CN112927050A - 待推荐金融产品确定方法、装置、电子设备及存储介质 - Google Patents

待推荐金融产品确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112927050A
CN112927050A CN202110328417.0A CN202110328417A CN112927050A CN 112927050 A CN112927050 A CN 112927050A CN 202110328417 A CN202110328417 A CN 202110328417A CN 112927050 A CN112927050 A CN 112927050A
Authority
CN
China
Prior art keywords
customer
determining
real
label
time
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
CN202110328417.0A
Other languages
English (en)
Inventor
王招辉
成科
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202110328417.0A priority Critical patent/CN112927050A/zh
Publication of CN112927050A publication Critical patent/CN112927050A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例公开了一种待推荐金融产品确定方法、装置、电子设备及存储介质，涉及大数据技术领域。该方法包括：实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；实时确定在售金融产品的产品特征标签；基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。通过本发明实施例的技术方案，实现了向客户群体而不是客户个体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。

Description

待推荐金融产品确定方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及大数据技术领域，尤其涉及一种待推荐金融产品确定方法、装置、电子设备及存储介质。
背景技术
随着经济的发展，国民财富收入的增加，理财需求越来越迫切以及多样化，已经有越来越多的金融机构在涉足财富管理业务市场。但是由于金融产品的特殊性及专业性，各金融机构在践行财富管理的实践中面对着巨大的困难。一方面是优秀的客户经理和金融产品标的依然稀缺，另一方面是如何提高金融产品的代销能力。
目前各金融机构依然是以产品驱动为中心，总部制定产品销售任务，然后各分支机构向客户个体推荐，或者通过金融终端统一发送推广信息，这样的方式导致产品推荐转换率低，客户经理精力分散，同时客户信任度也不牢靠，对于客户体验以及持续客户营销都有很大影响。
具体的，在售金融产品数量多、种类繁杂，客户经理无法快速筛选到当前时点最适合自己服务客群的金融产品。新进客户经理没有业务经验，可能盲目选择产品，影响营销效果。
发明内容
本发明实施例提供一种待推荐金融产品确定方法、装置、电子设备及存储介质，实现了向客户群体而不是客户个体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。
第一方面，本发明实施例提供了一种待推荐金融产品确定方法，该方法包括：
实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；
实时确定在售金融产品的产品特征标签；
基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
第二方面，本发明实施例还提供了一种待推荐金融产品确定装置，该装置包括：
第一确定模块，用于实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；
第二确定模块，用于实时确定在售金融产品的产品特征标签；
第三确定模块，用于基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的待推荐金融产品确定方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的待推荐金融产品确定方法。
本发明实施例的技术方案，通过实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；实时确定在售金融产品的产品特征标签；基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品的技术手段，实现了向客户群体而不是客户个体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。
附图说明
结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本发明实施例一所提供的一种待推荐金融产品确定方法的流程示意图；
图2为本发明实施例二所提供的一种待推荐金融产品确定方法流程示意图；
图3为本发明实施例三所提供的一种待推荐金融产品确定方法流程示意图；
