CN106776716A - 一种智能匹配销售顾问和用户的方法及设备 - Google Patents
一种智能匹配销售顾问和用户的方法及设备 Download PDFInfo
- Publication number
- CN106776716A CN106776716A CN201611021937.2A CN201611021937A CN106776716A CN 106776716 A CN106776716 A CN 106776716A CN 201611021937 A CN201611021937 A CN 201611021937A CN 106776716 A CN106776716 A CN 106776716A
- Authority
- CN
- China
- Prior art keywords
- storehouse
- user
- client group
- sale
- group
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000006399 behavior Effects 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims description 32
- 239000000284 extract Substances 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 description 27
- 230000009471 action Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 101000746134 Homo sapiens DNA endonuclease RBBP8 Proteins 0.000 description 1
- 101000969031 Homo sapiens Nuclear protein 1 Proteins 0.000 description 1
- 102100021133 Nuclear protein 1 Human genes 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种建立虚拟族群的方法和基于该方法的智能匹配用户与销售顾问的方法、以及与上述方法对应的装置和设备。其中,建立虚拟族群的方法包括:从用户的行为日志中提取关键字,根据关键字匹配出该用户的用户标签;从销售顾问的行为日志中提取关键字,根据关键字匹配出该销售顾问的销售标签;根据用户标签和销售标签建立用户ID和销售ID的关联关系库;通过关联关系库构建每个销售ID的客户族群库,并生成该客户族群库的标签;通过关联关系库构建每个客户族群库的客户族群外延库,并生成该客户族群外延库的标签;通过关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
Description
技术领域
本发明涉及大数据计算领域,尤其是一种智能匹配销售顾问和用户的方法及设备。
背景技术
对用户在未来一段时间内的购物需求及消费习惯的预估,对于互联网企业特别是电商类企业的个性化商业决策意义重大,例如,互联网平台可以依据用户的特性给用户智能匹配销售顾问,由销售顾问一对一为用户提供贴切的服务,这对于具有海量数据的互联网公司来说是一个难题。
目前常见的一种方案是获取用户的多维数据,生成用户的多个维度的用户画像,作为该用户对应的数字人,但该方案只是构建了单一的数字人,忽略了人与人之间的社交关系。且,现有的电商平台中,销售顾问与用户之间盲目匹配,用户在访问网站时随机寻找销售顾问进行咨询,这使得用户与销售顾问在双方互不了解的前提下难以迅速建立关系,进而影响成单率。因此,需要一种数据分析方案,能够根据数据之间的关联关系分析用户群体的基础属性和偏好,建立智能匹配系统,为用户提供贴切的、定制化的服务。
发明内容
为此,本发明提供一种智能匹配销售顾问和用户的方法及设备,以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面,提供了一种建立虚拟族群的方法,在计算设备中执行,计算设备中具有用户标签库和销售标签库,其中,用户标签库被配置为存储表征用户信息的多个标签,销售标签库被配置为存储表征销售顾问信息的多个标签,包括步骤:从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID关联存储;从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID关联存储;根据用户标签和销售标签建立用户ID和销售ID的关联关系库;通过关联关系库构建每个销售ID的客户族群库,并生成该客户族群库的标签,作为该客户族群库的特征标识;通过关联关系库构建每个客户族群库的客户族群外延库,并生成该客户族群外延库的标签,作为该客户族群外延库的特征标识;以及通过关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
可选地,在根据本发明的建立虚拟族群的方法中,根据用户标签和销售标签建立用户ID和销售ID的关联关系库的步骤包括:从用户标签和销售标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系;以及记录上述关联关系,得到关联关系库。
可选地,在根据本发明的建立虚拟族群的方法中,通过关联关系库构建每个销售ID的客户族群库的步骤包括:通过关联关系库获取与每个销售ID相关联的用户ID,构成该销售ID的客户族群库;通过归纳该客户族群库中用户ID对应的用户标签得到该客户族群库的标签。
