CN103473364B - 一种服务推荐方法及装置 - Google Patents

Abstract

本发明公开了一种服务推荐方法及装置，包括预先设置服务产品与客户属性的对应关系，根据客户属性与设置的对应关系确定当前客户对应的各项服务产品的匹配度；根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；将修正后的预设数目个高匹配度对应的服务产品推荐给客户。本发明推荐服务产品的方法基于客户属性，计算客户与服务产品的匹配度，不需要与特定时间、地点绑定，基于大量已有数据，避免了单一样本对准确性的影响，而且无需反复与客户交互，使得实现更加简单，可操作性强。而且，对匹配度的修正过程，也为本发明的服务推荐方法提供了准确性的保证，从而保证了用户对服务推荐的接纳率。

Description

一种服务推荐方法及装置

技术领域

本发明涉及电信服务技术，尤指一种服务推荐方法及装置。

背景技术

目前，在服务推荐方案中，一种常见的方案是通过位置、时间和角色等固定特征来确定服务推荐的内容。比如，在“位置＝居民区”、“时间＝22点”、“角色＝上班族”的特定条件下，可以推断出当前客户的任务是看电视，然后在以后产品库中查找与看电视这个任务匹配的服务产品，并向客户推荐该服务。

这种服务推荐方案需要特定的时间、地点输入，样本单一，影响了服务推荐的准确性，而且需要与客户进行反复交互，可操作性差。

另外，还可以根据用户偏好进行服务推荐。比如，将服务产品的特征抽象出来，将一个服务的特征归纳为若干个元素(如元素A、元素B、元素C)；对客户偏好建立等级，记录客户喜欢的服务元素A的等级或者客户讨厌的服务元素A等级(元素B、元素C以此类推)；再基于某类服务计算客户偏好的综合得分，根据综合得分，确定是否向客户推荐这类服务。这种该服务推荐方案需要确定客户偏好的等级，这在实际操作中很难实现，也就是说，现有的分析挖掘手段难以有效的支撑这种方法，并且该方法也会面临数据源不足的问题，从而难以达到准确向客户推荐服务的目的，其可操作性较差。

发明内容

为了解决上述技术问题，本发明提供了一种服务推荐方法及装置，能够提高服务推荐的准确性，而且可操作性强。

为了达到本发明目的，本发明提供了一种一种服务推荐方法，包括：预先设置服务产品与客户属性的对应关系，根据客户属性与设置的对应关系确定当前客户对应的各项服务产品的匹配度；

根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；

将修正后的预设数目个高匹配度对应的服务产品推荐给客户。

所述设置服务产品与客户属性的对应关系为：

基于大量已经存在于现有业务系统中的客户与服务产品间的映射关系，建立产品目录列表，为产品目录列表中的每一种服务产品添加其对应的若干客户属性，以建立服务产品与客户属性的对应关系。

所述确定当前客户对应的各项服务产品的匹配度包括：基于所述客户的每一项客户属性，计算所述服务产品列表中对应的所有服务产品对该客户的匹配度Yi，其中，i表示不同的服务产品。

所述客户属性包括所述服务产品适用的客户行业、和/或客户人员规模、和/或客户资费敏感度。

所述客户属性包括所述服务产品适用的客户行业、企业人员规模、客户资费敏感度；

所述匹配度Yi为：Yi＝Ki1Xi1+Ki2Xi2+Ki3Xi3；

其中，Y_i表示服务产品P_i对客户C_i的匹配度，Ki1为客户C_i的客户行业匹配分值权重，Ki2为客户C_i的企业人员规模匹配分值权重，Ki3为客户C_i的客户资费敏感度匹配分值权重；

Xi1为服务产品Pi与客户Ci的客户行业属性Ii的匹配度分值，Xi2为服务产品Pi与客户Ci的企业人员规模为Mi时的匹配度分值，Xi3为服务产品Pi与客户Ci的客户资费敏感度Zi的匹配度分值。

