产品的推荐方法和装置、存储介质、电子装置

技术领域

本申请涉及推荐领域，具体而言，涉及一种产品的推荐方法和装置、存储介质、电子装置。

背景技术

目前常见的保险购买方案，主要以两个方式为主，第一个是用户根据自己的保险诉求自行在网上搜索保险条目，并根据保险条例规则，寻找符合自身条件的保险去投保；第二种则是线下走保险公司流程，寻找专业的保险从业人员，通过保险从业人员的讲解和推荐来购买保险。

在用户购买理财等产品时，方案与上述类似。发明人经过对相关技术中的产品购买(如购买保险、理财等产品)方案进行分析后认识到，对于普通用户来讲，这些方案都存在认知门槛过高的情况，而推荐方因为种种原因并不能推荐与用户匹配的产品，导致并不能买个契合自己的产品。具体表现为：第一种线上用户自行搜索保险等业务的方式，普通用户无法短时间内通过繁杂的条例获得自己所需要的信息，而且由于对保险等产品知识认知的缺陷，经常会导致对于条例理解的误差；第二种线下寻找从业人员推荐这一方法，让用户对保险等产品的认知受到从业人员的主观性影响，并不能客观的获得自己需要的信息。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种产品的推荐方法和装置、存储介质、电子装置，以至少解决相关技术中推荐的产品与用户的匹配度较低的技术问题。

根据本申请实施例的一个方面，提供了一种产品的推荐方法，包括：获取第一帐号的第一用户画像，其中，第一用户画像用于描述第一帐号所标识的目标对象；根据第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品，其中，产品集合包括目标业务的多个业务产品；向第一帐号推荐目标业务产品，其中，目标业务产品用于在目标对象发生预设事件的情况下，向第一帐号转移虚拟资源。

根据本申请实施例的另一方面，还提供了一种产品的推荐装置，包括：获取单元，用于获取第一帐号的第一用户画像，其中，第一用户画像用于描述第一帐号所标识的目标对象；选取单元，用于根据第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品，其中，产品集合包括目标业务的多个业务产品；推荐单元，用于向第一帐号推荐目标业务产品，其中，目标业务产品用于在目标对象发生预设事件的情况下，向第一帐号转移虚拟资源。

根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。

根据本申请实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。

在本申请实施例中，获取第一帐号的第一用户画像；根据第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品；向第一帐号推荐目标业务产品，通过使用用户画像可以准确挖掘用户实际需求，进而推荐与用户匹配的目标业务产品，可以解决相关技术中推荐的产品与用户的匹配度较低的技术问题，进而达到准确为用户推荐产品的技术效果。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的产品的推荐方法的硬件环境的示意图；

图2是根据本申请实施例的一种可选的产品的推荐方法的流程图；

图3是根据本申请实施例的一种可选的产品的推荐方案的示意图；

图4是根据本申请实施例的一种可选的产品的推荐方案的示意图；

图5是根据本申请实施例的一种可选的产品的推荐装置的示意图；

以及

图6是根据本申请实施例的一种电子装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，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。

首先，在对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：

自然语言处理：(英文名为natural language processing，NLP)，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。

根据本申请实施例的一方面，提供了一种产品的推荐方法的方法实施例。

可选地，在本实施例中，上述产品的推荐方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供产品推荐服务(如理财产品、保险产品等产品的推荐服务)，可在服务器上或独立于服务器设置数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101并不限定于PC、手机、平板电脑等。

本申请实施例的产品的推荐方法可以由服务器103来执行，也可以由服务器103和终端101共同执行。图2是根据本申请实施例的一种可选的产品的推荐方法的流程图，如图2所示，该方法可以包括以下步骤：

步骤S202，服务器获取第一帐号的第一用户画像，第一用户画像用于描述第一帐号所标识的目标对象，用户画像(User Persona)是建立在一系列属性数据之上的目标用户模型，一般是从用户数据中抽象出来的用以描述用户需求的工具。

