CN107517190B - 一种业务推荐方法及装置 - Google Patents

Abstract

本发明公开了一种业务推荐方法及装置，用以提高业务推荐的精准度。业务推荐方法包括：从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略；目标推荐策略包括与目标业务存在绑定关系的各个推荐业务；确定各个推荐业务的推荐顺序，各个业务的推荐顺序是根据各个推荐业务的历史推荐结果确定的。由于各个推荐业务的推荐顺序是根据各个推荐业务的历史推荐结果来更新，根据更新后各个推荐业务的推荐顺序向用户推荐业务，可进一步提高整个系统的各个业务的推荐成功率。

Description

一种业务推荐方法及装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种业务推荐方法及装置。

背景技术

随着外呼推荐业务越来越普遍，出现外呼推荐接通率越来越低，用户对外呼推荐越来越抵触的情况，而目前每天来电咨询和办理业务的客户数量依然大大高于外呼的客户数量，拥有大量的客户接触和推荐的机会。

交叉业务推荐，是借助CRM(Customer Relationship Management，客户关系管理)，发现同一客户的多种需求，并通过满足其需求而推荐多种相关服务或产品的一种新兴推荐方式。在客户来电咨询或办理业务时，通过交叉业务推荐方式向客户推荐业务。

现有的交叉业务推荐方法缺少推荐的精准度，并且推荐策略的灵活性上存在不足，传统的交叉业务对象配置主要是根据预设的条件先筛选出多个客户群，不同的预设条件，筛选出的用户群不同，然后针对来电用户，先匹配客户群，再根据预先为所匹配的客户群定制的推荐内容做业务推荐。每个客户群定制的推荐内容是根据经验定制的，即使是属于同一个客户群的用户，所推荐的内容和方式都是相同的，因此推荐策略不够灵活。用户对推荐内容的接受程度也是未知的，向用户推荐的业务很难正好贴合用户的实际需求，因此，推荐的精度不高，一旦推荐失败就造成了推荐机会的浪费。因此，交叉业务推荐的推荐精度和推荐策略的灵活度有待提高，推荐策略的灵活度。

综上，现有的交叉业务推荐方法存在推荐精准度低的缺陷。

发明内容

本发明实施例提供一种业务推荐方法和装置，用以解决现有的交叉业务推荐方法存在的推荐精准度低的技术问题。

本发明实施例提供一种业务推荐方法，包括：

从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略；所述目标推荐策略包括与所述目标业务存在绑定关系的各个推荐业务；

确定所述各个推荐业务的推荐顺序，所述各个业务的推荐顺序是根据所述各个推荐业务的历史推荐结果确定的。

进一步地，在所述从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略之前，所述方法还包括：

在所述用户的用户信息满足所述目标业务的潜在用户筛选条件时，确定向所述用户推荐所述目标业务；

所述从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略，包括：

根据所述用户的业务使用数据，确定所述用户的业务逻辑分析结果；

将与所述用户的业务逻辑分析结果匹配的推荐策略，确定为所述目标推荐策略；其中，不同的业务逻辑分析结果配置有不同的推荐策略。

进一步地，通过以下方式为所述目标业务配置推荐策略：

获取所述目标业务的潜在用户，以及所述潜在用户的业务使用数据；

根据所述潜在用户的业务使用数据，确定所述潜在用户的业务逻辑分析结果；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户未办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中满足所述潜在用户需求的部分或全部业务确定为推荐业务；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户已办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述潜在用户的实际需求的部分或全部业务确定为推荐业务。

进一步地，所述确定所述各个推荐业务的推荐顺序，包括：

获取所述各个推荐业务的历史推荐结果，所述各个推荐业务的历史推荐结果为所述目标业务的潜在用户针对所述各个推荐业务反馈的推荐结果；

根据所述各个推荐业务的历史推荐结果，确定所述各个推荐业务的推荐成功率；

根据所述各个推荐业务的推荐成功率，确定所述各个推荐业务的推荐顺序。

进一步地，所述各个推荐业务的推荐顺序是周期性更新的；则

所述确定所述各个推荐业务的推荐顺序，包括：

获取最近一次更新后的所述各个推荐业务的推荐顺序；

其中，所述各个推荐业务的推荐顺序周期性更新，具体包括：

获取第n次更新时所述各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，所述各个推荐业务的历史推荐结果；

