施亞東

摘要：當前的金融產(chǎn)品推送模型多為單層級推送，形式較為單一、僵化，所推送的信息呈現(xiàn)效果十分有限，導致個性化推送的查全率較低，為此提出對基于區(qū)塊鏈技術(shù)的金融產(chǎn)品個性化推送方法的分析和研究。通過分析金融產(chǎn)品的應用范疇，預處理物元描述的推送環(huán)境，進行區(qū)塊可視化推送特征的提取，設計多層級同步推送結(jié)構(gòu)，將日常的產(chǎn)品推送形式調(diào)整為雙向，多目標形式，更加靈活，再結(jié)合區(qū)塊鏈技術(shù)，設計金融產(chǎn)品推送模型，最終采用區(qū)塊鏈最優(yōu)處理的模式，實現(xiàn)產(chǎn)品個性化推動。測試結(jié)果表明：對比于傳統(tǒng)大數(shù)據(jù)金融產(chǎn)品推送測試組、傳統(tǒng)RFKD金融產(chǎn)品智能推送測試組，文章所設計的區(qū)塊鏈金融產(chǎn)品推送測試組最終得出的推送查全率相對較高，表明在實際應用的過程中，對于金融產(chǎn)品的推送速度及精度較高，誤差較少，整體的推送范圍更廣，具有實際的應用價值。

關鍵詞：區(qū)塊鏈技術(shù)；金融產(chǎn)品；個性化推送；推送方法；金融擴展；循環(huán)控制；

中圖分類號：F832? ? ?文獻標識碼：A? 文章編號：1005-6432（2023）26-0000-04

[DOI]10.13939/j.cnki.zgsc.2023.26.000

1? ?引言

影響金融產(chǎn)品銷售的因素較為多樣化，動態(tài)化推動便是其中之一[1]。通常情況下，為擴大產(chǎn)品的覆蓋銷售范圍，提升營銷效果，會采用單層級推送的方式，總結(jié)金融產(chǎn)品的類型及收益情況，針對特定的人群或工作者，展開定向推送。參考文獻4和文獻7，分析傳統(tǒng)大數(shù)據(jù)推送方法和傳統(tǒng)RFKD智能推送方法，這一類推送模式雖然可以實現(xiàn)預期的金融產(chǎn)品推送目標及任務，但是推送擴展速度較慢，針對性不強，在復雜的市場及發(fā)展環(huán)境之下，無法更加全面、融合性地呈現(xiàn)出產(chǎn)品的主要特征，與現(xiàn)實未形成具體的聯(lián)系[2]。

另外，該種方式的金融產(chǎn)品推動形式針對的推動人群較為固定，不具有擴展性和創(chuàng)新性。因此，對基于區(qū)塊鏈技術(shù)的金融產(chǎn)品個性化推送方法進行分析與研究?？紤]到最終測試結(jié)果的真實可靠，選擇較為真實的背景進行研究分析[3]。區(qū)塊鏈技術(shù)實際上是一種分布式賬本，一般與互聯(lián)網(wǎng)數(shù)據(jù)庫相承接，在與金融產(chǎn)品個性化推送程序相關聯(lián)的同時，會形成去中心化、公開透明等特點，與傳統(tǒng)的方式相對比，對于所獲取的數(shù)據(jù)及信息可以進行逆向整合，以此來確保最終的推送結(jié)果，擴大對應的覆蓋范圍。為后續(xù)推送技術(shù)及相關行業(yè)的進一步發(fā)展奠定基礎[4]。

2構(gòu)建金融產(chǎn)品個性化區(qū)塊鏈推送方法

2.1物元描述預處理

所謂物元描述，是一種廣泛接受的知識定義方式，針對性較強，且對于金融產(chǎn)品的推送效果更佳。可以先將所需要推送的金融產(chǎn)品進行定義，針對實際的產(chǎn)品類型，進行分類，描述概念與概念之間的推送繼承關系，構(gòu)建真實的層級推送聯(lián)系[5]。

