CN117853202A - 产品推荐方法、装置、计算机设备及存储介质 - Google Patents

产品推荐方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN117853202A
CN117853202A CN202410023466.7A CN202410023466A CN117853202A CN 117853202 A CN117853202 A CN 117853202A CN 202410023466 A CN202410023466 A CN 202410023466A CN 117853202 A CN117853202 A CN 117853202A
Authority
CN
China
Prior art keywords
product
specified
users
behavior information
information
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
CN202410023466.7A
Other languages
English (en)
Inventor
张步松
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 Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202410023466.7A priority Critical patent/CN117853202A/zh
Publication of CN117853202A publication Critical patent/CN117853202A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Technology Law (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请属于人工智能领域与金融科技领域，涉及一种产品推荐方法，包括：获取产品信息以及产品行为信息；对产品行为信息进行预处理得到目标产品行为信息；基于目标产品行为信息对多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；从所有产品信息中确定出与指定产品偏好类别对应的指定产品信息；获取与指定产品信息对应的指定产品，并将指定产品推送给与指定用户种群对应的所有指定用户。本申请还提供一种产品推荐装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，指定产品可存储于区块链中。本申请可应用于金融领域的保险产品推荐场景，实现了将符合用户的产品偏好的产品推送给相应用户，提高了产品推荐的准确度。

Description

产品推荐方法、装置、计算机设备及存储介质
技术领域
本申请涉及人工智能开发技术领域与金融科技领域，尤其涉及产品推荐方法、装置、计算机设备及存储介质。
背景技术
随着金融互联网技术的高速发展，保险产品的推荐成为了保险行业的热点。由于目前保险产品多种多样，且用户的需求种类也很多，如何准确的向用户推荐与需求所匹配的保险产品，成为了当前保险推荐的研究热点。保险产品的精准推荐对于保险公司收集制定产品营销方案。加强与用户的沟通等都有极其重要的意义。
在为客户进行个性化的保险产品推荐时，提升客户价值是重点，所以推荐的产品不在于多，而在于精致。目前保险公司所采用的保险产品推荐方式，通常是根据历史的保险产品销售数据以及客户的购买保险记录等信息进行分析，然后由保险业务人员凭借从业经验来向用户推荐保险产品，这样容易导致保险产品推荐的准确率较低，且客户满意度不高。
发明内容
本申请实施例的目的在于提出一种产品推荐方法、装置、计算机设备及存储介质，以解决现有的保险公司所采用的保险产品推荐方式容易导致保险产品推荐的准确率较低的技术问题。
为了解决上述技术问题，本申请实施例提供一种产品推荐方法，采用了如下所述的技术方案：
从预设数据源中获取产品信息以及多个用户的产品行为信息；
对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
进一步的，所述指定产品的数量包括多个，所述获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户的步骤，具体包括：
获取各所述指定产品的浏览量与出单量；
基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度；
按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表；
将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。
进一步的，所述基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度的步骤，具体包括：
获取与浏览量对应的第一预设权重；
获取与出单量对应的第二预设权重；
基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，得到与各所述指定产品对应的计算结果；
将各所述指定产品对应的计算结果作为各所述指定产品的产品热度。
进一步的，所述基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群的步骤，具体包括：
获取预设的多种聚类算法；
从所有所述聚类算法中筛选出目标聚类算法：
基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。
进一步的，所述对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息的步骤，具体包括：
对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息；
