一种信用卡推荐方法、装置、电子设备及存储介质与流程

1.本技术涉及数据分析技术领域，具体而言，涉及一种信用卡推荐方法、装置、电子设备及存储介质。


背景技术：

2.现有的信用卡办理有多种模式，如用户可以通过app进行自助挑选，也可以通过销售人员进行线下推荐，但是，这两种方式都存在很多弊端。
3.用户在通过app进行自助挑选时，由于不清楚每一种信用卡的适用状况或者申领条件，常常无法选择到符合自己需求的信用卡，导致效率低下，且使用状况不佳。若通过销售人员进行线下销售，由于每个销售人员同一时间只能对一位用户进行推荐，使得需要耗费大量的人力物力才可以实现，人工成本大大增加，同时还需要占用用户的时间，体验感不佳。


技术实现要素：

4.本技术实施例的目的在于提供一种信用卡推荐方法、装置、电子设备及存储介质，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。
5.第一方面，本技术实施例提供了一种信用卡推荐方法，所述方法包括：
6.获取用户的消费习惯数据和财务状况数据；
7.根据所述消费习惯数据和所述财务状况数据构建用户分析模型；
8.根据所述用户分析模型对所述用户的类型进行分析，得到用户类型；
9.提取信用卡的产品信息；
10.将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。
11.在上述实现过程中，通过对用户的消费习惯和财务状况进行精准分析，再通过推荐模型选取合适的卡片信息，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。
12.进一步地，所述根据所述消费习惯数据和所述财务状况数据构建用户分析模型的步骤，包括：
13.提取所述消费习惯数据中的消费类型信息；
14.提取所述财务状况数据中的支出信息和储蓄信息；
15.根据所述消费类型信息、所述支出信息和所述储蓄信息构建所述用户分析模型。
16.在上述实现过程中，根据消费类型信息、支出信息和储蓄信息可以对用户的消费偏好形成初步判断，便于构建用户分析模型对用户的全面性分析。
17.进一步地，所述根据所述消费类型信息、所述支出信息和所述储蓄信息构建所述
用户分析模型的步骤，包括：
18.将所述消费类型信息和所述支出信息进行匹配，得到用户的历史消费数据；
19.将所述历史消费数据和所述储蓄信息输入预先构建的基础模型，得到所述用户分析模型。
20.在上述实现过程中，将消费类型信息和支出信息进行匹配，可以得知用户以往的消费重点，再将历史消费数据和储蓄信息输入预先构建的基础模型，可以减小分析过程中的误差。
21.进一步地，所述根据所述用户分析模型对所述用户的类型进行分析，得到用户类型的步骤，包括：
22.根据所述用户分析模型获得所述用户的历史消费场景；
23.选取所述历史消费场景中的出现频次最高的消费场景；
24.对所述历史消费场景中的出现频次最高的消费场景进行场景标签匹配，得到所述消费场景对应的场景标签；
25.根据所述场景标签获得所述用户的用户类型。
26.在上述实现过程中，将历史消费场景中的出现频次最高的消费场景进行场景标签匹配，可以更加精准地判断用户的消费场景、用户类型，便于后续为用户推荐合适的信用卡。
27.进一步地，所述将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息的步骤，还包括：
28.提取所述信用卡产品信息中的信用卡特征数据；
29.将所述信用卡特征数据和所述用户类型输入所述预先构建的推荐模型，得到信用卡集合；
30.根据所述场景标签对所述信用卡集合进行二次筛选，得到所述待推荐的信用卡的卡片信息。
31.在上述实现过程中，根据场景标签对信用卡集合中的信用卡进行二次筛选，可以提高待推荐的信用卡的卡片信息的可信度，提高待推荐的信用卡的卡片信息与用户的适配度。
32.进一步地，在所述根据所述场景标签对所述信用卡集合进行二次筛选，得到所述待推荐的信用卡的卡片信息的步骤之后，还包括：
33.获取用户的定制需求；
34.根据所述用户需求对所述待推荐的信用卡的卡片信息添加所述定制需求。
35.在上述实现过程中，根据用户的定制需求为用户进行个性化定制，可以提高用户对信用卡的使用率，使得推荐给用户的信用卡更加贴合用户的需求，提高用户的使用率。
36.进一步地，在所述将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息的步骤之后，还包括：
37.对所述用户提供的验证资料进行审核；
38.若所述验证资料中存在告警信息，将所述告警信息与所述待推荐的信用卡的卡片信息进行匹配，得到存在告警历史的卡片信息；
39.将所述待推荐的信用卡的卡片信息中的存在告警历史的卡片信息删除，得到新的
待推荐的信用卡的卡片信息。
40.在上述实现过程中，对用户的验证资料进行审核，剔除待推荐的信用卡的卡片信息中存在告警历史的卡片信息，可以有效提高用户信用卡的通过率。