图4为本发明实施例四所提供的一种待推荐金融产品确定方法流程示意图；
图5为本发明实施例四所提供的一种金融产品推荐方法流程示意图；
图6为本发明实施例五所提供的一种待推荐金融产品确定装置的结构示意图；
图7为本发明实施例六所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
实施例一
图1为本发明实施例一所提供的一种待推荐金融产品确定方法流程示意图，该方法旨在为客户经理提供金融产品的推荐建议，以帮助客户经理提高向其客户群体推荐金融产品的精准度，提高推荐转化率以及客户体验。该方法可以由待推荐金融产品确定装置来执行，该装置可以通过软件和/或硬件的形式实现。
如图1所示，本实施例提供的待推荐金融产品确定方法包括如下步骤：
步骤110、实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品。
可选的，客户经理的需求特征标签包括：客户经理负责维护的客户群体对金融产品的需求特征、客户经理自身营销能力、理财能力的表征以及客户经理工作业绩的需求特征。
其中，根据客户经理负责维护的客户群体对金融产品的需求特征可为该客户群体推荐其喜好的、最有可能购买的金融产品，可提高推荐转化率。所述客户经理自身营销能力、理财能力的表征，具体可以指所述客户经理考取过哪些证书，例如理财师的证书，初级理财师还是中级理财师还是高级理财师等，根据客户经理的营销能力、理财能力可为该客户经理推荐其能够胜任向客户群体营销的金融产品。所述客户经理工作业绩的需求特征具体指在特定的时间段客户经理的工作指标，例如上级规定当月的工作指标为销售10件周期在1年以上的定期理财产品，则为了完成工作任务，客户经理可能更倾向于向自己服务的客户群体推荐周期在1年以上的定期理财产品。通过加入客户经理工作业绩的需求特征，可在保证推荐精度的同时，兼顾客户经理的自身需求。
示例性的，所述实时确定客户经理的需求特征标签，包括：
实时确定所述客户经理负责维护的客户群体的客群特征标签；
实时确定所述客户经理的个人信息标签；
实时确定所述客户经理的偏好标签；
基于所述客群特征标签、所述个人信息标签以及所述偏好标签确定所述需求特征标签。
进一步的，所述实时确定所述客户经理负责维护的客户群体的客群特征标签，包括：
通过流式计算组件从消息组件kafka获取所述客户群体中每个客户的操作行为信息；
根据所述操作行为信息更新每个客户的实时标签；
根据每个客户的实时标签确定所述客户群体的客群特征标签。
示例性的，所述每个客户的操作行为信息包括：设定时间段内所浏览金融产品的属性信息，以及各维度属性信息对应金融产品的浏览次数。
所述属性信息包括下述至少一种：风险等级、收益率、起购金额以及产品周期，可以理解的是，所述属性信息包括很多维度的信息，除了上述提到的风险等级、收益率、起购金额以及产品周期之外，例如还可以包括产品的品牌信息，发行单位信息等。本实施例所列举出的上述属性信息只是作为示例供参考，并不构成对属性信息的限定。
例如，设置执行窗口大小，统计近N分钟、M小时、3M小时或者6M小时等时间段内每个客户的实时标签，其中，N可设为10，M可设为1。例如，近10分钟，客户浏览的金融产品的风险等级有哪些，及各风险等级的金融产品被浏览的次数。设置小批处理的时间为毫秒级，准实时更新每个客户的实时标签。假设近10分钟的时间内，客户张三浏览的金融产品的风险等级有低风险等级、中风险等级和高风险等级，其中，低风险等级的金融产品包括3个，中风险等级的金融产品包括2个，高风险等级的金融产品包括1个，则确定客户张三的实时标签为“低风险等级”。
再例如客户李四在近10分钟的时间内，浏览的金融产品包括起购金额为1000的、起购金额为10000的，以及起购金额为5万的，其中，起购金额为5万的金融产品的个数为5个，起购金额为1000的金融产品的个数为1个，起购金额为10000的金融产品的个数为2个，则确定客户李四的实时标签为“5万起购金额”。
在确定了所述客户群体中每个客户的实时标签之后，对每个客户同一维度下的实时标签进行聚合，得到所述客户群体在特定维度下的客群特征标签。
例如针对维度为“起购金额”的连续型实时标签，则可将每个客户在该维度下的实时标签进行加权求和，并求平均值作为客户群体在该维度下的客群特征标签。
更详细的聚合过程可参考下述实施例的技术方案。
示例性的，所述实时确定所述客户经理的个人信息标签，包括：
基于流数据抓取技术获取新进客户经理的个人信息标签。
所述客户经理的个人信息标签包括下述至少一种：年龄、性别以及具备的执业证书信息。可以理解的是，所述客户经理的个人信息标签还可以包括更多具体的信息，例如从业经历(包括从业领域、职位、工作年限等)。本实施例所列举出的上述个人信息标签只是作为示例供参考，并不构成对个人信息标签的限定。
所述执业证书信息例如是客户经理考取了哪些证书，例如理财师，是初级理财师、中级理财师还是高级理财师？客户经理的个人信息标签可以对客户经理自身的营销能力、理财能力进行表征。
示例性的，所述实时确定所述客户经理的偏好标签，包括：
基于流数据抓取技术获取所述客户经理配置的实时需求信息；此处支持客户经理自主配置自己的实时需求信息，例如根据自己工作考核指标设置只推荐某类金融产品，或者设置某类金融产品的推荐权重、偏好权重，不推荐某些金融产品等规则。
根据所述实时需求信息确定所述偏好标签。
进一步的，所述实时确定所述客户经理的偏好标签，包括：
通过流式计算组件从消息组件kafka获取所述客户经理的实时操作行为信息。根据所述实时操作行为信息确定所述偏好标签。
