1.本技术属于大数据技术领域，具体涉及一种基于用户画像的理财产品推荐方法及装置。
背景技术：2.现有技术中,针对理财推荐内容仅仅根据收益率推荐，其无法反应市场的当前的情绪，并且推荐内容死板，另一方面，收益率只是从产品侧证明该产品收益率还不错，无法反应市场中客户对该产品的看好程度。理财产品未来收益率受多种客观因素影响，当前的收益率无法帮助客户判断未来的走势，并且推荐中未考虑用户类型，导致推荐不够精准。
3.综上所述，现有技术中，理财产品推荐难以反映市场实时动态和客户实时理财关注点的问题,从而出现推荐不够精准的问题。
技术实现要素：4.本发明可用于大数据在金融方面应用的技术领域，也可用于除金融领域之外的任意领域，本发明所提供的基于用户画像的理财产品推荐方法及装置，使普通用户可以向优质客户“抄作业”，实现“牛人”教理财的创新功能；打通了整个理财生态中用户之间的行为孤岛，提高了用户体验，增加了平台用户粘性；另外通过关注度和用户类别，保证了推荐内容的实时和精准。
5.为解决上述技术问题，本发明提供以下技术方案：
6.第一方面，本发明提供一种基于用户画像的理财产品推荐方法包括：
7.根据理财收益对理财用户进行分类，以生成第一分类结果；
8.根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
9.在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
10.一实施例中，所述根据理财收益对理财用户进行分类，以生成第一分类结果，包括：
11.根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。
12.一实施例中，所述人口学特征包括：年龄、性别、收入以及职业；
13.所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。
14.一实施例中，在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户，包括：
15.从所述第二分类结果确定多个理财用户人群；
16.在所述理财用户人群中，将所述第一理财用户所对应的理财产品推送至第二理财用户。
17.一实施例中，将所述第一理财用户所对应的理财产品推送至第二理财用户，包括：
18.将所述第一理财用户所选择的理财产品推送至所述第二理财用户；
19.将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。
20.第二方面，本发明提供一种基于用户画像的理财产品推荐方法及装置，该装置包括：
21.用户第一分类模块，用于根据理财收益对理财用户进行分类，以生成第一分类结果；
22.用户第二分类模块，用于根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
23.理财产品推送模块，用于在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
24.一实施例中，所述用户第一分类模块包括：
25.用户第一分类单元，用于根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。
26.一实施例中，所述人口学特征包括：年龄、性别、收入以及职业；
27.所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。
28.一实施例中，所述理财产品推送模块包括：
29.用户人群确定单元，用于从所述第二分类结果确定多个理财用户人群；
30.理财产品推送单元，用于在所述理财用户人群中，将所述第一理财用户所对应的理财产品推送至第二理财用户。
31.一实施例中，所述理财产品推送单元包括：
32.理财产品第一推送单元，用于将所述第一理财用户所选择的理财产品推送至所述第二理财用户；
33.理财产品第二推送单元，用于将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。
34.第三方面，本发明提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现一种基于用户画像的理财产品推荐方法的步骤。
35.第四方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现一种基于用户画像的理财产品推荐方法的步骤。
36.第五方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现一种基于用户画像的理财产品推荐方法的步骤。
37.从上述描述可知，本发明实施例提供一种基于用户画像的理财产品推荐方法及装置，对应的方法包括：首先根据理财收益对理财用户进行分类，以生成第一分类结果；接着，根据理财用户的人口学特征以及金融学特征对理财用户进行分类，以生成第二分类结果；最后在第二分类结果中，将第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。本发明要实现基于优质客群关注度和用户关注度构建新的理财精准实时推荐逻辑。解决传统理财推荐内容仅仅根据收益率推荐，导致内容死板，难以反映市场实时动态和
客户实时理财关注点的问题以及推荐不够精准的问题。具体地，本发明具有以下有益效果：