41.第二方面，本技术实施例还提供了一种信用卡推荐装置，所述装置包括：
42.获取模块，用于获取用户的消费习惯数据和财务状况数据；
43.构建模块，用于根据所述消费习惯数据和所述财务状况数据构建用户分析模型；
44.分析模块，用于根据所述用户分析模型对所述用户的类型进行分析，得到用户类型；
45.提取模块，用于提取信用卡的产品信息；
46.推荐模块，用于将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。
47.在上述实现过程中，通过对用户的消费习惯和财务状况进行精准分析，再通过推荐模型选取合适的卡片信息，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。
48.第三方面，本技术实施例提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
49.第四方面，本技术实施例提供的一种计算机可读存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。
50.第五方面，本技术实施例提供的一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一项所述的方法。
51.本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
52.并可依照说明书的内容予以实施，以下以本技术的较佳实施例并配合附图详细说明如后。
附图说明
53.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围值的限定，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相关的附图。
54.图1为本技术实施例提供的信用卡推荐方法的流程示意图；
55.图2为本技术实施例提供的信用卡推荐装置的结构组成示意图；
56.图3为本技术实施例提供的一种信用卡推荐装置的结构组成示意图；
57.图4为本技术实施例提供的另一种信用卡推荐装置的结构组成示意图；
58.图5为本技术实施例提供的电子设备的结构组成示意图。
具体实施方式
59.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
60.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
61.下面结合附图和实施例，对本技术的具体实施方式作进一步详细描述。以下实施例用于说明本技术，但不用来限制本技术的范围值。
62.实施例一
63.图1是本技术实施例提供的信用卡推荐方法的流程示意图，如图1所示，该方法包括：
64.s1，获取用户的消费习惯数据和财务状况数据；
65.s2，根据消费习惯数据和财务状况数据构建用户分析模型；
66.s3，根据用户分析模型对用户的类型进行分析，得到用户类型；
67.s4，提取信用卡的产品信息；
68.s5，将信用卡的产品信息和用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。
69.在上述实现过程中，通过对用户的消费习惯和财务状况进行精准分析，再通过推荐模型选取合适的卡片信息，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。
70.进一步地，s2包括：
71.提取消费习惯数据中的消费类型信息；
72.提取财务状况数据中的支出信息和储蓄信息；
73.根据消费类型信息、支出信息和储蓄信息构建用户分析模型。
74.在上述实现过程中，根据消费类型信息、支出信息和储蓄信息可以对用户的消费偏好形成初步判断，便于构建用户分析模型对用户的全面性分析。
75.对客户历史交易数据、消费习惯、财务状况等进行分析，了解客户的需求和偏好。根据客户的消费能力、信用状况等因素，便于后续在对用户进行信用卡推荐时，可以进行不同的推荐，例如，若用户的消费能力高，财务状况良好，可以推荐高额度的信用卡，并提供相应的优惠政策。
76.进一步地，根据消费类型信息、支出信息和储蓄信息构建用户分析模型的步骤，包括：
77.将消费类型信息和支出信息进行匹配，得到用户的历史消费数据；
78.将历史消费数据和储蓄信息输入预先构建的基础模型，得到用户分析模型。
79.在上述实现过程中，将消费类型信息和支出信息进行匹配，可以得知用户以往的消费重点，再将历史消费数据和储蓄信息输入预先构建的基础模型，可以减小分析过程中的误差。
80.本技术实施例可以根据客户的需求和偏好，提供最适合客户的卡片信息。还可以使用用户分析模型对用户进行跟踪和分析，根据消费行为、偏好等因素，提供个性化的营销
服务，增加客户黏性。
81.进一步地，s3包括：
82.根据用户分析模型获得用户的历史消费场景；
