CN105824818A - 一种信息化管理方法、平台及系统 - Google Patents

Abstract

本发明公开了一种信息化管理方法，所述方法包括：根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；基于群划分结果，分别为不同客户群设置不同的业务推荐表；在接收到客户所持终端登录外部设备的通知时，根据所述客户所属的群所对应的业务推荐表向所述客户进行业务推荐；对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。本发明还同时公开了一种信息化管理平台及系统。采用本发明技术方案，能在对客户进行针对性推荐后，对推荐结果进行自动化评估；通过对其他同类相似客户的推荐的评估结果，对推荐算法进行持续优化，进而提高业务推荐的准确性；消除客户对业务推荐的反感情绪，降低客户投诉率。

Description

一种信息化管理方法、平台及系统

技术领域

本发明涉及业务信息化支撑领域，尤其涉及一种信息化管理方法、平台及系统。

背景技术

通信技术的飞速发展使得各种增值业务层出不穷。无论是在销售行业、互联网行业、电信行业，用户历史行为中都蕴藏着巨大的信息。通过对用户历史行为进行挖掘，能够预知客户的偏好，进而可针对客户偏好向其推荐相关产品，以进一步挖掘客户价值。一般来说，对客户价值进行挖掘的常用方法是用户行为分析。现有技术中，通过对用户历史行为信息建立模型，对用户模型进行分析后获取用户行为间的关联关系，进而根据得到的关联关系进行针对性的业务推荐。

但是，现有的业务推荐存在着以下不足：

1.不能对推荐结果进行自动化评估

现有技术对用户的推荐是单向的、开环的。在业务推荐之后，不能及时对用户的订购行为进行评估。然而，对推荐结果进行评估是对推荐算法进行持续优化的重要一步。

2.不能充分利用其它相似用户的价值

现有的技术主要通过分析单个用户的用户行为信息对用户进行针对性的推荐。事实上，很多用户都具有相似的用户行为和相似的需求，在对某个用户进行针对性的推荐后，对用户的订购结果进行评估，可以进一步发掘出其他相似用户的实际需求，这样能够对其他相似用户进行更准确的业务推荐。

3.不能对业务推荐的准确性进行自动化的持续提升

现有的技术一般都是用固定的算法对用户进行业务推荐，不能根据推荐结果对推荐算法进行自动化的调整。对用户推荐的业务的准确性直接影响到用户的感知，准确的相关推荐不仅能够提升客户价值，同时也能提高用户对企业的认可度，而与实际需求偏差较大的推荐容易让用户产生反感情绪，不利用客户的持续保有和价值提升。

4.容易造成客户反感情绪，提高客户投诉率

现有技术一般都采用主动推荐的方式，在对用户进行挖掘生成推荐列表后，通过下发短信或者直接拨打客户电话进行推荐，容易引起客户反感，造成投诉。

发明内容

有鉴于此，本发明实施例的主要目的在于提供一种信息化管理方法、平台及系统，能对推荐算法进行自动化的调整，提高业务推荐的准确率，减少客户投诉率。

为达到上述目的，本发明实施例的技术方案是这样实现的：

一种信息化管理方法，包括：

根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

基于群划分结果，分别为不同客户群设置不同的业务推荐表；

在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

进一步地，所述根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐之后，所述方法还包括：对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。

其中，所述对所有客户进行群划分，包括：根据第一信息和第二信息确定客户的相似度；基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

其中，所述分别为不同客户群设置不同的业务推荐表，包括：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\⇒B)\\ =P\left(A\right|B)\·\mathrm{\α}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\∪B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\·\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

进一步地，所述分别为不同客户群设置不同的业务推荐表，还包括：对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数和总推荐次数进行更新；根据重新计算的各个关联规则的置信度，更新业务推荐表。

