本申请公开了一种客户购买偏好的预测方法、装置、存储介质及电子设备。涉及金融科技领域，该方法包括：确定客户的购买多个产品的购买概率，得到多个购买概率；将多个购买概率中购买概率最高的产品的类型作为第一购买类型；在第一购买类型对应的购买特征数据发生变动的情况下，确定目标客户的多个偏好类型；通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果；根据计算结果预测目标客户的目标偏好类型。通过本申请，解决了相关技术中对客户购买偏好的预测不够准确的问题。的问题。的问题。
【技术实现步骤摘要】
客户购买偏好的预测方法、装置、存储介质及电子设备
[0001]本申请涉及金融科技领域，具体而言，涉及一种客户购买偏好的预测方法、装置、存储介质及电子设备。
技术介绍
[0002]相关技术在客户购买偏好倾向模型主要是基于客户已有的特征数据进行预测，存在如下缺陷：一是深度学习模型存在模型黑盒现象。即模型只输出了结果，无法直观告诉用户哪些特征对结果影响最大，特征对结果的影响是正向的还是负向的，从而不便于用户在实际使用对客户开展营销，既无法告知客户为什么给予推销某类产品；二是无法实施场景分析。如分析当客户的特征发生何种变换之后，会导致客户偏好发生变化。有些方法通过对特征变量值进行变化以改变预测结果，从而开展场景分析；但是这些变动可能人为假设的情况，与实际训练数据并不相符。因此，导致对客户购买偏好的预测不够准确的问题。
[0003]针对相关技术中对客户购买偏好的预测不够准确的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请的主要目的在于提供一种客户购买偏好的预测方法、装置、存储介质及电子设备，以解决相关技术中对客户购买偏好的预测不够准确的问题。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种客户购买偏好的预测方法。该方法包括：确定客户的购买多个产品的购买概率，得到多个购买概率；将多个购买概率中购买概率最高的产品的类型作为第一购买类型；在第一购买类型对应的购买特征数据发生变动的情况下，确定目标客户的多个偏好类型，其中，购买特征数据为被客户购买次数最多的产品对应的特征数据；通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果，其中，每个偏好特征数据对应的产品被目标客户购买次数低于购买特征数据对应产品；根据计算结果预测目标客户的目标偏好类型，其中，目标偏好类型对应的产品被目标客户购买的购买概率低于第一购买类型对应的产品的购买概率，且高于目标客户购买其他类型对应的产品的购买概率。
[0006]进一步地，确定目标客户的购买多个产品的购买概率，得到多个购买概率包括：采集不同产品的购买特征数据；将每个购买特征数据输入至目标算法模型中计算每个产品对应的购买概率，得到多个购买概率。
[0007]进一步地，通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果包括：确定每个偏好特征数据中的特征值；根据多个特征值计算第一均值，其中，第一均值用于表示多个特征值的平均值；将第一均值作为计算结果之一。
[0008]进一步地，在根据计算结果预测目标客户的目标偏好类型之前，该方法还包括：将每个特征值与第一均值进行相减，得到多个第一差值；将多个第一差值中的最小值作为第一目标差值。
[0009]进一步地，通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果包括：将多个偏好特征数据输入至目标算法模型中，输出多个目标偏好特征数据；确定每个目标偏好特征数据中的目标特征值；根据多个目标特征值计算第二均值，其中，第二均值用于表示多个目标特征值的平均值；将第二均值作为计算结果之一。
[0010]进一步地，在根据计算结果预测目标客户的目标偏好类型之前，该方法还包括：将每个目标偏好特征数据中的特征值与第二均值进行相减，得到多个第二差值；将多个第二差值中的最小值作为第二目标差值；根据第一目标差值以及第二目标差值确定目标概率；根据目标概率确定目标偏好类型。
[0011]进一步地，根据第一目标差值以及第二目标差值确定目标概率包括：通过第一目标差值以及第二目标差值将多个偏好类型进行优先级排序，得到排序后的偏好类型；根据排序后的偏好类型确定目标矩阵；通过对目标矩阵进行计算，得到目标概率。
[0012]为了实现上述目的，根据本申请的另一方面，提供了一种客户购买偏好的预测装置。该装置包括：第一确定单元，用于确定客户的购买多个产品的购买概率，得到多个购买概率；第二确定单元，用于将多个购买概率中购买概率最高的产品的类型作为第一购买类型；第三确定单元，用于在第一购买类型对应的购买特征数据发生变动的情况下，确定目标客户的多个偏好类型，其中，购买特征数据为被客户购买次数最多的产品对应的特征数据；第一计算单元，用于通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果，其中，每个偏好特征数据对应的产品被目标客户购买次数低于购买特征数据对应产品；预测单元，用于根据计算结果预测目标客户的目标偏好类型，其中，目标偏好类型对应的产品被目标客户购买的购买概率低于第一购买类型对应的产品的购买概率，且高于目标客户购买其他类型对应的产品的购买概率。