38.1、基于优质客群计算得到的市场实时画像，真实反映了市场的当前情绪，有助于客户进行更加科学的决策。
39.2、基于优质客群关注度的计算逻辑，隐含的保证了关注度高的理财产品和客户对该产品的看好程度是强相关的。隐含的利用了优质客户的智慧，通过真实群体的智慧，将多种客观因素影响潜在包含其中，得出了更加科学的对理财产品的判断。
40.3、推荐中即通过关注度考虑了推荐内容的实时性，也通过用户类型进一步考虑了推荐内容的精准性。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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例，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。
42.图1为本发明的实施例所提供的基于用户画像的理财产品推荐方法的流程示意图；
43.图2为本发明的实施例中步骤100的流程示意图；
44.图3为本发明的实施例中步骤200的流程示意图；
45.图4为本发明的实施例中步骤202的流程示意图；
46.图5为本发明的具体实施方式中基于用户画像的理财产品推荐方法的流程示意图；
47.图6为本发明的具体实施方式中基于用户画像的理财产品推荐方法的思维导图；
48.图7发明的实施例所提供的基于用户画像的理财产品推荐装置的方块图；
49.图8为本发明的实施例中用户第一分类模块10的方块图；
50.图9为本发明的实施例中理财产品推送模块20的方块图；
51.图10为本发明的实施例中理财产品推送单元202的方块图；
52.图11为本发明的实施例中的电子设备的结构示意图。
具体实施方式
53.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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作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。
54.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
55.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“包括”和“具
有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
56.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
57.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
58.基于上述技术痛点，本发明的实施例提供一种基于用户画像的理财产品推荐方法的具体实施方式，参见图1，该方法具体包括如下内容：
59.步骤100：根据理财收益对理财用户进行分类，以生成第一分类结果；
60.优选地，根据预先确定的理财收益阈值以及每个理财用户的理财收益将所有用户分为优质用户以及普通用户，可以理解的是，这里的优质用户是指综合理财收益率排名靠前的客户，而其余用户即为普通用户。
61.步骤200：根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
62.优选地，人口学特征包括：年龄、性别、收入以及职业；金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。
63.步骤300：在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
64.具体地，基于优质客群关注度的计算逻辑，隐含的保证了关注度高的理财产品和客户对该产品的看好程度是强相关的。隐含的利用了优质客户的智慧，通过真实群体的智慧，将多种客观因素影响潜在包含其中，得出了更加科学的对理财产品的判断。
65.从上述描述可知，本发明实施例提供一种基于用户画像的理财产品推荐方法：首先根据理财收益对理财用户进行分类，以生成第一分类结果；接着，根据理财用户的人口学特征以及金融学特征对理财用户进行分类，以生成第二分类结果；最后在第二分类结果中，将第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。本发明使普通用户可以向优质客户“抄作业”，实现“牛人”教理财的创新功能；打通了整个理财生态中用户之间的行为孤岛，提高了用户体验，增加了平台用户粘性；通过关注度和用户类别，保证了推荐内容的实时和精准。
66.一实施例中，参见图2，步骤100包括：
67.步骤101：根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。
68.除了如上述的将理财用户分为优质用户以及普通之外，还可以将理财用户分为理财高手、理财一般者、理财初级者等。
69.一实施例中，所述人口学特征包括：年龄、性别、收入以及职业；所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。
70.一实施例中，参见图3，步骤200包括：
71.步骤201：从所述第二分类结果确定多个理财用户人群；
