[发明专利]金融产品的推荐方法、装置、处理器以及电子设备

说明书

本申请公开了一种金融产品的推荐方法、装置、处理器以及电子设备。涉及金融科技领域，该方法包括：确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；根据预测结果从M个候选客户中筛选预设数量的目标客户，对预设数量的目标客户进行目标产品的推荐。通过本申请，解决了相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题。

技术领域

本申请涉及金融科技领域，具体而言，涉及一种金融产品的推荐方法、装置、处理器以及电子设备。

背景技术

贵金属业务作为金融机构的主要业务类别之一，不仅为客户提供了多样化的理财产品和服务，满足了客户的不同投资需求，同时也为金融机构提供多种收益，此外，贵金属业务还能够帮助金融机构丰富业务种类，提高市场竞争力。金融机构可以通过合理开展贵金属业务开展，提高服务质量和客户满意度，增强其核心竞争力。

但由于贵金属产品价格较高，业务较为复杂，需要投入较多的时间和资源进行客户沟通，通常采用的是传统业务推广的方式，主要是由客户经理根据业务经验进行人工的拜访和电话推销的等线下方式进行业务推广，但该方法需要人工进行操作，存在着转化率低以及效率低的问题。为了改进这些问题，对业务推广前的数据处理进行改进，通过将数据输入到机器学习模型中，进而得到可进行业务推广的客户但是该方法在训练样本时数量严重缺乏，并且过于依赖少数特征，导致模型的性能下降，无法满足业务需求。

针对相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种金融产品的推荐方法、装置、处理器以及电子设备，以解决相关技术中难以获取产品的目标客户并对客户进行有效推荐的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种金融产品的推荐方法。该方法包括：确定目标产品的M个候选客户，从数据库中获取M个候选客户的客户数据，得到M个客户数据，其中，M为正整数；将M个客户数据进行特征提取，得到N个特征指标，并根据N个特征指标对M个候选客户的客户数据进行分类，得到N组特征数据；将N组特征数据输入机器学习模型中，得到预测结果，其中，预测结果用于指示向M个候选客户推荐目标产品的成功概率；根据预测结果从M个候选客户中筛选预设数量的目标客户，对预设数量的目标客户进行目标产品的推荐。

可选地，在确定目标产品的M个候选客户之前，方法还包括：获取多个客户的属性标签，其中，属性标签包含第一标签和第二标签，第一标签表征客户已开设目标产品的账户、并且未购买目标产品，第二标签表征客户已开设目标产品的账户、并且已购买目标产品；从多个客户中筛选出属性标签为第一标签的客户，得到M个候选客户。

可选地，机器学习模型通过以下方式训练得到：根据第一客户的客户数据和第二客户的客户数据生成样本数据，其中，第一客户为目标产品关联的客户，第二客户为目标产品的关联产品的客户，样本数据中包含样本特征数据和客户属性标签；利用样本数据训练预设机器学习模型，并在训练后的机器学习模型的模型指标符合要求的情况下，将训练后的机器学习模型确定为机器学习模型。