所述客户C_i的行业匹配分值权重Ki1、客户C_i的企业人员规模匹配分值权重Ki2、客户C_i的敏感度匹配分值权重Ki3，利用现有专家评分法确定；

所述服务产品Pi与客户Ci的客户行业属性Ii的匹配度分值Xi1、服务产品Pi与客户Ci的企业人员规模为Mi时的匹配度分值Xi2、服务产品Pi与客户Ci的客户资费敏感度Zi的匹配度分值Xi3，利用现有聚类算法确定。

所述对得到的各匹配度进行修正为一次修正，包括：一次修正后的匹配度Y′i＝Yi×α；

其中，α为一次修正因子，对于服务产品i，如果客户已使用，则α＝0，如果客户未使用，则α＝1。

该方法还包括：根据所述客户的已使用产品与其他产品的订购关系，对所述一次修正后的各匹配度进行二次修正；包括：

如果服务产品i是所述客户已使用的服务产品中对应的订购产品关系库中最经常使用的服务产品，且未被所述客户使用的前N项产品之一，其中N是实际应用中预先设置的数目，此时，二次修正后的匹配度Y〞I＝max(Y′i)，其中，max为取最大值运算符号；

否则，二次修正后的匹配度Y〞i等于一次修正后的匹配度Y′i。

本发明还提供一种服务推荐装置，至少包括匹配模块、修正模块，以及推荐模块，其中，

匹配模块，用于根据客户属性与预先设置的服务产品与客户属性的对应关系，确定当前客户对应的各项服务产品的匹配度；

修正模块，用于对根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；

推荐模块，用于将修正后的预设数目个高匹配度对应的服务推荐给客户。

所述修正模块，还用于根据已使用产品与其他产品的订购关系，对修正后的各匹配度进行再次修正。

与现有技术相比，本发明包括预先设置服务产品与客户属性的对应关系，根据客户属性与设置的对应关系确定当前客户对应的各项服务产品的匹配度；根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；将修正后的预设数目个高匹配度对应的服务推荐给客户。本发明推荐服务产品的方法基于客户属性，计算客户与服务产品的匹配度，不需要与特定时间、地点绑定，基于大量已有数据，避免了单一样本对准确性的影响，而且无需反复与客户交互，使得实现更加简单，可操作性强。而且，对匹配度的修正过程，也为本发明的服务推荐方法提供了准确性的保证，从而保证了用户对服务推荐的接纳率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明服务推荐方法的流程图；

图2为本发明服务推荐装置的组成结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1为本发明服务推荐方法的流程图，如图1所示，包括以下步骤：

步骤100：预先设置服务产品与客户属性的对应关系，根据客户属性与设置的对应关系确定当前客户对应的各项服务产品的匹配度。

本步骤中，基于大量已经存在于现有业务系统中的客户与服务产品间的映射关系，建立产品目录列表，为产品目录列表中的每一种服务产品添加其对应的若干客户属性即服务产品与客户属性的对应关系。其中，客户属性至少包括服务产品适用的客户行业、和/或企业人员规模、和/或客户资费敏感度等属性。

本步骤中，确定当前客户对应的各项服务产品的匹配度包括：基于客户资料中的每一项客户属性，计算服务产品列表中对应的所有服务产品对该客户的匹配度Yi，其中，i表示不同的服务产品，i＝1,2，…,n。业务匹配度是客户行业、企业人员规模、客户资费敏感度、产品功能的加权函数，每项变量的基本分值通过聚类算法，权重通过专家评分法赋值，分析已经订购这些产品的客户资料赋值。以当前客户C1的服务产品1为例，Y1如公式(1)所示：

Y1＝K1X1+K2X2+K3X3+…+KnXn (1)

公式(1)中，Y1表示服务产品P1对客户C1的匹配度，假设客户C1的客户行业为I1，企业规模为M1，客户资费敏感度为Z1；则，K1为客户行业匹配分值权重，K2为企业人员规模匹配分值权重，K3为客户资费敏感度匹配分值权重，以此类推。其中，K1、K2、K3…Kn可以根据现有专家评分法确定，也可以采用其他现有方法来实现，其具体实现方法并不用于限定本发明的保护范围，这里不再赘述。