步骤S204，服务器根述第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品，产品集合包括目标业务的多个业务产品。

步骤S206，服务器向第一帐号推荐目标业务产品，目标业务产品用于在目标对象发生预设事件的情况下，向第一帐号转移虚拟资源，如保险产品在满足一定的出险条件(如疾病、财产受损等)向用户赔偿、理财产品到期后向用户支付理财收益。

本申请的服务器和终端可以为单独的设备，也可以集群的方式存在，终端可在所安装的客户端(如业务客户端、浏览器客户端等)上使用目标业务的推荐服务，业务帐号(如第一帐号、第二帐号等)即目标业务中的业务帐号。

通过上述步骤S202至步骤S206，获取第一帐号的第一用户画像；根述第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品；向第一帐号推荐目标业务产品，通过使用用户画像可以准确挖掘用户实际需求，进而推荐与用户匹配的目标业务产品，可以解决相关技术中推荐的产品与用户的匹配度较低的技术问题，进而达到准确为用户推荐产品的技术效果。

随着互联网技术的普及，网络搜索已经成为生活中必不可少的一部分。本方案巧妙地利用这一特性，以业务产品为保险产品为例，可借助自然语言处理对用户保险诉求进行解析；然后在大数据险种数据库中进行分类匹配，并结合险种推荐模型，最终对用户进行保险诉求的解析以及定制化保险推荐，并将结果实时反馈到用户手机侧。下文结合具体实施方式详述本申请的技术方案：

步骤1，收集第一帐号在目标业务的业务平台上产生的原始数据，如用户在客户端中注册的个人信息、进行产品搜索时的语音或者文本信息、浏览记录等。

步骤2，从原始数据中提取出第一帐号的产品需求，如投保人、被保人、需求产生的时间、用户基本信息等。

步骤3，服务器利用第一帐号的产品需求和第一帐号的对象信息生成第一用户画像，该用户画像主要包括两个部分的信息，其一是对象信息(即用户的个人信息)、其二是产品诉求(如需要什么样的产品等)。需要说明的是，若是新用户则用户画像中可能没有产品诉求。

步骤4，在推荐操作被触发(如定时触发、用户登录客户端、用户语音请求推荐等)时，获取第一帐号的第一用户画像。

步骤5，根述第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品。

上述步骤5的根述第一用户画像对产品需求的记录结果，从产品集合中选取与目标对象匹配的目标业务产品包括以下两种情况：

其一是，在第一用户画像中记录有第一帐号的产品需求的情况下，将产品集合中与第一用户画像记录的产品需求匹配的业务产品作为与目标对象匹配的目标业务产品。可通过如下步骤51-步骤53实现：

步骤51，根据第一用户画像确定第一帐号在多个特征维度上的权重，并获取候选业务产品在多个特征维度上的特征值。

在根据第一用户画像确定第一帐号在多个特征维度上的权重时，如首先根据历史数据对各个特征维度进行基础打分，如表8所示，如在经济收入、健康、职业发展、年龄等维度上打分，进而根据分值得到各个维度对应的初始权重，然后根据个人条件，进行模型干扰，如还会考虑家里父母子女情况、所在地区的整体经济情况等，并依此对权重进行修正，得出最后的权重。

上述多个特征维度包括年龄特征、职业特征、帐号类型(如是否帐号、帐号对应用户的性别等)以及资源转移特征(如帐号对应用户的收入)中的至少两个，其中，在获取候选业务产品在多个特征维度上的特征值时，获取候选业务产品按照每个特征维度进行推荐的总推荐次数和成功推荐次数；将总推荐次数与成功推荐次数之间的比值作为特征维度的特征值，如表6所示的年龄特征维度，对于10-15岁这个年龄段，总推荐次数为30，推荐成功次数为10，特征值为10/30，对于15-30岁这个年龄段，特征值为5/60。