可选地,在根据本发明的建立虚拟族群的方法中,通过关联关系库构建每个客户族群库的客户族群外延库的步骤包括:通过关联关系库获取与客户族群库中用户ID相关联的其他用户ID;根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库;以及对于所述至少一个客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户ID的用户标签得到该客户族群外延库的标签。
可选地,在根据本发明的建立虚拟族群的方法中,通过关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库的步骤包括:按照销售ID之间的关联关系汇总各销售ID的客户族群库和客户族群外延库,得到虚拟族群。
可选地,在根据本发明的建立虚拟族群的方法中,还包括更新虚拟族群的步骤:实时监测用户的行为日志;当监测到用户的行为轨迹发生变更时,为该用户匹配新的用户标签以替代原有的用户标签;以及根据新的用户标签重新划分虚拟族群。
可选地,在根据本发明的建立虚拟族群的方法中,监测用户的行为轨迹发生变更的步骤包括:根据监测的用户行为日志为该用户匹配用户标签,并与该用户原有的用户标签进行对比;若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。
可选地,在根据本发明的建立虚拟族群的方法中,根据新的用户标签重新划分虚拟族群的步骤包括:对新的用户标签与客户族群库和/或客户族群外延库的标签进行匹配运算;若匹配度达到预定范围,则将该用户划分到对应客户族群库和/或客户族群外延库。
根据本发明的另一方面,提供了一种智能匹配销售顾问和用户的方法,包括步骤:执行如上所述的方法,建立虚拟族群;对于新用户,根据该用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签,与新用户的用户ID关联存储;计算该用户的用户标签与每个客户族群库和/或客户族群外延库的标签的相似度;以及在算得的相似度最高的客户族群库或客户族群外延库的销售ID与该用户的用户ID之间建立关联关系。
根据本发明的又一方面,提供了一种虚拟族群建立装置,布置在计算设备中,该计算设备中具有用户标签库和销售标签库,其中,用户标签库被配置为存储表征用户信息的多个标签,销售标签库被配置为存储表征销售顾问信息的多个标签,装置包括:标签生成单元,适于从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID关联存储、还适于从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID关联存储;关系存储单元,适于存储根据用户标签和销售标签建立的用户ID和销售ID的关联关系;族群建立单元,适于通过关联关系构建每个销售ID的客户族群库、还适于通过关联关系构建每个客户族群库的客户族群外延库;标签生成单元还适于生成客户族群库的标签,作为该客户族群库的特征标识、还适于生成客户族群外延库的标签,作为该客户族群外延库的特征标识;以及族群建立单元还适于通过关联关系获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
可选地,在根据本发明的虚拟族群建立装置中,关系存储单元适于从用户标签和销售标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系、并逐条记录上述关联关系。
可选地,在根据本发明的虚拟族群建立装置中,族群建立单元适于通过关联关系获取与每个销售ID相关联的用户ID,构成该销售ID的客户族群库;标签生成单元适于通过归纳该客户族群库中用户ID的用户标签得到该客户族群库的标签。
可选地,在根据本发明的虚拟族群建立装置中,族群建立单元适于通过关联关系获取与客户族群库中用户ID相关联的其他用户ID、并根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库;标签生成单元适于对所述至少一个客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户ID的用户标签得到该客户族群外延库的标签。
可选地,在根据本发明的虚拟族群建立装置中,族群建立单元适于按照销售ID之间的关联关系汇总各销售ID的客户族群库和客户族群外延库,得到虚拟族群。
可选地,在根据本发明的虚拟族群建立装置中,还包括:监测单元,适于实时监测用户的行为日志;标签生成单元还适于在监测到用户的行为轨迹发生变更时,为该用户匹配新的用户标签以替代原有的用户标签;族群建立单元还适于根据新的用户标签重新划分虚拟族群。
可选地,在根据本发明的虚拟族群建立装置中,监测单元还适于根据监测的用户行为日志为该用户匹配用户标签,并与该用户原有的用户标签进行对比,若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。
可选地,在根据本发明的虚拟族群建立装置中,族群建立单元还适于对新的用户标签与客户族群库和/或客户族群外延库的标签进行匹配运算,若匹配度达到预定范围,则将该用户划分到对应客户族群库和/或客户族群外延库。
根据本发明的另一方面,提供了一种智能匹配销售顾问和用户的设备,该设备驻留在计算设备中,该设备包括:如上所述的虚拟族群建立装置,适于建立虚拟族群,还适于根据新用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签;和匹配装置,适于计算新用户的用户标签与所述虚拟族群中每个客户族群库和/或客户族群外延库的标签的相似度,并在算得的相似度最高的客户族群库或客户族群外延库的销售ID与该新用户的用户ID之间建立关联关系。
