[发明专利]产品推荐方法、装置、电子设备、介质和程序产品

说明书

本公开提供了一种产品推荐方法，涉及人工智能领域或金融领域等。所述产品推荐方法包括：获取用户对应的忠诚度类别，以及N个第一产品中每个第一产品的销售额类别；利用预设的评价条件，基于所述每个第一产品的销售额类别获得对应的评价指标；基于所述忠诚度类别从所述N个第一产品中确定出M个第二产品，以推荐给所述用户，其中，每个所述第二产品的评价指标大于或等于预设阈值。本公开还提供了一种产品推荐装置、设备、存储介质和程序产品。

技术领域

本公开涉及人工智能领域或金融领域等，更具体地涉及一种产品推荐方法、装置、电子设备、介质和程序产品。

背景技术

随着社会的发展，和经济全球化的逐步扩展，产品竞争越来越激烈。因此，向用户推荐优质的产品以达到吸引新用户、留住老用户的目的，是提高竞争力的手段之一。产品推荐可以是向用户进行面对面营销时推荐产品，也可以是提前制定好营销策略，然后按照营销策略在线下或线上执行产品推荐方案，以促进用户了解并使用被推荐的产品。

相关技术中通常业务人员会根据自身经验，对不同的用户推荐产品。例如业务人员可能会根据新用户的谈吐、衣着等印象推荐相应的产品，或者可能会根据老用户的使用习惯推荐相应的产品，以促进用户的购买意向。

在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题：

凭借业务人员的主观经验，无法客观地对不同的用户有针对性的推荐产品。例如不同的业务人员经验不同，推荐方案也不一样，并且业务人员无法对数量众多的产品一一进行熟悉，也无法准确把握住不同用户的需求。

发明内容

鉴于上述问题，本公开提供了一种能够对用户有针对性的进行营销的产品推荐方法、装置、电子设备、介质和程序产品。

本公开实施例的一个方面提供了一种产品推荐方法，包括：获取用户对应的忠诚度类别，以及N个第一产品中每个第一产品的销售额类别；利用预设的评价条件，基于所述每个第一产品的销售额类别获得对应的评价指标；基于所述忠诚度类别从所述N个第一产品中确定出M个第二产品，以推荐给所述用户，其中，每个所述第二产品的评价指标大于或等于预设阈值，N和M分别为大于或等于1的整数。

根据本公开的实施例，所述基于所述忠诚度类别从所述N个第一产品中确定出M个第二产品，以推荐给所述用户包括：在所述用户授权的情况下，获取所述用户购买产品的历史数据；在获取到所述历史数据的情况下，基于所述忠诚度类别和所述历史数据确定出所述M个第二产品。

根据本公开的实施例，所述基于所述忠诚度类别和所述历史数据确定出所述M个第二产品包括：从所述历史数据中确定出S个第三产品，其中，所述N个第一产品包括所述S个第三产品，每个所述第三产品的评价指标大于或等于所述预设阈值，S为大于或等于1的整数；基于所述忠诚度类别确定出所述M个第二产品，其中，包括：将所述S个第三产品作为所述S个第二产品，其中，S小于或等于M；或基于所述S个第三产品的产品类型，从所述N个第一产品中确定出同类型的M个第一产品作为所述M个第二产品。

根据本公开的实施例，所述获取用户对应的忠诚度类别包括：通过用户分类模型对所述用户进行分类来获得所述忠诚度类别，其中，具体包括：获取用户的第一特征数据，其中，所述第一特征数据包括所述用户与所述N个第一产品的所属机构的交互数据；将所述第一特征数据输入至所述用户分类模型，来获得所述忠诚度类别。

根据本公开的实施例，所述交互数据包括以下至少一种：所述用户在所述机构登记的身份信息、所述用户在所述机构的等级信息、所述用户的资产信息、所述用户在所述机构购买产品的历史数据。

根据本公开的实施例，所述获取所述每个第一产品的销售额类别包括：通过产品分类模型对所述每个第一产品进行分类来获得所述销售额类别，其中，具体包括：获取所述每个第一产品的第二特征数据，其中，所述第二特征数据包括所述每个第一产品的销售数据；将所述每个第一产品的第二特征数据输入至所述产品分类模型，来预测所述每个第一产品对应的销售额类别。