【技術實現步驟摘要】
本申請涉及人工智能，尤其涉及一種信息推薦方法、裝置、設備及介質。
技術介紹
1、隨著移動互聯網技術的飛速發展，人們的生活方式和工作模式已發生深刻變革，信息獲取渠道日益多元化。這一變革對保險行業等傳統服務業的市場運作模式產生了顯著影響。傳統保險銷售模式，如固定門店服務、上門拜訪及電話銷售等，雖曾助力企業積累龐大的用戶基礎，但在信息化時代背景下，其固有的低效率與高成本問題愈發顯著，難以適應市場需求的變化。
2、近年來，隨著社交媒體平臺的興起，即時通訊工具已成為企業拓展市場的新渠道。眾多企業紛紛嘗試利用這些平臺進行產品推廣和服務介紹，以期實現營銷模式的創新。然而，這種新型營銷模式并非萬能鑰匙。部分客戶對頻繁的信息推送感到困擾，甚至產生反感，導致客戶投訴率攀升，嚴重損害了企業的品牌形象。在此情境下，亟需提供一種可以精準識別并區分愿意接受網絡營銷方式的客戶群體，并針對其制定個性化的營銷策略的方法。
技術實現思路
1、本申請實施例的目的在于提出一種信息推薦方法、裝置、設備及介質，以解決現有難以精準識別并區分愿意接受網絡營銷方式的客戶群體，并針對其制定個性化的營銷策略，以進行信息推薦的問題。
2、為了解決上述技術問題，本申請實施例提供一種信息推薦方法，采用了如下的技術方案：
3、獲取預設時間段內多個客戶終端的客戶數據和客戶行為特征信息；基于客戶數據和客戶行為特征信息，構建多個客戶終端的客戶特征向量；采用預設的深度聚類模型，對客戶特征向量進行聚類分析，確定每個客
4、進一步的，獲取預設時間段內多個客戶終端的客戶數據和客戶行為特征信息的步驟，具體包括：
5、獲取預設時間段內多個客戶終端的原始客戶數據和客戶行為特征信息；對原始客戶數據進行數據清洗處理，得到清洗后的原始客戶數據，對清洗后的原始客戶數據進行編碼轉換，得到多個客戶終端的客戶數據。
6、進一步的，基于客戶數據和客戶行為特征信息，構建多個客戶終端的客戶特征向量的步驟，具體包括：
7、采用預設的降維算法，對客戶數據進行特征選擇，得到多個客戶終端的關鍵特征集；基于關鍵特征集和客戶行為特征信息，構建多個客戶終端的客戶特征向量。
8、進一步的，在采用預設的深度聚類模型，對客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟之前，還包括：
9、獲取第一歷史時間段內已標記的多個歷史客戶終端的歷史客戶數據和歷史行為特征信息；基于歷史客戶數據和歷史行為特征信息，構建多個歷史客戶終端的目標特征向量；采用目標特征向量，對預設的多層網絡和預設的聚類層進行訓練，以構建預設的深度聚類模型。
10、進一步的，采用預設的深度聚類模型，對客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟，具體包括：
11、采用深度聚類模型的多層網絡，對客戶特征向量進行非線性變換，得到每個客戶終端的深層特征信息；采用深度聚類模型的聚類層，對深層特征信息進行聚類，確定每個客戶終端所屬的客戶群體。
12、進一步的，基于預設的營銷策略，從客戶群體中確定目標子客戶群體的步驟，具體包括：
13、根據預設的營銷策略，獲取客戶群體的屬性特征數據；
14、采用聚類算法，對屬性特征數據進行分析，得到客戶群體中客戶終端之間的屬性相似度；根據屬性相似度，將客戶群體劃分為多個子客戶群體；獲取每個子客戶群體的網絡活躍度，將多個子客戶群體中網絡活躍度超過預設活躍閾值的子客戶群體，標記為目標子客戶群體。
15、進一步的，在采用預設的預測模型，預測目標子客戶群體的客戶終端添加即時通訊群組的概率，得到概率值的步驟之前，還包括：
16、獲取第二歷史時間段內歷史客戶群體的加群數據；基于加群數據和預設的監督學習算法，對預設的分類模型進行訓練，以構建預設的預測模型。
17、為了解決上述技術問題，本申請實施例還提供一種信息推薦裝置，采用了如下的技術方案：
18、第一獲取模塊，用于獲取預設時間段內多個客戶終端的客戶數據和客戶行為特征信息；
19、構建模塊，用于基于客戶數據和客戶行為特征信息，構建多個客戶終端的客戶特征向量；
20、聚類模塊，用于采用預設的深度聚類模型，對客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體；
21、預測模塊，用于基于預設的營銷策略，從客戶群體中確定目標子客戶群體，采用預設的預測模型，預測目標子客戶群體的客戶終端添加即時通訊群組的概率，得到概率值；