对所述第一行为信息进行数据插补处理，得到第二行为信息；
对所述第二行为信息进行标准化处理，得到第三行为信息；
将所述第三行为信息作为所述目标产品行为信息。
进一步的，在所述从预设数据源中获取产品信息以及多个用户的产品行为信息的步骤之后，还包括：
确定与所述产品信息对应的第一可视化展示方式；
确定与所述多个用户的产品行为信息对应的第二可视化展示方式；
基于所述第一可视化展示方式对所述产品信息进行展示；
基于所述第二可视化展示方式对所述多个用户的产品行为信息进行展示。
进一步的，在所述从预设数据源中获取产品信息以及多个用户的产品行为信息的步骤之后，还包括：
调用预设的数据存储层；
在所述数据存储层中确定出与所述产品信息对应的第一存储区域，并将所述产品信息存储至所述第一存储区域内；
在所述数据存储层中确定出与所述多个用户的产品行为信息对应的第二存储区域，并将所述多个用户的产品行为信息存储至所述第二存储区域内。
为了解决上述技术问题，本申请实施例还提供一种产品推荐装置，采用了如下所述的技术方案：
第一获取模块，用于从预设数据源中获取产品信息以及多个用户的产品行为信息；
预处理模块，用于对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
聚类模块，用于基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
第二获取模块，用于获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
第一确定模块，用于从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
推送模块，用于获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
从预设数据源中获取产品信息以及多个用户的产品行为信息；
对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
从预设数据源中获取产品信息以及多个用户的产品行为信息；
对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例首先从预设数据源中获取产品信息以及多个用户的产品行为信息；然后对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；之后基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；后续获取指定用户种群的指定产品偏好类别；进一步从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；最后获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。本申请实施例在获取到产品信息以及多个用户的目标产品行为信息后，会基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群，进而对从所有所述产品信息中确定出与多个用户种群一一对应的产品以用于进行产品推荐，以基于聚类分析的处理实现了将符合用户的产品偏好的产品智能推送给相应的用户，提高了产品推荐的准确度与智能性，有利于根据推荐产品协助用户快速地选择到最适合的产品，进而提高用户购买产品的满意度，以及提高公司的出单率。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的产品推荐方法的一个实施例的流程图；
图3是根据本申请的产品推荐装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的产品推荐方法一般由服务器/终端设备执行，相应地，产品推荐装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的产品推荐方法的一个实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。本申请实施例提供的产品推荐方法能够应用于任意一种需要进行产品推荐的场景中，则该产品推荐方法能够应用于这些场景的产品中，例如，金融保险领域中的保险产品推荐。所述的产品推荐方法，包括以下步骤：
步骤S201，从预设数据源中获取产品信息以及多个用户的产品行为信息。
在本实施例中，产品推荐方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取待产品信息以及多个用户的产品行为信息。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。在金融保险的产品推荐的业务场景下，上述预设数据源为记录有保险产品信息与保险客户的产品行为信息的数据源。上述产品可包括车险产品、意外险产品、寿险产品、医疗险产品等等，产品信息可指产品的类型信息，例如车险类型、意外险类型、寿险类型、医疗险类型。上述产品行为信息可包括用户的产品消费习惯、产品浏览信息、产品购买记录，等等。其中，数据源中还可包括用户特征、主要价值用户特征、潜在价值用户特征、用户的需求度分析数据等其他数据。对于数据源中的数据会进行实时更新。
在本实施例中，示例性的，在金融保险的产品推送的业务场景下，业务埋点数据可包括交易数据、支付数据、业务数据，等等。
步骤S202，对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息。
在本实施例中，上述对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
步骤S203，基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。
在本实施例中，上述基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。另外，还可以采用分析目标产品行为信息,计算用户节点之间的关联性,把节点特征结构相似性高的节点属性定义为相应的用户的偏好产品标签的方式，来生成对应于不同的产品偏好类别的多个用户种群。
