本技术涉及数据处理,特别是涉及一种保险产品的推荐方法、装置及相关产品。
背景技术:
1、目前,保险产品的营销服务主要由业务员根据业务经验以及用户需求对用户进行保险产品的推荐,在保险产品的推荐过程中业务员需要不断和用户沟通,以判断用户需求。然而每个用户的用户需求为多样化的,且一个业务员可能同时对多个用户进行保险产品的推荐,导致需要花费业务员大量的时间和精力,会大大降低保险产品的推荐效率。因此,如何提高保险产品的推荐效率是本领域技术人员关注的重点问题。
技术实现思路
1、基于上述问题,本技术提供了一种保险产品的推荐方法、装置及相关产品,以提高保险产品的推荐效率。本技术实施例公开了如下技术方案:
2、第一方面,本技术公开了一种保险产品的推荐方法,包括:
3、获取待推荐保险产品的产品类型和所述产品类型对应的产品信息,以及待推荐用户的用户信息;
4、将所述产品类型、所述产品信息和所述用户信息输入至预测模型中,以利用所述预测模型对所述产品类型、所述产品信息和所述用户信息进行处理,获得针对于所述待推荐保险产品的预测购买行为,其中所述预测模型用于确定针对于保险产品的预测购买行为;
5、利用推荐算法对所述用户信息和所述预测购买行为进行处理,获得针对于所述待推荐保险产品的推荐分数,其中所述推荐算法用于确定针对于保险产品的推荐分数;
6、若所述推荐分数大于或等于预设推荐分数,将所述待推荐保险产品推荐给所述待推荐用户。
7、可选的,在所述以利用所述预测模型对所述产品类型、所述产品信息和所述用户信息进行处理,获得针对于所述待推荐保险产品的预测购买行为之前,还包括:
8、对所述产品信息进行解析,获得针对于所述待推荐保险产品的产品推荐特征;
9、对所述用户信息进行解析,获得针对于所述待推荐用户的用户特征和历史购买行为,其中历史购买行为包括购买不同产品类型对应的保险产品的购买行为。
10、可选的,所述利用所述预测模型对所述产品类型、所述产品信息和所述用户信息进行处理,获得针对于所述待推荐保险产品的预测购买行为,包括:
11、利用所述预测模型对所述产品类型、所述产品推荐特征、所述用户特征和所述历史购买行为进行预测,获得针对于所述待推荐保险产品的预测购买行为。
12、可选的,所述利用推荐算法对所述用户信息和所述预测购买行为进行处理,获得针对于所述待推荐保险产品的推荐分数,包括:
13、利用推荐算法对所述历史购买行为和所述预测购买行为进行计算,获得针对于所述待推荐保险产品的推荐分数。
14、可选的,所述预测模型通过以下过程获得:
15、获取保险产品集对应的产品类型集、所述产品类型集分别对应的产品信息集和用户信息集,以及针对于所述保险产品集分别对应的购买标签行为集;
16、将所述产品类型集、所述产品信息集和所述用户信息集输入至待训练的预测模型中,以利用所述待训练的预测模型对所述产品类型集、所述产品信息集和所述用户信息集进行处理,获得针对于所述保险产品集分别对应的预测购买行为集;
17、根据所述购买标签行为集与所述预测购买行为集的差异,对所述待训练的预测模型进行参数调整,直至所述待训练的预测模型满足训练截止条件,完成训练获得预测模型,其中所述购买标签行为集中的一个购买标签行为对应所述预测购买行为集中的一个预测购买行为。
18、可选的,所述产品类型集包括但不限于理财产品类型、医疗产品类型和生育产品类型。
19、可选的,获取针对于所述保险产品集分别对应的购买标签行为集,包括:
20、对所述理财产品类型对应的产品信息和用户信息集进行处理,获得所述理财产品类型对应的保险产品集分别对应的购买标签行为集;
21、对所述医疗产品类型对应的产品信息和用户信息集进行处理,获得所述医疗产品类型对应的保险产品集分别对应的购买标签行为集;
22、根据所述理财产品类型对应的保险产品集分别对应的购买标签行为集,和所述医疗产品类型对应的保险产品集分别对应的购买标签行为集,获得针对于所述保险产品集分别对应的购买标签行为集。
23、第二方面,本技术公开了一种保险产品的推荐装置,包括:
24、产品信息获取单元,用于获取待推荐保险产品的产品类型和所述产品类型对应的产品信息,以及待推荐用户的用户信息;