步骤52，利用第一帐号在多个特征维度上的权重和候选业务产品在多个特征维度上的特征值确定第一帐号与候选业务产品之间的匹配度。

可选地，在利用第一帐号在多个特征维度上的权重和候选业务产品在多个特征维度上的特征值确定第一帐号与候选业务产品之间的匹配度时，可获取特征维度上的权重k

步骤53，从所有候选业务产品中选取与第一帐号之间匹配度最高的作为目标业务产品。

其二是，在第一用户画像中未记录第一帐号的产品需求的情况下，获取第二帐号的第二用户画像，将产品集合中与第二用户画像记录的产品需求匹配的业务产品作为与目标对象匹配的目标业务产品，第二帐号为第一帐号的相似帐号。

在获取第二帐号的第二用户画像时，利用第一用户画像中记录的对象信息与候选帐号的用户画像中的对象信息确定第一帐号与候选帐号之间的相似度，如可以用向量表示对象信息，计算相似度时就相当于计算两个向量之间的欧氏距离；从所有候选帐号中选取与第一帐号之间相似度最高的第二帐号；获取第二帐号的第二用户画像。

在将产品集合中与第二用户画像记录的产品需求匹配的业务产品作为与目标对象匹配的目标业务产品时，涉及的处理方案与第一种方案类似，不同之处在于将第一用户画像替换为第二用户画像，利用第二用户画像中的第二帐号的需求来匹配出业务产品。

步骤6，向第一帐号推荐目标业务产品。

作为一种可选的实施例，下面以将本申请的技术方案应用于保险产品的推荐为例进行说明。

交互过程如图3和图4所示，整个流程的核心服务主要由保险认知分析和用户营销推送两个部分组成。其中保险认知分析模块主要形成以用户为核心的用户保险诉求画像，以及以险种为核心的大数据险种知识库；而用户营销推送模块则是建立用户的险种推荐模型，并根据用户的保险诉求画像，并通过对比大数据险种知识库，最终依靠险种推荐模型的建模结果对对用户进行险种精准推荐。

“用户的保险认知”作为保险营销环节中的重要一环，需要用户从被动认知到主动认知的重大方式转变，用户在手机端完成联网后，安装客户端APP或者打开对应的应用；对输入数据进行自然语言识别后，利用大数据技术进行处理；然后在得到的结果的基础上，进一步分析用户画像；最终根据分析结果完成保险信息筛选和险种营销推荐。整个分析推荐流程包括三步：

(1)数据收集和语义识别，通过语音识别和对用户手动输入的信息的识别实现。在客户端安装App获取启用小程序后，可按照如下流程指引进行语义识别：

用户打开APP后，点击搜索应用；手机客户端打开搜索框，开始收集用户需要查询的信息，或者唤醒语音识别，或者直接收集用户手动输入的相关问题；将文字或语音数据上传至服务器，通过大数据建模进行语义识别；将识别结果返回客户端APP，让用户进一步补充不明语义，用户需要对自己的问题进行细节补充，客户端可诱导用户进一步完善问题细节；服务端采集并记录用户的行为数据。

输入框，用户可以在输入框进行语义输入操作，且输入框支持语音输入，文字输入等形式；一键检索，在对数据进行分析后，直接将检索的结果返回给用户，其中包含险种的基本信息，险种的匹配程度以及险种的优势和劣势。

数据收集工作的主要目的是为了采集用户对保险的基本诉求，以人物、时间、事件为主要信息，用户在表达诉求的过程中，填写有关保险诉求的相关信息，对这些数据进行收集，形成结构化的用户保险诉求数据。主要的数据收集模型，如表1所示：

