一种基于用户行为权重的保险产品推荐的方法与流程

本发明涉及保险领域，具体涉及一种基于用户行为权重的保险产品推荐的方法。

背景技术：

对于各大保险平台来说，无论是基于用户基本信息的推荐规则，例如地区、年龄、性别、职业等基本信息作为依据。根据用户之间的基本信息发现其他用户之间的相似程度，然后将相似用户喜爱的其他物品推荐给当前用户。该种规则没有涉及商品本身属性，以及用户行为数据，同时因为用户基本信息数据量太少，基于这样的数据进行推荐准确性是很低的，因此想要实现根据用户标签进行推荐。标签是所有推荐系统最重要的数据依据，标签将非标的商品进行有效的标准化。

用户标签是建立对于移动应用来说，通常是根据用户的操作行为来判断的。比如用户浏览、分享、收藏、搜索、下单等操作。每一个行为都带有一定程度的占比，用户对于商品的操作行为，反映了用户对于含有这类标签的商品的感兴趣程度，最终根据一定算法规则，将商品的某些标签赋予给用户，从而建立用户的标签。

因会考量商品本身的收藏情况、销售情况、好评率等指标进行计分，想加入适当的个性化干预和业务打压规则，但可能会出现因商品某一维度过于突出，导致最终和用户行为计分归一化之后，会对用户呈现的商品推荐结果，出现商品特征计分比重可能会大于用户真实行为计分比重的现象。

技术实现要素：

本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种更能够体现用户的自身需求的基于用户行为权重的保险产品推荐的方法。

根据本发明，提供了一种基于用户行为权重的保险产品推荐的方法，包括：

第一步骤：根据用户在平台上针对商品的当前操作，采集与该商品有关的用户行为，将该商品表述为特征化的内容，而且将采集的用户行为量化为标签；

第二步骤：根据采集的用户行为形成多维度推荐关联关系；

第三步骤：对用户划分不同推荐规则，并根据多维度推荐关联关系选择推荐规则以得出初始推荐结果；

第四步骤：基于预定时间段内用户在平台上针对商品的操作，通过加权计算对初始推荐结果进行排序以生成出商品的最终推荐结果。

优选地，在第二步骤，根据采集的用户行为，确定有相关度的商品，根据用户标签确定有相关特征的商品，确定有同类行为的用户所关注的商品，从而形成多维度推荐关联关系。

优选地，在第三步骤中，在得出初始推荐结果之后，运营人员可以对初始推荐结果进行人工干预来决定初始推荐结果进行过滤。

优选地，在第四步骤，收集用户预定时间段内的第一类商品操作记录，根据该商品的第一类商品操作记录计算商品的用户行为权重值；而且收集用户预定时间段内的第二类商品操作记录，根据该商品的第二类商品操作记录计算商品的商品属性权重值；然后将用户行为权重值与商品属性权重值相加得到商品的总权重值。

优选地，第一类商品操作记录包括针对该商品的搜索操作记录、浏览操作记录、下单操作记录和支付操作记录。

优选地，第二类商品操作记录包括收藏操作记录、销售记录和好评率记录。

优选地，对搜索操作记录、浏览操作记录和下单操作记录递增地进行权重赋值，在存在支付操作记录的情况下将支付操作记录的权重赋值为0，在不存在支付操作记录的情况下将支付操作记录的权重赋值为正数，随后计算搜索操作记录权重乘以搜索操作次数的乘积、浏览操作记录权重乘以浏览操作次数的乘积、和下单操作记录权重乘以搜索操作次数的乘积三者之和，并将求和值乘以支付操作记录权重赋值，从而计算得到商品的用户行为权重值。

优选地，对收藏操作记录、销售记录和好评率记录分别进行权重赋值，计算收藏操作记录权重值乘以收藏操作次数的乘积、销售记录权重值乘以销售量的乘积、和好评率记录权重值乘以好评率的乘积之和，作为该商品的商品属性权重值。

