智能双端推荐引擎系统和方法与流程

本发明涉及大数据、精准推送领域，特别涉及智能双端推荐引擎系统和方法。

背景技术：

互联网软件行业的迅猛发展，促使各行各业都有大批量同类软件产品(即b端)。用户(即c端)需要在众多同类产品中找寻最合适自身的b端软件产品，并且同时要保证个人的资金财产安全；b端软件产品也希望能降低自身的风控成本、提高自身产品的品牌精准推广度，更希望明确自身的产品定位及适用群体。双方都渴望一个便捷可靠、能预先鉴别、规避风险的找寻通道。如何帮助双端解决此类选择问题，已越来越受到重视。

目前市场上具有推荐功能的引擎产品，多是将c端用户和b端产品做一个笛卡尔积，不计良莠全量推送，精准度几乎为0，造成大量的资源浪费，也造成c端和b端使用体验感十分糟糕，尤其是造成c端用户极高的试错率。更重要的是，笛卡尔积式的推送，增加了c端用户的资产风险。以互联网金融行业为例，一旦c端用户在恶意诱导下误入高违约、高利率的陷阱，会造成非常严重的社会问题。

即便是少量能做到对c端用户分类定位的引擎产品，也只能做到针对b端产品的单端匹配，即根据c端用户的画像，将用户推送给b端，并没有解决c端用户的需求：在众多同类产品中挑选出最安全、最优质、最适用于自身的产品。

技术实现要素：

本发明解决的技术问题是提供一种提供一种智能双端推荐引擎系统，实现了从海量用户端用户和海量产品端软件产品中，以双端画像的技术方式，利用千户千面的特点完成双端匹配与精准推送。

本发明解决其技术问题所采用的技术方案是：智能双端推荐引擎系统，包括：

数据系统，包括用于存储用户端数据的用户端数据模块和用于存储产品端数据的产品端数据模块；

决策系统，所述决策系统用于负责维度的开关、调配工作、维度判断结果分析，并根据每个节点的判断结果决定流程走向；

维度系统，所述维度系统用于根据数据系统中存储的数据按照既定维度标准做分析计算，得出最终维度值并反馈给决策系统；

规则系统，所述规则系统用于规则配置、维度判定、维度评分；

镜射系统，所述镜射系统用于反推形成产品端期望画像维度；

画像生成系统，所述画像生成系统通过决策系统、规则系统、镜射系统计算、归纳出的维度值、维度判定结果，确定双端所有维度特征，再经过大数据整理合并，最终通过对称加密生成用户端和产品端的自身画像、期望画像；

画像存储系统，所述画像存储系统用于存储画像生成系统中生成的用户端和产品端的自身画像和期望画像；

画像匹配推荐系统，所述画像匹配推荐系统用于将最接近的自身画像和期望画像进行互相推荐；

所述数据系统、决策系统、维度系统、规则系统、镜射系统、画像生成系统、画像存储系统和画像匹配推荐系统相互连接交互。

进一步的是：所述用户端数据模块和产品端数据模块存储的数据来源包括填写的基础信息、授权下获取的设备信息数据以及授权后查询到的运营商和其他权威第三方征信数据。

进一步的是：所述维度包括基础维度、标签维度和综合维度；所述画像匹配推荐系统包括模糊匹配，触达匹配和精准匹配；

述模糊匹配满足用户端和产品端基础维度匹配度达到a％，且用户端和产品端标签维度匹配率达到b％；

所述触达匹配满足上述模糊匹配，同时用户端和产品端综合维度匹配率达到c％以上；

所述精准匹配，满足上述模糊匹配，同时用户端和产品端综合维度匹配率达到d％以上，其中，d大于c。

进一步的是：所述产品端期望画像维度反推步骤包括：

步骤一：获取现有的全量维度和使用该产品端的用户数据；

步骤二：获取一个维度；

步骤三：获取一个该产品端的用户数据；

步骤四：判断该用户是否有此维度值，若无该维度值，则标记为空，若有该维度值则进行标记，维度判定类标记“是”或“否”，维度评分类标记分值；

步骤五：判定是否还有下一个用户，若有下一个用户，则返回步骤三，若没有下一个用户，则进入步骤六；

步骤六：判定是否还有下一个维度，若有下一个维度，则返回步骤二，若没有下一个维度，则进入步骤七；

步骤七：获取已标记的所有维度；

步骤八：取步骤七中的一个维度；

步骤九：若为维度判定类，则查询该维度占比最多的标记，若该标记占比大于80％，则保留该维度及标记值，否则舍弃该维度，若为维度评分类，则将该维度前80％所在的评分区间进行标记；