公式(1)中，X1为服务产品P1与客户行业属性I1的匹配度分值，X2为服务产品P1与企业人员规模为M1时的匹配度分值，X3为服务产品P1与客户资费敏感度Z1的匹配度分值，以此类推。其中，X1、X2、X3…Xn可以根据已购买服务产品P1的资料(比如订购该服务产品的客户信息、客户行业属性信息、企业人员规模信息、客户资费敏感度信息等)通过现有聚类算法得出，大致如下：

X1＝f(P1，I)，表示行业为I时，与服务产品P1的客户行业匹配度分值，X2＝f(P1，M)，表示企业规模为M时，与服务产品P1的客户行业匹配度分值，X3＝f(P1，Z)，表示资费敏感度为Z时，与服务产品P1的客户行业匹配度分值。具体可以根据已购买服务产品P1的资料，通过现有模糊算法进行匹配得到。

步骤101：根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正。

本步骤中，客户当前对服务产品的使用情况如对服务产品是否在使用，以及已使用产品与其他产品的订购关系，在现有业务系统中都是保存有的。

本步骤中对得到的各匹配度进行修正包括为了去重的一次修正：一次修正后的匹配度Y′i＝Yi×α，其中，α为一次修正因子，对于服务产品i，如果客户已使用，则α＝0，如果客户未使用，则α＝1。对计算得到的匹配度进行一次修正(去重)，将准备推荐的产品中的客户已使用的服务产品去除，使得推荐的产品充分考虑了客户与服务产品的内在联系。

本步骤中对得到的各匹配度进行一次修正后，还进一步包括为了提升强相关产品的排名的二次修正，即，根据已使用产品与其他产品的订购关系，对一次修正后的各匹配度进行二次修正：如果服务产品Pi是客户C已使用的服务产品中对应的订购产品关系库中最经常使用的服务产品，且未被客户C使用的前N项产品之一，其中N是实际应用中预先设置的数目，如N＝3等，此时，二次修正后的匹配度Y〞i＝max(Y′i)，其中，max为取最大值运算符号；否则，Y〞i＝Y′i。最终得到的Y〞i就是通过去重与强化订购关系修正后的产品Pi对客户C的匹配度。

为了提升与匹配度高的产品的强相关服务产品的排名，本步骤进一步对计算得到的匹配度进行的二次修正，使得推荐的服务产品充分考虑产品与产品间的内在联系。

本步骤中的修正过程，为本发明的服务推荐方法提供了准确性的保证，从而保证了用户对服务推荐的接纳率。

步骤102：将修正后的预设数目个高匹配度对应的服务推荐给客户。

本步骤中，将步骤101中获得的针对各服务产品的匹配度按照匹配度从高至低排序，按照预先设置的推荐服务产品数量t，将排列在前推荐服务产品数量t个服务产品推荐给该客户，比如显示在该客户的终端设备上等。

本发明推荐服务产品的方法基于客户属性，计算客户与服务产品的匹配度，不需要与特定时间、地点绑定，基于大量已有数据，避免了单一样本对准确性的影响，而且无需反复与客户交互，使得实现更加简单，可操作性强。而且，对匹配度的修正过程，也为本发明的服务推荐方法提供了准确性的保证，从而保证了用户对服务推荐的接纳率。

图2为本发明服务推荐装置的组成结构示意图，如图2所示，至少包括匹配模块、修正模块，以及推荐模块，其中，

匹配模块，用于根据客户属性与预先设置的服务产品与客户属性的对应关系，确定当前客户对应的各项服务产品的匹配度；

修正模块，用于对根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；进一步用于，根据已使用产品与其他产品的订购关系，对修正后的各匹配度进行再次修正；

推荐模块，用于将修正后的预设数目个高匹配度对应的服务推荐给客户。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.一种服务推荐方法，其特征在于，包括：预先设置服务产品与客户属性的对应关系，根据客户属性与设置的对应关系确定当前客户对应的各项服务产品的匹配度Yi；