根据所述各个推荐业务的历史推荐结果，对第n次更新时所述各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时所述各个推荐业务被推荐成功的概率；

根据第n+1次更新时所述各个推荐业务被推荐成功的概率，更新所述各个推荐业务的推荐顺序。

进一步地，所述各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，所述用户类别是将所述目标业务的历史潜在用户进行用户聚类之后得到的；

确定所述各个推荐业务的推荐顺序，包括：

确定所述用户所属的用户类别，将所述用户所属的用户类别对应的推荐顺序，确定为向所述用户推荐所述各个推荐业务的推荐顺序。

进一步地，通过以下方式更新任一用户类别对应的所述各个推荐业务的推荐顺序：

在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果；

获取在第N次更新时，所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

根据该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果，对所述P_n进行修正，得到第N+1次更新时所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

根据所述P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的所述各个推荐业务的推荐顺序。

本发明实施例提供一种业务推荐装置，包括：

推荐策略筛选单元，用于从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略；所述目标推荐策略包括与所述目标业务存在绑定关系的各个推荐业务；

推荐顺序确定单元，用于确定所述各个推荐业务的推荐顺序，所述各个业务的推荐顺序是根据所述各个推荐业务的历史推荐结果确定的。

进一步地，所述推荐策略筛选单元具体用于：

在所述用户的用户信息满足所述目标业务的潜在用户筛选条件时，确定向所述用户推荐所述目标业务；

根据所述用户的业务使用数据，确定所述用户的业务逻辑分析结果；将与所述用户的业务逻辑分析结果匹配的推荐策略，确定为所述目标推荐策略；其中，不同的业务逻辑分析结果配置有不同的推荐策略。

进一步地，还包括推荐策略配置单元；所述推荐策略配置单元用于：

获取所述目标业务的潜在用户，以及所述潜在用户的业务使用数据；

根据所述潜在用户的业务使用数据，确定所述潜在用户的业务逻辑分析结果；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户未办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中满足所述潜在用户需求的部分或全部业务确定为推荐业务；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户已办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述潜在用户的实际需求的部分或全部业务确定为推荐业务。

进一步地，所述推荐顺序确定单元具体用于：

获取所述各个推荐业务的历史推荐结果，所述各个推荐业务的历史推荐结果为所述目标业务的潜在用户针对所述各个推荐业务反馈的推荐结果；

根据所述各个推荐业务的历史推荐结果，确定所述各个推荐业务的推荐成功率；

根据所述各个推荐业务的推荐成功率，确定所述各个推荐业务的推荐顺序。

进一步地，所述各个推荐业务的推荐顺序是周期性更新的；则所述推荐顺序确定单元具体用于：

获取最近一次更新后的所述各个推荐业务的推荐顺序；

其中，所述各个推荐业务的推荐顺序周期性更新，具体包括：

获取第n次更新时所述各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，所述各个推荐业务的历史推荐结果；

根据所述各个推荐业务的历史推荐结果，对第n次更新时所述各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时所述各个推荐业务被推荐成功的概率；

根据第n+1次更新时所述各个推荐业务被推荐成功的概率，更新所述各个推荐业务的推荐顺序。

进一步地，所述各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，所述用户类别是将所述目标业务的历史潜在用户进行用户聚类之后得到的；

所述推荐顺序确定单元具体用于：确定所述用户所属的用户类别，将所述用户所属的用户类别对应的推荐顺序，确定为向所述用户推荐所述各个推荐业务的推荐顺序。

进一步地，所述推荐顺序确定单元具体用于：通过以下方式更新任一用户类别对应的所述各个推荐业务的推荐顺序：

在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果；

获取在第N次更新时，所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

根据该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果，对所述P_n进行修正，得到第N+1次更新时所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