根据本发明的建立的虚拟族群的方案,以标签库为载体,对于用户与销售顾问分别设定基础标签、属性标签、偏好标签、关系标签,构建虚拟镜像人。较之简单的根据用户行为日志构建的用户画像,本方案充分考虑了人与人之间的关联关系,将具有共同特征的用户划分为一个虚拟群体,并分配相应族群或外延族群负责人(即,销售顾问),进而解决了现有销售顾问与用户之间盲目匹配的问题。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图;
图2示出了根据本发明一个实施例的虚拟族群建立方法200的流程图;
图3示出了根据本发明一个实施例的智能匹配销售顾问和用户的方法300的流程图;
图4示出了根据本发明一个实施例的虚拟族群建立装置400的示意图;以及
图5示出了根据本发明一个实施例的智能匹配销售顾问和用户的设备500的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的框图。在基本的配置102中,计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用,或者在一些实现中,存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置,系统存储器106可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中,应用122可以布置为在操作系统上利用程序数据124进行操作。
计算设备100还可以包括有助于从各种接口设备(例如,输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156,它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160,其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为小尺寸便携(或者移动)电子设备的一部分,这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中,计算设备100被配置为执行智能匹配销售顾问和用户的方法,应用122包括根据本发明的智能匹配销售顾问和用户的设备500(在下文中详细介绍),并且,计算设备100上存储有用户标签库和销售标签库。
用户标签库被配置为存储表征用户信息的多个标签,是从海量的用户信息中抽象出的尽可能涵盖了所有用户特征的特征标识。可选地,表征用户信息的多个标签可以是根据用户的年龄、性别、地域、学历、身份、浏览点击率等构建的,根据本发明的实施例,将用户标签归纳为如下4类:
基础标签:描述用户基本特征的标签,例如性别、年龄等;
属性标签:标识用户的基本属性、类型的标签,例如职业、学历、购买能力、交易记录等;
偏好标签:描述用户喜好、偏好的标签,例如对于商品类别、品牌的偏好、对价格区间的偏好等;
关系标签:描述用户之间、用户与销售顾问之间、用户与族群间的关联关系的标签,例如用户A与用户B是同学关系。
同样地,销售标签库被配置为存储表征销售顾问信息的多个标签,也是从海量的销售顾问的信息中抽象出的尽可能涵盖了所有销售顾问特征的特征标识。可选地,表征销售顾问信息的多个标签可以是根据销售顾问历史售卖商品种类、知识专业程度、好评度、服务成交客户群类型、回访率等构建的,根据本发明的实施例,将销售标签也归纳为如下4类:
基础标签:描述销售顾问基本特征的标签,例如性别、年龄等;
属性标签:标识销售顾问基本属性、类型的标签,例如学历、公司、工作年限、职级、业绩等;
偏好标签:描述销售顾问偏好的标签,例如历史成功销售商品种类、系列、品牌、价格区间和历史成功推销客户类型等;
关系标签:描述销售顾问之间、销售顾问与用户之间、销售顾问与族群间的关联关系的标签,例如销售顾问C与销售顾问D是同事关系。
更进一步地,将关系标签划分成强关系和弱关系。将诸如“亲属”、“同学”、“同事”等关系划分为强关系,即,认为亲属之间的联系频率会较高,相似属性也会更多;而诸如“所处地是北京”这样的标签,则认为他们之间仅是在同一个地方的陌生人,为弱关系。
根据本发明的实施方式,在对现实中的人物构建标签进行数字化建模时,加入关系标签,考虑了人的社会属性(社会关系),使得构建的数字人更加全面、丰满,更贴近现实生活中的人物形象。
基于上述描述建立起用户标签库和销售标签库后,即可执行本发明的建立虚拟族群的方法200的步骤,如图2所示,该方法200始于步骤S210。在步骤S210中,从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID(每一个用户都有其唯一的用户ID)关联存储。例如,从某一用户的行为日志中提取到关键字“20岁”,则对应到用户标签库中匹配该用户的用户标签“年龄”为20岁,然后将该用户的用户ID与标签“年龄:20岁”关联存储。
在步骤S220中,从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID(每一个销售顾问都有其唯一的销售ID)关联存储。对销售标签计算过程同步骤S210在对用户标签的计算,此处不再赘述。
随后在步骤S230中,根据用户标签和销售标签建立用户ID和销售ID的关联关系库。如前文所述,在用户标签和销售标签中具有描述用户之间、销售之间、用户与销售之间的关系标签,故可以从这些关系标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系,并逐条记录上述关联关系,得到关联关系库。例如,用户A在销售C顾问处有过交易记录,则可在关联关系库中记录:用户A与销售顾问C相关联(并且是强关系);用户A和用户B为亲属关系,则可在关联关系库中记录:用户A和用户B相关联(并且是亲属关系)。