步骤S204，获取指定用户种群的指定产品偏好类别；
在本实施例中，上述指定用户种群为所有所述用户种群中的任意一种。
步骤S205，从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息。
在本实施例中，可通过使用所述指定产品偏好类别对所有所述产品信息进行信息匹配，以从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息。示例性的，如果指定产品偏好类别为车险，则对应的可从所有所述产品信息中确定出与该指定产品偏好类别对应的指定产品信息为车险产品信息。
获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
在本实施例中，上述获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
本申请首先从预设数据源中获取产品信息以及多个用户的产品行为信息；然后对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；之后基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；后续获取指定用户种群的指定产品偏好类别；进一步从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；最后获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。本申请在获取到产品信息以及多个用户的目标产品行为信息后，会基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群，进而对从所有所述产品信息中确定出与多个用户种群一一对应的产品以用于进行产品推荐，以基于聚类分析的处理实现了将符合用户的产品偏好的产品智能推送给相应的用户，提高了产品推荐的准确度与智能性，有利于根据推荐产品协助用户快速地选择到最适合的产品，进而提高用户购买产品的满意度，以及提高公司的出单率。
在一些可选的实现方式中，步骤S206包括以下步骤：
获取各所述指定产品的浏览量与出单量。
在本实施例中，可通过查询指定产品的产品浏览记录与产品出单记录，以统计出各所述指定产品的浏览量与出单量
基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度。
在本实施例中，上述基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度的具体实施过程，本申请将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表。
在本实施例中，通过按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序来得到对应的推荐产品列表，以实现依次对保险产品的营销方案不断地做出相应的调整优化，不断基于用户的产品行为数据和产品分布来满足用户的产品使用需求。
将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。
在本实施例中，可通过获取各指定用户的通讯信息，进而基于各指定用户的通讯信息，将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。
本申请通过获取各所述指定产品的浏览量与出单量；然后基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度；之后按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表；后续将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。本申请在获取到与所述指定产品信息对应的指定产品后，还会智能地根据各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度，进而按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表，并将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户，以实现通过将符合用户的产品偏好的指定产品以推荐产品列表的形式将最优的产品热度排序展示给用户，提高了产品推荐的准确度与智能性，有利于根据该推荐产品列表协助用户快速地选择到最适合的产品，提高了用户的使用体验。
在本实施例的一些可选的实现方式中，所述基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度，包括以下步骤：
获取与浏览量对应的第一预设权重。
在本实施例中，对于上述第一预设权重的取值不做具体限定，可根据实际的使用需求进行设置。示例性的，浏览量的权重参数选择可以是通过一定数量的历史浏览量数据作为校验并进行人工调节得到，或者也可以采用系统自动分析的方式来实现生成。
获取与出单量对应的第二预设权重。
在本实施例中，第二预设权重的取值方式可参照上述第一预设权重的取值方式，在此不做过多赘述。
基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，得到与各所述指定产品对应的计算结果。
在本实施例中，上述计算公式具体可为加权求和方式。具体地，计算公式包括：S＝l*x+c*y，其中，l为浏览量，x为浏览量对应的第一预设权重，c为出单量，y为出单量对应的第二预设权重。
将各所述指定产品对应的计算结果作为各所述指定产品的产品热度。