根据所述P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的所述各个推荐业务的推荐顺序。

上述实施例中，在对用户进行目标业务的推荐之前，从为目标业务预先配置的推荐策略中选择与用户的实际需求匹配的目标推荐策略，确定目标推荐策略中的各个推荐业务的推荐顺序，并按照目标推荐策略中的各个推荐业务的推荐顺序向用户推荐，相比现有技术，目标推荐策略中各个推荐业务的推荐顺序并不是固定的，而是根据所述各个推荐业务的历史推荐结果确定的，根据各个推荐业务的历史推荐结果而确定的各个推荐业务的推荐顺序可以不断更新，基于不断更新的推荐顺序进行各个推荐业务的业务推荐，可以不断提高用户接受这些业务的概率，进而提高整个系统的业务推荐的精准度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的一种业务推荐方法的方法流程图；

图2为本发明实施例提供的一种配置目标业务的推荐策略的方法流程图；

图3为本发明实施例提供的一种更新任一用户类别对应的各个推荐业务的推荐顺序的方法流程图；

图4为本发明实施例提供的一种业务推荐装置的结构示意图。

具体实施方式

为了解决了现有技术中存在的现有的交叉业务推荐方法存在的推荐精准度低的技术问题，本发明实施例提供一种业务推荐方法和装置，在对用户进行目标业务的推荐之前，从为目标业务预先配置的推荐策略中选择与用户的实际需求匹配的目标推荐策略，确定目标推荐策略中的各个推荐业务的推荐顺序，并按照目标推荐策略中的各个推荐业务的推荐顺序向用户推荐，相比现有技术，目标推荐策略中各个推荐业务的推荐顺序并不是固定的，而是根据各个推荐业务的历史推荐结果确定的，根据各个推荐业务的历史推荐结果而确定的各个推荐业务的推荐顺序可以不断更新，基于不断更新的推荐顺序进行各个推荐业务的业务推荐，可以不断提高用户接受这些业务的概率，进而提高整个系统的业务推荐的精准度。

为了使本发明所解决的技术问题、技术方案以及有效果更加清楚明白，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示，本发明实施例提供了一种业务推荐方法的方法流程，具体包括：

步骤101，从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略；目标推荐策略包括与目标业务存在绑定关系的各个推荐业务；

步骤102，确定各个推荐业务的推荐顺序，各个业务的推荐顺序是根据各个推荐业务的历史推荐结果确定的。

优选的，在步骤101之前，还包括：在用户的用户信息满足目标业务的潜在用户筛选条件时，确定向用户推荐目标业务。

如果一个用户的用户信息满足目标业务的潜在用户筛选条件，该用户为目标业务的潜在用户，优选的推荐方案中，来电用户是一个待推荐的目标业务的潜在用户的时候，按照上述方法流程为该来电用户推荐业务。其中，用户的用户信息包括终端用户的标识，如手机号码或终端唯一标识，用户注册的信息，如年龄，性别，已办理业务，已使用业务等信息。目标业务在本发明实施例中是指任一待推荐的业务，如流量业务。每一个业务配置一个潜在用户筛选条件，本发明实施例中，可根据CRM中的业务规则等相关规则，确定各业务的潜在用户筛选条件，例如，依据预先设定的CRM中的业务规则，确定流量套餐的潜在用户筛选条件为：年龄在18岁-25岁之间，性别为女性，已办理业务为4G业务。根据各客户相关数据，将满足上述筛选条件的客户确定为流量套餐的潜在客户。

选择与用户的实际需求匹配的目标推荐策略，是指选择与该用户的业务逻辑分析结果匹配的推荐策略作为目标推荐策略。因此，步骤101具体包括：

根据用户的业务使用数据，确定用户的业务逻辑分析结果；

将与用户的业务逻辑分析结果匹配的推荐策略，确定为目标推荐策略；其中，不同的业务逻辑分析结果配置有不同的推荐策略。

对用户进行业务逻辑分析就是根据用户的业务使用数据，先判断用户当前已办理的业务是否满足用户的实际需求，若不满足用户实际需求，则根据用户的实际需求，向用户推荐与目标业务相关的多个业务，目的是向用户推荐可以满足用户的实际需求的业务。