其中，所述业务推荐表存储于客户信息数据池中；

所述业务推荐表至少包括下述信息：用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

一种信息化管理平台，包括划分单元、设置单元和推荐单元；其中，

所述划分单元，用于根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

所述设置单元，用于基于群划分结果，分别为不同客户群设置不同的业务推荐表；

所述推荐单元，用于在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

进一步地，所述信息化管理平台还包括收集单元，用于对业务推荐的结果进行收集；

相应的，所述设置单元，还用于根据所收集的结果更新业务推荐表。

进一步地，所述划分单元，还用于：根据第一信息和第二信息确定客户的相似度；基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

进一步地，所述设置单元，还用于：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\⇒B)\\ =P\left(A\right|B)\·\mathrm{\α}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\∪B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\·\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

进一步地，所述设置单元，还用于：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数和总推荐次数进行更新；

根据重新计算的各个关联规则的置信度，更新业务推荐表。

其中，所述业务推荐表存储于客户信息数据池中；

所述业务推荐表至少包括下述信息：用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

一种信息化管理系统，包括信息化管理平台和外部设备；其中，

所述信息化管理平台为上述的信息化管理平台；

所述外部设备，用于向所述信息化管理平台发送客户所持终端登录所述外部设备的通知。

本发明实施例所提供的信息化管理方法、平台及系统，根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；基于群划分结果，分别为不同客户群设置不同的业务推荐表；在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐；对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。如此，本发明实施例所述技术方案，能在对客户进行针对性推荐后，对推荐结果进行自动化评估；通过对其他同类相似客户的推荐的评估结果，对推荐算法进行持续优化，提高业务推荐的准确性；另外，本发明实施例所述技术方案只有在客户主动通过网厅、掌厅、自助终端、10086短厅或营业前台的渠道办理业务时，也就是主观上具有消费意愿时，才会自动触发推荐行为，对客户进行业务推荐，这样不会造成对客户的骚扰，消除客户对业务推销的反感情绪，降低客户投诉率。

附图说明

图1为本发明实施例一的信息化管理方法的实现流程图；

图2为本发明实施例二的信息化管理方法的实现流程图；

图3为本发明实施例提供的收集推荐结果的流程示意图；

图4为本发明实施例一的信息化管理平台的组成结构示意图；

图5为本发明实施例二的信息化管理平台的组成结构示意图；

图6为本发明实施例提供的信息化管理系统的组成结构示意图。

具体实施方式

为了能够更加详尽地了解本发明的特点与技术内容，下面结合附图对本发明的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。

图1为本发明实施例一的信息化管理方法的实现流程图，如图1所示，所述方法主要包括以下步骤：

步骤101：根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分。

其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息。

所述客户的订购产品信息、所述客户的各种通信行为使用等级信息均可以用表格形式来描述。

例如，所述订购产品信息可用用户产品订购表(Cust_product)来描述。

用户产品订购表(Cust_product)：

序号	字段名	字段类型	说明
				1	Cust_id	Varchar(16)	客户身份标识号码
2	Telnum	Varchar(11)	电话号码
				3	Prod_id	Varchar(32)	产品编号
4	Prod_name	Varchar(32)	产品名称
				5	Order_time	Date	产品订购时间

例如，所述客户的各种通信行为使用等级信息可以通过用户通信行为等级表(按天/月汇总，Cust_comm_sum_day/month)来描述。

用户通信行为等级表(按天/月汇总，Cust_comm_sum_day/month)：

序号	字段名	字段类型	说明
				1	Cust_id	Varchar(16)	客户身份标识号码
2	Telnum	Varchar(11)	电话号码
				3	Date_period	Date	通信时间(单位：天)

4	Call_time	Number	主叫时长
				5	Call_level	Number	主叫时长等级
6	Asked_time	Number	被叫时长
				7	Asked_level	Number	被叫时长等级
8	Traffic_Data	Number	流量使用量
				9	Traffic_level	Number	流量使用等级

