产品推荐策略优化方法技术

本发明专利技术公开了一种产品推荐策略优化方法

【技术实现步骤摘要】
产品推荐策略优化方法、装置、设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种产品推荐策略优化方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]现有平台产品推荐策略大多根据资金方的综合评价情况，确认流量推送的总量，随机推送给用户
。
用户的金融相关信息提供一般发生在选定待推荐产品后的授信申请环节
。
由于待推荐产品间的金融数据和风控规则不互通，对用户信息掌握有限，平台无法对各个用户进行差别化个性化推荐待推荐产品产品，随机推送的产品就额度和利率而言，未必是最适合用户的产品，因此会造成流量的错配和浪费
。
此外，当随机推送的产品授信不通过时，用户需要逐个平台去咨询，耗时耗力
。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术
。

技术实现思路

[0004]本专利技术的主要目的在于提供一种产品推荐策略优化方法
、
装置
、
设备及存储介质，旨在解决现有技术产品产品推荐的匹配度不高导致平台流量浪费的技术问题
。
[0005]为实现上述目的，本专利技术提供了一种产品推荐策略优化方法，所述产品推荐策略优化方法包括以下步骤：
[0006]获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值；
[0007]根据所述授信通过率评估值确定所述目标用户对应的目标分数区间；
[0008]确定所述目标分数区间内各待推荐产品的分数区间综合评估值；
[0009]根据所述分数区间综合评估值确定所述目标用户的推荐流量分配策略
。
[0010]可选地，所述获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值之前，还包括：
[0011]获取通讯大数据，并根据所述通讯大数据得到个人属性信息
、
消费属性信息和通讯属性信息；
[0012]根据所述个人属性信息
、
消费属性信息和通讯属性信息确定多个特征数据；
[0013]根据所述特征数据训练得到授信通过率评估模型
。
[0014]可选地，所述根据所述个人属性信息
、
消费属性信息和通讯属性信息确定多个特征数据，包括：
[0015]根据基本属性特征和社会属性特征对所述个人属性信息进行特征分类，得到个人属性特征数据；
[0016]根据消费金额特征和缴费习惯特征对所述消费属性信息进行特征分类，得到消费属性特征数据；
[0017]根据通话属性特征对所述通讯属性信息进行特征分类，得到通讯属性特征数据；
[0018]根据所述个人属性特征数据
、
所述消费属性特征数据和所述通讯属性特征数据确定多个特征数据
。
[0019]可选地，所述确定所述目标分数区间内各待推荐产品的分数区间综合评估值，包括：
[0020]获取多个待推荐产品的产品数据信息；
[0021]根据所述产品数据信息确定各待推荐产品的月度分数
、
利率得分和通过率得分；
[0022]根据所述月度分数
、
所述利率得分和所述通过率得分确定各待推荐产品在所述目标分数区间的分数区间综合评估值
。
[0023]可选地，所述根据所述分数区间综合评估值确定所述目标用户的推荐流量分配策略，包括：
[0024]根据所述分数区间综合评估值从各待推荐产品中确定多个目标推荐产品；
[0025]根据所述分数区间综合评估值计算各目标推荐产品的预处理权重；
[0026]根据所述预处理权重和各目标推荐产品的推荐流量分配策略
。
[0027]可选地，所述根据所述预处理权重和各目标推荐产品的推荐流量分配策略，包括：
[0028]根据所述预处理权重和各目标推荐产品的推荐成功转化率确定各目标推荐产品的流量分配值；
[0029]根据所述流量分配至确定流量分配比例，并根据所述流量分配比例确定推荐流量分配策略
。
[0030]可选地，所述根据所述分数区间综合评估值从各待推荐产品中确定多个目标推荐产品，包括：
[0031]根据所述分数区间综合评估值确定所述目标分数区间内的各待推荐产品的产品排序；
[0032]根据所述产品排序从各待推荐产品中确定所述目标分数区间的分数区间推荐产品；
[0033]根据所述分数区间推荐产品确定目标推荐产品
。