其中，一个目标业务可以预先配置多个推荐策略，每个推荐策略中包括一个或多个待推荐的推荐业务，推荐业务为多个时，这些推荐业务是与目标业务存在绑定关系的业务，例如这些推荐业务是与目标业务相关联的交叉业务，如果目标业务是流量业务，与目标业务相关联的推荐业务除了包括流量业务的多个档次的套餐，还可包括向用户推荐某一类型的4G产品，如4G手机。与目标业务存在绑定关系的业务也可以是目标业务下的多档子业务(流量业务的多个档次的套餐)。此外，推荐策略中还包括各个推荐业务的推荐顺序，每个推荐策略中各个推荐业务的推荐顺序根据历史潜在用户对各个推荐业务的接受情况的统计结果来更新。

本发明实施例中，如图2所示，通过以下方式为目标业务配置推荐策略：

步骤201，获取目标业务的潜在用户，以及潜在用户的业务使用数据；

其中，获取目标业务的历史潜在用户，包括：根据目标业务的潜在用户筛选条件，从历史来电用户中筛选目标业务的潜在用户，将用户信息满足目标业务的潜在用户筛选条件的历史来电用户确定为目标业务的潜在用户。

其中，潜在用户的业务使用数据，包括：潜在用户已办理的业务和已使用业务的业务数据。获取潜在用户的业务使用数据的目的是：基于潜在用户的业务使用数据，对潜在用户的业务逻辑进行分析，判断潜在用户当前已办理的业务是否满足用户实际需求。

步骤202，根据潜在用户的业务使用数据，确定潜在用户的业务逻辑分析结果；

基于潜在用户的业务使用数据，对潜在用户的业务逻辑进行分析，判断潜在用户当前已办理的业务是否满足用户实际需求，若不满足用户实际需求，则结合用户的实际需求和目标业务的资费规则，确定向目标业务的历史潜在用户推荐目标业务的推荐策略，推荐策略包括向用户推荐的与目标业务相关的多个业务，目的是向用户推荐可以满足用户的实际需求的业务。其中，目标业务的资费规则是指运营商在进行目标业务的制定时所配置的资费规则。向目标业务的潜在用户推荐目标业务的推荐策略可以配置为多个。

步骤203，根据潜在用户的业务逻辑分析结果，配置目标业务的推荐策略。

其中，根据潜在用户的业务逻辑分析结果，配置目标业务的推荐策略，具体包括：

若潜在用户的业务逻辑分析结果为：潜在用户当前已办理的业务不满足潜在用户的实际需求、且潜在用户未办理目标业务，则对应的推荐策略为：将与目标业务绑定的业务中满足潜在用户需求的部分或全部业务确定为推荐业务；

若潜在用户的业务逻辑分析结果为：潜在用户当前已办理的业务不满足潜在用户的实际需求、且潜在用户已办理目标业务，则对应的推荐策略为：将与目标业务绑定的业务中用户未办理、且满足潜在用户的实际需求的部分或全部业务确定为推荐业务。

在上述目标业务的推荐策略的配置过程中，基于目标业务的潜在用户的业务逻辑分析结果，进行推荐策略的配置，有利于提高业务推荐的灵活性。

下面以目标业务为流量业务为例，对步骤203进行详细说明，其中，向流量业务的潜在用户推荐的流量业务的推荐策略可以为多个。

(1)若流量套餐的潜在客户目前没有办理流量套餐，但该客户已产生流量消费，则配置的推荐策略为：推荐该流量套餐。

进一步的，如果流量套餐分为套餐1，套餐2，套餐3三个档次，在配置推荐策略时，获取该客户的流量数据，将该客户的流量数据与流量套餐中的各档对应使用量进行匹配，确定与该用户现有流量数据匹配的一档或多档流量套餐；则

配置的推荐策略1为：推荐套餐1；

配置的推荐策略2为：按先后顺序推荐套餐1和套餐2；

配置的推荐策略3为：按先后顺序推荐套餐1、套餐2、套餐3。

(2)若流量套餐的潜在客户目前已经办理流量业务，如果流量套餐分为套餐1，套餐2，套餐3三个档次，该用户已产生的流量消费经常超过该用户现有套餐1的使用量，则获取该客户的流量数据，在比现有流量套餐1更高档的套餐2和套餐3中，根据业务逻辑筛选用户使用后资费更低的一档或多档套餐；则

