一种智能推荐方法、装置及计算机存储介质制造方法及图纸

本发明专利技术提供了一种智能推荐方法，应用于智能推荐技术领域，包括：获取历史用户数据，其中，所述历史用户数据至少包括：用户行为数据和用户标签数据；基于所述历史用户数对模型进行训练，获得训练后的目标模型；获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。以及提供了一种智能推荐装置及计算机存储介质。应用本发明专利技术实施例，在客户类型复杂，客户需求多样的情况下，进行客群分类及个性化展示优化，进而带来客户体验的持续提升；旨在利用客户行为历史记录的分析，构建数据模型，向客户展现不同类型的官网内容，以达到场景化营销及服务的目的。

【技术实现步骤摘要】
一种智能推荐方法、装置及计算机存储介质
本专利技术涉及智能推荐
，尤其涉及一种智能推荐方法、装置及计算机存储介质。
技术介绍
随着保险业的兴起，保险企业之间的竞争变得越来越激烈，如何为客户进行精准的服务，提高客户对服务的满意度，是影响保险销售人员的销售业绩的关键因素。目前，随着大数据的发展，通过利用大数据分析技术为客户建立用户标签，并通过用户标签匹配出适合用户的保险产品。然后，由于客户的复杂性以及潜在用户是通过网站或者APP等方式访问网站的，这部分用户很难通过客户服务去覆盖，也不能让客户了解自身的保障需求。因此，根据用户的历史行为进行保险产品的推荐，不仅能够使客户全面的了解自身的保障缺陷，提高客户对服务的满意度，还能提高保险产品推荐的成功率。
技术实现思路
本专利技术的目的在于克服现有技术之缺陷，提供了一种智能推荐方法、装置及计算机存储介质，在客户类型复杂，客户需求多样的情况下，进行客群分类及个性化展示优化，进而带来客户体验的持续提升；旨在利用客户行为历史记录的分析，构建数据模型，向客户展现不同类型的官网内容，以达到场景化营销及服务的目的。本专利技术是这样实现的：本专利技术提供一种智能推荐方法，所述方法包括：获取历史用户数据，其中，所述历史用户数据至少包括：用户行为数据和用户标签数据；基于所述历史用户数对模型进行训练，获得训练后的目标模型；获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。一种实现方式中，所述获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果的步骤，包括：获取访问目标网站的客户；判断用户是否为登录客户；如果是，获取该登录客户的用户信息；基于所述用户信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。一种实现方式中，如果该访问客户为非登录客户的情况下所述方法还包括：记录该用户的访问地址；获取所述访问地址的历史访问记录；基于所述历史访问记录，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果一种实现方式中，所述获取历史用户数据的步骤，包括：根据用户所对应的账户信息，获取该用户对应的历史搜索信息、历史查阅信息；根据所述历史搜索信息、所述历史查阅信息，取历史用户数据。一种实现方式中，所述方法还包括：根据所述推荐结果，获取推荐结果列表；根据预设展示条件，展示所述推荐结果列表。一种实现方式中，所述根据所述推荐结果，获取推荐结果列表的步骤，包括：获取每一个推荐结果的推荐得分；根据推荐得分从高到低进行排列，并根据排列顺序所对应的推荐结果作为推荐结果列表。一种实现方式中，所述获取历史用户数据的步骤，包括：获取历史用户中每一个用户的原始数据，其中所述原始数据包括不限于用户信息、用户行为、用户历史投保和/或保单信息；并根据所述原始获取对该历史用户添加标签，其中所述标签包括不限于：用户属性统计、产品购买次数、产品购买趋势、投诉次数、渠道使用频率、服务使用频率。一种实现方式中，在所述获得训练后的目标模型的步骤，所述方法还包括：对所述目标模型建立标签，所述标签包括不限于方可类型、渠道来源、浏览记录、页面热点、搜索历史、访问次数、停留时长、信息录入、访问终端、浏览器版本和客户IP。此外，本专利技术还公开了一种智能推荐装置，所述装置包括处理器、以及通过通信总线与所述处理器连接的存储器；其中，所述存储器，用于存储智能推荐程序；所述处理器，用于执行所述智能推荐程序，以实现任一项所述的智能推荐步骤。以及，公开了一种计算机存储介质，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以使所述一个或者多个处理器执行任一项所述的智能推荐步骤。应用本专利技术的智能推荐方法、装置及计算机存储介质，具有以下有益效果：(1)在客户类型复杂，客户需求多样的情况下，进行客群分类及个性化展示优化，进而带来客户体验的持续提升。(2)旨在利用客户行为历史记录的分析，构建数据模型，向客户展现不同类型的官网内容，以达到场景化营销及服务的目的。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一些实施例，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，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的智能推荐方法的一种流程示意图；图2为本专利技术实施例提供的智能推荐方法的一种应用场景示意图；图3为本专利技术实施例提供的智能推荐方法的另一种应用场景示意图；图4为本专利技术实施例提供的智能推荐方法的又一种应用场景示意图图5为本专利技术实施例提供的智能推荐装置的一种应用场景示意图。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它实施例，都属于本专利技术保护的范围。需要说明的是，进行推荐所依赖数据的处理与计算基于大数据平台，采用SparkonYarn的计算模式，依赖Yarn成熟的资源调度机制以及Spark基于内存级的运行，极大提高了计算效率与性能。后端采用CAF统一开发框架，基于SpringMVC+Spring+Mybatis技术，框架底层对项目基础功能、缓存处理、事务管理、日志处理进行封装，具有成熟稳定、可靠简装的优点。前端采用VUE+IVEW框架，支持系统构建风格统一、美观精致的界面，拥有快速的页面响应速度，使得用户获得流畅顺滑的体验，并且具有良好的第三方兼容能力与浏览器兼容能力。客户端加入容器化管理，方便持续集成，通过与代码进行关联使持续集成非常方便。参见图1，本专利技术实施例提供一种智能推荐方法，所述方法包括：S101，获取历史用户数据，其中，所述历史用户数据至少包括：用户行为数据和用户标签数据。需要说明的是，如图2和图3所示，当用户购买过保险或者登陆过保险的网站则会留下用户的信息，例如用户的登陆信息，用户的访问信息等等，这些数据保留在一指定的数据库中，因此，从数据库中可以根据每一个用户获取其对应的历史数据。本专利技术的一种实现方式中，当用户通过账户登录时，可以根据用户所对应的账户信息，获取该用户对应的历史搜索信息、历史查阅信息；根据所述历史搜索信息、所述历史查阅信息，取历史用户数据。本专利技术的另一种实现方式中，如图3所本文档来自技高网...