83.选取历史消费场景中的出现频次最高的消费场景；
84.对历史消费场景中的出现频次最高的消费场景进行场景标签匹配，得到消费场景对应的场景标签；
85.根据场景标签获得用户的用户类型。
86.在上述实现过程中，将历史消费场景中的出现频次最高的消费场景进行场景标签匹配，可以更加精准地判断用户的消费场景、用户类型，便于后续为用户推荐合适的信用卡。
87.通过分析用户的历史消费场景，例如，如果客户是旅游爱好者，历史消费场景应为包含多次旅行消费，如机票消费、火车票消费等，则推荐的信用卡包含带有航空里程积分的信用卡，如果客户的历史消费场景包含多家免税店或者机场消费，推荐的信用卡包含带有消费积分和返现优惠的信用卡。
88.进一步地，s5包括：
89.提取信用卡产品信息中的信用卡特征数据；
90.将信用卡特征数据和所述用户类型输入所述预先构建的推荐模型，得到信用卡集合；
91.根据场景标签对信用卡集合进行二次筛选，得到待推荐的信用卡的卡片信息。
92.在上述实现过程中，根据场景标签对信用卡集合中的信用卡进行二次筛选，可以提高待推荐的信用卡的卡片信息的可信度，提高待推荐的信用卡的卡片信息与用户的适配度。
93.进一步地，在根据场景标签对信用卡集合进行二次筛选，得到待推荐的信用卡的卡片信息的步骤之后，还包括：
94.获取用户的定制需求；
95.根据用户需求对待推荐的信用卡的卡片信息添加所述定制需求。
96.在上述实现过程中，根据用户的定制需求为用户进行个性化定制，可以提高用户对信用卡的使用率，使得推荐给用户的信用卡更加贴合用户的需求，提高用户的使用率。
97.本技术实施例可以根据客户历史交易数据，针对客户的消费场景，提供更加个性化的卡片信息。例如，可以根据客户的消费场景和习惯，提供优惠券、积分兑换等个性化的服务，吸引客户持续消费。
98.进一步地，在将信用卡的产品信息和用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息的步骤之后，还包括：
99.对用户提供的验证资料进行审核；
100.若验证资料中存在告警信息，将告警信息与待推荐的信用卡的卡片信息进行匹配，得到存在告警历史的卡片信息；
101.将待推荐的信用卡的卡片信息中的存在告警历史的卡片信息删除，得到新的待推荐的信用卡的卡片信息。
102.在上述实现过程中，对用户的验证资料进行审核，剔除待推荐的信用卡的卡片信
息中存在告警历史的卡片信息，可以有效提高用户信用卡的通过率。
103.本技术实施例还可以使用rpa技术对信用卡卡片申请流程进行审核，包括客户资料验证、审批等步骤。若用户的验证资料中包含对某一个种类的信用卡或者某一个银行的告警信息，可以将待推荐的信用卡的卡片信息包含的这种信用卡或者这个银行的信用卡剔除掉，提高用户的申请通过率和体验感，提高效率和准确性。
104.同时，本技术实施例还可以使用rpa技术对客户的投诉和疑问进行处理，快速解决问题，提高客户满意度。例如，客户可以通过手机app、微信公众号等渠道向客服人员提出问题，rpa系统会自动处理问题，并及时给客户反馈结果。
105.实施例二
106.为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种信用卡推荐装置，如图2所示，该装置包括：
107.获取模块1，用于获取用户的消费习惯数据和财务状况数据；
108.构建模块2，用于根据消费习惯数据和财务状况数据构建用户分析模型；
109.分析模块3，用于根据用户分析模型对用户的类型进行分析，得到用户类型；
110.提取模块4，用于提取信用卡的产品信息；
111.推荐模块5，用于将信用卡的产品信息和用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。
112.在上述实现过程中，通过对用户的消费习惯和财务状况进行精准分析，再通过推荐模型选取合适的卡片信息，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。
113.进一步地，构建模块2还用于：
114.提取消费习惯数据中的消费类型信息；
115.提取财务状况数据中的支出信息和储蓄信息；
116.根据消费类型信息、支出信息和储蓄信息构建用户分析模型。
117.在上述实现过程中，根据消费类型信息、支出信息和储蓄信息可以对用户的消费偏好形成初步判断，便于构建用户分析模型对用户的全面性分析。
118.进一步地，构建模块2还用于：
119.将消费类型信息和支出信息进行匹配，得到用户的历史消费数据；
120.将历史消费数据和储蓄信息输入预先构建的基础模型，得到用户分析模型。
121.在上述实现过程中，将消费类型信息和支出信息进行匹配，可以得知用户以往的消费重点，再将历史消费数据和储蓄信息输入预先构建的基础模型，可以减小分析过程中的误差。
122.进一步地，分析模块3还用于：
123.根据用户分析模型获得用户的历史消费场景；
124.选取历史消费场景中的出现频次最高的消费场景；