配置的推荐策略1为：推荐套餐2；

配置的推荐策略2为：按先后顺序推荐套餐2和套餐3。

基于步骤201至步骤203确定出的目标业务的推荐策略，当接收到用户来电时，执行步骤101至步骤103，从目标业务的多个推荐策略中，确定出与用户的实际需求最匹配的目标推荐策略。如，来电用户A来电时，根据用户A的业务使用数据，判断用户A当前已办理的流量业务为套餐1，但套餐1不满足用户A的实际需求时，从目标业务的多个推荐策略中，确定出与用户A的实际需求最匹配的目标推荐策略，如向用户A按先后顺序推荐套餐2和套餐3。

步骤102中，确定各个推荐业务的推荐顺序，包括两种实现方式：

第一种确定各个推荐业务的推荐顺序的方式为：在每一次进行业务推荐的时候，确定目标推荐策略中的各个推荐业务的推荐顺序，具体包括：

首先，获取各个推荐业务的历史推荐结果，各个推荐业务的历史推荐结果为目标业务的潜在用户针对各个推荐业务反馈的推荐结果；

其次，根据各个推荐业务的历史推荐结果，确定各个推荐业务的推荐成功率；

再次，根据各个推荐业务的推荐成功率，确定各个推荐业务的推荐顺序。

另一种实现方式中基于各个推荐业务的推荐顺序是周期性更新的，因此第二种确定各个推荐业务的推荐顺序的方式，包括:获取最近一次更新后的各个推荐业务的推荐顺序。

其中，周期性更新各个推荐业务的推荐顺序周期性更新，包括：

首先，获取第n次更新时各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，各个推荐业务的历史推荐结果；

其次，根据各个推荐业务的历史推荐结果，对第n次更新时各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时各个推荐业务被推荐成功的概率；

再次，根据第n+1次更新时各个推荐业务被推荐成功的概率，更新各个推荐业务的推荐顺序。

其中，n为正整数，第n次更新代表上一次更新，第n+1次更新代表本次更新，第n次更新的推荐顺序可以预先存储在指定位置，如果在进行第n+1次更新之前需要向用户推荐上述目标推荐策略，只需将可以第n次更新的推荐顺序确定为目标推荐策略中各个推荐业务的推荐顺序即可。

为了进一步提高向用户推荐业务的精细程度，目标推荐业务中的各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，用户类别是将目标业务的历史潜在用户进行用户聚类之后得到的，如按照用户终端类型、用户每月话务消费和流量消费、用户性别、用户年龄等因素对用户进行聚类。基于这种设置，步骤102中，确定各个推荐业务的推荐顺序，包括：确定用户所属的用户类别，将用户所属的用户类别对应的推荐顺序，确定为向用户推荐各个推荐业务的推荐顺序。

通过这种方式，每个目标推荐策略中各个推荐策略的推荐顺序根据用户所属的用户类别进行个性化定制。并且任一用户类别对应的各个推荐业务的推荐顺序是根据该用户类别的历史潜在用户接受各个推荐业务的推荐的概率确定的。通过将用户进行细分，为不同用户类别设置不同推荐顺序，在向用户推荐业务时，针对不同的用户类别，按照为用户类别个性化定制的推荐顺序进行业务推荐，可以提高业务推荐的精准度和灵活性。

例如，将目标业务的历史潜在用户进行用户聚类得到4个类别的用户类别，分别为用户类别1，用户类别2，用户类别3。假如从为目标业务预先配置的推荐策略中选择与用户(当前来电用户)匹配的目标推荐策略中包括4个不同的待推荐业务，分别为业务a，业务b，业务c，业务d；

假如，用户类别1对应的这四个推荐业务的推荐顺序为：业务a，业务b，业务c，业务d；

用户类别2对应的这四个推荐业务的推荐顺序为：业务b，业务c，业务d，业务a；

用户类别3对应的这四个推荐业务的推荐顺序为：业务c，业务d，业务a，业务b。

当来电用户所属的用户类别为用户类别1时，则向来电用户推荐这四个推荐业务的推荐顺序为：业务a，业务b，业务c，业务d。

其中，任一用户类别对应的各个推荐业务的推荐顺序是周期性更新的，具体的，更新周期可以是24小时更新一次，也可以是1小时更新一次，也可以几分钟更新一次，也可以在每次向用户推荐业务之后，根据用户的反馈结果进行更新一次，本发明对此不做具体限定。

