本發(fā)明涉及金融科技領(lǐng)域，具體而言，涉及一種業(yè)務(wù)的推薦方法及其裝置、程序產(chǎn)品、電子設(shè)備。

背景技術(shù)：

1、隨著市場競爭的愈加激烈，推薦活動已經(jīng)成為提升業(yè)務(wù)量的一項典型策略，而以消費者為中心的電話推薦模式以其成本低、效率高、快速邊界的特點，已經(jīng)成為各行業(yè)應(yīng)用的重要手段。電話推薦是各企業(yè)機構(gòu)(如金融機構(gòu))使用的為潛在客戶提供產(chǎn)品或服務(wù)的一種方法，從歷史的角度來看，就是企業(yè)機構(gòu)給現(xiàn)有或潛在的客戶打電話進行產(chǎn)品推廣。當(dāng)前，由于市場規(guī)模的擴大，電話推薦在發(fā)展中也同樣受到了市場的考驗。大規(guī)模電話推薦的弊端已經(jīng)逐漸顯現(xiàn)，企業(yè)機構(gòu)追求的是精準(zhǔn)推薦，也就是說，管理者先審查客戶的消費行為、需求信息、信用額度以及其他的競爭性信息等資格后，再以此與最有可能購買產(chǎn)品或服務(wù)的消費者進行聯(lián)系。

2、然而，上述電話推薦方式無法準(zhǔn)確、快速地確定業(yè)務(wù)應(yīng)該被推薦的合適客群，導(dǎo)致推薦的轉(zhuǎn)化率較低。

3、對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種業(yè)務(wù)的推薦方法及其裝置、程序產(chǎn)品、電子設(shè)備，以至少解決相關(guān)技術(shù)中無法準(zhǔn)確地確定業(yè)務(wù)應(yīng)該被推薦的客群的技術(shù)問題。

2、根據(jù)本發(fā)明實施例的一個方面，提供了一種業(yè)務(wù)的推薦方法，包括：采集業(yè)務(wù)系統(tǒng)中所有客戶的客戶信息，并基于每個客戶的客戶信息，確定每個客戶對應(yīng)的多維指標(biāo)特征；基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到聚類結(jié)果，其中，聚類結(jié)果包括：多個客群；對每個客戶對應(yīng)的多維指標(biāo)特征進行降維操作，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征；基于聚類結(jié)果和目標(biāo)指標(biāo)特征，構(gòu)建雷達(dá)圖，并基于雷達(dá)圖，確定每種業(yè)務(wù)待推薦的目標(biāo)客群，以將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群。

3、本技術(shù)的一種實施方式中，基于每個客戶的客戶信息，確定每個客戶對應(yīng)的多維指標(biāo)特征的步驟，包括：對每個客戶的客戶信息進行預(yù)處理，得到初始客戶數(shù)據(jù)，其中，客戶信息包括：多個指標(biāo)對應(yīng)的指標(biāo)值；對初始客戶數(shù)據(jù)進行歸一化處理，得到特征數(shù)據(jù)；基于特征數(shù)據(jù)，確定多維指標(biāo)特征。

4、本技術(shù)的一種實施方式中，基于特征數(shù)據(jù)，確定多維指標(biāo)特征的步驟，包括：基于特征數(shù)據(jù)，確定每兩個指標(biāo)之間的協(xié)方差以及每個指標(biāo)的方差；基于協(xié)方差以及方差，確定兩個指標(biāo)之間的相似度；將大于相似度閾值的相似度指示的兩個指標(biāo)中的任一指標(biāo)剔除，得到多維指標(biāo)特征。

5、本技術(shù)的一種實施方式中，在基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類之前，還包括：確定初始聚類中心數(shù)量集合，其中，初始聚類中心數(shù)量集合包括：多個初始聚類中心數(shù)量；對于每個初始聚類中心數(shù)量，基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到初始聚類中心數(shù)量的客群，其中，每個客群中具有多個客戶，每個客戶表征為一個點，每個點對應(yīng)有點坐標(biāo)；對于每個初始聚類中心數(shù)量，基于點坐標(biāo)，確定每個初始聚類中心數(shù)量的簇內(nèi)差異度以及簇間差異度；基于簇內(nèi)差異度以及簇間差異度，確定初始聚類中心數(shù)量的輪廓系數(shù)；將最大輪廓系數(shù)指示的初始聚類中心數(shù)量確定為目標(biāo)聚類中心數(shù)量。

