本申请公开了一种金融产品的推荐方法、装置、处理器以及电子设备。涉及金融科技领域，该方法包括：确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；根据预测结果从M个候选客户中筛选预设数量的目标客户，对预设数量的目标客户进行目标产品的推荐。通过本申请，解决了相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题。并对客户进行有效推荐的问题。并对客户进行有效推荐的问题。
【技术实现步骤摘要】
金融产品的推荐方法、装置、处理器以及电子设备
[0001]本申请涉及金融科技领域，具体而言，涉及一种金融产品的推荐方法、装置、处理器以及电子设备。
技术介绍
[0002]贵金属业务作为金融机构的主要业务类别之一，不仅为客户提供了多样化的理财产品和服务，满足了客户的不同投资需求，同时也为金融机构提供多种收益，此外，贵金属业务还能够帮助金融机构丰富业务种类，提高市场竞争力。金融机构可以通过合理开展贵金属业务开展，提高服务质量和客户满意度，增强其核心竞争力。
[0003]但由于贵金属产品价格较高，业务较为复杂，需要投入较多的时间和资源进行客户沟通，通常采用的是传统业务推广的方式，主要是由客户经理根据业务经验进行人工的拜访和电话推销的等线下方式进行业务推广，但该方法需要人工进行操作，存在着转化率低以及效率低的问题。为了改进这些问题，对业务推广前的数据处理进行改进，通过将数据输入到机器学习模型中，进而得到可进行业务推广的客户但是该方法在训练样本时数量严重缺乏，并且过于依赖少数特征，导致模型的性能下降，无法满足业务需求。
[0004]针对相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请的主要目的在于提供一种金融产品的推荐方法、装置、处理器以及电子设备，以解决相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题。
[0006]为了实现上述目的，根据本申请的一个方面，提供了一种金融产品的推荐方法。该方法包括：确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；根据预测结果从M个候选客户中筛选预设数量的目标客户，对预设数量的目标客户进行目标产品的推荐。
[0007]可选地，在确定目标产品的M个候选客户之前，方法还包括：获取多个客户的属性标签，其中，属性标签包含第一标签和第二标签，第一标签表征客户已开设目标产品的账户、并且未购买目标产品，第二标签表征客户已开设目标产品的账户、并且已购买目标产品；从多个客户中筛选出属性标签为第一标签的客户，得到M个候选客户。
[0008]可选地，机器学习模型通过以下方式训练得到：根据第一客户的客户数据和第二客户的客户数据生成样本数据，其中，第一客户为目标产品关联的客户，第二客户为目标产品的关联产品的客户，样本数据中包含样本特征数据和客户属性标签；利用样本数据训练预设机器学习模型，并在训练后的机器学习模型的模型指标符合要求的情况下，将训练后
的机器学习模型确定为机器学习模型。
[0009]可选地，在根据第一客户的客户数据和第二客户的客户数据生成样本数据之前，方法还包括：获取历史时间周期内目标产品关联的客户，得到第一客户，并确定历史时间周期内关联产品的客户，得到第二客户，其中，关联产品是与目标产品具有多个相同的产品特点的产品；根据第一客户的客户数据和第二客户的客户数据生成样本数据包括：将第一客户的客户数据以及第二客户的客户数据进行组合，并对组合后的客户数据进行特征提取，得到样本特征数据；获取第一客户的属性标签以及第二客户的属性标签，其中，属性标签包括第一标签或第二标签，第一标签表征客户已开设产品的账户、并且未购买产品，第二标签表征客户已开设产品的账户、并且已购买产品；将样本特征数据、第一客户的属性标签、第二客户的属性标签确定为样本数据。
[0010]可选地，确定历史时间周期内目标产品的关联产品的客户，得到第二客户包括：识别目标产品的产品特点；根据产品特点创建客户筛选规则，其中，客户筛选规则的筛选要素中至少包含一个产品特点；从数据库中筛选出满足客户筛选规则的客户，得到关联产品关联的第二客户。
[0011]可选地，将M个客户数据进行特征提取，得到N个特征指标包括：从M个客户数据中提取得到X个特征指标，并根据X个特征指标创建特征筛选规则，其中，X为正整数；根据特征筛选规则从X个特征指标中生成子特征指标，并将X个特征指标与子特征指标进行组合，得到N个特征指标，其中，X小于N。
[0012]可选地，根据预测结果从M个候选客户中筛选预设数量的目标客户包括：识别预测结果，得到每个候选客户关联的成功概率；将M个候选客户的成功概率进行降序排列，得到排列结果，筛选出处于预设位置之前的预测概率关联的候选客户，得到预设数量的目标客户。