這部分需要注意的是，金融產(chǎn)品的覆蓋范圍往往是有限的，適用于特定的人群，而部分企業(yè)一般會通過企業(yè)間協(xié)同的方式來設計自身的推送程序及模式，雖然能夠?qū)崿F(xiàn)預期的推送任務，但是無法達到預期的應用效果，推送的靈活度及個性化也相對較弱[6]。

此時，可以采用物元描述的方式來替代傳統(tǒng)的推送形式，建立一個統(tǒng)一的描述目標，并測定出單向推送預測精度，具體如式1所示。

公式1中：表示單向推送預測精度，表示特征識別差，表示應變識別范圍，表示推送次數(shù)，表示產(chǎn)品描述層階。結(jié)合上述測算出的單向推送預測精度，進行基礎推送標準的設定。但是過程中為增加實際的推送效果，還需要進行約束條件的設定，與基礎的物元形成關聯(lián)之后，針對金融產(chǎn)品的運行特征，實現(xiàn)單向描述，完成個性化推動預處理[7]。

2.2區(qū)塊可視化推送特征提取

通常情況下，為提升整體的推動效果，一般會根據(jù)金融產(chǎn)品的種類及應用范圍作出關聯(lián)推送，但是部分客戶并不具有關聯(lián)購買的能力，且由于缺乏專業(yè)知識，所選擇的金融產(chǎn)品并不符合自身的需求，導致最終形成經(jīng)濟損失[8]。

所以，結(jié)合區(qū)塊鏈及可視化技術(shù)，對金融產(chǎn)品的推送特征進行提取。首先，針對實際的提取需求及標準，設定一個對應的推動指標及參數(shù)，具體如表1所示。

結(jié)合表1，利用區(qū)塊鏈技術(shù)和可視化技術(shù)，對推送特征提取的指標作出調(diào)整及修改，逐步營造更加穩(wěn)定、高層級的個性化推送結(jié)構(gòu)，形成目標推送環(huán)境。

與此同時，以此為基礎，設定特征交互程序，在金融產(chǎn)品應用過程中，從收益、投資等方面進行分析，針對產(chǎn)品的收益波動，作出動態(tài)化的波動標記，以此來形成對應的推送特征，結(jié)合物元描述處理的目標，在標定的覆蓋范圍之內(nèi)，將所設定的特征提取物元目標與區(qū)塊鏈技術(shù)相融合，逐步形成動態(tài)化的推送結(jié)構(gòu)，為后續(xù)的推送處理工作奠定基礎條件。

2.3區(qū)塊鏈金融產(chǎn)品推送模型設計

利用所提取的金融產(chǎn)品推送特征，針對以下三項進行推送模型的設計，分別是用戶需求提取、可視化推送視頻及產(chǎn)品識別以及支持向量機推送三部分。將其劃分為三個推動層級，先對金融產(chǎn)品的推送需求進行整合，增設個性化的推送形式，設定具體的推送描述及顯示信息，具體如表2所示。

結(jié)合表2，根據(jù)實際的個性化推送需求，進行模型相關指標的調(diào)整及處理。隨后，在此基礎之上，構(gòu)建多個個性化基礎推送模塊，形成一點對面的動態(tài)化推送結(jié)構(gòu)。但是部分網(wǎng)絡為更快識別推送產(chǎn)品的特征，會選擇采用區(qū)塊鏈技術(shù)，先設計一個定向的數(shù)據(jù)推送庫，以特定的形式將需要推動的金融產(chǎn)品以統(tǒng)一的標準或者形式進行轉(zhuǎn)換編制，與推送模塊相匹配，完成個性化推送程序的完善過渡，具體的形式如圖1所示。

結(jié)合圖1，完成對區(qū)塊鏈金融產(chǎn)品推送模型原理結(jié)構(gòu)的設計與調(diào)整。在此基礎之上，增加模型的推送途徑，對于同種類的金融產(chǎn)品，可以同時、同步對相似人群進行推送，在模型中形成循環(huán)式的推動程序，利用應變指令群作出推送指令的變更及修改，確保推送過程中的靈活性與可靠性。

