业务推荐方法和系统与流程
本发明涉及业务推荐技术领域，尤其是涉及一种业务推荐方法和系统。
背景技术：
随着互联网技术不断的发展，越来越多的数据汇聚在互联网中，这些数据有些是隐含的、事先未知的、潜在包含有用信息的，这些数据可用于表示概念、规则、规律、模式等等。所以，需要通过分析工具从海量数据中发现数据片段间的关系，便可以用来进行业务以及行业发展的预测。
相关技术中，向用户推荐业务时，经常出现将不同类型的业务推荐给数据库中存储的同一批用户群，这可能会导致一些已经购买相关业务的人收到信息，或者并不适于购买相关业务的人收到推荐消息，这样做不仅会引起客户的抱怨，致使公司的好感度下降，同时也浪费了公司的资源。
技术实现要素：
有鉴于此，本发明的目的在于提供业务推荐方法和系统，可以通过业务类型，确定该业务的关键条件，然后通过关键条件对大数据下的客户信息进行一个粗略筛选，将筛选出来的用户作为待推荐用户，再跟进特征值，对待推荐用户进行精确筛选，对通过精确筛选的人推荐业务，能够进行有针对性的业务推荐，从而可以提升客户的好感度。
第一方面，本发明实施例提供了一种业务推荐方法，包括：获取用户群中的每个用户的个人信息；根据业务类型，确定业务的关键条件；逐一判断用户群中的每个用户的个人信息是否满足所述关键条件；如果是，则确定满足所述关键条件的用户为待推荐业务用户；根据待推荐业务用户的个人信息，获得特征值；根据所述特征值，判断是否对所述待推荐业务用户推荐业务。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据待推荐业务用户的个人信息，获得特征值，包括：根据待推荐业务用户的个人信息，获取关系特征值；根据待推荐业务用户的个人信息，获取聚类特征值；对所述关系特别值和聚类特征值进行加权处理，获得特征值。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据待推荐业务用户的个人信息，获取关系特征值，包括：从所述用户群中提取与待推荐业务用户交易的交易用户；获取所述待推荐业务用户与所述交易用户的交易信息，所述交易信息包括交易次数和交易金额；判断所述交易用户对应的交易信息中，是否存在所述交易次数满足预设次数且所述交易金额满足预设金额；如果是，则提取所述交易次数和所述交易金额的最大值对应的所述交易用户；确定最大值对应的交易用户的等级；根据等级，确定待推荐业务用户的关系特征值为设定值。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据待推荐业务用户的个人信息，获取聚类特征值，包括：从所述用户群中提取往来用户；获取所述往来用户的个人信息；对所述待推荐业务用户的个人信息和所述往来用户的个人信息进行聚类分析；根据聚类分析结果，获取聚类特征值。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述特征值，判断是否对所述待推荐业务用户推荐业务，包括：判断所述特征值是否大于预设特征值；如果是，则对所述待推荐业务用户推荐业务。
第二方面，本发明实施例还提供一种业务推荐系统，包括：获取模块，用于获取用户群中的每个用户的个人信息；确定条件模块，用于根据业务类型，确定业务的关键条件；判断模块，用于逐一判断用户群中的每个用户的个人信息是否满足所述关键条件；确定用户模块，用于如果是，则确定满足所述关键条件的用户为待推荐业务用户；获得特征模块，用于根据待推荐业务用户的个人信息，获得特征值；推荐业务模块，用于根据所述特征值，判断是否对所述待推荐业务用户推荐业务。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述获得特征模块，包括：获取关系特征值子模块，用于根据待推荐业务用户的个人信息，获取关系特征值；获取聚类特征值子模块，根据待推荐业务用户的个人信息，获取聚类特征值；加权子模块，用于对所述关系特别值和聚类特征值进行加权处理，获得特征值。