一种定制化推送金融产品的方法及系统与流程

本发明涉及计算机技术领域，特别涉及一种定制化推送金融产品的方法及系统。

背景技术：

随着互联网金融平台的发展，社会大众开始慢慢接受互联网理财这种新型的理财方式，但大多数用户由于自身文化水平和对产品相关知识的匮乏，对于互联网产品接受度依然很低。

现阶段大多数金融公司都是采用投资问卷的方式，通过简单采集用户的投资意向，并粗略地判断投资风险，来向用户推荐产品。这种方式的弊端在于不能针对性地向有不同理财需求的用户推送与其本身购买需求和购买能力匹配的理财产品，使用体验并不好，继而出现大多数理财用户对互联网理财方式望而止步的结果。

因此，提供一种能针对性地向具有不同理财需求的用户推送与其本身匹配的理财产品，为目前亟待解决的问题。

技术实现要素：

为解决上述技术问题，本发明提供了一种定制化推送金融产品的方法及系统，其能对理财用户进行多维度分析，以综合考虑用户的风险偏好及理财方式，以定制化地向金融平台用户推荐金融产品，提高推荐精准度以提高用户体验。

本发明实施例提供的技术方案如下：

第一方面，提供了一种定制化推送金融产品的方法，所述方法至少包括如下步骤：

对金融平台中的金融产品按风险、收益及周期维度进行分类，获得金融产品分类结果；

获取所述金融平台用户的用户信息；

基于所述用户信息，通过预先训练的分类模型对所述用户打标签，获得用户打标结果；

根据所述用户打标结果，通过预先构建的金融产品推荐模型，向所述用户推荐相应产品；

其中，所述用户信息至少包括：

所述用户登陆金融产品平台时使用的电子设备中，应用程序的安装及使用情况；及所述用户在所述金融平台上的操作行为，所述操作行为包括点击率及停留时间；及所述用户在所述金融平台上的资产分布情况。

在一些实施例中，所述基于所述用户信息，通过预先训练的分类模型对所述用户打标签，具体包括如下子步骤：

获取用户电子设备中安装及使用的应用程序总数量、金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量；

分别计算金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量在应用程序总数量中的占比；

基于所述占比，根据所述金融类应用程序、消费购物类应用程序及娱乐休闲类应用程序安装及使用数量的预设占比阈值，为用户匹配标签。

在一些实施例中，所述基于所述用户信息，通过预先训练的分类模型对所述用户打标签，具体包括如下子步骤：

获取用户在金融平台内对任意金融产品的点击率、停留时间及点击金融产品的类型；

若所述金融产品的点击率及停留时间均达到预设阈值，则将所述金融产品的类型作为所述用户的标签；

若浏览路径中同一类型的金融产品不低于两个，则将所述金融产品类型作为所述用户的标签。

在一些实施例中，所述基于所述用户信息，通过预先训练的分类模型对所述用户打标签，具体包括如下子步骤：

获取所述用户在所述金融平台上的资产分布情况，所述资产分布情况包括流动资产及各金融产品资产；

计算所述流动资产、各金融产品资产分别占总资产的占比；

基于所述占比，根据流动资产、各金融产品资产的预设占比阈值，为用户匹配标签。

在一些实施例中，所述根据打标签结果，通过预先构建的金融产品推荐模型，向所述用户推荐相应产品，具体包括如下子步骤：

获取所述打标结果中不同类型的标签数量及标签总数；

计算各类型标签数量的占比；

根据预设比值阈值，匹配金融产品类型及每一类型金融产品的数量；

生成金融产品列表，并将所述金融产品列表推送至用户。

另一方面，提供了一种定制化推送金融产品的系统，所述系统至少包括：

金融产品分类模块：用于对金融平台中的金融产品按风险、收益及周期维度进行分类；

用户信息获取模块：用于获取所述金融平台用户的用户信息；

标签模块：用于基于所述用户信息，通过预先训练的分类模型对所述用户打标签；

推荐模块：用于根据打标签结果，通过预先构建的金融产品推荐模型，向所述用户推荐相应产品；

其中，所述用户信息至少包括：

所述用户登陆金融产品平台时使用的电子设备中，应用程序的安装及使用情况；及所述用户在所述金融平台上的操作行为，所述操作行为包括点击率及停留时间；及所述用户在所述金融平台上的资产分布情况。