2.4區(qū)塊鏈最優(yōu)處理實現(xiàn)產(chǎn)品個性化推動

利用上述設計的區(qū)塊鏈推動模型，先對所推送的目標進行串聯(lián)，形成一個穩(wěn)定的推動流程，隨后，根據(jù)推送標準及目標的變化，調(diào)整對應的產(chǎn)品覆蓋區(qū)域，為客戶進行循環(huán)式、關聯(lián)式的多層級推送，再結(jié)合區(qū)塊鏈技術(shù)，更為具體、真實地進行產(chǎn)品呈現(xiàn)。

對所推送的產(chǎn)品進行登記標記，在推送的過程中，有針對性地進行關聯(lián)推送，進行信息的同步與更新，選取最優(yōu)的金融產(chǎn)品作為推動的核心，逐步形成個性化的推動方向，與推動模型相互銜接，通過特征的變動，采用區(qū)塊鏈最優(yōu)處理的形式增加金融產(chǎn)品的可接受程度，擴大整體的推動范圍，確保金融產(chǎn)品個性化推動營銷的效果。

3? 方法測試

本次主要是針對金融產(chǎn)品個性化區(qū)塊鏈推送方法的實際應用效果進行分析與研究，考慮到最終測試結(jié)果的真實可靠，需要結(jié)合實際的區(qū)塊鏈技術(shù)，展開分析和推送模式。參考文獻4和文獻7，分析傳統(tǒng)大數(shù)據(jù)金融產(chǎn)品推送測試組和傳統(tǒng)RFKD金融產(chǎn)品智能推送測試組以及文章所設計的區(qū)塊鏈金融產(chǎn)品推送測試組。測試得出的結(jié)果以對比的形式展開分析，與預設的推送標準進行比照，最終得出驗證結(jié)果。接下來，結(jié)合區(qū)塊鏈技術(shù)的覆蓋范圍，搭建相應的測試環(huán)境。

3.1測試準備

針對上述對金融產(chǎn)品個性化推動方法的設計與調(diào)整，結(jié)合區(qū)塊鏈技術(shù)，對實際的應用效果進行分析與驗證。選擇4款金融產(chǎn)品作為測試的主要目標對象，同時結(jié)合實際的推動需求及標準，搭建相應的測試環(huán)境。首先，在標定的范圍之內(nèi)，布設一定數(shù)量的推送節(jié)點，形成具有全面覆蓋性的推送區(qū)域。

在此基礎之上，對附近客戶的喜好及個人信息進行整合及匯總，進行多維度分析和引導，設計出對應的推送方案，隨機選擇6位客戶進行推送，同步對應的推送信息，并進行數(shù)據(jù)更新。接下來，在所布設的節(jié)點之中設定推送行為核心接觸點，測定出權(quán)重系數(shù)，具體如式2所示。

式2中：表示權(quán)重系數(shù)，和分別表示固定可識別距離和動態(tài)化可識別距離，表示循環(huán)誤差，表示串聯(lián)推送比，表示推送次數(shù)。結(jié)合得出的權(quán)重系數(shù)，利用區(qū)塊鏈技術(shù)，可以對接觸點進行標記處理，與區(qū)塊推送模塊進行聯(lián)通，針對實際的推送目標，還需要設定對應的重返推送次數(shù)，將預設的4款金融產(chǎn)品分別設定在推送平臺或者程序之中，與推送模型相搭接，實現(xiàn)循環(huán)推送結(jié)構(gòu)的制定，完成測試環(huán)境的搭接，接下來，融合去區(qū)塊鏈技術(shù)，作具體的測驗分析。

3.2測試過程及結(jié)果分析

在上述搭建的測試環(huán)境之下，將所選取的6款金融產(chǎn)品依次設定在推送程序或者平臺之中，開啟日常的推送模塊，形成針對性的區(qū)塊鏈個性化推送程序。隨后，根據(jù)推送的需求及指令，設計制定推送指令集群，與區(qū)塊鏈循環(huán)推送程序搭接，進行單方向物元描述，并測算出實際的描述距離，具體如式3所示。