本申请通过获取与浏览量对应的第一预设权重；然后获取与出单量对应的第二预设权重；之后基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，得到与各所述指定产品对应的计算结果；后续将各所述指定产品对应的计算结果作为各所述指定产品的产品热度。本申请通过获取与浏览量对应的第一预设权重以及获取与出单量对应的第二预设权重，进而基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，可以实现快速准确地计算出各所述指定产品的产品热度，提高了产品热度的计算效率，保证了得到的产品热度的准确度。
在一些可选的实现方式中，步骤S203包括以下步骤：
获取预设的多种聚类算法。
在本实施例中，上述聚类算法至少可包括K-MEANS聚类算法、合成聚类、层次聚类算法、DBSCAN聚类、单滑动窗口的均值偏移聚类等算法。
从所有所述聚类算法中筛选出目标聚类算法。
在本实施例中，可通过获取各种聚类算法的算法统计信息，并从算法统计信息中获取各种聚类算法的发布年份、算法处理效果以及使用频率；然后从各种聚类算法中筛选出发布年份大于预设年份，且算法处理效果大于预设效果阈值的第一聚类算法；若第一聚类算法的数量包括多个，则从所有第一聚类算法中筛选出使用频率最高的第二聚类算法，以作为上述目标聚类算法。
基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。
在本实施例中，可以根据产品种类的数量将多个用户划分为k类，然后采用目标聚类算法，例如K-Means聚类算法对所述多个用户的目标产品行为信息进行处理以对上述多个用户进行聚类分析。假设目标产品行为信息中包括n项产品使用行为，则在本步骤中可以构建n维空间，每一项产品使用行为的值对应用户在该维度中的位置，并在n维空间中对用户根据距离进行聚类，从而得到对应于不同的产品偏好类别的多个用户种群。其中，分类得到的各种用户种群可以分别对应不同的产品类型，该产品类型用于表征用户的产品使用偏好。示例性的，用户种群A偏好使用车险产品，用户种群B偏好使用寿险产品，用户种群C偏好使用医疗险产品，等等。
本申请通过获取预设的多种聚类算法；然后从所有所述聚类算法中筛选出目标聚类算法：后续基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。本申请通过从所有所述聚类算法中筛选出目标聚类算法，进而基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，可以实现快捷准确地得到对应于不同的产品偏好类别的多个用户种群，提高了聚类分析的准确性，保证了生成的用户种群的准确度。
在一些可选的实现方式中，步骤S202包括以下步骤：
对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息。
在本实施例中，异常数据可指产品行为中存在异常的数据，例如可包括空数据、无效数据等。可通过使用数据清洗工具对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息。
对所述第一行为信息进行数据插补处理，得到第二行为信息。
在本实施例中，可通过采用平均值填充的方式对第一行为信息中存在的空数据进行数据插补处理，以确保行为信息的完整性，从而得到上述第二行为信息。
对所述第二行为信息进行标准化处理，得到第三行为信息。
在本实施例中，可通过采用标准化计算方式，例如归一化处理对对所述第二行为信息进行标准化处理，以得到上述第三行为信息。
将所述第三行为信息作为所述目标产品行为信息。
本申请通过对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息；然后对所述第一行为信息进行数据插补处理，得到第二行为信息；之后对所述第二行为信息进行标准化处理，得到第三行为信息；后续将所述第三行为信息作为所述目标产品行为信息。本申请通过对多个用户的产品行为信息进行异常数据清洗处理、数据插补处理以及标准化处理，从而可以快速得到符合后续的聚类处理所需要的标准格式的数据，提高了生成的目标产品行为信息的数据准确性，保证了后续基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析的聚类过程的顺利进行。
在本实施例的一些可选的实现方式中，在步骤S206之后，上述电子设备还可以执行以下步骤：
确定与所述产品信息对应的第一可视化展示方式。
在本实施例中，对于上述第一可视化展示方式的具体方式不做限定，可根据实际的业务使用需求进行设置，例如可采用网页展示、看板展示、报表展示等方式。
确定与所述多个用户的产品行为信息对应的第二可视化展示方式。
在本实施例中，对于上述第二可视化展示方式的具体方式不做限定，可根据实际的业务使用需求进行设置，例如可采用网页展示、看板展示、报表展示等方式。
基于所述第一可视化展示方式对所述产品信息进行展示。
在本实施例中，可通过确定与上述第一可视化展示方式对应的第一展示介质，进而使用第一展示介质对对所述产品信息进行展示。
基于所述第二可视化展示方式对所述多个用户的产品行为信息进行展示。
在本实施例中，可通过确定与上述第二可视化展示方式对应的第二展示介质，进而使用第二展示介质对对所述产品信息进行展示。
本申请通过确定与所述产品信息对应的第一可视化展示方式；然后确定与所述多个用户的产品行为信息对应的第二可视化展示方式；后续基于所述第一可视化展示方式对所述产品信息进行展示；以及基于所述第二可视化展示方式对所述多个用户的产品行为信息进行展示。本申请在从预设数据源中获取到产品信息以及多个用户的产品行为信息后，还会智能地确定与所述产品信息对应的第一可视化展示方式以及确定与所述多个用户的产品行为信息对应的第二可视化展示方式，进而通过第一可视化展示方式与第二可视化展示方式分别对产品信息以及多个用户的产品行为信息进行对应的可视化展示处理，以有助于相关业务人员能够直观清晰地对产品与客户之间的数据进行有效的评估，并能根据可视化分析结果来选择更好的产品营销方案，开展更准确的产品营销活动，有利于提高产品营销的智能性与处理效率，提高业务人员的工作体验。
在本实施例的一些可选的实现方式中，在步骤S206之后，上述电子设备还可以执行以下步骤：
调用预设的数据存储层。