[0013]为了实现上述目的，根据本申请的另一方面，提供了一种金融产品的推荐装置。该装置包括：确定单元，用于确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；提取单元，用于将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；输入单元，用于将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；第一筛选单元，用于根据预测结果从M个候选客户中筛选预设数量的目标客户，对预设数量的目标客户进行目标产品的推荐。
[0014]根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种金融产品的推荐方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种金融产品的推荐方法。
[0016]通过本申请，采用以下步骤：确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；根据预测结果从M个候选客户中筛选预设数量的目标客
户，对预设数量的目标客户进行目标产品的推荐，解决了相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题，通过对客户的客户数据进行特征提取和分类，利用提取后的特征数据输入到模型中进行预测，进而达到了有效获取产品的目标客户，并对该客户进行针对性的产品推荐的效果。
附图说明
[0017]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0018]图1是根据本申请实施例提供的金融产品的推荐方法的流程图；
[0019]图2是根据本申请实施例提供的数据获取方法的示意图；
[0020]图3是根据本申请实施例本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种金融产品的推荐方法，其特征在于，包括：确定目标产品的M个候选客户，从数据库中获取所述M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将所述M个客户数据进行特征提取，得到N个特征指标，并根据所述N个特征指标对所述M个候选客户的客户数据进行分类，得到N组特征数据；将所述N组特征数据输入机器学习模型中，得到预测结果，其中，所述预测结果用于指示向所述M个候选客户推荐所述目标产品的成功概率；根据所述预测结果从所述M个候选客户中筛选预设数量的目标客户，对所述预设数量的目标客户进行目标产品的推荐。2.根据权利要求1所述的方法，其特征在于，在确定目标产品的M个候选客户之前，所述方法还包括：获取多个客户的属性标签，其中，属性标签包含第一标签和第二标签，所述第一标签表征客户已开设所述目标产品的账户、并且未购买所述目标产品，所述第二标签表征客户已开设所述目标产品的账户、并且已购买所述目标产品；从所述多个客户中筛选出所述属性标签为所述第一标签的客户，得到所述M个候选客户。3.根据权利要求1所述的方法，其特征在于，所述机器学习模型通过以下方式训练得到：根据第一客户的客户数据和第二客户的客户数据生成样本数据，其中，所述第一客户为所述目标产品关联的客户，所述第二客户为所述目标产品的关联产品的客户，所述样本数据中包含样本特征数据和客户属性标签；利用所述样本数据训练预设机器学习模型，并在训练后的机器学习模型的模型指标符合要求的情况下，将所述训练后的机器学习模型确定为所述机器学习模型。4.根据权利要求3所述的方法，其特征在于，在根据第一客户的客户数据和第二客户的客户数据生成样本数据之前，所述方法还包括：获取历史时间周期内所述目标产品关联的客户，得到所述第一客户，并确定所述历史时间周期内所述关联产品的客户，得到所述第二客户，其中，所述关联产品是与所述目标产品具有多个相同的产品特点的产品；根据第一客户的客户数据和第二客户的客户数据生成样本数据包括：将所述第一客户的客户数据以及所述第二客户的客户数据进行组合，并对组合后的客户数据进行特征提取，得到样本特征数据；获取所述第一客户的属性标签以及所述第二客户的属性标签，其中，所述属性标签包括第一标签或第二标签，所述第一标签表征客户已开设产品的账户、并且未购买产品，所述第二标签表征客户已开设产品的账户、并且已购买产品；将所...
【专利技术属性】
技术研发人员：徐欢，杨联凯，
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。