[发明专利]一种基于实时模型的金融产品推荐方法及系统

说明书

本发明公开了一种基于实时模型的金融产品推荐方法及系统，该方法包括如下步骤：通过预先采集的训练数据对预先构建的模型进行训练，获取实时模型；对采集到的实时数据进行预处理，获取实时指标维度数据，其中实时数据包括目标客户的行为数据以及金融产品数据；将实时指标维度数据输入到实时模型中，获取金融产品符合目标客户需求的概率；根据概率与预设的阈值，符合条件的金融产品推荐给目标客户。本发明通过各场景深度挖掘分析多维度的用户产品画像数据，精准预测用户的产品喜好，通过快速的、可靠的、可行的、可维护的、可管理的方式来完成多样化的高效产品推荐，大幅度提升了行业产品的曝光率，进而提升产品转化率，为企业带来巨大效益。

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于实时模型的金融产品推荐方法及系统。

背景技术

随着金融行业以及互联网行业的发展，金融产品的种类越来越多，有基金、理财、贵金属、保险等各类产品，而每一类产品下又包含有若干个产品。一方面对于客户来说，将面对数量众多的金融产品，难以选择出适合自己的产品，另一方面，对于银行来说，由于人手不足等原因，无法实现对产品进行全面的推销，一般会较为热门的金融产品的推销，这种推销模式不具有针对性，往往是结合产品的业务规则批量选择一些客户，进行批量营销，没有对客户的交易行为等进行深入挖掘而进行个性化精准营销，并不能很好满足客户的具体需求。

随着互联网技术的迅猛发展，个性化推荐已经成为人们网络生活中不可或缺的网络服务之一，也成为了互联网产品未来发展的重点。而随着互联网的广泛应用，网络化和信息化技术的不断的推进，网络中产生的数据每天都在各个系统中爆炸式的增长。目前，个性化的产品智能推荐通常会采用从数据中查找并分析出有价值的数据，然后结合这些有价值的数据，采用行为分析、随机森林以及主流的机器学习等手段来完成大量的数据训练，从而得到可预测的、用户喜爱的产品数据。

因此，如何利用网络中产生的海量的数据，来快速的、高效的为客户实时推荐满足客户需求的金融产品，是一个亟待解决的问题。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于实时模型的金融产品推荐方法及系统，以克服现有技术中实时推荐产品存在延时以及推荐的产品不能满足客户实际需求等问题。

为解决上述一个或多个技术问题，本发明采用的技术方案是：

一方面，提供了一种基于实时模型的金融产品推荐方法，该方法包括如下步骤：

通过预先采集的训练数据对预先构建的模型进行训练，获取实时模型；

对采集到的实时数据进行预处理，获取实时指标维度数据，其中所述实时数据包括目标客户的行为数据以及金融产品数据；

将所述实时指标维度数据输入到所述实时模型中，获取所述金融产品符合所述目标客户需求的概率；

根据所述概率与预设的阈值，符合条件的金融产品推荐给所述目标客户。

进一步的，所述通过预先采集的训练数据对预先构建的模型进行训练，获取实时模型包括：

采集非实时的用户行为数据以及金融产品数据作为训练数据；

对所述训练数据进行预处理，所述预处理包括对所述训练数据进行清洗；

使用预处理后的训练数据对预先构建的模型进行训练，获取实时模型，其中所述实时模型至少采用协同过滤算法。

进一步的，所述使用预处理后的训练数据对预先构建的模型进行训练包括：

对所述预处理后的训练数据进行协同过滤，将所述用户行为数据与预设的业务规则进行结合，对预先构建的模型进行训练。

进一步的，所述对采集到的实时数据进行预处理，获取预处理后数据包括：