在本实施例中，电子设备中包括四层架构：数据存储层、数据管控层、数据接口层以及使用者访问层。数据存储层主要对数据进行存储，数据管控层结合保险销售业务特点以及数据管理技术连接存储层和接口层，数据接口层则根据业务需求提供服务接口为访问层提供相应的数据操作，使用者在使用者访问层进行交互，周期性地对数据进行整理和更新。
在所述数据存储层中确定出与所述产品信息对应的第一存储区域，并将所述产品信息存储至所述第一存储区域内。
在本实施例中，预先根据实际的业务需求在数据存储层中设置一个用于存储产品信息的第一存储区域，并将该第一存储区域以产品信息进行命名，后续再将所述产品信息存储至所述第一存储区域内，以实现对于产品信息的存储规范性。
在所述数据存储层中确定出与所述多个用户的产品行为信息对应的第二存储区域，并将所述多个用户的产品行为信息存储至所述第二存储区域内。
在本实施例中，预先根据实际的业务需求在数据存储层中设置一个用于存储产品行为信息的第二存储区域，并将该第二存储区域以产品行为信息进行命名，后续再将所述产品行为信息存储至所述第二存储区域内，以实现对于产品行为信息的存储规范性。
本申请通过调用预设的数据存储层；然后在所述数据存储层中确定出与所述产品信息对应的第一存储区域，并将所述产品信息存储至所述第一存储区域内；后续在所述数据存储层中确定出与所述多个用户的产品行为信息对应的第二存储区域，并将所述多个用户的产品行为信息存储至所述第二存储区域内。本申请在所述从预设数据源中获取到产品信息以及多个用户的产品行为信息后，还会智能地使用数据存储层对产品信息以及多个用户的产品行为信息进行存储，具体将产品信息存储至数据存储层中的第一存储区域内，以及将多个用户的产品行为信息存储至数据存储层中的第二存储区域内，有效确保了产品信息以及多个用户的产品行为信息的数据安全性，提高了产品信息以及多个用户的产品行为信息的存储规范性。
应理解，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，而不应对本发明实施例的实施过程构成任何限定。
需要强调的是，为进一步保证上述指定产品信息的私密和安全性，上述指定产品信息还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种产品推荐装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的产品推荐装置300包括：第一获取模块301、预处理模块302、聚类模块303、第二获取模块304、第一确定模块305以及推送模块306。其中：
第一获取模块301，用于从预设数据源中获取产品信息以及多个用户的产品行为信息；
预处理模块302，用于对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
聚类模块303，用于基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
第二获取模块304，用于获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
第一确定模块305，用于从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
推送模块306，用于获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，推送模块306包括：
第一获取子模块，用于获取各所述指定产品的浏览量与出单量；
生成子模块，用于基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度；
排序子模块，用于按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表；
推送子模块，用于将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中,生成子模块包括：
第一获取单元，用于获取与浏览量对应的第一预设权重；
第二获取单元，用于获取与出单量对应的第二预设权重；
计算单元，用于基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，得到与各所述指定产品对应的计算结果；
确定单元，用于将各所述指定产品对应的计算结果作为各所述指定产品的产品热度。
本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，聚类模块303包括：
第二获取子模块，用于获取预设的多种聚类算法；
筛选子模块，用于从所有所述聚类算法中筛选出目标聚类算法：
聚类子模块，用于基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，预处理模块302包括：
第一处理子模块，用于对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息；
第二处理子模块，用于对所述第一行为信息进行数据插补处理，得到第二行为信息；
第三处理子模块，用于对所述第二行为信息进行标准化处理，得到第三行为信息；
确定子模块，用于将所述第三行为信息作为所述目标产品行为信息。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，产品推荐装置还包括：
第二确定模块，用于确定与所述产品信息对应的第一可视化展示方式；
第三确定模块，用于确定与所述多个用户的产品行为信息对应的第二可视化展示方式；
第一展示模块，用于基于所述第一可视化展示方式对所述产品信息进行展示；
第二展示模块，用于基于所述第二可视化展示方式对所述多个用户的产品行为信息进行展示。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
在本实施例的一些可选的实现方式中，产品推荐装置还包括：
调用模块，用于调用预设的数据存储层；
第一存储模块，用于在所述数据存储层中确定出与所述产品信息对应的第一存储区域，并将所述产品信息存储至所述第一存储区域内；