在一些实施例中，所述标签模块至少包括如下子模块：

第一获取子模块：用于获取用户电子设备中安装及使用的应用程序总数量、金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量；

第一计算子模块：用于分别计算金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量在应用程序总数量中的占比；

第一匹配子模块：用于基于所述占比，根据所述金融类应用程序、消费购物类应用程序及娱乐休闲类应用程序安装及使用数量的预设占比阈值，为用户匹配标签。

在一些实施例中，所述标签模块至少包括如下子模块：

第二获取子模块：用于获取用户在金融平台内对任意金融产品的点击率、停留时间及点击金融产品的类型；

第二匹配子模块：用于若所述金融产品的点击率及停留时间均达到预设阈值，则将所述金融产品的类型作为所述用户的标签；

第三匹配子模块：用于若浏览路径中同一类型的金融产品不低于两个，则将所述金融产品类型作为所述用户的标签。

在一些实施例中，所述标签模块至少包括如下子模块：

第三获取子模块：用于获取所述用户在所述金融平台上的资产分布情况，所述资产分布情况包括流动资产及各金融产品资产；

第二计算子模块：用于计算所述流动资产、各金融产品资产分别占总资产的占比；

第四匹配子模块：用于基于所述占比，根据流动资产、各金融产品资产的预设占比阈值，为用户匹配标签。

在一些实施例中，所述推荐模块至少包括如下子模块：

第四获取子模块：用于获取所述打标结果中不同类型的标签数量及标签总数；

第三计算子模块：用于计算各类型标签数量的占比；

第五匹配子模块：用于根据预设比值阈值，匹配所述金融产品类型及每一类型金融产品的数量；

生成子模块：用于生成金融产品列表；

推荐子模块：用于将所述金融产品列表推送至用户。

本发明相比现有技术而言的有益效果在于：

本发明实施例提供一种定制化推送金融产品的方法及系统，该方法通过对本金融平台用户进行应用程序的安装及使用、用户在所述金融平台上的操作行为、用户在所述金融平台上的资产分布情况等多维度的分析及打标，以综合考虑用户的风险偏好及理财方式，将分类打标结果与预先进行分类的金融产品进行匹配，以定制化地向金融平台用户推荐金融产品，提高推荐精准度以提高用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1是本发明实施例一中的一种定制化推送金融产品的方法的流程图；

图2是本发明实施例二中的一种定制化推送金融产品的系统的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例一

本实施例提供一种定制化推送金融产品的方法，属于计算机技术领域，适用于金融产品推荐业务场景。

本实施例中提供的一种定制化推送金融产品的方法，至少包括如下步骤：

s1、对金融平台中的金融产品按风险、收益及周期维度进行分类，获得金融产品分类结果。

一个金融产品可以从多维度进行定性或分类，如风险、收益及周期等维度，具体可分为高风险、中风险、低风险、高收益、中收益、低收益、长周期、中周期、短周期、活期等类型。

在进行分类时，可通过设置相应算法或分类模型，判断金融产品的风险高低、收益高低及周期长短。由于本实施例中金融产品的类型维度较少，且每一维度的类型也较少，因此相应的算法和分类模型较为简单，甚至，也可以通过人工进行分类。

s2、获取金融平台用户的用户信息。

用户信息至少包括：用户登陆金融产品平台时使用的电子设备中，应用程序的安装及使用情况；及用户在金融平台上的操作行为，操作行为包括点击率及停留时间；及用户在金融平台上的资产分布情况。