125.对历史消费场景中的出现频次最高的消费场景进行场景标签匹配，得到消费场景对应的场景标签；
126.根据场景标签获得用户的用户类型。
127.在上述实现过程中，将历史消费场景中的出现频次最高的消费场景进行场景标签匹配，可以更加精准地判断用户的消费场景、用户类型，便于后续为用户推荐合适的信用卡。
128.进一步地，推荐模块5还用于：
129.提取信用卡产品信息中的信用卡特征数据；
130.将信用卡特征数据和所述用户类型输入所述预先构建的推荐模型，得到信用卡集合；
131.根据场景标签对信用卡集合进行二次筛选，得到待推荐的信用卡的卡片信息。
132.在上述实现过程中，根据场景标签对信用卡集合中的信用卡进行二次筛选，可以提高待推荐的信用卡的卡片信息的可信度，提高待推荐的信用卡的卡片信息与用户的适配度。
133.进一步地，如图3所示，该装置还包括添加模块6，用于：
134.获取用户的定制需求；
135.根据用户需求对待推荐的信用卡的卡片信息添加所述定制需求。
136.在上述实现过程中，根据用户的定制需求为用户进行个性化定制，可以提高用户对信用卡的使用率，使得推荐给用户的信用卡更加贴合用户的需求，提高用户的使用率。
137.进一步地，如图4所示，该装置还包括审核模块7，用于：
138.对用户提供的验证资料进行审核；
139.若验证资料中存在告警信息，将告警信息与待推荐的信用卡的卡片信息进行匹配，得到存在告警历史的卡片信息；
140.将待推荐的信用卡的卡片信息中的存在告警历史的卡片信息删除，得到新的待推荐的信用卡的卡片信息。
141.在上述实现过程中，对用户的验证资料进行审核，剔除待推荐的信用卡的卡片信息中存在告警历史的卡片信息，可以有效提高用户信用卡的通过率。
142.上述的信用卡推荐装置可实施上述实施例一的方法。上述实施例一中的可选项也适用于本实施例，这里不再详述。
143.本技术实施例的其余内容可参照上述实施例一的内容，在本实施例中，不再进行赘述。
144.实施例三
145.本技术实施例提供一种电子设备，包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的信用卡推荐方法。
146.可选地，上述电子设备可以是服务器。
147.请参见图5，图5为本技术实施例提供的电子设备的结构组成示意图。该电子设备可以包括处理器51、通信接口52、存储器53和至少一个通信总线54。其中，通信总线54用于实现这些组件直接的连接通信。其中，本技术实施例中设备的通信接口52用于与其他节点设备进行信令或数据的通信。处理器51可以是一种集成电路芯片，具有信号的处理能力。
148.上述的处理器51可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管
逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。
149.存储器53可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。存储器53中存储有计算机可读取指令，当计算机可读取指令由所述处理器51执行时，设备可以执行上述图1方法实施例涉及的各个步骤。
150.可选地，电子设备还可以包括存储控制器、输入输出单元。存储器53、存储控制器、处理器51、外设接口、输入输出单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或通信总线54实现电性连接。处理器51用于执行存储器53中存储的可执行模块，例如设备包括的软件功能模块或计算机程序。
151.输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。输入输出单元可以是，但不限于，鼠标和键盘等。
152.可以理解，图5所示的结构仅为示意，电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
153.另外，本技术实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的信用卡推荐方法。
154.本技术实施例还提供一种计算机程序产品，该计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。
155.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
156.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
157.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码
的介质。