例如通过sparkStreaming从消息组件kafka获取所述客户经理的实时操作行为信息。所述实时操作行为信息包括：设定时间段内所分享金融产品的属性信息，以及各维度属性信息对应金融产品的分享次数。该属性信息包括下述至少一种：风险等级、收益率、起购金额以及产品周期。例如，设置执行窗口大小，统计近N分钟、M小时、3M小时或者6M小时等时间段内客户经理所分享的金融产品的风险等级有哪些，及其对应次数。其中，N可设为10，M可设为1。例如，近10分钟，客户经理上架、分享了三款金融产品，其中包括风险等级为高风险的金融产品两件，风险等级为中风险等级的金融产品一件，则根据该实时操作行为信息确定客户经理的所述偏好标签为“高风险等级”。设置小批处理的时间为毫秒级，准实时更新客户经理的偏好标签。
假设近10分钟的时间内，客户经理张三分享的金融产品的风险等级有低风险等级、中风险等级和高风险等级，其中，低风险等级的金融产品包括3个，中风险等级的金融产品包括2个，高风险等级的金融产品包括1个，则确定客户经理张三的偏好标签为“低风险等级”。
再例如客户经理李四在近10分钟的时间内，浏览的金融产品包括起购金额为1000的、起购金额为10000的，以及起购金额为5万的，其中，起购金额为5万的金融产品的个数为5个，起购金额为1000的金融产品的个数为1个，起购金额为10000的金融产品的个数为2个，则确定客户经理李四的偏好标签为“5万起购金额”。
通过将所述客群特征标签、所述个人信息标签以及所述偏好标签进行拼接，或者特征交叉(例如通过历史信息是否可以确定出相同的标签)等处理，得到所述需求特征标签。
步骤120、实时确定在售金融产品的产品特征标签。
示例性的，所述实时确定在售金融产品的产品特征标签，包括：
通过流式计算组件从消息组件kafka获取各维度属性信息的金融产品被浏览的次数；
根据所述次数更新每个金融产品的热度标签；
根据所述热度标签更新所述产品特征标签。
例如，通过sparkStreaming从消息组件kafka获取各维度属性信息的金融产品被浏览的次数。
例如，设置执行窗口大小，统计近N分钟、3N分钟、M小时、3M小时或者6M小时等时间段内各维度属性信息的金融产品被浏览的次数。其中，N可设为10，M可设为1。例如，近10分钟，金融产品A的风险等级被浏览的次数为100，金融产品A的起购金额被浏览的次数为50，则确定金融产品A的热度标签为“风险等级”。说明当前时间段的客户更在乎金融产品的风险等级。
步骤130、基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
示例性的，所述基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品，包括：
通过相似性搜索技术，确定具备与所述需求特征标签相似的产品特征标签的目标金融产品；
将所述目标金融产品确定为所述待推荐金融产品。
可选的，可以是从历史金融产品中，根据所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品；
还可以是从新上市的金融产品中，根据所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品；
也可以是从当前被点击、被浏览或者被购买的金融产品中根据所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
本实施例的技术方案，通过实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；实时确定在售金融产品的产品特征标签；基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品的技术手段，实现了向客户群体而不是客户个体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。
实施例二
图2为本发明实施例二所提供的一种待推荐金融产品确定方法流程示意图，在上述实施例技术方案的基础上，本实施例提供的待推荐金融产品确定方法具体是对上述操作“根据每个客户的实时标签确定所述客户群体的客群特征标签”给出了可选实施方式。其中，与上述实施例相同或相似的解释本实施例不再赘述，可参考上述实施例中的对应内容。
如图2所示，本实施例提供的待推荐金融产品确定方法包括如下步骤：
步骤210、实时确定所述客户经理负责维护的客户群体的客群特征标签。
示例性的，通过流式计算组件从消息组件kafka获取所述客户群体中每个客户的操作行为信息；
根据所述操作行为信息更新每个客户的实时标签；
根据每个客户的实时标签确定所述客户群体的客群特征标签。
所述每个客户的操作行为信息包括：设定时间段内所浏览金融产品的属性信息，以及各维度属性信息对应金融产品的浏览次数。
所述属性信息包括下述至少一种：风险等级、收益率、起购金额以及产品周期。
进一步的，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对离散型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000101
其中，t(A)表示客群特征标签，n表示所述客户群体中客户的个数，if valuecontains(A)1else 0表示如果客户的实时标签为A，则取值为1，否则取值为0。
可以理解的是，t(A)表示离散型实时标签的占比值。例如客户群体中客户的个数为10个，实时标签为“高风险等级”的客户有9个，实时标签为“低风险等级”的客户有1个，该客户群体的“高风险等级”的客群特征标签为9/10，“低风险等级”的客群特征标签为1/10。