步骤十：判定是否还有下一个已标记的维度，若有下一个维度，则返回步骤八，若没有下一个维度，则进入步骤十一；

步骤十一：整理上述维度判定类和维度评分类的维度及其标记值经画像工厂生成期望画像，存入画像库。

进一步的是：所述用户端自身画像生成步骤：

步骤一：批量获取等待制作画像的用户；

步骤二：获取一个用户；

步骤三：获取所有流程节点；

步骤四：取一个节点；

步骤五：查询该节点下所有维度，读取用户端数据模块中的用户数据，按照既定逻辑计算维度值，并记录该节点下的所有维度值，接着按照规则系统内预设的规则进行维度判定和维度评分，并记录该节点下所有维度的规则结果；

步骤六：判断是否还有下一个节点，若有下一个节点，则返回步骤四，若没有下一个节点，则进入步骤七；

步骤七：整理用户所有维度值及维度判定和维度评分并对其进行分析加密，最后生成画像存入画像库；

步骤八：判断是否还有下一个用户，若有下一个用户则返回步骤二，若没有下一个用户则结束整个流程。

本发明还公开了智能双端推荐方法，步骤为：

步骤一：获取用户端和产品端的各类原始数据；

步骤二：通过决策系统、维度系统、规则系统、镜射系统和画像生成系统生成用户端的自身画像和期望画像，并在画像存储系统内存储；

步骤三：画像匹配推荐系统将画像存储系统内存储的最接近的自身画像和期望画像进行相互推荐。

本发明的有益效果是：本系统可实现从海量用户端用户和海量产品端软件产品中，以双端画像的技术方式，利用千户千面的特点完成双端匹配与精准推送，从而使得用户可在众多同类产品中找寻最合适自身的软件产品，并且可同时保证个人的资金财产安全；同时产品端的端软件产品也能降低自身的风控成本、提高自身产品的品牌精准推广度。

附图说明

图1为本发明的精准推荐平台流程图；

图2为本发明的规则系统的规则编写示例图；

图3为本发明的用户画像生成流程图；

图4为本发明的期望画像生成流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进一步说明。

如图1所示的智能双端推荐引擎系统，包括一下模块：

数据系统，包括用于存储用户端数据的用户端数据模块和用于存储产品端数据的产品端数据模块；

决策系统，所述决策系统用于负责维度的开关、调配工作、维度判断结果分析，并根据每个节点的判断结果决定流程走向；可同时设置多条决策流程用以同时满足多种类型画像的计算，

维度系统，所述维度系统用于根据数据系统中存储的数据按照既定维度标准做分析计算，得出最终维度值并反馈给决策系统；

规则系统，所述规则系统用于规则配置、维度判定、维度评分；

镜射系统，所述镜射系统用于反推形成产品端期望画像维度；

画像生成系统，所述画像生成系统通过决策系统、规则系统、镜射系统计算、归纳出的维度值、维度判定结果，确定双端所有维度特征，再经过大数据整理合并，最终通过对称加密生成用户端和产品端的自身画像、期望画像；

画像存储系统，所述画像存储系统用于存储画像生成系统中生成的用户端和产品端的自身画像和期望画像；

画像匹配推荐系统，所述画像匹配推荐系统用于将最接近的自身画像和期望画像进行互相推荐；

所述数据系统、决策系统、维度系统、规则系统、镜射系统、画像生成系统、画像存储系统和画像匹配推荐系统相互连接交互。

具体推荐步骤为：

步骤一：获取用户端和产品端的各类原始数据；

步骤二：通过决策系统、维度系统、规则系统、镜射系统和画像生成系统生成用户端的自身画像和期望画像，并在画像存储系统内存储；

步骤三：画像匹配推荐系统将画像存储系统内存储的最接近的自身画像和期望画像进行相互推荐。

具体的，所述数据系统内存储的数据来源包括填写的基础信息、授权下获取的设备信息数据以及授权后查询到的运营商和其他权威第三方征信数据，上述基础信息可为用户个人基本资料、用户自己对产品的功能和服务上的需求、产品全量功能点、产品使用者信息等，另外还包括我方的系统内部黑名单、白名单等。

在上述基础上，如图1所示，所述维度包括基础维度、标签维度和综合维度；所述画像匹配推荐系统包括模糊匹配，触达匹配和精准匹配；所述基础维度，包括用户基础信息，双端的基本资料维度，如用户年龄、性别、学历等；标签维度，双端的一系列社会特征，如个人的偏好标签、位置标签，产品的行业标签等不同角度的多种标签维度；综合维度，除基础维度与标签维度之外的其他所有维度都属于综合维度；所述模糊匹配满足用户端和产品端基础维度匹配度达到a％，且用户端和产品端标签维度匹配率达到b％；所述触达匹配满足上述模糊匹配，同时用户端和产品端综合维度匹配率达到c％以上；所述精准匹配，满足上述模糊匹配，同时用户端和产品端综合维度匹配率达到d％以上，其中，d大于c，上述三个梯度的阈值可根据实际情况进行配置调整，本申请的实施例中，a＝100，b＝80，c＝50，d＝80。