表1

(2)数据上报，每次在用户完善问题细节后，将数据上报至数据分析服务。数据主要包括：用户语义数据；用户查询时间数据；用户基本信息(用来查询用户画像)等。

(3)上传分析结果进行建模分析，大数据平台通过对所有数据的汇总分析，适配出适合用户诉求的险种信息，并同步到推荐系统上。

保险认知分析模型是整个方案的核心之一，该模型的主要目的是将用户的保险诉求转化为用户的保险诉求画像。模型的建设过程首先采用自然语言算法中，例如分词、关键字提取等技术，对用户的诉求进行偏好分析，然后结合用户的历史诉求，解析出用户的当前的保险诉求，并结合用户画像，最终输出用户的保险诉求画像。具体分为三步：

步骤1，首先需要收集用户的保险诉求信息，如表2所示：

表2

步骤2，根据以上保险诉求，进行数据分析提取，最终形成带有基本诉求的用户诉求数据，如表3所示。

表3

步骤3，结合用户画像，进一步的给出用户的用户保险诉求画像，如表4所示。

表4

前期将采集的样本数据和通过自然语言处理的结果，导入到保险认知分析模型，通过后台计算得出相应的用户保险诉求画像。实际应用过程中，数据采集过程需要不断更新训练模型，并利用实际数据进一步的优化分析结果，避免因为保险和用户诉求的改变而造成误差。

(4)营销推荐，根据用户画像，对用户个性化精准推荐需要的险种信息。

用户营销推送模型主要利用数据分析得到用户的保险诉求画像，然后根据用户保险诉求画像和大数据险种数据库进行对比，最终结合推荐模型对用户进行险种推送。该模型主要包括大数据险种知识库、用户营销推荐模型两个部分。

大数据险种知识库，该数据库的目的是为了收集网络现有的各种类型保险，并利用险种规则的描述，对网络中存在的险种进行规则化，持久化分类，形成最终的大数据险种数据库。具体分为两部分：

其一是，从险种的基础维度，进行分类。险种本身的说明，以及在险种投保说明中对用户进行说明，该维度需要对险种的基础数据信息进行规则化，结构化。举例来说，险种可以分为财险和人身险和责任险等，如表5所示。

表5

其二是，从用户维度进行分类。从用户的角度来看，更在意保障的范围，保障的性价比以及理赔的方式。而这些数据有些需要对数据进行相关的挖掘才可以得到，比如购买年龄比，主要购买该险种的年龄组成；而年龄理赔比，则是理赔主要存在于某个年龄段等，如表6所示。

表6

数据本身根据实际情况需要不断的进行更新对比，形成最终的大数据险种知识库。数据需要不断的采集优化及时更新，以免脱离实际情况，误导用户。

用户营销推荐模型，对用户的推荐过程中，会形成一套以推荐成功为标识的推荐数据模型，其中，推荐比＝推荐次数/推荐成功次数(推荐成功标识为用户成功点击)，如表7所示。

表7

在推荐过程中，模型主要遵循以下三条规则：针对已有表达过诉求的用户，根据用户的诉求进行解答和推送相关产品；针对还没有表达过诉求的老用户，则根据用户的画像寻找类似用户画像来进行推送相关产品和诉求问题；针对新用户，则推送相关保险诉求的小问题，以此来建立与用户的联系。

接下来，将要进行险种推荐。推荐过程主要以大数据险种知识库为基础，利用用户的保险诉求画像，通过用户营销推荐模型进行最终的结果推荐。具体来说分为三步：

步骤1，对用户保险诉求进行分级。

对用户保险诉求画像中的画像类别进行分级处理，按照重要性形成最终的画像比例，首先根据历史数据进行基础打分，如表8所示，如在经济收入、健康、职业发展、年龄等维度上打分，进而根据分值得到各个维度对应的初始权重(即该维度的得分/总分值)，经济收入的权重为15/(15+80+60+50+20)，即为0.07，类似地，健康的权重为0.36，职业发展为0.27、年龄0.08，然后根据个人条件，进行模型干扰，如还会考虑家里父母子女情况、所在地区的整体经济情况等，并依此对权重进行修正，即乘以一定的系数，得出最后的权重，如对于经济收入，地区整体经济对个人的影响系数为0.714，得出最后的分级系数为0.07*0.714，即0.05，地区整体健康对个人的影响系数为0.861，得出的分级系数为0.31，其他维度的分级系数计算方案与此相同，不再赘述。