具体的，本发明实施例通过以下方式更新任一用户类别对应的各个推荐业务的推荐顺序，如图3所示，具体包括以下步骤：

步骤301，在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对各个推荐业务的推荐结果；

例如，用户类别1对应的各个推荐业务的推荐顺序每隔24小时更新一次，每天的上午7:00开始更新，则在进行用户类别1对应的四个推荐业务的推荐顺序的第N+1次(如今天7:00开始进行第N+1次)更新时，获取从昨天7:00到今天7:00这一段时间内，属于用户类别1的所有潜在用户针对业务a、业务b、业务c、业务d这四个业务的推荐的反馈结果，统计的反馈结果包括分别接受业务a、业务b、业务c、业务d的用户数量。

步骤302，获取在第N次更新时，各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

相应的，用户类别1对应的各个推荐业务的推荐顺序在昨天7：00更新后，业务a、业务b、业务c、业务d被用户类别1的潜在用户接受的概率集合P_n＝(Pa0，Pb0，Pc0，Pd0)；其中，业务a被用户类别1的潜在用户接受的概率为Pa0，业务b被用户类别1的潜在用户接受的概率为Pb0，业务c被用户类别1的潜在用户接受的概率为Pc0，业务d被用户类别1的潜在用户接受的概率为Pd0；

步骤303，根据该用户类别的潜在用户反馈的针对各个推荐业务的推荐结果，对P_n进行修正，得到第N+1次更新时各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

具体的，根据获取的反馈结果，确定从昨天7:00到今天7:00这一段时间内，属于用户类别1的所有潜在用户接受业务a的推荐的概率为Pa，接受业务b的推荐的概率为Pb，接受业务c的推荐的概率为Pc，接受业务d的推荐的概率为Pd；在此基础上，使用贝叶斯公式对P_n＝(Pa0，Pb0，Pc0，Pd0)进行修正。

其中，贝叶斯公式是指根据新的数据，对原有估计的概率进行修正。这样的话，随着统计数据越来越多，对概率的估计也会越来越符合“实际情况”。贝叶斯公式为P(A)*P(B|A)＝P(B)*P(A|B)，其中P(A|B)是当事件B发生的条件下，事件A的条件概率；P(B|A)是当事件A发生的条件下，事件B的条件概率；P(A)和P(B)分别是事件A和B的先验概率。

将贝叶斯公式运用到业务推荐顺序的更新上，针对一个业务a，若P(A)代表向所有潜在用户业务a时，业务a被用户接受的概率，P(B)代表用户类别1接受任一推荐业务的推荐的概率，P(A|B)代表业务a被用户类别1的潜在用户接受的概率，P(B|A)代表用户类别1的潜在用户接受业务a的推荐的概率。其中，先验概率P(A)和P(B)是已知的，P(B|A)是根据获取的反馈结果确定的用户类别1的所有潜在用户接受业务a的推荐的概率为Pa，将P(A)，P(B)，P(B|A)代入贝叶斯公式即可得到今天7：00更新的P(A|B)，今天7：00更新的P(A|B)是对Pn中的业务a被用户类别1的潜在用户接受的概率Pa0进行修正后的Pa1。

按照同样的修正方法可以得到：对Pn中的业务b被用户类别1的潜在用户接受的概率Pb0进行修正后的Pb1，对Pn中的业务c被用户类别1的潜在用户接受的概率Pc0进行修正后的Pc1，对Pn中的业务d被用户类别1的潜在用户接受的概率Pd0进行修正后的Pd1，进而得到今天7：00更新后各个推荐业务被用户类别1的潜在用户接受的概率集合P_n+1(Pa1，Pb1，Pc1，Pd1)。将P_n替换为P_n+1，即完成第N+1次更新以后各个推荐业务被该用户类别的潜在用户接受的概率。