具体地，所述对所有客户进行群划分，包括：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

例如，可根据客户对不同业务使用情况将客户划分为：

基于传统业务使用的客户群：主要包含对电信传统业务(语音通话、短信等业务)使用较频繁的客户；

基于互联网流量使用的客户群：主要包含对互联网使用频率较高，流量较大的客户；

基于换机行为的客户群：主要包含终端更换频繁的客户；

基于行业通信行为的客户群：主要包含经常拨打114、12580等行业通信行为频繁的客户。

步骤102：基于群划分结果，分别为不同客户群设置不同的业务推荐表。

这里，所述业务推荐表可存储于客户信息数据池中。

所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值；其中，所述用户信息包括用户身份标识号码、用户电话号码。

所述业务推荐表可通过用户推荐产品表(Cust_Product_Recommend)来描述。

用户推荐产品表(Cust_Product_Recommend)：

具体地，所述分别为不同客户群设置不同的业务推荐表，包括：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\⇒B)\\ =P\left(A\right|B)\·\mathrm{\α}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\∪B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\·\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

这里，所述逐层搜索的迭代方法可以是Apriori算法。

步骤103：在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

上述步骤101、102、103的执行主体均可为信息化管理平台。

这里，所述外部设备可以为网厅、掌厅、自助终端、10086短厅、营业前台。当客户通过网厅、掌厅、自助终端、10086短厅或营业前台的渠道办理业务时，信息化管理平台可以这些外部设备进行实时交互。也就是说，当接收到客户所持终端登录外部设备的通知时，会触发信息化管理平台的业务推荐策略，在外部设备上显示业务推荐的相关链接。

优选地，所述方法还包括：

对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。

本实施例中所述信息化管理方法，对客户进行群细分后，提前设计每类客户的业务推荐表，并存储在信息化管理平台中。当客户登陆外部渠道时，会自动触发信息化管理平台的推荐行为，进行相关业务推荐。本实施例通过对不同类别的客户分别进行业务推荐方案设计的方法，利用相似客户的相似偏好对客户进行精确业务推荐，增加了业务推荐(包括产品推荐)的命中率。另外，只有在客户主动进入外部渠道时才触发推荐行为，避免了客户对推荐的反感，能降低客户投诉率。

图2为本发明实施例二的信息化管理方法的实现流程图，如图2所示，所述方法主要包括以下步骤：

步骤201：根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分。

其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息。

具体地，所述对所有客户进行群划分，包括：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分

例如：考虑到客户订购产品的属性与客户的各种通信行为使用等级属性的差别，客户的相似度计算分为两个部分：

a.计算订购产品相似度

客户C₁、C₂的订购产品相似度为两个客户订购产品的交集与两个客户订购产品的并集之商，其计算公式如下：

$S_p=\frac{\∩(C_1,C_2)}{\∪(C_1,C_2)}$

式中，S_P表示客户C₁、C₂的订购产品相似度，∩(C₁，C₂)表示客户C₁、C₂订购产品的交集，∪(C₁，C₂)表示客户C₁、C₂订购产品的并集。

b.计算通信行为使用等级

利用客户的各种通信行为的使用等级值，根据下式计算：

$S_b=\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(x_k-y_k)}^2}$

式中，x_k和y_k分别表示客户C₁、C₂的第k种通信行为的使用等级值。

根据订购产品相似度和通信行为使用等级相似度，计算客户的相似度S，具体计算公式为：

S＝αS_p+(1-α)S_b

其中，α为介于0和1之间的值。

具体地，所述基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分，可通过如下步骤实现：

步骤201a：随机使用k个客户创建k个中心点。

步骤201b：依次计算每个客户与这k个客户的相似度，将其与最相似的客户归为一类。

步骤201c：每次添加新的客户后，把每个类的中心点移到所有客户成员的平均位置。

步骤201d：重复步骤201b、201c，直到各类的中心点不再变化。

如此，对客户进行群细分后，便于利用相似客户的相似偏好对客户进行精确的业务推荐。

步骤202：基于群划分结果，分别为不同客户群设置不同的业务推荐表。

这里，所述业务推荐表可存储于客户信息数据池中；

所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

具体地，所述分别为不同客户群设置不同的业务推荐表，包括：

步骤202a：对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则。

例如：针对某类客户群所订购的产品(包括用户订购的主体产品和增值产品)和各通信行为的使用情况(包括用户的流量使用情况、本地通话时间、漫游通话时间、短信使用量等，对这些通信行为使用情况进行使用等级划分)，使用逐层搜索的迭代方法找出频繁项集，所谓频繁项集，是指满足最小支持度的集合。