72.不难理解的是，针对不同的人群，其理财产品也必然不同，这是因为不同的人群的收入、年龄、职业、阅历、学识不同，从而其所能承受的理财风险也不相同，故有必要对其进
行分类。
73.步骤202：在所述理财用户人群中，将所述第一理财用户所对应的理财产品推送至第二理财用户。
74.一实施例中，参见图4，步骤202包括：
75.步骤2021：将所述第一理财用户所选择的理财产品推送至所述第二理财用户；
76.步骤2022：将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。
77.在步骤2021以及步骤2022中，当优质客群普遍对某类理财产品买入时，则认为该理财产品看涨，具有推荐价值，有必要推荐给对该类型产品感兴趣的客户；如果优质客群普遍对某类理财产品抛售时，则有理由相信该理财产品后期可能收益不好，有必要推荐给对该类型产品感兴趣的客户，提醒其暂时不要买入，或者提醒前期已经买入的客户，建议其抛售。
78.在一种具体实施方式中，本发明还提供一种基于用户画像的理财产品推荐方法的具体实施方式，参见图5以及图6，具体包括以下内容。
79.s1：批量从全量用户中，确定理财能力最好的优质客群，记为topn。
80.从全量用户群体中计算筛选出优质客群。针对得到的优质客群，实时收集行为数据。
81.s2：批量对全量用户进行类别划分，将所有用户分为m类。
82.针对全量用户，将用户信息灌入通过无监督聚类算法(k-means)实现类别划分，其中类别个数即为m值，该值由算法产生，不是人为预先划定的。
83.s3：利用步骤s1的得到的topn优质客群名单，采集该类客群的实时理财行为，得到客群的理财画像，作为储备的理财建议池。
84.针对得到优质客群行为数据，计算出各个理财产品的优质客群关注度，生成推荐池。
85.获取优质客群的理财行为，如该客群总共买入或卖出什么板块下的理财产品，浏览了哪些理财产品页面等信息，如表1所示，后续根据该表可以分配买、卖、浏览不同权重，计算出每个理财产品的最终关注度，从而作为推荐的优先参考指标。
86.需要说明的是，这里的优质客群关注度是根据优质客群的理财操作行为，计算出的一个指标，该指标可以反应当前优质客群对该理财产品整体上的一个操作倾向和关注度。关注度高，说明优质客群对该理财产品具有目的明确的操作倾向，往往对应多数优质客户的买入或卖出。
87.用户关注度是根据用户的理财操作行为和用户其他存量数据，计算出的一个指标，该指标可以反应当前客户对该理财产品整体上感兴趣的程度。
88.表1
[0089][0090]
s4：实时采集每个理财用户行为，得到每个用户的关注，结合用户类别，过滤第二步的建议池，得到针对具体用户的个性化实时且精准的理财建议或事件推荐。
[0091]
对于如何采集理财用户行为，可针对不同理财app后者不同理财数据来源的渠道，创建不同的topic，在数据来源端创建kafka生产者，然后在大数据创建kafka消费者。当不同渠道或app的用户通过操作产生买卖行为的时候，生产者通过topic将数据送到对应topic，后台消费者通过topic获取对应数据。然后进行下一步处理。
[0092]
将优质客群关注度和用户关注度进行数据碰撞，得到针对具体用户的实时推荐内容，对每个用户的类别，基于聚类算法进行达标分类。根据得到的用户类别和实时推荐内容，进一步筛选同类型优质客户产生的推荐内容，得到精准实时理财建议。
[0093]
从上述描述可知，本发明实施例所提供的一种基于用户画像的理财产品推荐方法，打破以往根据收益率进行推荐的逻辑，改为通过大数据选定优质客群，基于kafka采集优质客群实时理财买卖行为，计算对不同理财产品的关注度，将关注度高的产品作为推荐池，该推荐池实时进行更新(此处的逻辑是，优质用户具有丰富的理财能力和敏锐的市场嗅觉，所以当优质客群普遍对某类理财产品买入时，则认为该理财产品看涨，具有推荐价值，有必要推荐给对该类型产品感兴趣的客户；如果优质客群普遍对某类理财产品抛售时，则有理由相信该理财产品后期可能收益不好，有必要推荐给对该类型产品感兴趣的客户，提醒其暂时不要买入，或者提醒前期已经买入的客户，建议其抛售)。然后实时采集用户的理财关注点，动态计算关注度。
[0094]
接着，基于用户类别，从推荐池选择同类型优质客群产生的推荐内容，结合用户关注度生成实时且精准的理财内容，既包括理财买入建议，也包括理财卖出建议。抛弃以收益率进行推荐的产品侧逻辑，改为关注度进行推荐客户侧逻辑。
[0095]
基于同一发明构思，本技术实施例还提供了一种基于用户画像的理财产品推荐装置，可以用于实现上述实施例所描述的方法，如下面的实施例。由于一种基于用户画像的理财产品推荐装置解决问题的原理与一种基于用户画像的理财产品推荐方法相似，因此一种基于用户画像的理财产品推荐装置的实施可以参见一种基于用户画像的理财产品推荐方法实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0096]
本发明的实施例提供一种能够实现基于用户画像的理财产品推荐方法的一种基于用户画像的理财产品推荐装置的具体实施方式，参见图7，一种基于用户画像的理财产品
推荐装置具体包括如下内容：
[0097]
用户第一分类模块10，用于根据理财收益对理财用户进行分类，以生成第一分类结果；
[0098]
用户第二分类模块20，用于根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
