System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能和金融科技领域,尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
技术介绍
1、在生产经营活动中,为客户进行产品推荐已经越发常见。随着机构业务的变化,机构可能需要推出新类型的产品,并将新类型的产品推荐给客户。举例说明,在金融保险领域,保险公司等金融保险机构会推出新类型的保险产品。比如,某个保险公司主要经营车辆险,随着保险政策的变化,车辆险的利润降低,保险公司需要经营非车辆险,并推出了新的驾乘险、工程险、责任险等新类型的保险产品。然而,对机构来说,新类型的产品属于新兴业务,如何从已有的大量客户中筛选出可能购买新类型产品的客户是非常重要的。由于缺少新类型产品的数据,往往通过人工经验进行新类型产品的推荐,这使得产品推荐的准确性较低。
技术实现思路
1、本申请实施例的目的在于提出一种产品推荐方法、装置、计算机设备及存储介质,以解决新类型产品在产品推荐时准确性较低的问题。
2、为了解决上述技术问题,本申请实施例提供一种产品推荐方法,采用了如下所述的技术方案:
3、获取多个样本客户的训练样本,各样本客户为第一产品的购买客户,训练样本带有样本客户对第二产品购买情况的购买标签;
4、根据各训练样本的购买标签,生成所述各训练样本的状态标签和产品标签;
5、根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型;
6、根据带有产品标签的所述各训练样本训练第二初始预测模型,得到第二预测模型;
8、当所述第一预测结果表明所述目标客户为产品组合倾向客户时,将所述客户样本输入所述第二预测模型,得到第二预测结果;
9、根据所述第一产品和所述第二预测结果确定产品组合,并根据所述产品组合向所述目标客户进行产品推荐。
10、为了解决上述技术问题,本申请实施例还提供一种产品推荐装置,采用了如下所述的技术方案:
11、训练获取模块,用于获取多个样本客户的训练样本,各样本客户为第一产品的购买客户,训练样本带有样本客户对第二产品购买情况的购买标签;
12、标签生成模块,用于根据各训练样本的购买标签,生成所述各训练样本的状态标签和产品标签;
13、第一训练模块,用于根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型;
14、第二训练模块,用于根据带有产品标签的所述各训练样本训练第二初始预测模型,得到第二预测模型;
15、第一预测模块,用于获取目标客户的客户样本,并将所述客户样本输入所述第一预测模型,得到第一预测结果;
16、第二预测模块,用于当所述第一预测结果表明所述目标客户为产品组合倾向客户时,将所述客户样本输入所述第二预测模型,得到第二预测结果;
17、组合推荐模块,用于根据所述第一产品和所述第二预测结果确定产品组合,并根据所述产品组合向所述目标客户进行产品推荐。
18、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
19、获取多个样本客户的训练样本,各样本客户为第一产品的购买客户,训练样本带有样本客户对第二产品购买情况的购买标签;
20、根据各训练样本的购买标签,生成所述各训练样本的状态标签和产品标签;
21、根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型;
22、根据带有产品标签的所述各训练样本训练第二初始预测模型,得到第二预测模型;
23、获取目标客户的客户样本,并将所述客户样本输入所述第一预测模型,得到第一预测结果;
24、当所述第一预测结果表明所述目标客户为产品组合倾向客户时,将所述客户样本输入所述第二预测模型,得到第二预测结果;
25、根据所述第一产品和所述第二预测结果确定产品组合,并根据所述产品组合向所述目标客户进行产品推荐。
26、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
27、获取多个样本客户的训练样本,各样本客户为第一产品的购买客户,训练样本带有样本客户对第二产品购买情况的购买标签;
28、根据各训练样本的购买标签,生成所述各训练样本的状态标签和产品标签;
29、根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型;
30、根据带有产品标签的所述各训练样本训练第二初始预测模型,得到第二预测模型;
31、获取目标客户的客户样本,并将所述客户样本输入所述第一预测模型,得到第一预测结果;
32、当所述第一预测结果表明所述目标客户为产品组合倾向客户时,将所述客户样本输入所述第二预测模型,得到第二预测结果;
33、根据所述第一产品和所述第二预测结果确定产品组合,并根据所述产品组合向所述目标客户进行产品推荐。
34、与现有技术相比,本申请实施例主要有以下有益效果:获取多个样本客户的训练样本,各样本客户为第一产品的购买客户,训练样本带有样本客户对第二产品购买情况的购买标签;根据购买标签生成各训练样本的状态标签和产品标签,状态标签表示样本客户是否购买了第二产品,产品标签表示样本客户具体购买过哪种第二产品;根据带有状态标签的各训练样本训练第一初始预测模型,得到第一预测模型,并根据带有产品标签的各训练样本训练第二初始预测模型,得到第二预测模型;获取目标客户的客户样本并输入第一预测模型,得到第一预测结果;第一预测结果表示目标客户是否愿意购买第二产品,由于目标客户也是第一产品的已有客户,当目标客户愿意购买第二产品时,表示目标客户为产品组合倾向客户时;将客户样本输入第二预测模型,得到第二预测结果,第二预测结果包含目标客户购买每种第二产品的概率;根据第一产品和第二预测结果可以生成具有较高转化概率产品组合,根据产品组合向目标客户进行产品推荐,确保了具有较高增益,更提高了新类型产品在产品推荐中的准确性和转化率。
本文档来自技高网...【技术保护点】
1.一种产品推荐方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的产品推荐方法,其特征在于,所述获取多个样本客户的训练样本的步骤包括:
3.根据权利要求2所述的产品推荐方法,其特征在于,所述根据预设的交叉特征算法对所述各样本客户的第一训练样本进行交叉特征处理,得到所述各样本客户的训练样本的步骤包括:
4.根据权利要求3所述的产品推荐方法,其特征在于,所述从所述各客户特征中选取出至少一个待交叉特征的步骤包括:
5.根据权利要求1所述的产品推荐方法,其特征在于,在所述根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型的步骤之后,还包括:
6.根据权利要求2所述的产品推荐方法,其特征在于,所述获取目标客户的客户样本的步骤包括:
7.根据权利要求1所述的产品推荐方法,其特征在于,所述根据所述第一产品和所述第二预测结果确定产品组合的步骤包括:
8.一种产品推荐装置,其特征在于,包括:
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的产品推荐方法的步骤。
...【技术特征摘要】
1.一种产品推荐方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的产品推荐方法,其特征在于,所述获取多个样本客户的训练样本的步骤包括:
3.根据权利要求2所述的产品推荐方法,其特征在于,所述根据预设的交叉特征算法对所述各样本客户的第一训练样本进行交叉特征处理,得到所述各样本客户的训练样本的步骤包括:
4.根据权利要求3所述的产品推荐方法,其特征在于,所述从所述各客户特征中选取出至少一个待交叉特征的步骤包括:
5.根据权利要求1所述的产品推荐方法,其特征在于,在所述根据带有状态标签的所述各训练样本训练第一初始预测模型,得到第一预测模型的步骤之后,还包括:
6...
【专利技术属性】
技术研发人员:严杨扬,
申请(专利权)人:中国平安财产保险股份有限公司,
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。