[发明专利]产品信息推荐方法及装置

说明书

本申请提供了一种产品信息推荐方法及装置，该方法包括：接收目标客户的客户基本信息；应用所述客户基本信息和多个分别对应不同产品类型的预设的产品偏好预测模型，确定所述目标客户对应不同产品类型的偏好评分，将所述偏好评分最大值对应的产品类型作为目标推荐产品类型；将所述目标推荐产品类型对应的产品购买信息发送至所述目标客户；其中，每个所述预设的产品偏好预测模型是根据多个历史客户的历史客户基本信息和各个所述历史客户对于同一产品类型各自的偏好评分标签预先训练得到的迭代决策树模型。本申请能够提高产品推荐的时效性和智能化程度，进而能够提高产品推荐的成功率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种产品信息推荐方法及装置。

背景技术

随着银行理财产品越来越多样化、复杂化，产品更新速度越来越快，在新形势下如何快速洞察客户需求、及时把握客户诉求的变化，是银行理财业务面临的新的机遇和挑战。同时，银行面对客户群体规模庞大，客户需求难挖掘、维护成本高，因人力资源有限，大部分中小型企业客户处于管理和营销缺失的状态，只能采取技术手段进行长尾客户的营销管理。

采用传统的大数据分析或机器学习方法进行产品推荐，模型依赖海量历史数据进行训练，从历史数据中分析得出规律。这种方法在新形势下的产品推荐中存在矛盾点，即采纳大量的历史数据进行训练，虽然模型对历史规律拟合情况较好，但无法兼顾新的形势变化和客户对于新的产品偏好，模型得出的规律可能“太旧”；如果只采纳近期的数据进行训练，训练数据量大幅减少，模型的整体拟合效果将下降，模型得出的规律可能“太少”。模型训练陷入两难，无法保障最终产品推荐效果，难以符合理财销售新形势下的要求。

发明内容

针对现有技术中的问题，本申请提出了一种产品信息推荐方法及装置，能够提高产品推荐的时效性和智能化程度，进而能够提高产品推荐的成功率。

为了解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种产品信息推荐方法，包括：

接收目标客户的客户基本信息；

应用所述客户基本信息和多个分别对应不同产品类型的预设的产品偏好预测模型，确定所述目标客户对应不同产品类型的偏好评分，将所述偏好评分最大值对应的产品类型作为目标推荐产品类型；

将所述目标推荐产品类型对应的产品购买信息发送至所述目标客户；

其中，每个所述预设的产品偏好预测模型是根据多个历史客户的历史客户基本信息和各个所述历史客户对于同一产品类型各自的偏好评分标签预先训练得到的迭代决策树模型。

进一步地，在所述接收目标客户的客户基本信息之前，还包括：获取多个产品偏好预测训练组，其中，每个所述产品偏好预测训练组包括：多个历史客户的历史客户基本信息，以及各个所述历史客户对于同一产品类型各自的偏好评分标签，各个历史购买记录组对应的产品类型不同；应用各组所述产品偏好预测训练组分别训练各个所述产品类型各自对应的产品偏好预测模型，每个所述产品偏好预测模型均为迭代决策模型。

进一步地，在所述获取多个产品偏好预测训练组之前，还包括：获取多组历史交易记录组，每组历史交易记录组包含有唯一对应的历史客户购买同一产品类型的产品的次数和时间；应用各个所述产品类型各自对应的预设的时间衰减系数以及历史交易记录组，生成各个所述历史客户对于不同产品类型的偏好评分标签。

进一步地，在所述获取多个产品偏好预测训练组之后，还包括：将各组所述产品偏好预测训练组中的历史客户基本信息，分别输入各自对应的产品偏好预测模型；根据各个所述产品偏好预测模型的输出和历史交易记录组，调整各个所述预设的时间衰减系数。