可选的，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对连续型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000111
其中，t(b)表示客群特征标签，n表示所述客户群体中客户的个数，value(b)表示客户的实时标签的取值。
可以理解的是，t(b)的实质为连续型实时标签的平均值。
可选的，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对判断型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000112
其中，t(c)表示客群特征标签，n表示所述客户群体中客户的个数，if value istrue 1 else 0表示如果客户的实时标签为真，则取值为1，如果客户的实时标签为假，则取值为0。
t(c)的实质为实时标签取值为“true”的占比值。
可选的，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对数组型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000121
其中，t(D)表示客群特征标签，n表示所述客户群体中客户的个数，map(i)表示每个客户的实时标签集合，计算时，将相同标签的值做累加，得到所述客群特征标签。
t(D)标签集合及对应值map(i)表示每个客户的实时行为标签集合，公式代表对每一种实时标签对应的标签值做累加。
步骤220、实时确定所述客户经理的个人信息标签。
步骤230、实时确定所述客户经理的偏好标签。
步骤240、基于所述客群特征标签、所述个人信息标签以及所述偏好标签确定所述需求特征标签。
步骤250、实时确定在售金融产品的产品特征标签。
步骤260、基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
本实施例的技术方案，在上述实施例技术方案的基础上，对上述操作“根据每个客户的实时标签确定所述客户群体的客群特征标签”给出了可选实施方式，通过对每个客户不同类型的实时标签采用不同的聚合公式进行聚合，获得客群特征标签，提高了客群特征标签的确定精度，进而实现了向客户群体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。
实施例三
图3为本发明实施例三所提供的一种待推荐金融产品确定方法的流程示意图。在上述实施例的基础上，本实施例对上述待推荐金融产品确定方法进行了进一步优化，具体是增加了如下步骤：将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；根据所述偏好得分的高低，对所述待推荐金融产品进行排序；将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。通过利用客群产品偏好预测模型从所述待推荐金融产品中进一步筛选客群可能更喜欢的金融产品，并将筛选出的金融产品推荐给客户群体，提高了推荐精度。其中，与上述实施例相同或相似的解释本实施例不再赘述，可参考上述实施例中的对应内容。
如图3所示，本实施例提供的待推荐金融产品确定方法包括如下步骤：
步骤310、实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品。
步骤320、实时确定在售金融产品的产品特征标签。
步骤330、基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
步骤340、将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；根据所述偏好得分的高低，对所述待推荐金融产品进行排序；将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。
其中，利用客户实际点击或购买金融产品的数据组成样本，与上述客群特征标签进行关联，经过特征预处理，如特征交叉(例如客户过去是否浏览过同类型的金融产品等)、GBDT等方式生成特征，得到训练样本用LR等模型为基础进行模型训练。其中，GBDT指GB(Gradient Boosting，梯度增压)和DT(Decision Tree，决策树)两个角度，GB其实是一种理念，并不是一个具体的算法。GBDT梯度提升树的思想和提升树思想一致，只是再选取残差公式时采用平方误差，平方误差的负梯度即为残差大小，每一次计算上一棵提升树的负梯度，然后用CART回归树去拟合该残差(也就是梯度)。
将上述客户经理的需求特征标签以及产品特征标签采用spark streaming进行特征拼接，获得离线特征和实时特征，并通过spark streaming根据实时数据和实时特征对离线模型进行增量迭代训练，获得所述客群产品偏好预测模型。其中，spark streaming是spark核心API的一个扩展，可以实现高吞吐量的、具备容错机制的实时流数据的处理。通过所述客群产品偏好预测模型获得所述客户群体对每个所述待推荐金融产品的偏好得分，对客户群体最喜好的金融产品列表进行精确排序，取出topN的金融产品作为营销产品列表推荐给客户经理。