6、本技術(shù)的一種實施方式中，基于點坐標(biāo)，確定每個初始聚類中心數(shù)量的簇內(nèi)差異度的步驟，包括：對于每個客群，基于點坐標(biāo)，確定客群內(nèi)一個點到客群內(nèi)其他點之間的第一差異度，并計算所有第一差異度的平均值，得到點的第二差異度；基于所有點的第二差異度，確定客群的第三差異度；基于所有客群的第三差異度，確定初始聚類中心數(shù)量的簇內(nèi)差異度。

7、本技術(shù)的一種實施方式中，基于點坐標(biāo)，確定每個初始聚類中心數(shù)量的簇間差異度的步驟，包括：對于每個客群，基于點坐標(biāo)，確定客群內(nèi)一個點到其他客群的所有點的第四差異度，并基于所有第四差異度，確定點的第五差異度；基于所有點的第五差異度，確定客群的第六差異度；基于所有客群的第六差異度，確定初始聚類中心數(shù)量的簇間差異度。

8、本技術(shù)的一種實施方式中，基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到聚類結(jié)果的步驟，包括：將每個客戶表征為一個點，并基于每個客戶對應(yīng)的多維指標(biāo)特征，確定客戶對應(yīng)的點的點坐標(biāo)；從所有點中選擇目標(biāo)聚類中心數(shù)量的點作為初始中心點；確定每個點到每個初始中心點之間的距離，并將點分配到最小距離指示的初始中心點，生成目標(biāo)聚類中心數(shù)量的初始中心點對應(yīng)的簇；確定每個簇的中心點，并確定每個點到每個中心點之間的距離；將點重新分配給最小距離指示的中心點，直到生成的簇的中心點不變，將不變的中心點確定為目標(biāo)中心點，并將目標(biāo)中心點對應(yīng)的簇確定為目標(biāo)簇；將每個目標(biāo)簇確定為一個客群，得到聚類結(jié)果。

9、本技術(shù)的一種實施方式中，對每個客戶對應(yīng)的多維指標(biāo)特征進行降維操作，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征的步驟，包括：確定每維指標(biāo)特征對應(yīng)的均值，并基于均值，對指標(biāo)特征進行中心化處理，得到中心化指標(biāo)特征；基于所有中心化指標(biāo)特征，確定協(xié)方差矩陣；對協(xié)方差矩陣進行特征分解，得到每維中心化指標(biāo)特征對應(yīng)的特征向量以及特征向量對應(yīng)的特征值；對所有特征值進行排序，并基于排序結(jié)果，確定位于預(yù)設(shè)范圍內(nèi)的目標(biāo)特征值集合，其中，預(yù)設(shè)范圍是基于預(yù)設(shè)維數(shù)確定的范圍，目標(biāo)特征值集合包括：預(yù)設(shè)維數(shù)的目標(biāo)特征值；將所有指標(biāo)特征在每個目標(biāo)特征值對應(yīng)的目標(biāo)特征向量上進行投影，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征。

10、本技術(shù)的一種實施方式中，基于聚類結(jié)果和目標(biāo)指標(biāo)特征，構(gòu)建雷達(dá)圖的步驟，包括：基于所有目標(biāo)指標(biāo)特征，構(gòu)建預(yù)設(shè)維數(shù)的雷達(dá)圖；基于客戶對應(yīng)的目標(biāo)指標(biāo)特征，將不同客群內(nèi)的客戶以不同顯示形式的點在雷達(dá)圖上繪制，并將同一客群內(nèi)所有客戶表征的點進行連線。

11、本技術(shù)的一種實施方式中，基于雷達(dá)圖，確定每種業(yè)務(wù)待推薦的目標(biāo)客群，以將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群的步驟，包括：確定與業(yè)務(wù)關(guān)聯(lián)的目標(biāo)指標(biāo)特征；在雷達(dá)圖上確定離目標(biāo)指標(biāo)特征所在軸距離最小且離雷達(dá)圖的中心點距離最遠(yuǎn)的客群為業(yè)務(wù)的目標(biāo)客群；基于目標(biāo)指標(biāo)特征，確定推薦策略，并基于推薦策略，將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群。