假设：某类客户群产品订购数据和各通信行为使用等级数据的集合为D{I1,I2,I3,I4}，最小支持度为min_sup，包含k项的项集称为k-备选集，包含k项的频繁项集称为k-频繁项集，具体步骤如下：

第一步：产生1-备选集，即数据集合D中的所有项{I1}、{I2}、{I3}、{I4}。

第二步：计算1-备选集中每一项的支持度sup＝包含备选集的交易数/总交易数。

第三步：去掉1-备选集中sup<min_sup的项，得到1-频繁项集。假设此处产生的1-频繁项集为{I1}、{I2}、{I3}。

第四步：如果第三步中产生的1-频繁项集不为空，那么用下面的方法计算2-频繁项集。

1)对1-频繁项集中的各项进行组合，产生备选集：{I1,I2}、{I1,I3}、{I2,I3}。

2)计算每个备选集的支持度sup＝包含备选集的交易数/总交易数。

3)从备选集中删除支持度sup小于min_sup的项，得到2-频繁项集。

第五步：如果2-频繁项集不为空，那么使用第四步的方法迭代计算3-频繁项集，依次迭代，直到n-频繁项集不再有满足min_sup条件。

步骤202b：根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\&DoubleRightArrow;B)\\ =P\left(A\right|B)\&CenterDot;\mathrm{\&alpha;}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\&cup;B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\&CenterDot;\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

步骤202c：确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

步骤203：在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

步骤204：对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。

具体地，根据所收集的结果更新业务推荐表，包括：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数(success_count)和总推荐次数(rec_count)进行更新；

根据步骤202b中的置信度计算公式，重新计算各个关联规则的置信度，并确定置信度最高的关联规则，基于所重新确定的置信度最高的关联规则，更新业务推荐表。

上述步骤201、202、203、204的执行主体均可为信息化管理平台。

本实施例中所述信息化管理方法，对客户进行精确的业务推荐的关键在于如何得到精确的业务推荐列表。本实施例通过提前对客户进行群细分，之后分别对不同类别的客户进行业务推荐方案设计，并在业务推荐方案设计时加入对以往同类客户的推荐结果的评估，能够持续自动地优化业务推荐的精确性。

图3为本发明实施例提供的收集推荐结果的流程示意图，如图3所示，该流程主要包括以下步骤：

步骤301：定期对用户推荐产品表(Cust_Product_Recommend)中每条记录进行扫描，然后执行步骤302。

步骤302：判断是否符合第一条件，如果是，执行步骤303；如果否，执行步骤304。

这里，所述第一条件为：Rec_time+Resp_interval>＝当前时间，且Rec_status字段值为0。

这里，Rec_time表示产品推荐时间，Resp_interval表示客户响应天数阀值(单位：天)，Rec_status＝0表示尚未检测推荐结果。

步骤303：判断客户是否订购该产品，如果是，执行步骤305；如果否，执行步骤306。

步骤304：跳过该条记录，结束对该条记录的扫描。

步骤305：更新Cust_Product_Recmmend表中该条记录的Rec_status字段值为1。

这里，Rec_status＝1表示推荐成功。

步骤306：更新Cust_Product_Recmmend表中该条记录的Rec_status字段值为2。

这里，Rec_status＝2表示推荐失败。

上述步骤301至步骤306中的执行主体均为信息化管理平台，信息化管理平台定期扫描用户推荐产品表，根据客户的产品订购关系对该表内容进行更新。该用户推荐产品表中的数据是“客户信息数据池”中的一部分，并最终用于“推荐方案设计”部分，如此，在业务推荐方案设计时加入对以往同类客户的推荐结果的评估，能够持续自动地优化业务推荐的精确性。