第二存储模块，用于在所述数据存储层中确定出与所述多个用户的产品行为信息对应的第二存储区域，并将所述多个用户的产品行为信息存储至所述第二存储区域内。
在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的产品推荐方法的步骤一一对应，在此不再赘述。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4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(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如产品推荐方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述产品推荐方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，首先从预设数据源中获取产品信息以及多个用户的产品行为信息；然后对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；之后基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；后续获取指定用户种群的指定产品偏好类别；进一步从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；最后获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。本申请实施例在获取到产品信息以及多个用户的目标产品行为信息后，会基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群，进而对从所有所述产品信息中确定出与多个用户种群一一对应的产品以用于进行产品推荐，以基于聚类分析的处理实现了将符合用户的产品偏好的产品智能推送给相应的用户，提高了产品推荐的准确度与智能性，有利于根据推荐产品协助用户快速地选择到最适合的产品，进而提高用户购买产品的满意度，以及提高公司的出单率。
本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的产品推荐方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例中，首先从预设数据源中获取产品信息以及多个用户的产品行为信息；然后对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；之后基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；后续获取指定用户种群的指定产品偏好类别；进一步从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；最后获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。本申请实施例在获取到产品信息以及多个用户的目标产品行为信息后，会基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群，进而对从所有所述产品信息中确定出与多个用户种群一一对应的产品以用于进行产品推荐，以基于聚类分析的处理实现了将符合用户的产品偏好的产品智能推送给相应的用户，提高了产品推荐的准确度与智能性，有利于根据推荐产品协助用户快速地选择到最适合的产品，进而提高用户购买产品的满意度，以及提高公司的出单率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种产品推荐方法，其特征在于，包括下述步骤：
从预设数据源中获取产品信息以及多个用户的产品行为信息；
对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
2.根据权利要求1所述的产品推荐方法，其特征在于，所述指定产品的数量包括多个，所述获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户的步骤，具体包括：
获取各所述指定产品的浏览量与出单量；
基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度；
按照所述产品热度从大到小的排列顺序对所有所述指定产品进行排序，得到对应的推荐产品列表；
将所述推荐产品列表推送给与所述指定用户种群对应的所有指定用户。
3.根据权利要求2所述的产品推荐方法，其特征在于，所述基于各所述指定产品的浏览量与出单量生成各所述指定产品的产品热度的步骤，具体包括：
获取与浏览量对应的第一预设权重；
获取与出单量对应的第二预设权重；
基于所述第一预设权重与所述第二预设权重，调用预设的计算公式对各所述指定产品的浏览量与出单量进行计算，得到与各所述指定产品对应的计算结果；
将各所述指定产品对应的计算结果作为各所述指定产品的产品热度。
4.根据权利要求1所述的产品推荐方法，其特征在于，所述基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群的步骤，具体包括：
获取预设的多种聚类算法；
从所有所述聚类算法中筛选出目标聚类算法：
基于所述目标聚类算法与所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群。
5.根据权利要求1所述的产品推荐方法，其特征在于，所述对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息的步骤，具体包括：
对所述多个用户的产品行为信息进行异常数据清洗处理，得到第一行为信息；
对所述第一行为信息进行数据插补处理，得到第二行为信息；
对所述第二行为信息进行标准化处理，得到第三行为信息；
将所述第三行为信息作为所述目标产品行为信息。