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述获取关系特征值子模块，用于：从所述用户群中提取与待推荐业务用户交易的交易用户；获取所述待推荐业务用户与所述交易用户的交易信息，所述交易信息包括交易次数和交易金额；判断所述交易用户对应的交易信息中，是否存在所述交易次数满足预设次数且所述交易金额满足预设金额；如果是，则提取所述交易次数和所述交易金额的最大值对应的所述交易用户；确定最大值对应的交易用户的等级；根据等级，确定待推荐业务用户的关系特征值为设定值。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述获取聚类特征值子模块，用于：从所述用户群中提取往来用户；获取所述往来用户的个人信息；对所述待推荐业务用户的个人信息和所述往来用户的个人信息进行聚类分析；根据聚类分析结果，获取聚类特征值。
结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述推荐业务模块，用于：判断所述特征值是否大于预设特征值；如果是，则对所述待推荐业务用户推荐业务。
本发明实施例带来了以下有益效果：可以通过业务类型，确定该业务的关键条件，然后通过关键条件对大数据下的客户信息进行一个粗略筛选，将筛选出来的用户作为待推荐用户，再跟进特征值，对待推荐用户进行精确筛选，对通过精确筛选的人推荐业务，能够进行有针对性的业务推荐，从而可以提升客户的好感度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明一个实施例提供的业务推荐方法的流程图；
图2为本发明另一个实施例提供的业务推荐方法的流程图；
图3为本发明再一个实施例提供的业务推荐方法的流程图；
图4为本发明一个实施例提供的业务推荐系统的结构图。
图标：
200-业务推荐系统；210-获取模块；220-确定条件模块；230-判断模块；240-确定用户模块；250-获得特征模块；260-推荐业务模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
在向客户推荐业务时，首先对客户画像，客户画像就是把客户分成一个个群体，在每个群体内部，客户的特征非常相似；而不同群体之间，客户的特征具有较大差异。通过对不同群体区分，便可以对每个群体进行有效的管理并采取相应的业务拓展。然而，通常将不同类型的业务推荐同一推荐给数据库中存储的用户群，这可能会导致一些已经购买相关业务的人收到信息，或者并不适于购买相关业务的人收到推荐消息，这样做不仅会引起客户的抱怨，致使公司的好感度下降，同时也浪费了公司的资源。基于此，本发明实施例提供的一种业务推荐方法和系统，可以通过业务类型，确定该业务的关键条件，然后通过关键条件对大数据下的客户信息进行一个粗略筛选，将筛选出来的用户作为待推荐用户，再跟进特征值，对待推荐用户进行精确筛选，对通过精确筛选的人推荐业务，能够进行有针对性的业务推荐，从而可以提升客户的好感度。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种业务推荐方法进行详细介绍，参见图1所示，包括：
s110：获取用户群中的每个用户的个人信息。
举例来说，以银行为例，银行想要向自己的用户推荐一个理财产品，那么，就先从银行中的数据库中发送获取用户的个人信息的请求，即能获取用户群中的每个用户的个人信息。个人信息至少包括字段：姓名、年龄、身份证号、住址、手机、收入、婚姻状况、业务购入时间、金额、业务种类等信息。特别的，在金融推荐业务时，数据一般需要做保密处理。例如：对原始数据进行数据脱敏处理，形成脱敏数据，将脱敏数据与获取该原始数据的平台建立映射，以便能通过该脱敏数据找到原数据。即获取用户群中的每个用户的已做过保密处理的个人信息。脱敏数据格式如：姓名：李*，身份证号：1101011982********，年龄：35、住址：北京市东城区***、手机：13901234***、收入：20000元/月、婚姻状况：已婚、相关业务购入时间：2017年11月、金额：10万元(人民币)。