【技术保护点】
1.一种智能推荐方法，其特征在于，所述方法包括：/n获取历史用户数据，其中，所述历史用户数据至少包括：用户行为数据和用户标签数据；/n基于所述历史用户数对模型进行训练，获得训练后的目标模型；/n获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。/n

【技术特征摘要】
1.一种智能推荐方法，其特征在于，所述方法包括：
获取历史用户数据，其中，所述历史用户数据至少包括：用户行为数据和用户标签数据；
基于所述历史用户数对模型进行训练，获得训练后的目标模型；
获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。


2.如权利要求1所述的智能推荐方法，其特征在于，所述获取用户访问信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果的步骤，包括：
获取访问目标网站的客户；
判断用户是否为登录客户；
如果是，获取该登录客户的用户信息；
基于所述用户信息，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。


3.如权利要求2所述的智能推荐方法，其特征在于，如果该访问客户为非登录客户的情况下所述方法还包括：
记录该用户的访问地址；
获取所述访问地址的历史访问记录；
基于所述历史访问记录，结合所述目标模型和业务处理规则对访问用户信息进行训练，以获取与该访问用户信息相对应的推荐结果。


4.如权利要求1-3任一项所述的智能推荐方法，其特征在于，所述获取历史用户数据的步骤，包括：
根据用户所对应的账户信息，获取该用户对应的历史搜索信息、历史查阅信息；
根据所述历史搜索信息、所述历史查阅信息，取历史用户数据。


5.如权利要求4所述的智能推荐方法，其特征在于，所述方法还包括：
根据所述推荐结果，获取推荐结果列表...

【专利技术属性】
技术研发人员：卢静峰，蔡杰果，
申请(专利权)人：上海摩莱信息科技有限公司，
类型：发明
国别省市：上海;31