表8

步骤2，利用用户诉求与险种数据进行分析对比，通过用户的各项数据与大数据险种知识库中的各项数据进行比对，通过用户的职业，年龄，性别等数据，筛选出基本符合条件的险种模型，如用户的职业存在较大的职业病风险(如工作于多粉尘环境的尘肺)，则筛选出包括该职业病的险种，用户的年龄为某类病症高发的年龄，则筛选出包括该类病症的险种。

步骤3，利用用户营销推荐模型数据进行最终推送，其中推荐险种得分通过以下公式进行计算。

用户推荐险种得分＝SUM((1/用户对应的推荐比)*用户最终分级系数)，根据各个险种得分进行最终推荐，并将推荐结果反馈至服务端，用来完善下次模型，以考虑的维度为经济、职业以及年纪为例(实际维度可以根据需要确定)，参考表7和表8，若该用户的年龄为28，对应年龄推荐比为60/5，权重为0.07，职业为律师，对应的推荐比为16/8，对应权重为0.23，收入为40万，对应的推荐比为19/5，对应权重为0.05，那么对应的得分为：(5/60)*0.07+(8/16)*0.23+(5/19)*0.05＝0.134。

本方案以保险认知模型为核心，首先采集用户对保险的基本诉求，提取其中的关键信息，包括人物、时间、事件等特征；然后将数据上报到服务端，利用大数据技术识别并建立用户保险诉求画像；提前建立大数据险种数据库，然后利用用户保险诉求画像，通过在险种知识库进行检索，并参考推荐模型，最终给用户通过手机APP等相关产品进行保险信息解答，以及定制化保险产品推荐，通过这样的模型最终形成一条以保险认知模型为核心的营销解决方案。

通过基于用户保险认知的精准推送模型，可以实现一个平台化、智能化的保险智能推送应用。能够针对用户进行保险认知模型的构建，以此为基础来进行用户精准推送，形成一套完整的营销解决方案。与其他类似用户进行联动，解决老用户无诉求和新用户的冷启动问题，更进一步提高对用户的了解。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

根据本申请实施例的另一个方面，还提供了一种用于实施上述产品的推荐方法的产品的推荐装置。图5是根据本申请实施例的一种可选的产品的推荐装置的示意图，如图5所示，该装置可以包括：

获取单元51，用于获取第一帐号的第一用户画像，其中，所述第一用户画像用于描述所述第一帐号所标识的目标对象；选取单元53，用于根据所述第一用户画像对产品需求的记录结果，从产品集合中选取与所述目标对象匹配的目标业务产品，其中，所述产品集合包括目标业务的多个业务产品；推荐单元55，用于向所述第一帐号推荐所述目标业务产品，其中，所述目标业务产品用于在所述目标对象发生预设事件的情况下，向所述第一帐号转移虚拟资源。

需要说明的是，该实施例中的获取单元51可以用于执行本申请实施例中的步骤S202，该实施例中的选取单元53可以用于执行本申请实施例中的步骤S204，该实施例中的推荐单元55可以用于执行本申请实施例中的步骤S206。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。

通过上述模块，获取第一帐号的第一用户画像；根据所述第一用户画像对产品需求的记录结果，从产品集合中选取与所述目标对象匹配的目标业务产品；向所述第一帐号推荐所述目标业务产品，通过使用用户画像可以准确挖掘用户实际需求，进而推荐与用户匹配的目标业务产品，可以解决相关技术中推荐的产品与用户的匹配度较低的技术问题，进而达到准确为用户推荐产品的技术效果。