步骤304，根据P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的各个推荐业务的推荐顺序。

根据今天7：00更新后各个推荐业务(业务a、业务b、业务c、业务d)被用户类别1的潜在用户接受的概率集合P_n+1(Pa1，Pb1，Pc1，Pd1)中概率的大小，重新对业务a、业务b、业务c、业务d的推荐顺序进行更新，将概率值较大的推荐顺序排在前面，若相等，可保留上一次更新时的推荐顺序。

其中，N为正整数，第N次更新代表上一次更新，第N+1次更新代表本次更新，第N次更新的推荐顺序可以预先存储在指定位置，如果在进行第N+1次更新之前需要向用户推荐上述目标推荐策略，只需将可以第N次更新的推荐顺序确定为目标推荐策略中各个推荐业务的推荐顺序即可。

采用贝叶斯公式来修正目标推荐策略中各个推荐业务被各个用户类别的潜在用户接受的概率，随着更新次数的累计，目标推荐策略中各个推荐业务被各个用户类别的潜在用户接受的概率将会周期性的进行更新，直至各个推荐业务被各个用户类别的潜在用户接受的概率为准确值时保持不变。随着各个推荐业务被各个用户类别的潜在用户接受的概率不断地向准确值靠拢，并按照各个推荐业务被各个用户类别的潜在用户接受的概率更新一个目标推荐策略中的各个推荐业务的推荐顺序，可不断提高各个业务的推荐成功率。

上述流程中，值得说明的是，在第一次更新一个目标推荐策略中的各个推荐业务的推荐顺序时，可以基于测算的初始概率值，来估算第1次更新以后各个推荐业务被该用户类别的潜在用户接受的概率，根据估算的第1次更新以后各个推荐业务被该用户类别的潜在用户接受的概率，来确定第一次更新后目标推荐策略中的各个推荐业务的推荐顺序。

步骤102之后，上述方法还包括：按照目标推荐策略中各个推荐业务的推荐顺序，向用户进行各个推荐业务的推荐。

该步骤中，可直接显示与用户匹配的目标推荐策略中各个推荐业务的推荐顺序，以使客服人员按照各个推荐业务的推荐顺序，向用户进行各个推荐业务的推荐。也可以按照各个推荐业务的推荐顺序，以短信息的方式向用户进行各个推荐业务的推荐，即向用户进行各个推荐业务的推荐的具体形式此处不做具体限定。

向用户进行目标推荐策略中的各个推荐业务的推荐之后，还包括：获取用户反馈的针对各个推荐业务的推荐结果。用户反馈的针对各个推荐业务的推荐结果包括用户接受推荐的业务，以及未接受推荐的业务，用户的反馈结果可以作为后续修正各个推荐业务的推荐成功率的依据。

按照上述方法，在接收到用户(如用户A)的来电时，首先判断用户A是否为4G流量业务的潜在用户，具体的，在用户A的用户信息满足目标业务(如4G流量业务)的潜在用户筛选条件时，确定用户为目标业务的潜在用户，确定用户A为4G流量业务的潜在用户以后，从为4G流量业务预先配置的推荐策略中选择与用户A匹配的目标推荐策略，按照与用户A匹配的目标推荐策略中的各个推荐业务以及这些推荐业务的推荐顺序向用户A推荐，相比现有技术，与用户A匹配的目标推荐策略中的各个推荐业务的推荐顺序是根据历史潜在用户接受各个推荐业务的推荐的概率来更新的，也就是说，对于一个业务的每个推荐策略所包含的推荐业务的推荐顺序都可以根据用户的反馈结果进行修正，基于修正后的推荐顺序进行业务推荐，可以不断提高用户接受这些业务的推荐的概率，进而提高整个系统的业务推荐的推荐精准度。