随后在步骤S240中,通过关联关系库构建每个销售ID的客户族群库,即,从关联关系库中获取与每个销售ID相关联的用户ID,可选地,获取与销售ID有过成功交易关系的用户ID,将这些用户ID划分为一个群,作为该销售ID的客户族群库。然后,通过归纳该客户族群库中用户ID的用户标签生成该客户族群库的标签,作为该客户族群库的特征标识。根据本发明的一个实施例,通过归纳该客户族群库的用户标签,得出其中有90%的用户ID“学历”标签为“硕士”,那么就定义本客户族群库的“学历”标签为硕士,进一步可以推断该销售ID服务的用户有一个共同点是:高学历。
随后在步骤S250中,通过关联关系库构建每个客户族群库的客户族群外延库,即,从关联关系库中获取与客户族群库中用户ID相关联的其他用户ID,根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库。根据一种实施方式,若获取到与客户族群库中所有用户相关联的本族群库外用户有100个,就对这100个用户的用户标签进行聚类运算,最终可能会聚类出不止一个族群,都记作该客户族群外延库。同样,对这些客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户的用户标签得到该客户族群外延库的标签。
随后在步骤S260中,通过关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。即,按照销售ID之间的关联关系汇总各销售ID的客户族群库和客户族群外延库,得到虚拟族群,这样,就将现实中的社会人经过关联运算,汇总成了一个大的虚拟族群,在虚拟族群中,又根据用户和销售顾问的关联关系、以及用户与用户的关联关系划分了一个个族群库,总的来说,就是将具有一些相似属性的人划分为一个族群,最终形成一个错综复杂的关系网络。
根据本发明的一种实施方式,在建立虚拟族群的过程中,还包括不断更新虚拟族群的步骤。即,在初步建立起虚拟族群后,实时监测用户的行为日志变化情况,当监测到某个用户的行为轨迹发生变更时,就为该用户ID匹配新的用户标签以替代原有的用户标签。
再根据新的用户标签与现在虚拟族群中的客户族群库和/或客户族群外延库的标签进行匹配运算,若匹配度达到预定范围,则将该用户ID划分到对应客户族群库和/或客户族群外延库。根据一种实施例,可以以遍历的方式计算用户标签与客户族群库(客户族群外延库)标签的相似度。例如,先计算用户每个用户标签与某一族群库中对应标签的相似度,对应计算出所有标签的相似度后,再采用加权方式对各相似度进行综合,得出新用户标签与该客户族群库的相似度。应当注意的是,本发明对标签相似度的计算不作限制,任何计算相似度的方法都可以与本发明的实施例相结合。
具体地,判断用户的行为轨迹发生变更的方法是:根据监测的用户行为日志为该用户ID匹配用户标签,并与该用户ID原有的用户标签进行对比,若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。举例来说,用户A的历史浏览记录均为价格区间在25-40万的车系车型,故在初始设置用户标签时,设置该用户A“对价格区间的偏好”标签为25-40万。但在以后某段时间,发现用户A逐步开始浏览价格区间在40-80万的车系车型,此时我们认为用户A的“对价格区间的偏好”标签开始发生变化,持续监测预定时间段内(例如,一周内)用户A浏览40-80万的车系车型的次数,当该浏览比例超过阈值时,就判定用户A的行为轨迹发生变更,将“对价格区间的偏好”标签更改为40-80万。
基于方法200建立的虚拟族群,以标签库为载体,对于用户与销售顾问分别设定基础标签、属性标签、偏好标签、关系标签,构建虚拟镜像人。较之简单的根据用户行为日志构建的用户画像,本方案充分考虑了人与人之间的关联关系,将具有共同特征的用户划分为一个虚拟群体,并分配相应族群或外延族群负责人(即,销售顾问)。
图3示出了根据本发明一个实施例的智能匹配销售顾问和用户的方法300的流程图。该方法300是基于方法200实现的,如图3所示,方法300始于步骤S310,执行如方法200所述的流程,建立虚拟族群。
随后在步骤S320中,对于新用户,根据该用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签,与新用户的用户ID关联存储。对新用户的用户标签的构造,可以参考方法200中步骤S210的描述,此处不再赘述。
随后在步骤S330中,计算该用户ID的用户标签与每个客户族群库和/或客户族群外延库的标签的相似度。根据一种实施方式,以遍历的方式进行计算,先计算新用户ID的“年龄”标签与某一族群库的“年龄”标签的相似度,计算新用户ID的“学历”标签与某一族群库的“学历”标签的相似度……对应计算出所有标签的相似度后,再采用加权方式对各相似度进行综合,得出新用户ID与该客户族群库的相似度。应当注意的是,本发明对标签相似度的计算不作限制,任何计算相似度的方法都可以与本发明的实施例相结合。当然,也可以对虚拟族群中各族群库的标签设置阈值,当新用户的标签在阈值范围内时,即认为该用户与该族群库的标签相似。
随后在步骤S340中,在算得的相似度最高的客户族群库或客户族群外延库的销售ID与该用户ID之间建立关联关系。即,将该用户ID归入该销售ID的客户族群库或客户族群外延库中,由该销售ID代表的销售顾问向该用户ID代表的新用户提供销售咨询服务。