可选地，选取单元还用于在根据所述第一用户画像对产品需求的记录结果，从产品集合中选取与所述目标对象匹配的目标业务产品时，在所述第一用户画像中记录有所述第一帐号的产品需求的情况下，将所述产品集合中与所述第一用户画像记录的产品需求匹配的业务产品作为与所述目标对象匹配的所述目标业务产品；在所述第一用户画像中未记录所述第一帐号的产品需求的情况下，获取第二帐号的第二用户画像，将所述产品集合中与所述第二用户画像记录的产品需求匹配的业务产品作为与所述目标对象匹配的所述目标业务产品，其中，所述第二帐号为所述第一帐号的相似帐号。

可选地，选取单元还用于在获取第二帐号的第二用户画像时，利用所述第一用户画像中记录的对象信息与候选帐号的用户画像中的对象信息确定所述第一帐号与所述候选帐号之间的相似度；从所有所述候选帐号中选取与所述第一帐号之间相似度最高的所述第二帐号；获取所述第二帐号的所述第二用户画像。

可选地，获取单元，还用于在将所述产品集合中与所述第一用户画像记录的产品需求匹配的业务产品作为与所述目标对象匹配的所述目标业务产品之前，收集所述第一帐号在所述目标业务的业务平台上产生的原始数据；从所述原始数据中提取出所述第一帐号的产品需求；利用所述第一帐号的产品需求和所述第一帐号的对象信息生成所述第一用户画像。

可选地，选取单元还用于在将所述产品集合中与所述第一用户画像记录的产品需求匹配的业务产品作为与所述目标对象匹配的所述目标业务产品时，根据所述第一用户画像确定所述第一帐号在多个特征维度上的权重并获取候选业务产品在所述多个特征维度上的特征值；利用所述第一帐号在多个特征维度上的权重和所述候选业务产品在所述多个特征维度上的特征值确定所述第一帐号与所述候选业务产品之间的匹配度；从所有所述候选业务产品中选取与所述第一帐号之间匹配度最高的作为所述目标业务产品。

可选地，选取单元还用于在获取候选业务产品在所述多个特征维度上的特征值时，获取所述候选业务产品按照每个特征维度进行推荐的总推荐次数和成功推荐次数；将所述总推荐次数与所述成功推荐次数之间的比值作为所述特征维度的特征值。

可选地，选取单元还用于在利用所述第一帐号在多个特征维度上的权重和所述候选业务产品在所述多个特征维度上的特征值确定所述第一帐号与所述候选业务产品之间的匹配度时，获取所述特征维度上的权重与特征值之间的乘积；将所有特征维度的乘积之和作为所述匹配度。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。

根据本申请实施例的另一个方面，还提供了一种用于实施上述产品的推荐方法的服务器或终端。

图6是根据本申请实施例的一种终端的结构框图，如图6所示，该终端可以包括：一个或多个(图中仅示出一个)处理器201、存储器203、以及传输装置205，如图6所示，该终端还可以包括输入输出设备207。

其中，存储器203可用于存储软件程序以及模块，如本申请实施例中的产品的推荐方法和装置对应的程序指令/模块，处理器201通过运行存储在存储器203内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的产品的推荐方法。存储器203可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器203可进一步包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

上述的传输装置205用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置205包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置205为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

其中，具体地，存储器203用于存储应用程序。

处理器201可以通过传输装置205调用存储器203存储的应用程序，以执行下述步骤：

获取第一帐号的第一用户画像，其中，所述第一用户画像用于描述所述第一帐号所标识的目标对象；

根据所述第一用户画像对产品需求的记录结果，从产品集合中选取与所述目标对象匹配的目标业务产品，其中，所述产品集合包括目标业务的多个业务产品；

向所述第一帐号推荐所述目标业务产品，其中，所述目标业务产品用于在所述目标对象发生预设事件的情况下，向所述第一帐号转移虚拟资源。

可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。

本领域普通技术人员可以理解，图6所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图6其并不对上述电子装置的结构造成限定。例如，终端还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图6所示不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行产品的推荐方法的程序代码。

可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上各种可选实现方式中提供的方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请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全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。