图4为本发明实施例一的信息化管理平台的组成结构示意图，如图4所示，所述信息化管理平台包括划分单元41、设置单元42和推荐单元43；其中，

所述划分单元41，用于根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

所述设置单元42，用于基于群划分结果，分别为不同客户群设置不同的业务推荐表；

所述推荐单元43，用于在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

优选地，所述信息化管理平台还包括收集单元43，用于对业务推荐的结果进行收集；

相应的，所述设置单42，还用于根据所收集的结果更新业务推荐表。

具体地，所述划分单元41，具体用于：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

具体地，所述设置单元42，还用于：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\&DoubleRightArrow;B)\\ =P\left(A\right|B)\&CenterDot;\mathrm{\&alpha;}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\&cup;B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\&CenterDot;\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

具体地，所述设置单元42，还用于：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数(success_count)和总推荐次数(rec_count)进行更新；

根据重新计算的各关联规则的置信度，更新业务推荐表。

这里，所述业务推荐表可存储于客户信息数据池中。所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

实际应用中，所述划分单元41、设置单元42和推荐单元43可由信息化管理平台中的中央处理器(CPU，CentralProcessingUnit)、微处理器(MPU，MicroProcessorUnit)、数字信号处理器(DSP，DigitalSignalProcessor)或现场可编程门阵列(FPGA，FieldProgrammableGateArray)实现。

图5为本发明实施例二的信息化管理平台的组成结构示意图，如图5所示，所述信息化管理平台包括划分单元41、设置单元42、推荐单元43和收集单元44；其中，

所述划分单元41，用于根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

所述设置单元42，用于基于群划分结果，分别为不同客户群设置不同的业务推荐表；并根据所述收集单元43所收集的结果更新业务推荐表；

所述推荐单元43，用于在接收到客户所持终端登录外部系统的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐；

所述收集单元43，用于对业务推荐的结果进行收集。

具体地，所述划分单元41，具体用于：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

具体地，所述设置单元42，还用于：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\&DoubleRightArrow;B)\\ =P\left(A\right|B)\&CenterDot;\mathrm{\&alpha;}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\&cup;B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\&CenterDot;\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

具体地，所述设置单元42，还用于：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数(success_count)和总推荐次数(rec_count)进行更新；

根据重新计算的各个关联规则的置信度，更新业务推荐表。

这里，所述业务推荐表可存储于客户信息数据池中。所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

实际应用中，所述划分单元41、设置单元42、推荐单元43和收集单元44可由信息化管理平台中的CPU、MPU、DSP或FPGA实现。

图6为本发明实施例提供的信息化管理系统的组成结构示意图，如图6所示，所述信息化管理系统包括信息化管理平台61和外部设备62；其中，

所述信息化管理平台61，用于根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；基于群划分结果，分别为不同客户群设置不同的业务推荐表；在接收到客户所持终端登录外部系统的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐；

所述外部设备62，用于向所述信息化管理平台61发送客户所持终端登录所述外部设备的通知。

优选地，所述信息化管理平台61，还用于对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。

这里，所述信息化管理平台61的具体的组成结构可如图4或图5所示。

这里，所述外部设备可以为网厅，掌厅，自助终端，10086短厅，营业前台，所述信息化管理平台61可通过外部接口与这些外部设备进行实时交互。当客户通过网厅、掌厅、自助终端、10086短厅或营业前台的渠道办理业务时，会触发信息化管理平台的业务推荐策略，在相应渠道上显示业务推荐相关链接。

在本发明所提供的几个实施例中，应该理解到，所揭露的方法、设备和系统，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明实施例上述集成的单元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，也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，本发明实施例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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种信息化管理方法，其特征在于，所述方法包括：

根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

基于群划分结果，分别为不同客户群设置不同的业务推荐表；

在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

2.根据权利要求1所述的方法，其特征在于，所述根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐之后，所述方法还包括：