根据本发明的匹配用户与销售顾问的方案,解决了现有销售顾问与用户之间盲目匹配、进而造成用户与销售顾问之间彼此关系陌生,在双方互不了解的前提下难以迅速建立关系、影响成单率与销售业绩的缺陷。同时,通过本方案,能够推动销售顾问群体进一步拆分、细化分工,以服务于不同的客户族群,从而提供更具区别性、个性化与定制化的服务。
对应于方法200,图4示出了虚拟族群建立装置400的示意图。该装置400包括:标签生成单元410、关系存储单元420和族群建立单元430。其中,标签生成单元410、关系存储单元420、族群建立单元430三者相互耦接。
标签生成单元410适于从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID关联存储。
同样,标签生成单元410还适于从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID关联存储。
关系存储单元420适于存储根据用户标签和销售标签建立的用户ID和销售ID的关联关系。根据本发明的实施例,关系存储单元420适于从用户标签和销售标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系、并逐条记录上述关联关系。
族群建立单元430适于通过关联关系构建每个销售ID的客户族群库。可选地,族群建立单元430适于获取与每个销售ID相关联的用户ID,构成该销售ID的客户族群库。
标签生成单元410还适于通过归纳该客户族群库中用户ID的用户标签生成客户族群库的标签,作为该客户族群库的特征标识。
族群建立单元430还适于通过关联关系构建每个客户族群库的客户族群外延库。可选地,族群建立单元430适于获取与客户族群库中用户ID相关联的其他用户ID、并根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库。
标签生成单元410还适于对得到的至少一个客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户ID的用户标签对应生成该客户族群外延库的标签,作为该客户族群外延库的特征标识。
族群建立单元430还适于按照销售ID之间的关联关系获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
根据一种实现方式,该装置400还包括监测单元440,与标签生成单元410相耦接,如图4所示。
监测单元440适于实时监测用户的行为日志,当通过用户的行为日志发生用户的行为轨迹发生变更时,即发送通知给标签生成单元410。
可选地,监测单元440适于根据监测的用户行为日志为该用户ID匹配用户标签,并与该用户ID原有的用户标签进行对比,若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。
标签生成单元410还适于在监测到用户的行为轨迹发生变更时,为该用户ID匹配新的用户标签以替代原有的用户标签。
族群建立单元430还适于根据新的用户标签重新划分虚拟族群。具体地,族群建立单元430被配置为对新的用户标签与客户族群库和/或客户族群外延库的标签进行匹配运算,若匹配度达到预定范围,则将该用户划分到对应客户族群库和/或客户族群外延库。
关于装置400更具体地阐述和举例请见基于图2的描述,此处不再累述。
图5示出了根据本发明一个实施例的智能匹配销售顾问和用户的设备500的示意图。如图5所示,设备500包括虚拟族群建立装置400和匹配装置510。
虚拟族群建立装置400适于建立虚拟族群,该虚拟族群中包含多个客户族群库和客户族群外延库。当增加新用户时,虚拟族群建立装置400(中的标签生成单元410)适于根据新用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签。
匹配装置510适于计算新用户的用户标签与虚拟族群中每个客户族群库和/或客户族群外延库的标签的相似度。对于标签相似度的计算,在上文中已经详细介绍过,本发明对相似度计算方法不作限制,任何计算标签相似度或匹配度的算法都可以与本发明的实施例相结合。
当计算完所有标签的相似度后,匹配装置510适于在相似度最高的客户族群库或客户族群外延库的销售ID与该新用户ID之间建立关联关系,即,将该用户ID归入该销售ID的客户族群库或客户族群外延库中,由该销售ID代表的销售顾问向该用户ID代表的新用户提供销售咨询服务。
根据本发明的匹配用户与销售顾问的方案,解决了现有销售顾问与用户之间盲目匹配、进而造成用户与销售顾问之间彼此关系陌生,在双方互不了解的前提下难以迅速建立关系、影响成单率与销售业绩的缺陷。同时,通过本方案,能够推动销售顾问群体进一步拆分、细化分工,以服务于不同的客户族群,从而提供更具区别性、个性化与定制化的服务。
应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明还公开了:
A5、如A4所述的方法,其中,通过关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库的步骤包括:按照销售ID之间的关联关系汇总各销售ID的客户族群库和客户族群外延库,得到虚拟族群。
A6、如A1-5中任一项所述的方法,还包括更新虚拟族群的步骤:实时监测用户的行为日志;当监测到用户的行为轨迹发生变更时,为该用户匹配新的用户标签以替代原有的用户标签;以及根据新的用户标签重新划分虚拟族群。
A7、如A6所述的方法,其中,监测用户的行为轨迹发生变更的步骤包括:根据监测的用户行为日志为该用户匹配用户标签,并与该用户原有的用户标签进行对比;若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。