25、预测购买行为获得单元,用于将所述产品类型、所述产品信息和所述用户信息输入至预测模型中,以利用所述预测模型对所述产品类型、所述产品信息和所述用户信息进行处理,获得针对于所述待推荐保险产品的预测购买行为,其中所述预测模型用于确定针对于保险产品的预测购买行为;
26、推荐分数获得单元,用于利用推荐算法对所述用户信息和所述预测购买行为进行处理,获得针对于所述待推荐保险产品的推荐分数,其中所述推荐算法用于确定针对于保险产品的推荐分数;
27、保险产品推荐单元,用于若所述推荐分数大于或等于预设推荐分数,将所述待推荐保险产品推荐给所述待推荐用户。
28、可选的,所述装置还包括:
29、产品信息解析单元,用于对所述产品信息进行解析,获得针对于所述待推荐保险产品的产品推荐特征;
30、用户信息解析单元,用于对所述用户信息进行解析,获得针对于所述待推荐用户的用户特征和历史购买行为,其中历史购买行为包括购买不同产品类型对应的保险产品的购买行为。
31、可选的,所述预测购买行为获得单元,具体用于:
32、利用所述预测模型对所述产品类型、所述产品推荐特征、所述用户特征和所述历史购买行为进行预测,获得针对于所述待推荐保险产品的预测购买行为。
33、可选的,所述推荐分数获得单元,具体用于:
34、利用推荐算法对所述历史购买行为和所述预测购买行为进行计算,获得针对于所述待推荐保险产品的推荐分数。
35、可选的,所述装置还包括预测模型构建单元;所述预测模型构建单元,包括:
36、购买标签行为集获取单元,用于获取保险产品集对应的产品类型集、所述产品类型集分别对应的产品信息集和用户信息集,以及针对于所述保险产品集分别对应的购买标签行为集;
37、预测购买行为集获得单元,用于将所述产品类型集、所述产品信息集和所述用户信息集输入至待训练的预测模型中,以利用所述待训练的预测模型对所述产品类型集、所述产品信息集和所述用户信息集进行处理,获得针对于所述保险产品集分别对应的预测购买行为集;
38、预测模型获得单元,用于根据所述购买标签行为集与所述预测购买行为集的差异,对所述待训练的预测模型进行参数调整,直至所述待训练的预测模型满足训练截止条件,完成训练获得预测模型,其中所述购买标签行为集中的一个购买标签行为对应所述预测购买行为集中的一个预测购买行为。
39、可选的,所述产品类型集包括但不限于理财产品类型、医疗产品类型和生育产品类型。
40、可选的,所述购买标签行为集获取单元,具体用于:
41、对所述理财产品类型对应的产品信息和用户信息集进行处理,获得所述理财产品类型对应的保险产品集分别对应的购买标签行为集;
42、对所述医疗产品类型对应的产品信息和用户信息集进行处理,获得所述医疗产品类型对应的保险产品集分别对应的购买标签行为集;
43、根据所述理财产品类型对应的保险产品集分别对应的购买标签行为集,和所述医疗产品类型对应的保险产品集分别对应的购买标签行为集,获得针对于所述保险产品集分别对应的购买标签行为集。
44、第三方面,本技术实施例提供了一种电子设备,包括:
45、存储器,用于存储计算机程序;
46、处理器,用于执行所述计算机程序时实现第一方面中保险产品的推荐方法的步骤。
47、第四方面,本技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中保险产品的推荐方法的步骤。
48、相较于现有技术,本技术具有以下有益效果:
49、在本技术中首先获取待推荐保险产品的产品类型和产品类型对应的产品信息,以及待推荐用户的用户信息,在此之后可以将产品类型、产品信息和用户信息输入至预测模型中,以利用预测模型对产品类型、产品信息和用户信息进行处理,获得针对于待推荐保险产品的预测购买行为,以及利用推荐算法对用户信息和预测购买行为进行处理,获得针对于待推荐保险产品的推荐分数,其中推荐算法用于确定针对于保险产品的推荐分数,最后若推荐分数大于或等于预设推荐分数,将待推荐保险产品推荐给待推荐用户。
50、可见,在本技术中首先利用提前构建的预测模型,来确定待推荐用户购买待推荐保险产品的行为,然后利用推荐算法结合该行为和待推荐用户的用户信息,来进一步确定待推荐保险产品的推荐分数。如此,业务员可以直接根据计算出的推荐分数,进行保险产品的推荐,提高了保险产品的推荐效率。