本发明实施例的技术方案，在上述实施例的基础上，本实施例对上述待推荐金融产品确定方法进行了进一步优化，具体是增加了如下步骤：将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；根据所述偏好得分的高低，对所述待推荐金融产品进行排序；将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。通过利用客群产品偏好预测模型从所述待推荐金融产品中进一步筛选客群可能更喜欢的金融产品，并将筛选出的金融产品推荐给客户群体，提高了推荐精度。
实施例四
图4为本发明实施例四所提供的一种待推荐金融产品确定方法的流程示意图。在上述实施例的基础上，本实施例继续对待推荐金融产品确定方法进行优化，具体是在所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体之前，将所述排序靠前的设定数量的待推荐金融产品输入至客户偏好预测模型，获得客户对所述待推荐金融产品的偏好得分；若客户对所述待推荐金融产品的偏好得分达到阈值，则继续执行所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体的操作。进一步对客户对待推荐金融产品的喜好度进行了验证，通过验证确定客户确实对待推荐金融产品感兴趣，则继续执行将待推荐金融产品推荐给客户群体的操作，进一步提高了推荐精度。其中，与上述实施例相同或相似的解释本实施例不再赘述，可参考上述实施例中的对应内容。
如图4所示，本实施例提供的待推荐金融产品确定方法包括如下步骤：
步骤410、实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品。
步骤420、实时确定在售金融产品的产品特征标签。
步骤430、基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
步骤440、将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；根据所述偏好得分的高低，对所述待推荐金融产品进行排序。
步骤450、将所述排序靠前的设定数量的待推荐金融产品输入至客户偏好预测模型，获得客户对所述待推荐金融产品的偏好得分。
步骤460、若客户对所述待推荐金融产品的偏好得分达到阈值，将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。
具体的，增加了客群推荐列表的异步验证，用客户实际点击或购买金融产品的数据组成样本，可与上述客户特征标签(即客群特征聚合前的特征值)进行关联，经过特征预处理，如特征交叉(例如客户过去是否浏览过同类型的金融产品等)用wide-deep等算法进行模型训练，获得所述客户偏好预测模型。将客群推荐列表，即所述排序靠前的设定数量的待推荐金融产品映射至每个客户，采用客户偏好预测模型对推荐准确度进行评估，验证推荐结果是否是多数客户喜欢的产品。
对应的，可参考如图5所示的一种金融产品推荐方法流程示意图，具体包括：
实时采集客户经理信息、客户经理偏好信息以及金融产品信息，根据实时采集的上述信息进行标签处理，获得客户经理的需求特征标签和产品特征标签，通过相似性推荐技术获得产品推荐列表，基于该产品推荐列表通过客群产品偏好预测模型获得金融产品建议列表，基于金融产品建议列表通过客户偏好预测模型进行异步验证评估，如果确定客户对所述待推荐金融产品的偏好得分达到阈值，则将排序靠前的设定数量的待推荐金融产品(即金融产品建议列表)直接推荐给所述客户群体，或者推荐给客户经理，由客户经理向客户群体进行分享。
本实施例的技术方案，在上述实施例的基础上，本实施例继续对待推荐金融产品确定方法进行优化，具体是在所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体之前，将所述排序靠前的设定数量的待推荐金融产品输入至客户偏好预测模型，获得客户对所述待推荐金融产品的偏好得分；若客户对所述待推荐金融产品的偏好得分达到阈值，则继续执行所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体的操作。进一步对客户对待推荐金融产品的喜好度进行了验证，通过验证确定客户确实对待推荐金融产品感兴趣，则继续执行将待推荐金融产品推荐给客户群体的操作，进一步提高了推荐精度。
实施例五
图6为本发明实施例五所提供的一种待推荐金融产品确定装置，该装置包括：第一确定模块610、第二确定模块620和第三确定模块630。
其中，第一确定模块610，用于实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；第二确定模块620，用于实时确定在售金融产品的产品特征标签；第三确定模块630，用于基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
在上述技术方案的基础上，第一确定模块610包括：
第一确定单元，用于实时确定所述客户经理负责维护的客户群体的客群特征标签；
第二确定单元，用于实时确定所述客户经理的个人信息标签；
第三确定单元，用于实时确定所述客户经理的偏好标签；
第四确定单元，用于基于所述客群特征标签、所述个人信息标签以及所述偏好标签确定所述需求特征标签。
在上述各技术方案的基础上，所述第一确定单元具体包括：
获取子单元，用于通过流式计算组件从消息组件kafka获取所述客户群体中每个客户的操作行为信息；
更新子单元，用于根据所述操作行为信息更新每个客户的实时标签；
确定子单元，用于根据每个客户的实时标签确定所述客户群体的客群特征标签。
在上述各技术方案的基础上，所述每个客户的操作行为信息包括：设定时间段内所浏览金融产品的属性信息，以及各维度属性信息对应金融产品的浏览次数。