A8、如A6或7所述的方法,其中,根据新的用户标签重新划分虚拟族群的步骤包括:对新的用户标签与客户族群库和/或客户族群外延库的标签进行匹配运算;若匹配度达到预定范围,则将该用户划分到对应客户族群库和/或客户族群外延库。
C14、如C13所述的装置,其中,族群建立单元适于按照销售ID之间的关联关系汇总各销售ID的客户族群库和客户族群外延库,得到虚拟族群。
C15、如C10-14所述的装置,还包括:监测单元,适于实时监测用户的行为日志;标签生成单元还适于在监测到用户的行为轨迹发生变更时,为该用户匹配新的用户标签以替代原有的用户标签;族群建立单元还适于根据新的用户标签重新划分虚拟族群。
C16、如C15所述的装置,其中,监测单元还适于根据监测的用户行为日志为该用户匹配用户标签,并与该用户原有的用户标签进行对比,若用户标签发生变化、且变化范围超过阈值,则判定该用户的行为轨迹发生变更。
C17、如C15或16所述的装置,其中,族群建立单元还适于对新的用户标签与客户族群库和/或客户族群外延库的标签进行匹配运算,若匹配度达到预定范围,则将该用户划分到对应客户族群库和/或客户族群外延库。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种建立虚拟族群的方法,在计算设备中执行,所述计算设备中具有用户标签库和销售标签库,其中,所述用户标签库被配置为存储表征用户信息的多个标签,所述销售标签库被配置为存储表征销售顾问信息的多个标签,所述方法包括步骤:
从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID关联存储;
从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID关联存储;
根据所述用户标签和销售标签建立用户ID和销售ID的关联关系库;
通过所述关联关系库构建每个销售ID的客户族群库,并生成该客户族群库的标签,作为该客户族群库的特征标识;
通过所述关联关系库构建每个客户族群库的客户族群外延库,并生成该客户族群外延库的标签,作为该客户族群外延库的特征标识;以及
通过所述关联关系库获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
2.如权利要求1所述的方法,其中,所述根据所述用户标签和销售标签建立用户ID和销售ID的关联关系库的步骤包括:
从用户标签和销售标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系;以及
记录上述关联关系,得到关联关系库。
3.如权利要求2所述的方法,其中,所述通过所述关联关系库构建每个销售ID的客户族群库的步骤包括:
通过所述关联关系库获取与每个销售ID相关联的用户ID,构成该销售ID的客户族群库;
通过归纳该客户族群库中用户ID对应的用户标签得到该客户族群库的标签。
4.如权利要求3所述的方法,其中,所述通过所述关联关系库构建每个客户族群库的客户族群外延库的步骤包括:
通过所述关联关系库获取与客户族群库中用户ID相关联的其他用户ID;
根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库;以及
对于所述至少一个客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户ID的用户标签得到该客户族群外延库的标签。
5.一种智能匹配销售顾问和用户的方法,所述方法包括步骤:
执行如权利要求1-4中任一项所述的方法,建立虚拟族群;
对于新用户,根据该用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签,与新用户的用户ID关联存储;
计算该用户的用户标签与每个客户族群库和/或客户族群外延库的标签的相似度;以及
在算得的相似度最高的客户族群库或客户族群外延库的销售ID与该用户的用户ID之间建立关联关系。
6.一种虚拟族群建立装置,布置在计算设备中,该计算设备中具有用户标签库和销售标签库,其中,所述用户标签库被配置为存储表征用户信息的多个标签,所述销售标签库被配置为存储表征销售顾问信息的多个标签,所述装置包括:
标签生成单元,适于从用户的行为日志中提取关键字,根据所提取的关键字从用户标签库中匹配出该用户的用户标签,作为该用户的特征标识并与用户ID关联存储、还适于从销售顾问的行为日志中提取关键字,根据所提取的关键字从销售标签库中匹配出该销售顾问的销售标签,作为该销售顾问的特征标识并与销售ID关联存储;
关系存储单元,适于存储根据所述用户标签和销售标签建立的用户ID和销售ID的关联关系;
族群建立单元,适于通过所述关联关系构建每个销售ID的客户族群库、还适于通过所述关联关系构建每个客户族群库的客户族群外延库;
所述标签生成单元还适于生成所述客户族群库的标签,作为该客户族群库的特征标识、还适于生成所述客户族群外延库的标签,作为该客户族群外延库的特征标识;以及
所述族群建立单元还适于通过所述关联关系获取各相关联的销售ID的客户族群库和客户族群外延库,建立虚拟族群。
7.如权利要求6所述的装置,其中,
所述关系存储单元适于从用户标签和销售标签中获取用户ID之间、销售ID之间、用户ID与销售ID之间的关联关系、并逐条记录上述关联关系。
8.如权利要求7所述的装置,其中,
所述族群建立单元适于通过所述关联关系获取与每个销售ID相关联的用户ID,构成该销售ID的客户族群库;
所述标签生成单元适于通过归纳该客户族群库中用户ID的用户标签得到该客户族群库的标签。
9.如权利要求8所述的装置,其中,