[0034]此外，为实现上述目的，本专利技术还提出一种产品推荐策略优化装置，所述产品推荐策略优化装置包括：
[0035]通过率评估模块，用于获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值；
[0036]区间划分模块，用于根据所述授信通过率评估值确定所述目标用户对应的目标分数区间；
[0037]综合评估模块，用于确定所述目标分数区间内各待推荐产品的分数区间综合评估值；
[0038]策略生成模块，用于根据所述分数区间综合评估值确定所述目标用户的推荐流量分配策略
。
[0039]此外，为实现上述目的，本专利技术还提出一种产品推荐策略优化设备，所述产品推荐策略优化设备包括：存储器
、
处理器及存储在所述存储器上并在所述处理器上运行的产品推荐策略优化程序，所述产品推荐策略优化程序配置为实现如上文所述的产品推荐策略优
化方法
。
[0040]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有产品推荐策略优化程序，所述产品推荐策略优化程序被处理器执行时实现如上文所述的产品推荐策略优化方法
。
[0041]本专利技术获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值；根据所述授信通过率评估值确定所述目标用户对应的目标分数区间；确定所述目标分数区间内各待推荐产品的分数区间综合评估值；根据所述分数区间综合评估值确定所述目标用户的推荐流量分配策略
。
通过这种方式，实现了通过对通过率评估分数的分数区间划分，可以分析出各个分数区间用户对哪些待推荐产品产品的通过率最高，定向为各个区间的用户推荐最为匹配的产品
。
模型输出分数关于产品推荐策略的应用，通过模型的输出分数为用户进行平台产品的最优匹配，大大提升用户首次申请的授信通过率
。
附图说明
[0042]图1是本专利技术实施例方案涉及的硬件运行环境的产品推荐策略优化设备的结构示意图；
[0043]图2为本专利技术产品推荐策略优化方法第一实施例的流程示意图；
[0044]图3为本专利技术产品推荐策略优化方法一实施例中的基于授本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种产品推荐策略优化方法，其特征在于，所述产品推荐策略优化方法包括：获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值；根据所述授信通过率评估值确定所述目标用户对应的目标分数区间；确定所述目标分数区间内各待推荐产品的分数区间综合评估值；根据所述分数区间综合评估值确定所述目标用户的推荐流量分配策略
。2.
如权利要求1所述的产品推荐策略优化方法，其特征在于，所述获取目标用户的通讯数据，并将所述通讯数据导入授信通过率评估模型，得到所述目标用户的授信通过率评估值之前，还包括：获取通讯大数据，并根据所述通讯大数据得到个人属性信息
、
消费属性信息和通讯属性信息；根据所述个人属性信息
、
消费属性信息和通讯属性信息确定多个特征数据；根据所述特征数据训练得到授信通过率评估模型
。3.
如权利要求2所述的产品推荐策略优化方法，其特征在于，所述根据所述个人属性信息
、
消费属性信息和通讯属性信息确定多个特征数据，包括：根据基本属性特征和社会属性特征对所述个人属性信息进行特征分类，得到个人属性特征数据；根据消费金额特征和缴费习惯特征对所述消费属性信息进行特征分类，得到消费属性特征数据；根据通话属性特征对所述通讯属性信息进行特征分类，得到通讯属性特征数据；根据所述个人属性特征数据
、
所述消费属性特征数据和所述通讯属性特征数据确定多个特征数据
。4.
如权利要求1所述的产品推荐策略优化方法，其特征在于，所述确定所述目标分数区间内各待推荐产品的分数区间综合评估值，包括：获取多个待推荐产品的产品数据信息；根据所述产品数据信息确定各待推荐产品的月度分数
、
利率得分和通过率得分；根据所述月度分数
、
所述利率得分和所述通过率得分确定各待推荐产品在所述目标分数区间的分数区间综合评估值
。5.
如权利要求1所述的产品推荐策略优化方法，其特征在于，所述根据所述分数区...

【专利技术属性】
技术研发人员：丁笑蕾，王文汉，傅达，席超然，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：