具体地，步骤s2具体包括：

s2a、获取应用程序安装及使用情况，该步骤至少包括如下子步骤：

s2a1、获取电子产品的权限。

通过弹框提示或其他方式让用户填写相关授权协议，获得相关的移动设备的权限。

s2a2、获得移动设备权限后，即可在用户启动应用程序时，获取当前应用程序的应用信息，由此来获取移动设备上应用程序的安装及使用情况。

具体地，可通过调用packagemanger的getinstalledpackages方法，获取当前应用程序安装的所有应用信息。

进一步，步骤s2还包括：

s2b、获取用户在金融平台上的操作行为，该步骤至少包括如下子步骤：

s2b1、在金融平台相关页面做数据埋点，或接入友盟、神测等第三方工具；

s2b1、用户在金融平台上浏览页面时，记录用户在页面上点击、滑动、停留时间等操作行为。

进一步，步骤s2还包括：

s2c、获取用户在金融平台上的资产分布情况，该步骤具体为：

金融平台根据用户理财账户读取用户在平台上的资产分布信息，资产分布信息包括持有的资产、流动资产、购买产品类型、每一产品的购买金额。

s3、基于用户信息，通过预先训练的分类模型对用户打标签，获得用户打标结果。该步骤中所采用的分类模型，可以根据cart、id3、c4.5、chaid等算法进行预先训练而得。

具体地，步骤s3包括如下子步骤：

a、基于电子设备中应用程序的安装及使用情况进行打标，具体为：

s3a1、获取用户电子设备中安装及使用的应用程序总数量、金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量。

s3a2、分别计算金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量在应用程序总数量中的占比。

s3a3、基于占比，根据金融类应用程序、消费购物类应用程序及娱乐休闲类应用程序安装及使用数量的预设占比阈值，为用户匹配标签。

此处的占比阈值，示例性地：

如用户安装的股票、基金、p2p等相关投资理财类应用程序数量超过30％，可说明用户的风险偏好和金融知识较强，可为用户匹配高风险标签；若相关投资理财应用程序超过20％且低于30％，则可为用户匹配中风险标签；若相关投资理财应用程序低于20％，则可为用户匹配中低险标签。

如用户安装的消费和购物类相关的产品超过30％，可说明用户对现金的流动性的需求较强，可为用户匹配活期或周期短标签，以及高风险标签，反之匹配低风险标签。

如用户安装的娱乐和休闲相关的产品超过30％，可认为用户平时不太喜欢管理资产，但是对资产升值有一定需求，可为用户匹配高风险始级长周期标签。

b、基于用户在所述金融平台上的操作行为进行打标，具体为：

s3b1、获取用户在金融平台内对任意金融产品的点击率、停留时间及点击金融产品的类型；

s3b2、若金融产品的点击率及停留时间均达到预设阈值，则将金融产品的类型作为用户的标签；

s3b3、若浏览路径中同一类型的金融产品不低于两个，则将金融产品类型作为所述用户的标签。

此处的阈值，可根据实际灵活设置，示例性地：

如用户对某类金融产品点击率较高且停留时间超过10min，可认为该用户的风险偏好与此类金融产品趋同，故可将金融产品的类型作为用户的标签。

如用户在查看多种产品的过程中，在浏览相关产品的路径中有相同性质或高度趋同的金融产品两个或两个以上，可认为该用户的风险偏好与此类金融产品趋同，故可将金融产品的类型作为用户的标签。

c、基于用户在金融平台上的资产分布情况进行打标，具体为：

s3c1、获取用户在金融平台上的资产分布情况，资产分布情况包括流动资产及各金融产品资产；

s3c2、计算流动资产、各金融产品资产分别占总资产的占比；

s3c3、基于占比，根据流动资产、各金融产品资产的预设占比阈值，为用户匹配标签。

此处的占比阈值，可根据实际灵活设置，示例性地：

如用户只持有活期利率较低的资产，大概率说明用户青睐流动性高要求高，不是太注重收益的产品，用户相对较保守，那可为该用户匹配的标签为：短周期、低收益。

s4、根据用户打标结果，通过预先构建的金融产品推荐模型，向用户推荐相应产品。该步骤中采用的商品推荐推荐模型，可基于矩阵分解模型、深度神经网络模型等本领域常用模型预先训练获得。