22、推薦模塊，用于將目標子客戶群體中概率值大于預設概率閾值的目標客戶終端添加至即時通訊群組，以在即時通訊群組內對目標客戶終端進行信息推薦。
23、為了解決上述技術問題，本申請實施例還提供一種計算機設備，包括存儲器和處理器，存儲器中存儲有計算機可讀指令，處理器執行計算機可讀指令時實現如上述信息推薦方法的步驟。
24、為了解決上述技術問題，本申請實施例還提供一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機可讀指令，計算機可讀指令可被至少一個處理器執行，以使至少一個處理器執行如上述信息推薦方法的步驟。
25、與現有技術相比，本申請實施例主要有以下有益效果：通過獲取并分析預設時間段內多個客戶終端的客戶數據和行為特征信息，能夠全面且深入地理解客戶偏好和需求。通過構建客戶特征向量，并利用深度聚類模型進行精準的客戶群體劃分，實現了對目標市場的細致分割。進一步地，基于預設的營銷策略，本實施例提供的方案能夠鎖定具有特定需求的目標子客戶群體，即可以精準識別并區分愿意接受網絡營銷方式的客戶群體，并通過預測模型準確評估其加入即時通訊群組的意愿。這一步驟不僅提高了營銷活動的針對性，還有效避免了不必要的資源浪費。最終，將高概率值的目標客戶終端添加至即時通訊群組，以在即時通訊群組內對目標客戶進行信息推薦，實現針對高概率值的目標客戶終端制定個性化的營銷策略，使得信息推薦能夠直達潛在客戶，極大地提升了營銷效率和客戶滿意度，提高了信息推薦的準確性。
本文檔來自技高網...【技術保護點】
1.一種信息推薦方法，其特征在于，包括下述步驟：
2.根據權利要求1所述的方法，其特征在于，所述獲取預設時間段內多個客戶終端的客戶數據和客戶行為特征信息的步驟，具體包括：
3.根據權利要求1-2任一項所述的方法，其特征在于，所述基于所述客戶數據和所述客戶行為特征信息，構建所述多個客戶終端的客戶特征向量的步驟，具體包括：
4.根據權利要求1所述的方法，其特征在于，在所述采用預設的深度聚類模型，對所述客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟之前，還包括：
5.根據權利要求4所述的方法，其特征在于，所述采用預設的深度聚類模型，對所述客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟，具體包括：
6.根據權利要求1所述的方法，其特征在于，所述基于預設的營銷策略，從所述客戶群體中確定目標子客戶群體的步驟，具體包括：
7.根據權利要求1所述的方法，其特征在于，在所述采用預設的預測模型，預測所述目標子客戶群體的客戶終端添加即時通訊群組的概率，得到概率值的步驟之前，還包括：
8.
9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執行所述計算機可讀指令時實現如權利要求1至7中任一項所述信息推薦方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機可讀指令，所述計算機可讀指令被處理器執行時實現如權利要求1至7中任一項所述信息推薦方法的步驟。
...【技術特征摘要】
1.一種信息推薦方法，其特征在于，包括下述步驟：
2.根據權利要求1所述的方法，其特征在于，所述獲取預設時間段內多個客戶終端的客戶數據和客戶行為特征信息的步驟，具體包括：
3.根據權利要求1-2任一項所述的方法，其特征在于，所述基于所述客戶數據和所述客戶行為特征信息，構建所述多個客戶終端的客戶特征向量的步驟，具體包括：
4.根據權利要求1所述的方法，其特征在于，在所述采用預設的深度聚類模型，對所述客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟之前，還包括：
5.根據權利要求4所述的方法，其特征在于，所述采用預設的深度聚類模型，對所述客戶特征向量進行聚類分析，確定每個客戶終端所屬的客戶群體的步驟，具體包括：
6.根據權利...
【專利技術屬性】
技術研發人員：嚴楊揚，
申請(專利權)人：中國平安財產保險股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。