[0099]
理财产品推送模块30，用于在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
[0100]
一实施例中，参见图8，所述用户第一分类模块10包括：
[0101]
用户第一分类单元101，用于根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。
[0102]
一实施例中，所述人口学特征包括：年龄、性别、收入以及职业；
[0103]
所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。
[0104]
一实施例中，参见图9，所述理财产品推送模块20包括：
[0105]
用户人群确定单元201，用于从所述第二分类结果确定多个理财用户人群；
[0106]
理财产品推送单元202，用于在所述理财用户人群中，将所述第一理财用户所对应的理财产品推送至第二理财用户。
[0107]
一实施例中，参见图10，所述理财产品推送单元202包括：
[0108]
理财产品第一推送单元2021，用于将所述第一理财用户所选择的理财产品推送至所述第二理财用户；
[0109]
理财产品第二推送单元2022，用于将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。
[0110]
从上述描述可知，本发明实施例提供一种基于用户画像的理财产品推荐装置：首先根据理财收益对理财用户进行分类，以生成第一分类结果；接着，根据理财用户的人口学特征以及金融学特征对理财用户进行分类，以生成第二分类结果；最后在第二分类结果中，将第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。本发明要实现基于优质客群关注度和用户关注度构建新的理财精准实时推荐逻辑。解决传统理财推荐内容仅仅根据收益率推荐，导致内容死板，难以反映市场实时动态和客户实时理财关注点的问题以及推荐不够精准的问题。具体地，本发明具有以下有益效果：
[0111]
1、基于优质客群计算得到的市场实时画像，真实反映了市场的当前情绪，有助于客户进行更加科学的决策。
[0112]
2、基于优质客群关注度的计算逻辑，隐含的保证了关注度高的理财产品和客户对该产品的看好程度是强相关的。隐含的利用了优质客户的智慧，通过真实群体的智慧，将多种客观因素影响潜在包含其中，得出了更加科学的对理财产品的判断。
[0113]
3、推荐中即通过关注度考虑了推荐内容的实时性，也通过用户类型进一步考虑了推荐内容的精准性。
[0114]
本技术的实施例还提供能够实现上述实施例中的一种基于用户画像的理财产品推荐方法中全部步骤的一种电子设备的具体实施方式，参见图11，电子设备具体包括如下内容：
[0115]
处理器(processor)1201、存储器(memory)1202、通信接口(communications interface)1203和总线1204；
[0116]
其中，处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信；通信接口1203用于实现服务器端设备以及客户端设备等相关设备之间的信息传输；
[0117]
处理器1201用于调用存储器1202中的计算机程序，处理器执行计算机程序时实现上述实施例中的一种基于用户画像的理财产品推荐方法中的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
[0118]
步骤100：根据理财收益对理财用户进行分类，以生成第一分类结果；
[0119]
步骤200：根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
[0120]
步骤300：在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
[0121]
本技术的实施例还提供能够实现上述实施例中的一种基于用户画像的理财产品推荐方法中全部步骤的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的一种基于用户画像的理财产品推荐方法的全部步骤，例如，处理器执行计算机程序时实现下述步骤：
[0122]
步骤100：根据理财收益对理财用户进行分类，以生成第一分类结果；
[0123]
步骤200：根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；
[0124]
步骤300：在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。
[0125]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0126]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0127]
虽然本技术提供了如实施例或流程图的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
[0128]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划