158.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围值，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围值之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
159.以上所述，仅为本技术的具体实施方式，但本技术的保护范围值并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围值内，可轻易想到变化或替换，都应涵盖在本技术的保护范围值之内。因此，本技术的保护范围值应所述以权利要求的保护范围值为准。
160.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

技术特征：
1.一种信用卡推荐方法，其特征在于，所述方法包括：获取用户的消费习惯数据和财务状况数据；根据所述消费习惯数据和所述财务状况数据构建用户分析模型；根据所述用户分析模型对所述用户的类型进行分析，得到用户类型；提取信用卡的产品信息；将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。2.根据权利要求1所述的信用卡推荐方法，其特征在于，所述根据所述消费习惯数据和所述财务状况数据构建用户分析模型的步骤，包括：提取所述消费习惯数据中的消费类型信息；提取所述财务状况数据中的支出信息和储蓄信息；根据所述消费类型信息、所述支出信息和所述储蓄信息构建所述用户分析模型。3.根据权利要求2所述的信用卡推荐方法，其特征在于，所述根据所述消费类型信息、所述支出信息和所述储蓄信息构建所述用户分析模型的步骤，包括：将所述消费类型信息和所述支出信息进行匹配，得到用户的历史消费数据；将所述历史消费数据和所述储蓄信息输入预先构建的基础模型，得到所述用户分析模型。4.根据权利要求1所述的信用卡推荐方法，其特征在于，所述根据所述用户分析模型对所述用户的类型进行分析，得到用户类型的步骤，包括：根据所述用户分析模型获得所述用户的历史消费场景；选取所述历史消费场景中的出现频次最高的消费场景；对所述历史消费场景中的出现频次最高的消费场景进行场景标签匹配，得到所述消费场景对应的场景标签；根据所述场景标签获得所述用户的用户类型。5.根据权利要求4所述的信用卡推荐方法，其特征在于，所述将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息的步骤，包括：提取所述信用卡产品信息中的信用卡特征数据；将所述信用卡特征数据和所述用户类型输入所述预先构建的推荐模型，得到信用卡集合；根据所述场景标签对所述信用卡集合进行二次筛选，得到所述待推荐的信用卡的卡片信息。6.根据权利要求1所述的信用卡推荐方法，其特征在于，在所述根据所述场景标签对所述信用卡集合进行二次筛选，得到所述待推荐的信用卡的卡片信息的步骤之后，还包括：获取用户的定制需求；根据所述用户需求对所述待推荐的信用卡的卡片信息添加所述定制需求。7.根据权利要求1所述的信用卡推荐方法，其特征在于，在所述将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息的步骤之后，还包括：对所述用户提供的验证资料进行审核；
若所述验证资料中存在告警信息，将所述告警信息与所述待推荐的信用卡的卡片信息进行匹配，得到存在告警历史的卡片信息；将所述待推荐的信用卡的卡片信息中的存在告警历史的卡片信息删除，得到新的待推荐的信用卡的卡片信息。8.一种信用卡推荐装置，其特征在于，所述装置还包括：获取模块，用于获取用户的消费习惯数据和财务状况数据；构建模块，用于根据所述消费习惯数据和所述财务状况数据构建用户分析模型；分析模块，用于根据所述用户分析模型对所述用户的类型进行分析，得到用户类型；提取模块，用于提取信用卡的产品信息；推荐模块，用于将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至7中任一项所述的信用卡推荐方法。10.一种存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的信用卡推荐方法。

技术总结
本申请实施例提供一种信用卡推荐方法、装置、电子设备及存储介质，其中，该方法包括：获取用户的消费习惯数据和财务状况数据；根据所述消费习惯数据和所述财务状况数据构建用户分析模型；根据所述用户分析模型对所述用户的类型进行分析，得到用户类型；提取信用卡的产品信息；将所述信用卡的产品信息和所述用户类型输入预先构建的推荐模型，得到待推荐的信用卡的卡片信息。实施本申请实施例，可以根据用户需求为用户推荐信用卡，使得推送的卡片信息更加符合用户的要求，避免线上推送的失误率，提高推荐效率和推荐精度，同时减少人力成本和时间成本。时间成本。时间成本。


技术研发人员：倪明青
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.06.07
技术公布日：2023/8/23