6.根据权利要求1所述的产品推荐方法，其特征在于，在所述从预设数据源中获取产品信息以及多个用户的产品行为信息的步骤之后，还包括：
确定与所述产品信息对应的第一可视化展示方式；
确定与所述多个用户的产品行为信息对应的第二可视化展示方式；
基于所述第一可视化展示方式对所述产品信息进行展示；
基于所述第二可视化展示方式对所述多个用户的产品行为信息进行展示。
7.根据权利要求1所述的产品推荐方法，其特征在于，在所述从预设数据源中获取产品信息以及多个用户的产品行为信息的步骤之后，还包括：
调用预设的数据存储层；
在所述数据存储层中确定出与所述产品信息对应的第一存储区域，并将所述产品信息存储至所述第一存储区域内；
在所述数据存储层中确定出与所述多个用户的产品行为信息对应的第二存储区域，并将所述多个用户的产品行为信息存储至所述第二存储区域内。
8.一种产品推荐装置，其特征在于，包括：
第一获取模块，用于从预设数据源中获取产品信息以及多个用户的产品行为信息；
预处理模块，用于对所述多个用户的产品行为信息进行预处理，得到对应的多个用户的目标产品行为信息；
聚类模块，用于基于所述多个用户的目标产品行为信息对所述多个用户进行聚类分析，得到对应于不同的产品偏好类别的多个用户种群；
第二获取模块，用于获取指定用户种群的指定产品偏好类别；其中，所述指定用户种群为所有所述用户种群中的任意一种；
第一确定模块，用于从所有所述产品信息中确定出与所述指定产品偏好类别对应的指定产品信息；
推送模块，用于获取与所述指定产品信息对应的指定产品，并将所述指定产品推送给与所述指定用户种群对应的所有指定用户。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的产品推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的产品推荐方法的步骤。
CN202410023466.7A 2024-01-05 2024-01-05 产品推荐方法、装置、计算机设备及存储介质 Pending CN117853202A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410023466.7A CN117853202A (zh) 2024-01-05 2024-01-05 产品推荐方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410023466.7A CN117853202A (zh) 2024-01-05 2024-01-05 产品推荐方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN117853202A true CN117853202A (zh) 2024-04-09

Family

ID=90543275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410023466.7A Pending CN117853202A (zh) 2024-01-05 2024-01-05 产品推荐方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN117853202A (zh)

Similar Documents

Publication Publication Date Title
CN112148987B (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN112115363A (zh) 一种推荐方法、计算设备及存储介质
CN112925911B (zh) 基于多模态数据的投诉分类方法及其相关设备
CN110717597A (zh) 利用机器学习模型获取时序特征的方法和装置
CN111429161A (zh) 特征提取方法、特征提取装置、存储介质及电子设备
CN117114901A (zh) 基于人工智能的投保数据处理方法、装置、设备及介质
CN116843395A (zh) 一种业务系统的告警分级方法、装置、设备及存储介质
CN115860835A (zh) 基于人工智能的广告推荐方法、装置、设备及存储介质
CN112085566B (zh) 基于智能决策的产品推荐方法、装置及计算机设备
CN112084408B (zh) 名单数据筛选方法、装置、计算机设备及存储介质
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN117853202A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN110738538A (zh) 识别相似物品的方法和装置
CN116542779A (zh) 基于人工智能的产品推荐方法、装置、设备及存储介质
CN112396445B (zh) 用于识别用户身份信息的方法和装置
US12124683B1 (en) Content analytics as part of content creation
US11907508B1 (en) Content analytics as part of content creation
CN109426978A (zh) 用于生成信息的方法和装置
CN118013128A (zh) 基于人工智能的素材推荐方法、装置、设备及存储介质
CN117876021A (zh) 基于人工智能的数据预测方法、装置、设备及存储介质
CN116542733A (zh) 产品推荐方法、装置、计算机设备及存储介质
CN117788051A (zh) 基于人工智能的客户偏好分析方法、装置、设备及介质
CN117670469A (zh) 一种对象推荐方法及装置
CN114065042A (zh) 用户需求预测方法、装置、电子设备及可读存储介质
CN116777641A (zh) 模型构建方法、装置、计算机设备及存储介质

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