对业务推荐的结果进行收集，并根据所收集的结果更新业务推荐表。

3.根据权利要求1所述的方法，其特征在于，所述对所有客户进行群划分，包括：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

4.根据权利要求1所述的方法，其特征在于，所述分别为不同客户群设置不同的业务推荐表，包括：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\&DoubleRightArrow;B)\\ =P\left(A\right|B)\&CenterDot;\mathrm{\&alpha;}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\&cup;B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\&CenterDot;\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

5.根据权利要求2所述的方法，其特征在于，所述分别为不同客户群设置不同的业务推荐表，还包括：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数和总推荐次数进行更新；

根据重新计算的各个关联规则的置信度，更新业务推荐表。

6.根据权利要求1所述的方法，其特征在于，所述业务推荐表存储于客户信息数据池中；

所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

7.一种信息化管理平台，其特征在于，所述信息化管理平台包括划分单元、设置单元和推荐单元；其中，

所述划分单元，用于根据客户信息数据池中的第一信息和第二信息，对所有客户进行群划分；其中，所述第一信息为客户的订购产品信息，所述第二信息为客户的各种通信行为使用等级信息；

所述设置单元，用于基于群划分结果，分别为不同客户群设置不同的业务推荐表；

所述推荐单元，用于在接收到客户所持终端登录外部设备的通知时，根据所述客户所属群所对应的业务推荐表向所述客户进行业务推荐。

8.根据权利要求7所述的信息化管理平台，其特征在于，所述信息化管理平台还包括收集单元，用于对业务推荐的结果进行收集；

相应的，所述设置单元，还用于根据所收集的结果更新业务推荐表。

9.根据权利要求8所述的信息化管理平台，其特征在于，所述划分单元，还用于：

根据第一信息和第二信息确定客户的相似度；

基于所确定的客户的相似度，采用K-均值聚类算法对所有客户进行群划分。

10.根据权利要求8所述的信息化管理平台，其特征在于，所述设置单元，还用于：

对于每一类客户群，利用逐层搜索的迭代方法确定客户的第一信息与第二信息的频繁项集，并由频繁项集的非空子集产生关联规则；

根据公式获取每个关联规则的置信度，所述公式为：

$\begin{array}{c}\mathrm{confidence}(A\&DoubleRightArrow;B)\\ =P\left(A\right|B)\&CenterDot;\mathrm{\&alpha;}(A,B)\\ =\frac{\mathrm{support}\_\mathrm{count}(A\&cup;B)}{\mathrm{support}\_\mathrm{count}\left(A\right)}\&CenterDot;\frac{\mathrm{success}\_\mathrm{count}(A,B)}{\mathrm{rec}\_\mathrm{count}(A,B)}\end{array}$

其中，support_count(A∪B)表示同时包含频繁项集A、频繁项集B的记录条数，support_count(A)表示包含频繁项集A的记录条数，success_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的成功数，rec_count(A，B)表示根据频繁项集A对频繁项集B进行业务推荐的总推荐次数；

确定置信度最高的关联规则，将所述置信度最高的关联规则写入业务推荐表，以便进行业务推荐。

11.根据权利要求8所述的信息化管理平台，其特征在于，所述设置单元，还用于：

对于每一类客户群，根据对客户的业务推荐数量和客户实际办理推荐业务的情况，对每个关联规则的业务推荐的成功数和总推荐次数进行更新；

根据重新计算的各个关联规则的置信度，更新业务推荐表。

12.根据权利要求8所述的信息化管理平台，其特征在于，所述业务推荐表存储于客户信息数据池中；

所述业务推荐表至少包括下述信息：

用户信息、推荐业务类型、推荐时间和客户响应时长阀值。

13.一种信息化管理系统，其特征在于，所述信息化管理系统包括信息化管理平台和外部设备；其中，

所述信息化管理平台为权利要求7至12任一项所述的信息化管理平台；

所述外部设备，用于向所述信息化管理平台发送客户所持终端登录所述外部设备的通知。