具体包括如下子步骤：

s41、获取用户打标结果中不同类型的标签数量及标签总数，其中该用户的打标结果为标签集。

s42、计算各类型标签数量的占比。

示例性地，若当前用户的打标结果中标签数量为15个，其中分别为高风险5，低风险0，短周期3，长周期2，高收益4，低收益1，则高风险、低风险、短周期、长周期、高收益、低收益的占比分别为：33％、0％、20％、14％、27％、7％。

s43、根据预设比值阈值，匹配金融产品类型及每一类型金融产品的数量。

此处的阈值，可根据实际灵活设置，金融产品的数量，同样可根据客户的接受度进行灵活调整，通常推荐5个。示例性地：

根据上述打标结果，由于该用户的高风险、低风险、短周期、长周期、高收益、低收益的占比分别为：33％、0％、20％、14％、27％、7％，则可为该用户匹配高风险、短周期、长周期、高收益的金融产品，通过排列组合，获得第一种金融产品类型为：高风险、短周期、高收益，第二种金融产品类型为：高风险、长周期、高收益，第一种金融产品数量为3，第二种金融产品数量为2。

通过与步骤s1中的金融产品分类结果进行匹配，获得匹配金融产品类型及每一类型金融产品的数量。

s44、生成金融产品列表，并将所述金融产品列表推送至用户。

本实施例提供的一种定制化推送金融产品的方法，通过对本金融平台用户进行应用程序的安装及使用、用户在所述金融平台上的操作行为、用户在所述金融平台上的资产分布情况等多维度的分析及打标，以综合考虑用户的风险偏好及理财方式，将分类打标结果与预先进行分类的金融产品进行匹配，以定制化地向金融平台用户推荐金融产品，提高推荐精准度以提高用户体验。

实施例二

为执行上述实施例一中的一种定制化推送金融产品的方法，本实施例提供一种定制化推送金融产品的系统。

图2为该定制化推送金融产品的系统的结构示意图，如图2所示，该系统100至少包括：

金融产品分类模块1：用于对金融平台中的金融产品按风险、收益及周期维度进行分类；

用户信息获取模块2：用于获取金融平台用户的用户信息；

标签模块3：用于基于用户信息，通过预先训练的分类模型对用户打标签；

推荐模块4：用于根据打标签结果，通过预先构建的金融产品推荐模型，向用户推荐相应产品；

其中，用户信息至少包括：

用户登陆金融产品平台时使用的电子设备中，应用程序的安装及使用情况；及用户在金融平台上的操作行为，操作行为包括点击率及停留时间；及用户在金融平台上的资产分布情况。

进一步地，标签模块3至少包括如下子模块：

第一获取子模块31：用于获取用户电子设备中安装及使用的应用程序总数量、金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量；

第一计算子模块32：用于分别计算金融类应用程序数量、消费购物类应用程序数量及娱乐休闲类应用程序数量在应用程序总数量中的占比；

第一匹配子模块33：用于基于占比，根据金融类应用程序、消费购物类应用程序及娱乐休闲类应用程序安装及使用数量的预设占比阈值，为用户匹配标签。

进一步地，标签模块3至少包括如下子模块：

第二获取子模块34：用于获取用户在金融平台内对任意金融产品的点击率、停留时间及点击金融产品的类型；

第二匹配子模块35：用于若金融产品的点击率及停留时间均达到预设阈值，则将金融产品的类型作为用户的标签；

第三匹配子模块36：用于若浏览路径中同一类型的金融产品不低于两个，则将金融产品类型作为用户的标签。

进一步地，标签模块3至少包括如下子模块：

第三获取子模块37：用于获取用户在金融平台上的资产分布情况，资产分布情况包括流动资产及各金融产品资产；

第二计算子模块38：用于计算流动资产、各金融产品资产分别占总资产的占比；

第四匹配子模块39：用于基于占比，根据流动资产、各金融产品资产的预设占比阈值，为用户匹配标签。

进一步地，推荐模块4至少包括如下子模块：

第四获取子模块41：用于获取用户不同类型的标签数量及标签总数；

第三计算子模块42：用于计算各类型标签数量的占比；

第五匹配子模块43：用于根据标签类型及比值，匹配相应类型及数量的金融产品；

生成子模块44：用于生成金融产品列表；

推荐子模块45：用于将金融产品列表推送至用户。

需要说明的是：上述实施例提供的一种定制化推送金融产品的系统在触发推送金融产品业务时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

另外，上述实施例提供的一种定制化推送金融产品的系统与定制化推送金融产品的方法的实施例属于同一构思，即该系统是基于该方法的，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。