[0013]进一步地，第一确定单元包括：采集模块，用于采集不同产品的购买特征数据；第一计算模块，用于将每个购买特征数据输入至目标算法模型中计算每个产品对应的购买概率，得到多个购买概率。
[0014]进一步地，第一计算单元包括：第一确定模块，用于确定每个偏好特征数据中的特征值；第二计算模块，用于根据多个特征值计算第一均值，其中，第一均值用于表示多个特征值的平均值；第二确定模块，用于将第一均值作为计算结果之一。
[0015]进一步地，该装置还包括：第二计算单元，用于在根据计算结果预测目标客户的目标偏好类型之前，将每个特征值与第一均值进行相减，得到多个第一差值；第四确定单元，用于将多个第一差值中的最小值作为第一目标差值。
[0016]进一步地，第一计算单元包括：输出模块，用于将多个偏好特征数据输入至目标算法模型中，输出多个目标偏好特征数据；第三确定模块，用于确定每个目标偏好特征数据中的目标特征值；第三计算模块，用于根据多个目标特征值计算第二均值，其中，第二均值用于表示多个目标特征值的平均值；第四确定模块，用于将第二均值作为计算结果之一。
[0017]进一步地，该装置还包括：第三计算单元，用于在根据计算结果预测目标客户的目标偏好类型之前，将每个目标偏好特征数据中的特征值与第二均值进行相减，得到多个第二差值；第五确定单元，用于将多个第二差值中的最小值作为第二目标差值；第六确定单元，用于根据第一目标差值以及第二目标差值确定目标概率；第七确定单元，用于根据目标概率确定目标偏好类型。
[0018]进一步地，第六确定单元包括：排序模块，用于通过第一目标差值以及第二目标差值将多个偏好类型进行优先级排序，得到排序后的偏好类型；第五确定模块，用于根据排序后的偏好类型确定目标矩阵；第四计算模块，用于通过对目标矩阵进行计算，得到目标概率。
[0019]通过本申请，采用以下步骤：确定客户的购买多个产品的购买概率，得到多个购买概率；将多个购买概率中购买概率最高的产品的类型作为第一购买类型；在第一购买类型对应的购买特征数据发生变动的情况下，确定目标客户的多个偏好类型，其中，购买特征数据为被客户购买次数最多的产品对应的特征数据；通过目标算法模型对多个偏好类型对应的偏好特征数据进行计算，得到计算结果，其中，每个偏好特征数据对应的产品被目标客户购买次数低于购买特征数据对应产品；根据计算结果预测目标客户本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种客户购买偏好的预测方法，其特征在于，包括：确定客户的购买多个产品的购买概率，得到多个购买概率；将所述多个购买概率中购买概率最高的产品的类型作为第一购买类型；在所述第一购买类型对应的购买特征数据发生变动的情况下，确定目标客户的多个偏好类型，其中，所述购买特征数据为被客户购买次数最多的产品对应的特征数据；通过目标算法模型对所述多个偏好类型对应的偏好特征数据进行计算，得到计算结果，其中，每个偏好特征数据对应的产品被所述目标客户购买次数低于所述购买特征数据对应产品；根据所述计算结果预测所述目标客户的目标偏好类型，其中，所述目标偏好类型对应的产品被所述目标客户购买的购买概率低于所述第一购买类型对应的产品的购买概率，且高于所述目标客户购买其他类型对应的产品的购买概率。2.根据权利要求1所述的方法，其特征在于，确定目标客户的购买多个产品的购买概率，得到多个购买概率包括：采集不同产品的购买特征数据；将每个购买特征数据输入至所述目标算法模型中计算每个产品对应的购买概率，得到多个购买概率。3.根据权利要求1所述的方法，其特征在于，通过目标算法模型对所述多个偏好类型对应的偏好特征数据进行计算，得到计算结果包括：确定每个偏好特征数据中的特征值；根据多个特征值计算第一均值，其中，所述第一均值用于表示所述多个特征值的平均值；将所述第一均值作为所述计算结果之一。4.根据权利要求3所述的方法，其特征在于，在根据所述计算结果预测所述目标客户的目标偏好类型之前，所述方法还包括：将每个特征值与所述第一均值进行相减，得到多个第一差值；将所述多个第一差值中的最小值作为第一目标差值。5.根据权利要求4所述的方法，其特征在于，通过目标算法模型对所述多个偏好类型对应的偏好特征数据进行计算，得到计算结果包括：将多个偏好特征数据输入至所述目标算法模型中，输出多个目标偏好特征数据；确定每个目标偏好特征数据中的目标特征值；根据多个目标特征值计算第二均值，其中，所述第二均值用于表示所述多个目标特征值的平均值；将所述第二均值作为所述计算结果之...
【专利技术属性】
技术研发人员：李瑾瑜，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。