所述族群建立单元适于通过所述关联关系获取与客户族群库中用户ID相关联的其他用户ID、并根据用户标签对所获取的用户ID进行聚类,得到至少一个客户族群外延库;
所述标签生成单元适于对所述至少一个客户族群外延库中的每个客户族群外延库,通过归纳该客户族群外延库中用户ID的用户标签得到该客户族群外延库的标签。
10.一种智能匹配销售顾问和用户的设备,该设备驻留在计算设备中,所述设备包括:
如权利要求6-9中任一项所述的虚拟族群建立装置,适于建立虚拟族群,还适于根据新用户的行为日志提取关键字、并从用户标签库中匹配新用户的用户标签;和
匹配装置,适于计算新用户的用户标签与所述虚拟族群中每个客户族群库和/或客户族群外延库的标签的相似度,并在算得的相似度最高的客户族群库或客户族群外延库的销售ID与该新用户的用户ID之间建立关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611021937.2A CN106776716B (zh) | 2016-11-21 | 2016-11-21 | 一种智能匹配销售顾问和用户的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611021937.2A CN106776716B (zh) | 2016-11-21 | 2016-11-21 | 一种智能匹配销售顾问和用户的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106776716A true CN106776716A (zh) | 2017-05-31 |
CN106776716B CN106776716B (zh) | 2019-11-15 |
Family
ID=58969635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611021937.2A Active CN106776716B (zh) | 2016-11-21 | 2016-11-21 | 一种智能匹配销售顾问和用户的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106776716B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190898A (zh) * | 2018-08-01 | 2019-01-11 | 上海信吾信息技术有限公司 | 一种动态分配销售专员的方法及系统 |
CN109388753A (zh) * | 2018-10-31 | 2019-02-26 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109670873A (zh) * | 2018-12-25 | 2019-04-23 | 重庆锐云科技有限公司 | 房地产拓客方法、装置及服务器 |
CN109919652A (zh) * | 2019-01-17 | 2019-06-21 | 平安城市建设科技(深圳)有限公司 | 用户群体分类方法、装置、设备及存储介质 |
CN110689457A (zh) * | 2019-10-09 | 2020-01-14 | 重庆锐云科技有限公司 | 地产行业线上客户智能接待方法、服务器及存储介质 |
CN111210253A (zh) * | 2019-11-26 | 2020-05-29 | 恒大智慧科技有限公司 | 一种匹配消费者与销售顾问的方法、装置及存储介质 |
CN112488859A (zh) * | 2020-11-26 | 2021-03-12 | 泰康保险集团股份有限公司 | 数据处理方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103401873A (zh) * | 2013-08-07 | 2013-11-20 | 上海法度网络科技有限公司 | 基于网络实现流媒体专家服务的系统及方法 |
CN103412910A (zh) * | 2013-08-02 | 2013-11-27 | 北京小米科技有限责任公司 | 一种建立标签库及搜索用户的方法和装置 |
CN103810192A (zh) * | 2012-11-09 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种用户的兴趣推荐方法和装置 |
CN104268171A (zh) * | 2014-09-11 | 2015-01-07 | 东北大学 | 基于活动相似和社交信任的社交网好友推荐系统及方法 |
-
2016
- 2016-11-21 CN CN201611021937.2A patent/CN106776716B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810192A (zh) * | 2012-11-09 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种用户的兴趣推荐方法和装置 |
CN103412910A (zh) * | 2013-08-02 | 2013-11-27 | 北京小米科技有限责任公司 | 一种建立标签库及搜索用户的方法和装置 |
CN103401873A (zh) * | 2013-08-07 | 2013-11-20 | 上海法度网络科技有限公司 | 基于网络实现流媒体专家服务的系统及方法 |