12、根據(jù)本發(fā)明實施例的另一方面，還提供了一種業(yè)務(wù)的推薦裝置，包括：確定單元，用于采集業(yè)務(wù)系統(tǒng)中所有客戶的客戶信息，并基于每個客戶的客戶信息，確定每個客戶對應(yīng)的多維指標(biāo)特征；聚類單元，用于基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到聚類結(jié)果，其中，聚類結(jié)果包括：多個客群；降維單元，用于對每個客戶對應(yīng)的多維指標(biāo)特征進行降維操作，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征；構(gòu)建單元，用于基于聚類結(jié)果和目標(biāo)指標(biāo)特征，構(gòu)建雷達(dá)圖，并基于雷達(dá)圖，確定每種業(yè)務(wù)待推薦的目標(biāo)客群，以將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群。

13、本技術(shù)的一種實施方式中，確定單元包括：第一處理模塊，用于對每個客戶的客戶信息進行預(yù)處理，得到初始客戶數(shù)據(jù)，其中，客戶信息包括：多個指標(biāo)對應(yīng)的指標(biāo)值；第二處理模塊，用于對初始客戶數(shù)據(jù)進行歸一化處理，得到特征數(shù)據(jù)；第一確定模塊，用于基于特征數(shù)據(jù)，確定多維指標(biāo)特征。

14、本技術(shù)的一種實施方式中，第一確定模塊包括：第一確定子模塊，用于基于特征數(shù)據(jù)，確定每兩個指標(biāo)之間的協(xié)方差以及每個指標(biāo)的方差；第二確定子模塊，用于基于協(xié)方差以及方差，確定兩個指標(biāo)之間的相似度；第一剔除子模塊，用于將大于相似度閾值的相似度指示的兩個指標(biāo)中的任一指標(biāo)剔除，得到多維指標(biāo)特征。

15、本技術(shù)的一種實施方式中，推薦裝置還包括：第二確定模塊，用于在基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類之前，確定初始聚類中心數(shù)量集合，其中，初始聚類中心數(shù)量集合包括：多個初始聚類中心數(shù)量；第一聚類模塊，用于對于每個初始聚類中心數(shù)量，基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到初始聚類中心數(shù)量的客群，其中，每個客群中具有多個客戶，每個客戶表征為一個點，每個點對應(yīng)有點坐標(biāo)；第三確定模塊，用于對于每個初始聚類中心數(shù)量，基于點坐標(biāo)，確定每個初始聚類中心數(shù)量的簇內(nèi)差異度以及簇間差異度；第四確定模塊，用于基于簇內(nèi)差異度以及簇間差異度，確定初始聚類中心數(shù)量的輪廓系數(shù)；第五確定模塊，用于將最大輪廓系數(shù)指示的初始聚類中心數(shù)量確定為目標(biāo)聚類中心數(shù)量。

16、本技術(shù)的一種實施方式中，第三確定模塊包括：第三確定子模塊，用于對于每個客群，基于點坐標(biāo)，確定客群內(nèi)一個點到客群內(nèi)其他點之間的第一差異度，并計算所有第一差異度的平均值，得到點的第二差異度；第四確定子模塊，用于基于所有點的第二差異度，確定客群的第三差異度；第五確定子模塊，用于基于所有客群的第三差異度，確定初始聚類中心數(shù)量的簇內(nèi)差異度。

17、本技術(shù)的一種實施方式中，第三確定模塊還包括：第六確定子模塊，用于對于每個客群，基于點坐標(biāo)，確定客群內(nèi)一個點到其他客群的所有點的第四差異度，并基于所有第四差異度，確定點的第五差異度；第七確定子模塊，用于基于所有點的第五差異度，確定客群的第六差異度；第八確定子模塊，用于基于所有客群的第六差異度，確定初始聚類中心數(shù)量的簇間差異度。

18、本技術(shù)的一種實施方式中，聚類單元包括：第六確定模塊，用于將每個客戶表征為一個點，并基于每個客戶對應(yīng)的多維指標(biāo)特征，確定客戶對應(yīng)的點的點坐標(biāo)；第一選擇模塊，用于從所有點中選擇目標(biāo)聚類中心數(shù)量的點作為初始中心點；第七確定模塊，用于確定每個點到每個初始中心點之間的距離，并將點分配到最小距離指示的初始中心點，生成目標(biāo)聚類中心數(shù)量的初始中心點對應(yīng)的簇；第八確定模塊，用于確定每個簇的中心點，并確定每個點到每個中心點之間的距離；第九確定模塊，用于將點重新分配給最小距離指示的中心點，直到生成的簇的中心點不變，將不變的中心點確定為目標(biāo)中心點，并將目標(biāo)中心點對應(yīng)的簇確定為目標(biāo)簇；第十確定模塊，用于將每個目標(biāo)簇確定為一個客群，得到聚類結(jié)果。