分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0129]
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0130]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0131]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0132]
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0133]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0134]
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。
技术特征：1.一种基于用户画像的理财产品推荐方法，其特征在于，包括：根据理财收益对理财用户进行分类，以生成第一分类结果；根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。2.如权利要求1所述的基于用户画像的理财产品推荐方法，其特征在于，所述根据理财收益对理财用户进行分类，以生成第一分类结果，包括：根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。3.如权利要求1所述的基于用户画像的理财产品推荐方法，其特征在于，所述人口学特征包括：年龄、性别、收入以及职业；所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。4.如权利要求1所述的基于用户画像的理财产品推荐方法，其特征在于，在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户，包括：从所述第二分类结果确定多个理财用户人群；在所述理财用户人群中，将所述第一理财用户所对应的理财产品推送至第二理财用户。5.如权利要求4所述的基于用户画像的理财产品推荐方法，其特征在于，将所述第一理财用户所对应的理财产品推送至第二理财用户，包括：将所述第一理财用户所选择的理财产品推送至所述第二理财用户；将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。6.一种基于用户画像的理财产品推荐装置，其特征在于，包括：用户第一分类模块，用于根据理财收益对理财用户进行分类，以生成第一分类结果；用户第二分类模块，用于根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；理财产品推送模块，用于在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。7.如权利要求6所述的基于用户画像的理财产品推荐装置，其特征在于，所述用户第一分类模块包括：用户第一分类单元，用于根据所述理财收益以及预设阈值将所述理财用户划分为至少两部分。8.如权利要求6所述的基于用户画像的理财产品推荐装置，其特征在于，所述人口学特征包括：年龄、性别、收入以及职业；所述金融学特征包括：用户存款、预设周期内的入账次数以及购买理财产品的类别。9.如权利要求6所述的基于用户画像的理财产品推荐装置，其特征在于，所述理财产品推送模块包括：用户人群确定单元，用于从所述第二分类结果确定多个理财用户人群；理财产品推送单元，用于在所述理财用户人群中，将所述第一理财用户所对应的理财
产品推送至第二理财用户。10.如权利要求9所述的基于用户画像的理财产品推荐装置，其特征在于，所述理财产品推送单元包括：理财产品第一推送单元，用于将所述第一理财用户所选择的理财产品推送至所述第二理财用户；理财产品第二推送单元，用于将所述第一理财用户所放弃的理财产品推送至所述第二理财用户。11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至5任一项所述一种基于用户画像的理财产品推荐方法的步骤。12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至5任一项所述一种基于用户画像的理财产品推荐方法的步骤。13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5任一项所述一种基于用户画像的理财产品推荐方法的步骤。
技术总结本发明提供了一种基于用户画像的理财产品推荐方法及装置，对应的方法包括：根据理财收益对理财用户进行分类，以生成第一分类结果；根据所述理财用户的人口学特征以及金融学特征对所述理财用户进行分类，以生成第二分类结果；在所述第二分类结果中，将所述第一分类结果中的第一理财用户所对应的理财产品推送至第二理财用户。本发明要实现基于优质客群关注度和用户关注度构建新的理财精准实时推荐逻辑。解决传统理财推荐内容仅仅根据收益率推荐，导致内容死板，难以反映市场实时动态和客户实时理财关注点的问题以及推荐不够精准的问题。问题。问题。
技术研发人员：李瑞男 田林 何聪聪 龚孟旭 王博瑞 魏超 李亚雄 陈冰 岑笑影 宋柯欣 王宇虹
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.04.08
技术公布日：2022/7/5
