前还款子系数，根据所述周期子系数、数额子系数、当前还款子系数得到进行计算得到金融偏移比例；
根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值。
9.根据权利要求8所述的适用于车源推荐的数据处理方法，其特征在于，
所述根据所述预设比例、金融偏移比例对所述全款额平均值进行偏移计算，得到车辆采购预算值，包括：
通过以下公式计算车辆采购预算值，
Figure 599328DEST_PATH_IMAGE020
其中，
Figure 448335DEST_PATH_IMAGE021
为车辆采购预算值，
Figure 901313DEST_PATH_IMAGE022
为目标用户的第
Figure DEST_PATH_IMAGE023
个车辆的车辆全款额，
Figure 355428DEST_PATH_IMAGE024
为目标用户所购买车辆的上限值，
Figure 930766DEST_PATH_IMAGE025
为目标用户所购买车辆的数量值，
Figure 703288DEST_PATH_IMAGE026
为预设比例，
Figure 22274DEST_PATH_IMAGE027
为目标用户的第
Figure 862054DEST_PATH_IMAGE023
个车辆的还款周期，
Figure 545976DEST_PATH_IMAGE028
为周期归一化值，
Figure 103996DEST_PATH_IMAGE029
为目标用户的第
Figure 164356DEST_PATH_IMAGE023
个车辆的还款数额，
Figure 124222DEST_PATH_IMAGE030
为历史进件信息添加第一进件标记的数量，
Figure 979046DEST_PATH_IMAGE031
为历史进件信息添加第二进件标记的数量，
Figure 289941DEST_PATH_IMAGE032
为常数。
10.一种适用于车源推荐的数据处理装置，其特征在于，包括服务端以及与服务端连接的用户端，每个用户端对应一个目标用户，每个用户端预先安装有对应的目标程序，通过以下模块进行车源推荐的数据处理，包括：
提取模块，用于使服务端在判断达到对任意一个用户端的车源推荐条件时，则提取所述目标用户对应的历史进件信息；
获取模块，用于使服务端若判断目标用户存在相对应的历史进件信息，则根据所述历史进件信息获取相对应的购买数据、还款数据，所述购买数据至少包括车辆全款额，所述还款数据至少包括还款周期和还款数额；
判断模块，用于使服务端若判断所述还款数据达到预设条件，服务器则获取目标程序在所述用户端在目标程序处的历史搜索行为和/或历史浏览行为，根据所述历史搜索行为和/或历史浏览行为确定目标车辆类型；
确定模块，用于统计所有的目标车辆类型生成待推荐车辆集合，车源推荐模型根据所述车辆全款额、还款周期和还款数额在所述待推荐车辆集合中确定目标数量的车源推荐类型，根据所述车源推荐类型生成推荐列表发送至用户端。
CN202210990143.6A 2022-08-18 2022-08-18 适用于车源推荐的数据处理方法及装置 Pending CN115062231A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210990143.6A CN115062231A (zh) 2022-08-18 2022-08-18 适用于车源推荐的数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210990143.6A CN115062231A (zh) 2022-08-18 2022-08-18 适用于车源推荐的数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN115062231A true CN115062231A (zh) 2022-09-16