在上述各技术方案的基础上，所述属性信息包括下述至少一种：风险等级、收益率、起购金额以及产品周期。
在上述各技术方案的基础上，所述确定子单元具体用于：
针对离散型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000181
其中，t(A)表示客群特征标签，n表示所述客户群体中客户的个数，if valuecontains(A)1 else 0表示如果客户的实时标签为A，则取值为1，否则取值为0；
针对连续型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000182
其中，t(b)表示客群特征标签，n表示所述客户群体中客户的个数，value(b)表示客户的实时标签的取值；
针对判断型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000183
其中，t(c)表示客群特征标签，n表示所述客户群体中客户的个数，if value istrue 1 else 0表示如果客户的实时标签为真，则取值为1，如果客户的实时标签为假，则取值为0；
针对数组型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure BDA0002995456350000184
其中，t(D)表示客群特征标签，n表示所述客户群体中客户的个数，map(i)表示每个客户的实时标签集合；
在上述各技术方案的基础上，所述第二确定单元具体用于：
基于流数据抓取技术获取新进客户经理的个人信息标签。
在上述各技术方案的基础上，所述客户经理的个人信息标签包括下述至少一种：年龄、性别以及具备的执业证书信息。
在上述各技术方案的基础上，所述第三确定单元具体用于：
基于流数据抓取技术获取所述客户经理配置的实时需求信息；
根据所述实时需求信息确定所述偏好标签。
在上述各技术方案的基础上，所述第三确定单元具体用于：
通过流式计算组件从消息组件kafka获取所述客户经理的实时操作行为信息；
根据所述实时操作行为信息确定所述偏好标签。
在上述各技术方案的基础上，所述实时操作行为信息包括：设定时间段内所分享金融产品的属性信息，以及各维度属性信息对应金融产品的分享次数。
在上述各技术方案的基础上，第二确定模块620具体用于：
通过流式计算组件从消息组件kafka获取各维度属性信息的金融产品被浏览的次数；
根据所述次数更新每个金融产品的热度标签；
根据所述热度标签更新所述产品特征标签。
在上述各技术方案的基础上，第三确定模块630具体用于：
通过相似性搜索技术，确定具备与所述需求特征标签相似的产品特征标签的目标金融产品；
将所述目标金融产品确定为所述待推荐金融产品。
在上述各技术方案的基础上，所述装置还包括：
输入模块，用于将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；
排序模块，用于根据所述偏好得分的高低，对所述待推荐金融产品进行排序；
推荐模块，用于将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。
在上述各技术方案的基础上，所述装置还包括：
验证模块，用于将所述排序靠前的设定数量的待推荐金融产品输入至客户偏好预测模型，获得客户对所述待推荐金融产品的偏好得分；若客户对所述待推荐金融产品的偏好得分达到阈值，则继续执行所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体的操作。
本实施例的技术方案，通过实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；实时确定在售金融产品的产品特征标签；基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品的技术手段，实现了向客户群体而不是客户个体精准推荐金融产品的同时，兼顾客户经理自身需求的目的。
本发明实施例所提供的待推荐金融产品确定装置可执行本发明任意实施例所提供的待推荐金融产品确定方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
实施例六
下面参考图7，其示出了适于用来实现本发明实施例的电子设备(例如图7中的终端设备或服务器)400的结构示意图。本发明实施例中的终端设备可以包括但不限于诸如笔记本电脑、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本发明实施例的方法中限定的上述功能。
本发明实施例提供的终端与上述实施例提供的待推荐金融产品确定方法属于同一发明构思，未在本发明实施例中详尽描述的技术细节可参见上述实施例，并且本发明实施例与上述实施例具有相同的有益效果。
实施例七
本发明实施例七提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的待推荐金融产品确定方法。
需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；
实时确定在售金融产品的产品特征标签；
基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，可编辑内容显示单元还可以被描述为“编辑单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (21)

