[发明专利]产品匹配方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种产品匹配方法、装置、计算机设备及存储介质。所述方法包括：对用户的用户数据进行预处理，并获取预处理后的所述用户数据的特征值作为所述用户的特征数据；根据预设的决策树对所述特征数据进行标签挖掘以得到所述用户的标签；获取所述用户的特征用户画像以及获取金融产品的目标客群画像；根据所述用户的特征用户画像以及所述金融产品的目标客群画像确定与所述用户匹配的金融产品，并将与所述用户匹配的金融产品推送给所述用户，从而能够有效解决新用户数据稀疏以及冷启动的问题，显著提升了推荐的准确性。经过测试，通过应用本发明实施例提出的产品匹配方法，信用卡等金融产品的推广转化率在32.3％，远高于目前的平均水平8％。

技术领域

本发明涉及互联网技术领域，尤其涉及一种产品匹配方法、装置、计算机设备及存储介质。

背景技术

如今，随着互联网金融行业的发展，大量的金融机构通过线上渠道获客，发放贷款、信用卡等。

由于数据孤岛以及信用信息并未全面覆盖，导致金融产品在线上的获客存在匹配率低、推荐准确性差、通过率低、坏账率高的情况。

发明内容

本发明实施例提供了一种产品匹配方法、装置、计算机设备及存储介质，旨在解决现有技术中金融产品与用户的匹配率低以及推荐准确性差的问题。

第一方面，本发明实施例提供了一种产品匹配方法，其包括：

对用户的用户数据进行预处理，并获取预处理后的所述用户数据的特征值作为所述用户的特征数据，所述用户数据包括所述用户的历史行为数据以及外部数据；

根据预设的决策树对所述特征数据进行标签挖掘以得到所述用户的标签；

获取所述用户的特征用户画像以及获取金融产品的目标客群画像；

根据所述用户的特征用户画像以及所述金融产品的目标客群画像确定与所述用户匹配的金融产品，并将与所述用户匹配的金融产品推送给所述用户。

其进一步的技术方案为，在所述对用户的用户数据进行预处理，并获取预处理后的所述用户数据的特征值作为所述用户的特征数据之后，所述方法还包括：

将所述用户的特征数据存入到预设的特征库中。

其进一步的技术方案为，所述获取所述用户的特征用户画像，包括：

通过预设的BP算法对所述用户进行预测分群以得到所述用户的特征用户画像。

其进一步的技术方案为，所述获取金融产品的目标客群画像，包括：

对所述金融产品的活跃消费客群进行行为轨迹分析和特征画像构建，以形成所述金融产品的目标客群画像。

其进一步的技术方案为，所述根据所述用户的特征用户画像以及所述金融产品的目标客群画像确定与所述用户匹配的金融产品，包括：

将所述用户的特征用户画像以及所述金融产品的目标客群画像输入到预设的深度神经网络中，以由所述深度神经网络对所述用户与所述金融产品进行双向推荐匹配。

第二方面，本发明实施例还提供了一种产品匹配装置，其包括：

第一获取单元，用于对用户的用户数据进行预处理，并获取预处理后的所述用户数据的特征值作为所述用户的特征数据，所述用户数据包括所述用户的历史行为数据以及外部数据；

挖掘单元，用于根据预设的决策树对所述特征数据进行标签挖掘以得到所述用户的标签；

第二获取单元，用于获取所述用户的特征用户画像以及获取金融产品的目标客群画像；