s120：根据业务类型，确定业务的关键条件。
具体来说，预设前台业务类型，对前台业务类型进行标准化。业务类型举例：基金理财、购买个人保险、保键类产品，在步骤s120中首先确定推荐业务的类型，例如，基金理财，然后确定基金理财的关键条件。其中，关键条件是指根据业务类型确定用户可能购买或者订阅该业务的条件，例如，如果确定业务类型为基金理财，则关键条件可以设置为月收入大于10000，或者可以设置为住址在北上广深四环以内；如果确定业务类型为保键类产品，则关键条件可以设置为年龄在40岁以上；如果确定业务类型为个人保险，则关键条件可以设置为职业为危险职业的人群。
s130：逐一判断用户群中的每个用户的个人信息是否满足关键条件。
举例，以推荐基金理财业务，关键条件为月收入大于10000为例，将用户的个人信息中的月收入与该关键条件作对比。
s140：如果是，则确定满足关键条件的用户为待推荐业务用户。
举例来说，如果获取到的用户群中的用户满足步骤s130中的条件，则认定该满足条件的用户为待推荐业务用户。即，首先在大数据中通过关键条件进行筛选，过滤掉跟待推荐的业务明显不符的用户。
s150：根据待推荐业务用户的个人信息，获得特征值。
在一些实施例中，步骤s150，包括：根据待推荐业务用户的个人信息，获取关系特征值；根据待推荐业务用户的个人信息，获取聚类特征值；对所述关系特别值和聚类特征值进行加权处理，获得特征值。
其中，关系特征值是指待推荐业务用户的交易信息的一个数值。聚类特征值是指待推荐业务用户进行聚类分析时得到一个数值。
结合图2所示，根据待推荐业务用户的个人信息，获取关系特征值，包括：
s151：从用户群中提取与待推荐业务用户交易的交易用户。
其中，交易用户是指与待推荐用户有过交易的用户，这个交易可以是与待推荐用户有过汇款记录的用户，与待推荐用户有过其他金钱的交易，例如用微信转帐。
具体来说，从交易记录中确认与待推荐业务用户是否有过交易，如果具有交易，则认为该用户为交易用户，并找到用户群中所有与待推荐业务用户有过交易的用户。
s152：获取待推荐业务用户与交易用户的交易信息，交易信息包括交易次数和交易金额。
具体来说，在确定交易用户后，将获取与待推荐业务用户与交易用户的交易信息，例如，以银行转账为例，待推荐用户为张某，与张某有过交易记录的交易用户分布为魏某和刘某，将魏某与张某的所有交易的次数相加得到一个交易总次数，将魏某和张某的所有交易的金额相加得到一个交易总金额，张某与魏某的交易信息即为交易总次数和交易总金额。
s153：判断交易用户对应的交易信息中，是否存在交易次数满足预设次数且交易金额满足预设金额。
举例：当预设次数为20次，交易金额设定的预设金额为40万，则判断这些交易用户中是否有交易次数和交易金额满足20次和40万的。
s154：如果是，则提取所述交易次数和所述交易金额的最大值对应的所述交易用户。
具体来说，如果有，则将这些满足交易次数和交易金额的人提取出来，例如交易用户张某交易次数和交易金额为30和50万，李某交易次数和交易金额为10和40万，交易用户范某交易次数和交易金额为40和100万，则满足条件为张某和范某。提取范某为最大值对应的交易用户。
s155：确定最大值对应的交易用户的等级。
举例来说，等级规则为：按照实际生产是每20万一个等级，每20次一个等级，例如转账100万是50分80万是40分。20次且20万为第一等级，40次且40万为第二等级，60次且60万为第三等级，80次且80万为第四等级，以此类推。
举例来说，交易用户范某交易次数和交易金额为40和100万，则根据等级规则，范某为第二等级。
s156：根据等级，确定待推荐业务用户的关系特征值为设定值。
举例，则范某第二等级为50分。
结合图3所示，根据待推荐业务用户的个人信息，获取聚类特征值，包括：
s1511：从用户群中提取往来用户。
其中，往来用户是指曾经过买过这种业务类型的业务，例如，如果向具体客户推荐一款理财产品，则购买过理财产品的人为往来用户。
