银行产品的推荐方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种银行产品的推荐方法、装置存储介质及电子设备，基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征，通过将用户维度特征输入至预先建立的二分类算法模型，得到银行产品预约用户对银行产品的购买与不购买的概率分布，将概率分布中购买概率大于预设概率的银行产品预约用户确定为目标用户，并向目标用户推荐银行产品。由于本发明专利技术基于针对银行产品的业务需求，对银行产品的预约用户进行了筛选，并针对筛选得到的目标用户进行银行产品推荐，因此，本发明专利技术精确了银行产品的推荐范围，提高了银行产品的推荐成功率，用户体验度较好。

【技术实现步骤摘要】
银行产品的推荐方法、装置、存储介质及电子设备
本专利技术涉及计算机
，更具体的说，涉及一种银行产品的推荐方法、装置存储介质及电子设备。
技术介绍
目前，银行产品(例如纪念币)在发售过程中，为提醒银行产品预约用户进行购买，一般是在预约期内，向所有的银行产品预约用户发送预约成功短信或兑换提醒短信。然而，在实际应用中，针对同一款银行产品响应的预约用户不多，因此造成银行产品推荐资源的浪费，导致银行产品的推荐成功率低，并且，用户体验度不高。
技术实现思路
有鉴于此，本专利技术公开一种银行产品的推荐方法、装置存储介质及电子设备，以基于针对银行产品的业务需求，对银行产品的预约用户进行了筛选，并针对筛选得到的目标用户进行银行产品推荐，从而精确了银行产品的推荐范围，提高了银行产品的推荐成功率，用户体验度较好。一种银行产品的推荐方法，包括：基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征；将所述用户维度特征输入至预先建立的二分类算法模型，得到所述银行产品预约用户对所述银行产品的购买与不购买的概率分布，所述购买与不购买的概率分布分别为通过所述二分类算法模型得到的正类和负类的概率分布；将所述购买与不购买的概率分布中，购买概率大于预设概率的银行产品预约用户确定为目标用户；向所述目标用户推荐所述银行产品。可选的，所述二分类算法模型为，以从历史银行产品预约用户数据中提取出的用户维度特征为训练样本，以用户维度特征对应的购买与不购买的概率分布作为样本标签，进行训练得到的二分类器。可选的，所述用户维度特征包括：用户年龄段、银行产品预约次数、银行产品兑换概率和银行产品预约渠道中的任意一个或多个。可选的，所述向所述目标用户推荐所述银行产品具体包括：向所述目标用户以短信或邮件方式推荐所述银行产品。一种银行产品的推荐装置，包括：提取单元，用于基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征；概率分布获取单元，用于将所述用户维度特征输入至预先建立的二分类算法模型，得到所述银行产品预约用户对所述银行产品的购买与不购买的概率分布，所述购买与不购买的概率分布分别为通过所述二分类算法模型得到的正类和负类的概率分布；目标用户确定单元，用于将所述购买与不购买的概率分布中，购买概率大于预设概率的银行产品预约用户确定为目标用户；推荐单元，用于向所述目标用户推荐所述银行产品。可选的，所述用户维度特征包括：用户年龄段、银行产品预约次数、银行产品兑换概率和银行产品预约渠道中的任意一个或多个。一种存储介质，存储有计算机程序，所述计算机程序被处理器执行实现上述所述方法的步骤。一种电子设备，至少包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述所述方法的步骤。从上述的技术方案可知，本专利技术公开了一种银行产品的推荐方法、装置存储介质及电子设备，基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征，通过将用户维度特征输入至预先建立的二分类算法模型，得到银行产品预约用户对银行产品的购买与不购买的概率分布，将概率分布中购买概率大于预设概率的银行产品预约用户确定为目标用户，并向目标用户推荐银行产品。由于本专利技术基于针对银行产品的业务需求，对银行产品的预约用户进行了筛选，并针对筛选得到的目标用户进行银行产品推荐，因此，本专利技术精确了银行产品的推荐范围，提高了银行产品的推荐成功率，用户体验度较好。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，还可以根据公开的附图获得其他的附图。图1为本专利技术实施例公开的一种银行产品的推荐方法流程图；图2为本专利技术实施例公开的一种银行产品的推荐装置的结构示意图；图3为本专利技术实施例公开的一种电子设备的结构示意图。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他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种银行产品的推荐方法、装置存储介质及电子设备，基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征，通过将用户维度特征输入至预先建立的二分类算法模型，得到银行产品预约用户对银行产品的购买与不购买的概率分布，将概率分布中购买概率大于预设概率的银行产品预约用户确定为目标用户，并向目标用户推荐银行产品。由于本专利技术基于针对银行产品的业务需求，对银行产品的预约用户进行了筛选，并针对筛选得到的目标用户进行银行产品推荐，因此，本专利技术精确了银行产品的推荐范围，提高了银行产品的推荐成功率，用户体验度较好。参见图1，本专利技术一实施例公开的一种银行产品的推荐方法流程图，该方法包括步骤：步骤S101、基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征；可以理解，不同的银行产品所适用的人群会相应的不同，比如，理财产品适用于年轻人，纪念币适用于收藏爱好者。本实施例中的业务需求主要指：在对银行产品进行推荐时所需做的事情，比如，银行产品适用的预约用户的年龄段等。用户的维度特征可以包括：用户年龄段、银行产品预约次数、银行产品兑换概率和银行产品预约渠道中的任意一个或多个，具体根据银行产品的业务需求而定，本专利技术在此不做限定。步骤S102、将所述用户维度特征输入至预先建立的二分类算法模型，得到所述银行产品预约用户对所述银行产品的购买与不购买的概率分布；需要说明的是，所述购买与不购买的概率分布分别为通过所述二分类算法模型得到的正类和负类的概率分布。其中，二分类算法模型为，以从历史银行产品预约用户数据中提取出的用户维度特征为训练样本，以用户维度特征对应的购买与不购买的概率分布作为样本标签，进行训练得到的二分类器。需要特别说明的是，在实际应用中，需要根据不同银行产品的不同业务需求，建立不同的二分类算法模型。在实际应用中，在从历史银行产品预约用户数据中提取出用户维度特征之前，可以将历史银行产品预约用户数据提取至Hadoop本地服务器的HIVE中，在HIVE中建立HIVE表，并根据二分类算法模型即业务需求编写HIVE脚本，并将编写的HIVE脚本写入HIVE表中。HIVE是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化和加载，是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。步骤S103、将所述购买与不本文档来自技高网...

