[发明专利]基于客户和员工的产品推荐方法

说明书

本发明提出了一种基于客户和员工的产品推荐方法及系统，所述方法在客户意向和标签未知的情况下，通过设定标签以及通过历史数据计算产品与客户之间成交的可能性，将可能性最高的产品推荐给客户，这样即便推荐的产品无法最适合客户，也可提高业务人员的成交率和工作效率，同时兼顾客户需求和员工利益。

技术领域

本发明涉及产品推荐技术领域，尤其涉及一种基于客户和员工的产品推荐方法。

背景技术

业务人员在向客户推荐产品时，仅能根据客户直观表现的形象、年龄、性别为客户推荐合适的产品，或根据客户自身表述的需求来直接确定产品类型。前者往往无法做到为客户推荐最合适的产品，后者在客户自身需求不明确的时候也无法为客户推荐最合适的产品。目前，通过大数据和机器学习算法可为客户推荐最合适的产品，但这些推荐方法大都仅以客户角度出发，仅能做到推荐的产品最适合客户，当客户的购买习惯造成成交周期较长或业务人员对此产品不熟悉等，即便推荐的产品最适合客户，也无法提高某个业务人员的成交率。

发明内容

有鉴于此，一方面，本发明提出了一种基于客户和员工的产品推荐方法，以解决传统产品推荐方法仅以客户角度出发无法提高某个业务人员的成交率的问题。

本发明的技术方案是这样实现的：一种基于客户和员工的产品推荐方法，包括：

步骤S1，设定多个客户标签以及多个员工标签，根据历史数据设定每个客户标签相对于每种产品的客户评分以及每个员工标签相对于每种产品的员工评分；

步骤S2，获取目标客户的客户画像和特定员工的员工画像，客户画像包括多个客户标签，员工画像包括多个员工标签；

步骤S3，构建客户画像相对于所有产品的客户评分矩阵以及员工画像相对于所有产品的员工评分矩阵；

步骤S4，根据客户评分矩阵计算目标客户对所有产品的预测倾向值的列向量以及所有产品的真实倾向值的列向量，根据员工评分矩阵计算特定员工对所有产品的预测熟悉度的列向量以及所有产品的真实倾向值的列向量；

步骤S5，根据预测倾向值的列向量以及所有产品的真实倾向值的列向量计算所有产品对于目标客户的推荐值，根据预测熟悉度的列向量以及所有产品的真实倾向值的列向量计算所有产品对于特定员工的推荐值；

步骤S6，将每种产品对于目标客户的推荐值及此产品对于特定员工的推荐值相乘，得到所有产品的成功值，将成功值最高的产品推荐给目标客户。

可选的，客户标签包括客户性质、所属行业及所在地址。

可选的，员工标签包括性别、入职时长、签约状态及考察结果。

可选的，步骤S4包括：

获取产品的信息和目标客户对产品的平均评分，编写get_item_info函数从mysql数据库中获取产品的信息放到item_dist中；

编写get_train_data函数从客户评分矩阵中提取训练样本，返回list(customerId,Itemid,label)，其中customerId为客户画像ID，Itemid为产品ID，label为正负样本的标识；

对list(customerId,Itemid,label)构成的训练样本进行模型训练，得到目标客户对所有产品的预测倾向值的列向量以及所有产品的真实倾向值的列向量。

可选的，训练样本中包括正样本和负样本。

可选的，模型训练的学习率随迭代的轮次逐渐衰减。

本发明的基于客户和员工的产品推荐方法相对于现有技术具有以下有益效果：