Family

ID=83207779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210990143.6A Pending CN115062231A (zh) 2022-08-18 2022-08-18 适用于车源推荐的数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN115062231A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116089401A (zh) * 2023-02-17 2023-05-09 国网浙江省电力有限公司营销服务中心 用户数据管理方法及系统
CN116993396A (zh) * 2023-09-27 2023-11-03 北京北汽鹏龙汽车服务贸易股份有限公司 基于车辆用户标签的风险预警方法、计算机设备
CN118350838A (zh) * 2024-04-26 2024-07-16 杭州及凌网络科技有限公司 基于人工智能的交互式汽车精品推荐方法、系统及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319646A (zh) * 2017-12-26 2018-07-24 金瓜子科技发展（北京）有限公司 基于用户历史行为的车源搜索方法及装置
CN109300018A (zh) * 2018-10-31 2019-02-01 深圳市元征科技股份有限公司 一种车辆智能推荐方法、装置、设备及存储介质
CN109767318A (zh) * 2018-12-15 2019-05-17 深圳壹账通智能科技有限公司 贷款产品推荐方法、装置、设备及存储介质
CN110517072A (zh) * 2019-08-14 2019-11-29 平安科技（深圳）有限公司 车辆信息的推送方法、装置、设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319646A (zh) * 2017-12-26 2018-07-24 金瓜子科技发展（北京）有限公司 基于用户历史行为的车源搜索方法及装置
CN109300018A (zh) * 2018-10-31 2019-02-01 深圳市元征科技股份有限公司 一种车辆智能推荐方法、装置、设备及存储介质
CN109767318A (zh) * 2018-12-15 2019-05-17 深圳壹账通智能科技有限公司 贷款产品推荐方法、装置、设备及存储介质
CN110517072A (zh) * 2019-08-14 2019-11-29 平安科技（深圳）有限公司 车辆信息的推送方法、装置、设备及计算机可读存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116089401A (zh) * 2023-02-17 2023-05-09 国网浙江省电力有限公司营销服务中心 用户数据管理方法及系统
CN116089401B (zh) * 2023-02-17 2023-09-05 国网浙江省电力有限公司营销服务中心 用户数据管理方法及系统
CN116993396A (zh) * 2023-09-27 2023-11-03 北京北汽鹏龙汽车服务贸易股份有限公司 基于车辆用户标签的风险预警方法、计算机设备
CN116993396B (zh) * 2023-09-27 2023-12-22 北京北汽鹏龙汽车服务贸易股份有限公司 基于车辆用户标签的风险预警方法、计算机设备
CN118350838A (zh) * 2024-04-26 2024-07-16 杭州及凌网络科技有限公司 基于人工智能的交互式汽车精品推荐方法、系统及介质

Similar Documents

Publication Publication Date Title
CN115062231A (zh) 适用于车源推荐的数据处理方法及装置
CN106372249B (zh) 一种点击率预估方法、装置及电子设备
CN109711955B (zh) 基于当前订单的差评预警方法、系统、黑名单库建立方法
US11068885B2 (en) Method and system for deanomymizing cryptocurrency users by analyzing bank transfers to a cryptocurrency exchange
CN111383094B (zh) 产品服务全链驱动方法、设备及可读存储介质
CN109166033A (zh) 贷款额度计算方法、装置、计算机设备和存储介质
CN111881158B (zh) 一种管理报表数据处理方法、装置、计算机系统及可读存储介质
US20140316960A1 (en) Merchant bank tool
JP6194434B1 (ja) 情報処理装置、情報処理方法及びプログラム
CN110276520B (zh) 项目案件筛选方法以及装置
CN110992097A (zh) 营收产品价格的处理方法、装置、计算机设备及存储介质
CN110766275A (zh) 数据验证方法、装置、计算机设备及存储介质
CN111091205A (zh) 一种产品信息处理方法、制造商服务器及客户终端
CN111212082B (zh) 基于云平台的资源价值评估用户管理方法及相关产品
CN111061948A (zh) 一种用户标签推荐方法、装置、计算机设备及存储介质
CN108268519B (zh) 一种推荐网络对象的方法和装置
KR102234274B1 (ko) 데이터에 기반한 낙찰가 예측방법.
CN112700307A (zh) 一种基于数据分析的商品推荐方法
CN105631732A (zh) 确定用户权限的方法和装置
CN110263132B (zh) 项目案件推送方法以及装置
CN112465633A (zh) 交易对账方法、可读存储介质及计算机设备
CN103309885A (zh) 一种在电子交易平台中识别特征用户的方法及装置和搜索方法及装置
CN109447399A (zh) 申请方等级计算方法、装置、计算机设备和存储介质
CN112036987B (zh) 确定推荐商品的方法和装置
CN113537858A (zh) 运单时效升级方法、相关装置及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220916