【技术保护点】
1.一种银行产品的推荐方法，其特征在于，包括：/n基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征；/n将所述用户维度特征输入至预先建立的二分类算法模型，得到所述银行产品预约用户对所述银行产品的购买与不购买的概率分布，所述购买与不购买的概率分布分别为通过所述二分类算法模型得到的正类和负类的概率分布；/n将所述购买与不购买的概率分布中，购买概率大于预设概率的银行产品预约用户确定为目标用户；/n向所述目标用户推荐所述银行产品。/n

【技术特征摘要】
1.一种银行产品的推荐方法，其特征在于，包括：
基于针对银行产品的业务需求，从银行产品预约用户数据中提取出银行产品预约用户的用户维度特征；
将所述用户维度特征输入至预先建立的二分类算法模型，得到所述银行产品预约用户对所述银行产品的购买与不购买的概率分布，所述购买与不购买的概率分布分别为通过所述二分类算法模型得到的正类和负类的概率分布；
将所述购买与不购买的概率分布中，购买概率大于预设概率的银行产品预约用户确定为目标用户；
向所述目标用户推荐所述银行产品。


2.根据权利要求1所述的推荐方法，其特征在于，所述二分类算法模型为，以从历史银行产品预约用户数据中提取出的用户维度特征为训练样本，以用户维度特征对应的购买与不购买的概率分布作为样本标签，进行训练得到的二分类器。


3.根据权利要求1所述的推荐方法，其特征在于，所述用户维度特征包括：用户年龄段、银行产品预约次数、银行产品兑换概率和银行产品预约渠道中的任意一个或多个。


4.根据权利要求1所述的推荐方法，其特征在于，所述向所述目标用户推荐所述银行产品具体包括：
向所述目标用户以短信或邮件方式推荐所述银行产品。

【专利技术属性】
技术研发人员：吴永胜，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11