现在很多银行都开始参考电商，在理财销售进行精细化的运营，基于用户来推荐个性化的理财产品，从而提升产品销量。毫无疑问银行理财适合topN推荐，而理财产品有期限，募集完后就不再销售，所以无法使用基于物品的算法，所以大部分都采用基于用户的协同过滤算法，

下面简单介绍一下其中基于用户（人找人）的协同过滤推荐策略;

1 完善用户画像，包括用户基本信息/ 财务状况/风险偏好/风险承受能力/投资经验/投资风格。风险偏好的相关数据包括 三方存管资金变动/持有产品周期/授信额度/年龄等，这里没有用风险评估的数据，因为大部分客户都没有认真填写，参考性不大。

2 确定产品类别画像。按照产品期限/收益率/起投金额等对各类产品进行画像描述。

3 基于用户的投资历史及风险偏好等推荐产品类别（现金型/周期保本型/净值型/外币/基金），该类别下包含若干款产品，包括在售产品和新产品。

4 计算出每个产品对应客群的基本特征均值（即前面介绍的5个特征）.如果是新产品按照最相似的已售产品的客群特征来赋值（怎么找出跟哪个已售产品最相似呢？大家想想）。

5 根据目标客户与各个产品客群特征均值的相似度，按照相似度从高到低排序来推荐目标产品。简单来说，就是我跟哪类人最像，这类人都买了哪款产品，我就买哪款。

6 还要排除目标产品是否跟目标客户已有产品存在互斥情况，是否有购买资质（临柜面签），起购金额来对排序进行微调。对于主推的新产品，可能会安排在靠前的位置。

另外，如果客户数据不足描绘风险画像，就按照产品类别下产品销量从高到低排序推荐。

另外说一点，一个好的推荐系统不仅要有合适的算法，也需要跟渠道结合在适当的时机和位置向客户展示推荐的产品。比如，当客户有大额资金转入/代发工资的时候促发推荐成功率肯定会更高。这些就需要懂产品的业务人员来设计推荐系统展示层的内容。所以，一个推荐系统不仅需要算法人员，还要和业务人员通力合作，才能真正发挥价值。