式3中：表示推送描述距離，表示物元覆蓋區(qū)域，表示推送距離，表示實時推送頻率，表示推送單元距離。結(jié)合實際的推送描述距離，結(jié)合區(qū)塊鏈技術(shù)，調(diào)整所設定的推送節(jié)點的布設位置，綜合上述對于金融產(chǎn)品應用幅度數(shù)據(jù)和信息的整合、匯總。

但是這部分需要注意的是，對于日常的實踐性推送，可以將分屬于不同位置的推送指令作出整合處理，以此來形成一個具有標定性的推送體系，隨機選擇一個推送目標，根據(jù)描述推送距離的變化，測算出對應的查全率，具體如式4所示。

式4中：表示產(chǎn)品推送查全率，表示奇異值，表示日常推送常值，表示歸一系數(shù)，表示推動置信度。結(jié)合得出的測試結(jié)果，最終進行分析和驗證，具體如表3所示。

結(jié)合表3，完成對測試結(jié)果的分析與研究：對比于傳統(tǒng)大數(shù)據(jù)金融產(chǎn)品推送測試組、傳統(tǒng)RFKD金融產(chǎn)品智能推送測試組，文章所設計的區(qū)塊鏈金融產(chǎn)品推送測試組最終得出的推送查全率相對較高，表明在實際應用的過程中，對于金融產(chǎn)品的推送速度及精度較高，誤差較少，整體的推送范圍更廣，具有實際的應用價值。

4? ?結(jié)束語

綜上，是對基于區(qū)塊鏈技術(shù)的金融產(chǎn)品個性化推送方法的實際應用效果進行分析與研究。在區(qū)塊鏈技術(shù)的輔助及支持之下，可以將所需要推送的金融產(chǎn)品進行定向分類，依據(jù)類別設計對應的推送程序及指令集群，逐步形成循環(huán)式的多目標推送結(jié)構(gòu)。不僅如此，在復雜的環(huán)境之下，還可以在金融產(chǎn)品推送的過程中，增加真實性與立體性，結(jié)合區(qū)塊鏈技術(shù)，擴大對應的推送區(qū)域，迎合推送需求及標準，對金融產(chǎn)品作出動態(tài)化描述，建立推送層級，形成特征語義推送空間，根據(jù)客戶的需求，對所推送產(chǎn)品二階過濾，實現(xiàn)推送降維，以此來進一步提高金融產(chǎn)品推送的準確率。

參考文獻：

[1]趙暉.ABCD技術(shù)在供應鏈金融領域的應用探討[J].財經(jīng)界，2022（22）：54-56.

[2]夏林峰，李盧霞，蔣映泉，等.區(qū)塊鏈為粵港澳大灣區(qū)跨境金融創(chuàng)新開拓更大空間[J].現(xiàn)代商業(yè)銀行，2022（14）：12-16.

[3]王宇.區(qū)塊鏈技術(shù)下的金融監(jiān)管風險治理與機制構(gòu)建[J].黑龍江金融，2022（4）：77-80.

[4]張朝熙，焦芳.大數(shù)據(jù)背景下移動運營商內(nèi)容精細化推送技術(shù)應用研究[J].科技傳播，2021，13（24）：141-143.

[5]宋美卿，張博，賈漯昭，等.測震學部分方法異常自動識別與信息推送[J].地震地磁觀測與研究，2021，42（S1）：170-171.

[6]田海江，張祥合.一種基于期刊采編系統(tǒng)和用戶行為分析的文獻主動推送方法[J].編輯學報，2021，33（6）：679-682.

[7]張凱.基于RFKD的設計知識智能推送技術(shù)研究[D].成都：四川大學，2021.

[8]王適之，黃志良，趙博.運用深度置信網(wǎng)絡的態(tài)勢情報推送方法[J].空軍預警學院學報，2020，34（6）：422-427.