1.一种待推荐金融产品确定方法，其特征在于，包括：
实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；
实时确定在售金融产品的产品特征标签；
基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
2.根据权利要求1所述的方法，其特征在于，所述实时确定客户经理的需求特征标签，包括：
实时确定所述客户经理负责维护的客户群体的客群特征标签；
实时确定所述客户经理的个人信息标签；
实时确定所述客户经理的偏好标签；
基于所述客群特征标签、所述个人信息标签以及所述偏好标签确定所述需求特征标签。
3.根据权利要求2所述的方法，其特征在于，所述实时确定所述客户经理负责维护的客户群体的客群特征标签，包括：
通过流式计算组件从消息组件kafka获取所述客户群体中每个客户的操作行为信息；
根据所述操作行为信息更新每个客户的实时标签；
根据每个客户的实时标签确定所述客户群体的客群特征标签。
4.根据权利要求3所述的方法，其特征在于，所述每个客户的操作行为信息包括：设定时间段内所浏览金融产品的属性信息，以及各维度属性信息对应金融产品的浏览次数。
5.根据权利要求4所述的方法，其特征在于，所述属性信息包括下述至少一种：风险等级、收益率、起购金额以及产品周期。
6.根据权利要求3所述的方法，其特征在于，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对离散型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure FDA0002995456340000021
其中，t(A)表示客群特征标签，n表示所述客户群体中客户的个数，if value contains(A)1 else 0表示如果客户的实时标签为A，则取值为1，否则取值为0。
7.根据权利要求3所述的方法，其特征在于，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对连续型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure FDA0002995456340000022
其中，t(b)表示客群特征标签，n表示所述客户群体中客户的个数，value(b)表示客户的实时标签的取值。
8.根据权利要求3所述的方法，其特征在于，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对判断型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure FDA0002995456340000023
其中，t(c)表示客群特征标签，n表示所述客户群体中客户的个数，if value is true1 else 0表示如果客户的实时标签为真，则取值为1，如果客户的实时标签为假，则取值为0。
9.根据权利要求3所述的方法，其特征在于，所述根据每个客户的实时标签确定所述客户群体的客群特征标签，包括：
针对数组型实时标签，通过以下聚合公式确定所述客户群体的客群特征标签：
Figure FDA0002995456340000031
其中，t(D)表示客群特征标签，n表示所述客户群体中客户的个数，map(i)表示每个客户的实时标签集合，计算时，将相同标签的值做累加，得到所述客群特征标签。
10.根据权利要求2所述的方法，其特征在于，所述实时确定所述客户经理的个人信息标签，包括：
基于流数据抓取技术获取新进客户经理的个人信息标签。
11.根据权利要求10所述的方法，其特征在于，所述客户经理的个人信息标签包括下述至少一种：年龄、性别以及具备的执业证书信息。
12.根据权利要求2所述的方法，其特征在于，所述实时确定所述客户经理的偏好标签，包括：
基于流数据抓取技术获取所述客户经理配置的实时需求信息；
根据所述实时需求信息确定所述偏好标签。
13.根据权利要求2所述的方法，其特征在于，所述实时确定所述客户经理的偏好标签，包括：
通过流式计算组件从消息组件kafka获取所述客户经理的实时操作行为信息；
根据所述实时操作行为信息确定所述偏好标签。
14.根据权利要求13所述的方法，其特征在于，所述实时操作行为信息包括：设定时间段内所分享金融产品的属性信息，以及各维度属性信息对应金融产品的分享次数。
15.根据权利要求1所述的方法，其特征在于，所述实时确定在售金融产品的产品特征标签，包括：
通过流式计算组件从消息组件kafka获取各维度属性信息的金融产品被浏览的次数；
根据所述次数更新每个金融产品的热度标签；
根据所述热度标签更新所述产品特征标签。
16.根据权利要求1所述的方法，其特征在于，所述基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品，包括：
通过相似性搜索技术，确定具备与所述需求特征标签相似的产品特征标签的目标金融产品；
将所述目标金融产品确定为所述待推荐金融产品。
17.根据权利要求1-16任一项所述的方法，其特征在于，还包括：
将所述待推荐金融产品输入至客群产品偏好预测模型，获得所述客户群体对每个所述待推荐金融产品的偏好得分；
根据所述偏好得分的高低，对所述待推荐金融产品进行排序；
将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体。
18.根据权利要求17所述的方法，其特征在于，所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体之前，还包括：