s1512：获取往来用户的个人信息。
具体来说，从数据库中获取用户的个人信息。
s1513：对待推荐业务用户的个人信息和往来用户的个人信息进行聚类分析。
具体来说：首先，利用用户群的个人信息进行训练，制作一个分类器，既进行朴素贝叶斯算法训练，通过数据映射，利用脱敏数据对朴素贝叶斯算法进行训练，由算法中机器学习功能根据计算结果修改朴素贝叶斯算法特征，发现“拐点”，完成算法训练。
例如：将业务模型中的姓名、身份证号、年龄、住址、手机、收入、婚姻状况、相关业务购入时间、金额等字段代入朴素贝叶斯算法模型中，使用公式
然后利用训练后的算法对待推荐业务用户进行特征聚类，而后对已经购买过该业务类型的往来用户进行通过训练后的朴素贝叶斯算法进行数据聚类。
s1514：根据聚类分析结果，获取聚类特征值。
具体来说，如果根据聚类分析结果能够找到相似特征，根据相似特征的个数多少，则，将确定聚类特征值为不同的预设值，将相似特征的个数的多少与不同的预设值相对应，例如，4个相同特征，100分；3个相同特征，90分；等等，举例来说：乙是未购买基金理财用户，根据身份证号、年龄、住址、手机、收入、婚姻状况、相关业务购入时间、金额等字段做聚类后的结果是：36岁，已婚，北京，收入20000元/月；甲是购买基金理财用户，朴素贝叶斯算法得到的特征是：35岁，已婚，北京，收入18000元/月；甲和乙都大于30岁，已婚，在一线城市生活，并且收入大于10000，所以认定乙是能够找到与购买过理财产品的人的相似特征，则给乙打100分。步骤s154的打分情况，得到0.6*100+0.4*50＝80，乙的总得分是80分。当然，如果乙通过聚类得到的结果是：34岁，未婚，北京，收入20000元/月，则跟甲之间的有3个相似的特征，则乙的得分可以为90分。
s160：根据特征值，判断是否对待推荐业务用户推荐业务。
步骤s160具体来说，包括：判断特征值是否大于预设特征值；如果是，则对所述待推荐业务用户推荐业务。
例如：将预设特征值设定为75分，乙大于75分，符合推荐要求。
结合图4所示，业务推荐系统200，包括：获取模块210、确定条件模块220、判断模块230、确定用户模块240、获得特征模块250、推荐业务模块260。
其中，获取模块210用于获取用户群中的每个用户的个人信息。确定条件模块220用于根据业务类型，确定业务的关键条件。判断模块230用于逐一判断用户群中的每个用户的个人信息是否满足关键条件。确定用户模块，用于如果是，则确定满足关键条件的用户为待推荐业务用户。获得特征模块240用于根据待推荐业务用户的个人信息，获得特征值。推荐业务模块250用于根据特征值，判断是否对待推荐业务用户推荐业务。
在一些实施例中，获得特征模块250，包括：获取关系特征值子模块，用于根据待推荐业务用户的个人信息，获取关系特征值；获取聚类特征值子模块，根据待推荐业务用户的个人信息，获取聚类特征值；加权子模块，用于对所述关系特别值和聚类特征值进行加权处理，获得特征值。
在一些实施例中，获取关系特征值子模块，用于：从用户群中提取与待推荐业务用户交易的交易用户；获取待推荐业务用户与交易用户的交易信息，交易信息包括交易次数和交易金额；判断交易用户中是否存在交易次数满足预设次数且交易金额满足预设金额；如果是，则提取所述交易次数和所述交易金额的最大值对应的所述交易用户；确定最大值对应的交易用户的等级；根据等级，确定待推荐业务用户的关系特征值为设定值。
在一些实施例中，获取聚类特征值子模块，用于：从所述用户群中提取往来用户；获取所述往来用户的个人信息；对所述待推荐业务用户的个人信息和所述往来用户的个人信息进行聚类分析；根据聚类分析结果，获取聚类特征值。
在一些实施例中，推荐业务模块260，用于：判断特征值是否大于预设特征值；如果是，则对所述待推荐业务用户推荐业务。
本发明实施例所提供的系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！