根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；

将修正后的预设数目个高匹配度对应的服务产品推荐给客户；

所述对得到的各匹配度进行修正为一次修正，包括：一次修正后的匹配度Y′i＝Yi×α；

其中，α为一次修正因子，对于服务产品i，如果客户已使用，则α＝0，如果客户未使用，则α＝1；

该方法还包括：根据所述客户的已使用产品与其他产品的订购关系，对所述一次修正后的各匹配度进行二次修正；包括：

如果服务产品i是所述客户已使用的服务产品中对应的订购产品关系库中最经常使用的服务产品，且未被所述客户使用的前N项产品之一，其中N是实际应用中预先设置的数目，此时，二次修正后的匹配度Y〞i＝max(Y′i)，其中，max为取最大值运算符号；

否则，二次修正后的匹配度Y〞i等于一次修正后的匹配度Y′i。

2.根据权利要求1所述的服务推荐方法，其特征在于，所述设置服务产品与客户属性的对应关系为：

基于大量已经存在于现有业务系统中的客户与服务产品间的映射关系，建立产品目录列表，为产品目录列表中的每一种服务产品添加其对应的若干客户属性，以建立服务产品与客户属性的对应关系。

3.根据权利要求2所述的服务推荐方法，其特征在于，所述确定当前客户对应的各项服务产品的匹配度包括：基于所述客户的每一项客户属性，计算所述服务产品列表中对应的所有服务产品对该客户的匹配度Yi，其中，i表示不同的服务产品。

4.根据权利要求1～3任一项所述的服务推荐方法，其特征在于，所述客户属性包括所述服务产品适用的客户行业、和/或客户人员规模、和/或客户资费敏感度。

5.根据权利要求3所述的服务推荐方法，其特征在于，所述客户属性包括所述服务产品适用的客户行业、企业人员规模、客户资费敏感度；

所述匹配度Yi为：Yi＝Ki1Xi1+Ki2Xi2+Ki3Xi3；

其中，Y_i表示服务产品P_i对客户C_i的匹配度，Ki1为客户C_i的客户行业匹配分值权重，Ki2为客户C_i的企业人员规模匹配分值权重，Ki3为客户C_i的客户资费敏感度匹配分值权重；

Xi1为服务产品Pi与客户Ci的客户行业属性Ii的匹配度分值，Xi2为服务产品Pi与客户Ci的企业人员规模为Mi时的匹配度分值，Xi3为服务产品Pi与客户Ci的客户资费敏感度Zi的匹配度分值。

6.根据权利要求5所述的服务推荐方法，其特征在于，所述客户C_i的行业匹配分值权重Ki1、所述客户C_i的企业人员规模匹配分值权重Ki2和所述客户C_i的敏感度匹配分值权重Ki3，利用现有专家评分法确定；

所述服务产品Pi与客户Ci的客户行业属性Ii的匹配度分值Xi1、所述服务产品Pi与客户Ci的企业人员规模为Mi时的匹配度分值Xi2和所述服务产品Pi与客户Ci的客户资费敏感度Zi的匹配度分值Xi3，利用现有聚类算法确定。

7.一种服务推荐装置，其特征在于，至少包括匹配模块、修正模块，以及推荐模块，其中，

匹配模块，用于根据客户属性与预先设置的服务产品与客户属性的对应关系，确定当前客户对应的各项服务产品的匹配度Yi；

修正模块，用于对根据客户当前对服务产品的使用情况，对得到的各匹配度进行修正；

推荐模块，用于将修正后的预设数目个高匹配度对应的服务推荐给客户；

所述对得到的各匹配度进行修正为一次修正，包括：一次修正后的匹配度Y′i＝Yi×α；

其中，α为一次修正因子，对于服务产品i，如果客户已使用，则α＝0，如果客户未使用，则α＝1；

所述修正模块，还用于根据已使用产品与其他产品的订购关系，对修正后的各匹配度进行二次修正；包括：

如果服务产品i是所述客户已使用的服务产品中对应的订购产品关系库中最经常使用的服务产品，且未被所述客户使用的前N项产品之一，其中N是实际应用中预先设置的数目，此时，二次修正后的匹配度Y〞i＝max(Y′i)，其中，max为取最大值运算符号；

否则，二次修正后的匹配度Y〞i等于一次修正后的匹配度Y′i。