将所述排序靠前的设定数量的待推荐金融产品输入至客户偏好预测模型，获得客户对所述待推荐金融产品的偏好得分；
若客户对所述待推荐金融产品的偏好得分达到阈值，则继续执行所述将排序靠前的设定数量的待推荐金融产品推荐给所述客户群体的操作。
19.一种待推荐金融产品确定装置，其特征在于，包括：
第一确定模块，用于实时确定客户经理的需求特征标签，其中，客户经理负责向其维护的客户群体分享金融产品；
第二确定模块，用于实时确定在售金融产品的产品特征标签；
第三确定模块，用于基于所述需求特征标签以及所述产品特征标签确定适合所述客户经理的待推荐金融产品。
20.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-18中任一项所述的待推荐金融产品确定方法。
21.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-18中任一项所述的待推荐金融产品确定方法。
CN202110328417.0A 2021-03-26 2021-03-26 待推荐金融产品确定方法、装置、电子设备及存储介质 Pending CN112927050A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110328417.0A CN112927050A (zh) 2021-03-26 2021-03-26 待推荐金融产品确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110328417.0A CN112927050A (zh) 2021-03-26 2021-03-26 待推荐金融产品确定方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112927050A true CN112927050A (zh) 2021-06-08

Family

ID=76176238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110328417.0A Pending CN112927050A (zh) 2021-03-26 2021-03-26 待推荐金融产品确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112927050A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114417007A (zh) * 2021-12-21 2022-04-29 建信金融科技有限责任公司 金融产品的推荐方法和相关设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114417007A (zh) * 2021-12-21 2022-04-29 建信金融科技有限责任公司 金融产品的推荐方法和相关设备

Similar Documents

Publication Publication Date Title
US9704185B2 (en) Product recommendation using sentiment and semantic analysis
CN111177111A (zh) 基于用户指定分段执行查询时归因建模
WO2021174944A1 (zh) 基于目标对象活跃度的消息推送方法及相关设备
CN110135901A (zh) 一种企业用户画像构建方法、***、介质和电子设备
WO2018121700A1 (zh) 基于已安装应用来推荐应用信息的方法、装置、终端设备及存储介质
CN111125574A (zh) 用于生成信息的方法和装置
CN112163963B (zh) 业务推荐方法、装置、计算机设备和存储介质
CN110866698A (zh) 用于评定服务提供方的服务分值的装置
CN111814056A (zh) 基于信息处理的供应商推荐方法及相关设备
CN111626767B (zh) 资源数据的发放方法、装置及设备
CN112927050A (zh) 待推荐金融产品确定方法、装置、电子设备及存储介质
JP7288062B2 (ja) 情報を出力するための方法及び装置、電子機器、記憶媒体並びにコンピュータプログラム
CN112950359A (zh) 一种用户识别方法和装置
CN115170244A (zh) 新产品的冷启动推荐方法、装置、电子设备和介质
CN111460300B (zh) 网络内容推送方法、装置及存储介质
CN110738538B (zh) 识别相似物品的方法和装置
CN112990311A (zh) 一种准入客户的识别方法和装置
CN112948691B (zh) 实体场所的体验指标计算方法和装置
CN113360765B (zh) 事件信息的处理方法、装置、电子设备和介质
TWI657393B (zh) 行銷客群預測系統及其方法
CN114637921B (zh) 基于建模偶然不确定性的物品推荐方法、装置和设备
CN116383638A (zh) 一种推荐模型的训练方法及装置
CN117893280A (zh) 对象列表推荐方法及装置
CN116308658A (zh) 一种推荐方法及装置
CN118195783A (zh) 产品推荐方法、装置、设备、存储介质及程序产品

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