在上述基础上，所述规则系统中的一条规则中可以包含一个或多个维度，判断条件包括且不限于大小、非空、是否包含字符串、是否包含于集合中等等，每一条规则的中间结果，又可做为另一条规则的入参。多条规则之间可以形成规则集、决策树、评分卡。多种方式相结合，最终实现复杂规则逻辑的制定。

同时规则系统实现了规则的安全编辑。规则编辑人员在完成规则的增删改之后，必须经由审核人员审核完成之后，再由发布人员进行发布。每一次规则改动都由至少三名角色来共同处理才能完成正式发布工作，有效避免了错误操作带了的风险，保证了规则的安全性，如图2所示的为一个产品端具体规则系统中的一个实施例，该产品适用于年龄40到50之间的用户，该实施例对基础维度中的用户性别年龄进行评分，具体规则如下：先评判该用户是否有性别数据，没有则赋予评分0；有数据则再评判该用户是否有年龄数据，没有则赋予评分0；有年龄数据则进行年龄数据评分，当年龄小于18时，给予评分0分，当年龄大于等于18且小于30时，给予评分15分，当年龄大于等于30且小于40时，给予评分25分，当年龄大于等于40且小于50时，给予评分30分，当年龄大于等于50且小于65时，给予评分20分，当年龄大于65时，给予评分10分，其他维度评分规则可根据实际进行编写。

在上述基础上，如图3所示，所述用户端自身画像生成步骤：

步骤一：批量获取等待制作画像的用户；

步骤二：获取一个用户；

步骤三：获取所有流程节点；

步骤四：取一个节点；

步骤五：查询该节点下所有维度，读取用户端数据模块中的用户数据，按照既定逻辑计算维度值，并记录该节点下的所有维度值，接着按照规则系统内预设的规则进行维度判定和维度评分，并记录该节点下所有维度的规则结果；

步骤六：判断是否还有下一个节点，若有下一个节点，则返回步骤四，若没有下一个节点，则进入步骤七；

步骤七：整理用户所有维度值及维度判定和维度评分并对其进行分析加密，最后生成画像存入画像库；

步骤八：判断是否还有下一个用户，若有下一个用户则返回步骤二，若没有下一个用户则结束整个流程；

上述步骤中，整体流程是由每个节点组成的。每个节点是为了完成某一个阶段性的任务，例如：有个节点叫“外部黑名单验证”，就是通过第三方数据来验证某个用户是否在第三方的黑名单中，而类似的第三方数据机构又有很多，每一个第三方的黑名单都是一个维度，某用户如果命中a方的黑名单，a_blacklist的维度值就是“是”，如果没有命中b方的黑名单，b_blacklist维度值就是“否”。

在上述基础上，如图4所示，所述产品端期望画像维度反推步骤包括：

步骤一：获取现有的全量维度和使用该产品端的用户数据；

步骤二：获取一个维度；

步骤三：获取一个该产品端的用户数据；

步骤四：判断该用户是否有此维度值，若无该维度值，则标记为空，若有该维度值则进行标记，维度判定类标记“是”或“否”，维度评分类标记分值；

步骤五：判定是否还有下一个用户，若有下一个用户，则返回步骤三，若没有下一个用户，则进入步骤六；

步骤六：判定是否还有下一个维度，若有下一个维度，则返回步骤二，若没有下一个维度，则进入步骤七；

步骤七：获取已标记的所有维度；

步骤八：取步骤七中的一个维度；

步骤九：若为维度判定类，则查询该维度占比最多的标记，若该标记占比大于80％，则保留该维度及标记值，否则舍弃该维度，若为维度评分类，则将该维度前80％所在的评分区间进行标记；

步骤十：判定是否还有下一个已标记的维度，若有下一个维度，则返回步骤八，若没有下一个维度，则进入步骤十一；

步骤十一：整理上述维度判定类和维度评分类的维度及其标记值经画像工厂生成期望画像，存入画像库；

上述所述的维度判定类返回值为“是”、“否”，维度评分类则返回一个分值，如：维度判定类：是否大于18岁？结果只有“是”或“否”；而维度评分类：月收入3600以下，60分；3600～5000之间，75分；5000～10000之间90分；10000以上，100分。

本系统可实现从海量用户端用户和海量产品端软件产品中，以双端画像的技术方式，利用千户千面的特点完成双端匹配与精准推送，从而使得用户可在众多同类产品中找寻最合适自身的软件产品，并且可同时保证个人的资金财产安全；同时产品端的端软件产品也能降低自身的风控成本、提高自身产品的品牌精准推广度。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。