19、本技術(shù)的一種實施方式中，降維單元包括：第十一確定模塊，用于確定每維指標(biāo)特征對應(yīng)的均值，并基于均值，對指標(biāo)特征進行中心化處理，得到中心化指標(biāo)特征；第十二確定模塊，用于基于所有中心化指標(biāo)特征，確定協(xié)方差矩陣；第一分解模塊，用于對協(xié)方差矩陣進行特征分解，得到每維中心化指標(biāo)特征對應(yīng)的特征向量以及特征向量對應(yīng)的特征值；第一排序模塊，用于對所有特征值進行排序，并基于排序結(jié)果，確定位于預(yù)設(shè)范圍內(nèi)的目標(biāo)特征值集合，其中，預(yù)設(shè)范圍是基于預(yù)設(shè)維數(shù)確定的范圍，目標(biāo)特征值集合包括：預(yù)設(shè)維數(shù)的目標(biāo)特征值；第一投影模塊，用于將所有指標(biāo)特征在每個目標(biāo)特征值對應(yīng)的目標(biāo)特征向量上進行投影，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征。

20、本技術(shù)的一種實施方式中，構(gòu)建單元包括：第一構(gòu)建模塊，用于基于所有目標(biāo)指標(biāo)特征，構(gòu)建預(yù)設(shè)維數(shù)的雷達(dá)圖；第一繪制模塊，用于基于客戶對應(yīng)的目標(biāo)指標(biāo)特征，將不同客群內(nèi)的客戶以不同顯示形式的點在雷達(dá)圖上繪制，并將同一客群內(nèi)所有客戶表征的點進行連線。

21、本技術(shù)的一種實施方式中，構(gòu)建單元還包括：第十三確定模塊，用于確定與業(yè)務(wù)關(guān)聯(lián)的目標(biāo)指標(biāo)特征；第十四確定模塊，用于在雷達(dá)圖上確定離目標(biāo)指標(biāo)特征所在軸距離最小且離雷達(dá)圖的中心點距離最遠(yuǎn)的客群為業(yè)務(wù)的目標(biāo)客群；第十五確定模塊，用于基于目標(biāo)指標(biāo)特征，確定推薦策略，并基于推薦策略，將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群。

22、根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機程序產(chǎn)品，包括非易失性計算機可讀存儲介質(zhì)，非易失性計算機可讀存儲介質(zhì)存儲計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述任意一項業(yè)務(wù)的推薦方法。

23、根據(jù)本發(fā)明實施例的另一方面，還提供了一種電子設(shè)備，包括一個或多個處理器和存儲器，存儲器用于存儲一個或多個程序，其中，當(dāng)一個或多個程序被一個或多個處理器執(zhí)行時，使得一個或多個處理器實現(xiàn)上述任意一項業(yè)務(wù)的推薦方法。

24、在本發(fā)明中，采集業(yè)務(wù)系統(tǒng)中所有客戶的客戶信息，并基于每個客戶的客戶信息，確定每個客戶對應(yīng)的多維指標(biāo)特征；基于每個客戶對應(yīng)的多維指標(biāo)特征，對所有客戶進行聚類，得到聚類結(jié)果，其中，聚類結(jié)果包括：多個客群；對每個客戶對應(yīng)的多維指標(biāo)特征進行降維操作，得到預(yù)設(shè)維數(shù)的目標(biāo)指標(biāo)特征；基于聚類結(jié)果和目標(biāo)指標(biāo)特征，構(gòu)建雷達(dá)圖，并基于雷達(dá)圖，確定每種業(yè)務(wù)待推薦的目標(biāo)客群，以將業(yè)務(wù)推薦給對應(yīng)的目標(biāo)客群，進而解決了相關(guān)技術(shù)中無法準(zhǔn)確地確定業(yè)務(wù)應(yīng)該被推薦的客群的技術(shù)問題。

25、在本發(fā)明中，通過對客戶信息進行多維分析和聚類，能夠更精準(zhǔn)地識別不同客群的特征，從而為每種業(yè)務(wù)找到最適合的目標(biāo)客群。通過降維操作和雷達(dá)圖構(gòu)建，不僅簡化了數(shù)據(jù)分析的復(fù)雜度，還直觀地展示了客群在不同指標(biāo)上的表現(xiàn)，便于業(yè)務(wù)人員理解和調(diào)整推薦策略，從而達(dá)到了提升業(yè)務(wù)推薦的效率和準(zhǔn)確性，增強客戶體驗，促進業(yè)務(wù)增長的技術(shù)效果。