本发明的基于用户行为和商品属性的推荐方法，更能够体现用户的自身需求，在操作中潜移默化地帮助用户做推荐和决策，从而提高商品的订单转化率，为公司增加收益。

附图说明

结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：

图1示意性地示出了根据本发明优选实施例的基于用户行为权重的保险产品推荐的方法的总体流程图。

图2示意性地示出了用户与商品的推荐关系的示例。

图3示意性地示出了用户行为及产品属性演算过程的示例。

需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。

具体实施方式

为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。

本发明提出，用户的不同行为应该被赋予不同的权重；针对权重存在冷启动没有明确的数据来指导权重规则的情况，首先通过场景分析及用户的心理需求和经验(此时将用户的行为进行权重的划分是有误差的)，此后根据用户的行为数据以及结果对用户进行聚类，再进行权重的矫正和优化。

具体地，图1示意性地示出了根据本发明优选实施例的基于用户行为权重的保险产品推荐的方法的总体流程图。如图1所示，根据本发明优选实施例的基于用户行为权重的保险产品推荐的方法包括：

第一步骤s1：根据用户在平台上针对商品的当前操作，采集与该商品有关的用户行为，将该商品表述为特征化的内容，而且将采集的用户行为量化为标签；

第二步骤s2：根据采集的用户行为形成多维度推荐关联关系；

例如，在第二步骤，根据采集的用户行为，确定有相关度的商品，根据用户标签确定有相关特征的商品，确定有同类行为的用户所关注的商品，从而形成多维度推荐关联关系，例如如图2所示。

第三步骤s3：对用户划分不同推荐规则，并根据多维度推荐关联关系选择推荐规则以得出初始推荐结果；

优选地，在第三步骤中，在得出初始推荐结果之后，运营人员可以对初始推荐结果进行人工干预来决定初始推荐结果进行过滤。

第四步骤s4：基于预定时间段内用户在平台上针对商品的操作，通过加权计算对初始推荐结果进行排序以生成出商品的最终推荐结果。

具体地说，例如，收集用户预定时间段内的第一类商品操作记录(例如，第一类商品操作记录包括针对该商品的搜索操作记录、浏览操作记录、下单操作记录和支付操作记录)，根据该商品的第一类商品操作记录计算商品的用户行为权重值；而且收集用户预定时间段内的第二类商品操作记录(例如，第二类商品操作记录包括收藏操作记录、销售记录和好评率记录)，根据该商品的第二类商品操作记录计算商品的商品属性权重值；然后将用户行为权重值与商品属性权重值相加得到商品的总权重值。

更具体地，例如，对搜索操作记录、浏览操作记录和下单操作记录递增地进行权重赋值，在存在支付操作记录的情况下将支付操作记录的权重赋值为0，在不存在支付操作记录的情况下将支付操作记录的权重赋值为正数(例如1)，随后计算搜索操作记录权重乘以搜索操作次数的乘积、浏览操作记录权重乘以浏览操作次数的乘积、和下单操作记录权重乘以搜索操作次数的乘积三者之和，并将求和值乘以支付操作记录权重赋值，从而计算得到商品的用户行为权重值。

此外，更具体地，例如，对收藏操作记录、销售记录和好评率记录分别进行权重赋值，计算收藏操作记录权重值乘以收藏操作次数的乘积、销售记录权重值乘以销售量的乘积、和好评率记录权重值乘以好评率的乘积之和，作为该商品的商品属性权重值。

例如，浏览为1分，因点击进入过详情浏览即可表示有兴趣意向；搜索为2分，若搜索该产品即可表示意向强烈；下单为3分，因用户到达下单环境即表示愿意投保；支付需乘0，因该用户已投保过，同款产品已承保无需再次推荐。

数据库中将商品本身属性进行得分量化，参考指标为该商品的被收藏次数、销售量、好评率等维度，随后与用户行为得分进行计算，结合(例如rank函数)排序策略，将得分归一化之后得出最终结果呈现给用户，例如图3显示了针对五种商品a、b、c、d、e的权重计算示例(其中m1、n1，m2、n2，m3、n3，m4、n4，m5、n5，分别表示收藏和销售占比)。

由此，本发明的基于用户行为和商品属性的推荐方法，更能够体现用户的自身需求，在操作中潜移默化地帮助用户做推荐和决策，从而提高商品的订单转化率，为公司增加收益。

需要说明的是，除非特别指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。