CN104268171A (zh) * | 2014-09-11 | 2015-01-07 | 东北大学 | 基于活动相似和社交信任的社交网好友推荐系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190898A (zh) * | 2018-08-01 | 2019-01-11 | 上海信吾信息技术有限公司 | 一种动态分配销售专员的方法及系统 |
CN109388753A (zh) * | 2018-10-31 | 2019-02-26 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109670873A (zh) * | 2018-12-25 | 2019-04-23 | 重庆锐云科技有限公司 | 房地产拓客方法、装置及服务器 |
CN109919652A (zh) * | 2019-01-17 | 2019-06-21 | 平安城市建设科技(深圳)有限公司 | 用户群体分类方法、装置、设备及存储介质 |
CN110689457A (zh) * | 2019-10-09 | 2020-01-14 | 重庆锐云科技有限公司 | 地产行业线上客户智能接待方法、服务器及存储介质 |
CN111210253A (zh) * | 2019-11-26 | 2020-05-29 | 恒大智慧科技有限公司 | 一种匹配消费者与销售顾问的方法、装置及存储介质 |
CN112488859A (zh) * | 2020-11-26 | 2021-03-12 | 泰康保险集团股份有限公司 | 数据处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106776716B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776716B (zh) | 一种智能匹配销售顾问和用户的方法及设备 | |
US11922674B2 (en) | Systems, methods, and storage media for evaluating images | |
Sohail et al. | Feature extraction and analysis of online reviews for the recommendation of books using opinion mining technique | |
Wang et al. | Effects of the aesthetic design of icons on app downloads: evidence from an android market | |
JP6543986B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
US10861077B1 (en) | Machine, process, and manufacture for machine learning based cross category item recommendations | |
You et al. | A picture tells a thousand words—About you! User interest profiling from user generated visual content | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
US10360623B2 (en) | Visually generated consumer product presentation | |
US9607010B1 (en) | Techniques for shape-based search of content | |
Xie et al. | VAET: A visual analytics approach for e-transactions time-series | |
CN107220852A (zh) | 用于确定目标推荐用户的方法、装置和服务器 | |
CN106611344A (zh) | 挖掘潜在客户的方法及装置 | |
CN107786943A (zh) | 一种用户分群方法及计算设备 | |
CN111915400B (zh) | 一种基于深度学习的个性化服装推荐方法、装置 | |
CN109962975A (zh) | 基于物体识别的信息推送方法、装置、电子设备及系统 | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
JP2018077615A (ja) | 広告画像生成装置、広告画像生成方法、広告画像生成装置用プログラム | |
CN107305677A (zh) | 产品信息推送方法和装置 | |
CN112100221A (zh) | 一种资讯推荐方法、装置、推荐服务器及存储介质 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN110032731A (zh) | 企业经营范围判断方法、装置及计算机可读存储介质 | |
JP2017021613A (ja) | クロスモーダル感覚分析システム、提示情報決定システム、情報提示システム、クロスモーダル感覚分析プログラム、提示情報決定プログラムおよび情報提示プログラム | |
CN115221954A (zh) | 用户画像方法、装置、电子设备以及存储介质 | |
CN113724044A (zh) | 基于用户画像的商品推荐、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |