基于混合协同过滤的券商产品推荐方法技术

本发明专利技术公开了基于混合协同过滤的券商产品推荐方法，包括：输入现有券商售卖中的金融产品信息以及若干用户购买相关金融产品记录及售后数据，并形成初始数据库；推广老产品时：提取初始数据库中若干用户购买相关金融产品记录，运用关联规则分析方法分析相关金融产品之间的关联关系；以及运用协同过滤算法计算相关金融产品之间的相似特征；将运用关联规则分析方法和协同过滤算法中得到的产品之间的关联性高和相似特征多的产品构成一个产品集合；对所述产品集合进行筛选后对用户进行推荐。

【技术实现步骤摘要】
基于混合协同过滤的券商产品推荐方法
本专利技术涉及金融券商产品推荐领域，具体涉及一种基于混合协同过滤的券商产品推荐方法。
技术介绍
产品推荐在实际市场中应用场景非常广泛。比如亚马逊商城、淘宝、京东等(您可能感兴趣的图书、音像、服装、电子设备…)电商物品投放、今日头条等新闻站点相关题材内容资讯展示。企业通过使用产品推荐，可增强用户体验、实现更好的交叉销售、提高营业额度。对于用户来说，我们每天都面临着大量事件的抉择，在没有有效辅助决策信息之前，从其他用户反馈信息中了解某事物的特性，可以加快我们抉择的过程。如：我们到没有买产品之前，选择是否购买该产品以及相关产品，都可以通过企业产品推荐系统提供的信息得到很好的参考解答。专利技术人在实现本专利技术的过程中发现，券商积累了大量的用户(user)对金融产品(item)的购买行为和产品调查反馈记录，但是对这些记录未能充分地进行定量的挖掘分析，未发现其中的隐藏的潜在业务特点和购买规律，亦未梳理形成有效的决策辅助依据来支撑市场部门的业务销售拓展。联系其他互联网电商、新闻、视频等产品推荐难点，券商产品推荐面临的挑战主要有以下几个：规模。因为很难获得用户满意度的真实信息，现有绝大多数可行的推荐算法在处理券商产品推荐就力不从心了。新鲜度。券商产品不断推陈出新，老的产品不断停售，新的产品在原来的基础上略加改动就重新推出。产品推荐时要及时针对新推广的产品进行分析建模，同时要兼顾已有老产品和新产品的平衡。噪声。由于用户购买券商金融产品行为的稀疏性和不可观测的影响因素，用户的历史记录本质上难以准确预测。
技术实现思路
有鉴于此，本申请提供了基于混合协同过滤的券商产品推荐方法，以增强券商在产品销售方面的能力，拓展产品市场空间并获取更高的营业利润。为实现上述目的，本专利技术提供如下技术方案：基于混合协同过滤的券商产品推荐方法，包括：输入现有券商售卖中的金融产品信息以及若干用户购买相关金融产品记录及售后数据，并形成初始数据库；推广老产品时：提取初始数据库中若干用户购买相关金融产品记录，运用关联规则分析方法分析相关金融产品之间的关联关系；以及运用协同过滤算法计算相关金融产品之间的相似特征；将运用关联规则分析方法和协同过滤算法中得到的产品之间的关联性高和相似特征多的产品构成一个产品集合；对所述产品集合进行筛选后对用户进行推荐。在本专利技术的一个优选实施例中，所述售卖中的金融产品信息包括固定收益类产品、现金类产品、权益类产品。在本专利技术的一个优选实施例中，运用关联规则分析方法和协同过滤算法之前还包括对初始数据库进行输入特征提取，所述输入特征包括但不限于以下：咨询次数、购买次数、满意度指数、是否会购买同类产品。在本专利技术的一个优选实施例中，对所述产品集合进行筛选包括：针对每个用户，梳理其已经购买的产品，为其推荐未购买的产品集合中的产品以及推荐值。在本专利技术的一个优选实施例中，还包括新产品的推广：建立新产品的数据库，该数据库包括用户新购买的金融产品信息及用户购买相关金融产品记录及售后数据；根据新产品的数据库中新产品信息提取输入特征形成分析数据，并对该分析数据进行奇异值SVD降维分解，选择达到总能量阈值比例的前几个元素及数据；并根据处理后的数据计算相似度，并找出相似的用户群体；根据用户信息直接计算相似度，产生相似的用户群体；合并上述新产品信息和用户信息获取的相似的用户群体构成用户集合；对所述用户集合进行筛选后对用户进行推荐。在本专利技术的一个优选实施例中，将推广老产品时获取的产品集合以及推广新产品时获取的用户集合进行合并，形成候选的推荐列表；依据推荐的准确度和覆盖率指标，对推荐算法进行评价和完善。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的基于混合协同过滤的金融产品推荐方法的一种实现流程图；图2为本申请实施例提供的对推广老产品基于关联规则和基于Item协同过滤推荐的一种实现流程图；图3为本申请实施例提供的对推广新产品基于内容推荐和基于user协同过滤推荐的一种实现流程图；图4为步骤S11中具体数据分析列表；图5为步骤S21中的数据表格；图6为步骤S22中通过关联算法发现的规律；图7为步骤S23中的数据表格；图8为步骤S31中的基于内容推荐的输入特征表；图9为步骤S31中将步骤S11转置后得到的数据表。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术通过对券商产品销售数据的整理，运用机器学习中的协同过滤分析方法，探寻了客户特征与产品之间以及不同产品分类之间销售的规律性，发现产品销售中不同商品之间的联系，找出不同顾客群体之间的相似性以及群体购买行为规律，为券商理财产品交叉销售、捆绑销售策略的确定提供决策支持。通过对券商历史理财产品销售情况分析，发现三个方面的规律性：一是，产品大类之间的相似性规则；二是，产品小类之间的相似性规则；三是，具体产品之间的相似规则。假设当前购买用户的消费喜好和其他某些用户的消费喜好相似，且这种喜好在最近一段时间以及未来一段时间内保持稳定。一方面，根据当前用户的消费喜好，找到与其喜好相似的其他客户，分析他们有哪些产品对当前用户而言尚未购买，将这些产品推荐给当前用户。同时，根据当前已出售产品的分布情况，分析与其比较相似的产品，将这些产品推荐给未购买者。一般来说，券商产品销售中，促成客户的首次购买，开拓一个新的客户，它所付出的成本是比较高的。保持一个老客户，并使他们继续购买更多的保障，相对成本比较低。但是在对老客户进行二次销售的时候，不能盲目进行。如果能够根据产品间的关联性，有针对性地销售，或者进行产品捆绑销售，将能够大大提高销售的成功率。此外，在使用混合协同过滤分析券商理财产品销售情况的时候，必须注意到产品的一些特点：投资期限、风险水平、收益的差异性；同时，券商产品不断推陈出新，老的产品不断停售，新的产品在原来的基础上略加改动就重新推出，即便在同一时期销售的产品，也有不少是属于同一类的产品。请参阅图1，图1为本专利技术实施例提供的基于混合协同过滤的金融产品推荐方法的一种实现流程图，可以包括：步骤S11：输入券商固定收益类Item(产品)、现金类Item、权益类Item及User购买、评价等数据；详细说明此步骤。本专利技术实施例中，基于券商业务划分考虑，划定的产品大类包括：固定收益类、现金类、权益类，产品大类的划分适用于所有券商；产品小类以及具体产品(某券商销量最好的前10款产品)根据券商具体产品情况进行选择。所选取时间区间为2015.09.01至2016.03.31，所选取数据范围为理财产品持仓、交易流水、OTC产品信息等数据。基于的客户数量选择某证券公司购买产品的46292个客户及其购买、评价等数据作为分析对象。参照图4，其中矩阵中的行为用户，列表本文档来自技高网...

【技术保护点】
基于混合协同过滤的券商产品推荐方法，其特征在于，包括：输入现有券商售卖中的金融产品信息以及若干用户购买相关金融产品记录及售后数据，并形成初始数据库；推广老产品时：提取初始数据库中若干用户购买相关金融产品记录，运用关联规则分析方法分析相关金融产品之间的关联关系；以及运用协同过滤算法计算相关金融产品之间的相似特征；将运用关联规则分析方法和协同过滤算法中得到的产品之间的关联性高和相似特征多的产品构成一个产品集合；对所述产品集合进行筛选后对用户进行推荐。

【技术特征摘要】
1.基于混合协同过滤的券商产品推荐方法，其特征在于，包括：输入现有券商售卖中的金融产品信息以及若干用户购买相关金融产品记录及售后数据，并形成初始数据库；推广老产品时：提取初始数据库中若干用户购买相关金融产品记录，运用关联规则分析方法分析相关金融产品之间的关联关系；以及运用协同过滤算法计算相关金融产品之间的相似特征；将运用关联规则分析方法和协同过滤算法中得到的产品之间的关联性高和相似特征多的产品构成一个产品集合；对所述产品集合进行筛选后对用户进行推荐。2.如权利要求1所述的基于混合协同过滤的券商产品推荐方法，其特征在于，所述售卖中的金融产品信息包括固定收益类产品、现金类产品、权益类产品。3.如权利要求1所述的基于混合协同过滤的券商产品推荐方法，其特征在于，运用关联规则分析方法和协同过滤算法之前还包括对初始数据库进行输入特征提取，所述输入特征包括但不限于以下：咨询次数、购买次数、满意度指数、是否会购买同类产品。4.如权利要求1所述的基于混合协同过滤的券商产品推荐...

【专利技术属性】
技术研发人员：程宏亮，李炜，黄蓉，周静，
申请(专利权)人：美林数据技术股份有限公司，
类型：发明
国别省市：陕西,61