针对上述方法流程，本发明实施例还提供一种业务推荐装置，这些装置的具体内容可以参照上述方法实施，在此不再赘述。

本发明实施例提供一种业务推荐装置，如图4所示，包括：

推荐策略筛选单元401，用于从预先为目标业务配置的推荐策略中，选择与用户的实际需求匹配的目标推荐策略；目标推荐策略包括与目标业务存在绑定关系的各个推荐业务；

推荐顺序确定单元402，用于确定各个推荐业务的推荐顺序，各个业务的推荐顺序是根据各个推荐业务的历史推荐结果确定的。

进一步地，推荐策略筛选单元401具体用于：

在用户的用户信息满足目标业务的潜在用户筛选条件时，确定向用户推荐目标业务；

根据用户的业务使用数据，确定用户的业务逻辑分析结果；

将与用户的业务逻辑分析结果匹配的推荐策略，确定为目标推荐策略；其中，不同的业务逻辑分析结果配置有不同的推荐策略。

进一步地，还包括推荐策略配置单元；推荐策略配置单元用于：

获取目标业务的潜在用户，以及潜在用户的业务使用数据；

根据潜在用户的业务使用数据，确定潜在用户的业务逻辑分析结果；

若潜在用户的业务逻辑分析结果为：潜在用户当前已办理的业务不满足潜在用户的实际需求、且潜在用户未办理目标业务，则对应的推荐策略为：将与目标业务绑定的业务中满足潜在用户需求的部分或全部业务确定为推荐业务；

若潜在用户的业务逻辑分析结果为：潜在用户当前已办理的业务不满足潜在用户的实际需求、且潜在用户已办理目标业务，则对应的推荐策略为：将与目标业务绑定的业务中用户未办理、且满足潜在用户的实际需求的部分或全部业务确定为推荐业务。

进一步地，推荐顺序确定单元402具体用于：

获取各个推荐业务的历史推荐结果，各个推荐业务的历史推荐结果为目标业务的潜在用户针对各个推荐业务反馈的推荐结果；

根据各个推荐业务的历史推荐结果，确定各个推荐业务的推荐成功率；

根据各个推荐业务的推荐成功率，确定各个推荐业务的推荐顺序。

进一步地，各个推荐业务的推荐顺序是周期性更新的；则推荐顺序确定单元402具体用于：

获取最近一次更新后的各个推荐业务的推荐顺序；

其中，各个推荐业务的推荐顺序周期性更新，具体包括：

获取第n次更新时各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，各个推荐业务的历史推荐结果；

根据各个推荐业务的历史推荐结果，对第n次更新时各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时各个推荐业务被推荐成功的概率；

根据第n+1次更新时各个推荐业务被推荐成功的概率，更新各个推荐业务的推荐顺序。

进一步地，各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，用户类别是将目标业务的历史潜在用户进行用户聚类之后得到的；

推荐顺序确定单元402具体用于：确定用户所属的用户类别，将用户所属的用户类别对应的推荐顺序，确定为向用户推荐各个推荐业务的推荐顺序。

进一步地，推荐顺序确定单元402具体用于：通过以下方式更新任一用户类别对应的各个推荐业务的推荐顺序：

在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对各个推荐业务的推荐结果；

获取在第N次更新时，各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

根据该用户类别的潜在用户反馈的针对各个推荐业务的推荐结果，对P_n进行修正，得到第N+1次更新时各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

根据P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的各个推荐业务的推荐顺序。

上述实施例中，在对用户进行目标业务的推荐之前，从为目标业务预先配置的推荐策略中选择与用户的实际需求匹配的目标推荐策略，确定目标推荐策略中的各个推荐业务的推荐顺序，并按照目标推荐策略中的各个推荐业务的推荐顺序向用户推荐，相比现有技术，目标推荐策略中各个推荐业务的推荐顺序并不是固定的，而是根据各个推荐业务的历史推荐结果确定的，根据各个推荐业务的历史推荐结果而确定的各个推荐业务的推荐顺序可以不断更新，基于不断更新的推荐顺序进行各个推荐业务的业务推荐，可以不断提高用户接受这些业务的概率，进而提高整个系统的业务推荐的精准度。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种业务推荐方法，其特征在于，包括：

在用户的用户信息满足目标业务的潜在用户筛选条件时，确定向所述用户推荐所述目标业务；

若所述用户当前已办理的业务不满足所述用户的实际需求、且所述用户未办理所述目标业务，则所述用户的目标推荐策略为：将与所述目标业务绑定的业务中满足所述用户需求的部分或全部业务确定为推荐业务；

若所述用户当前已办理的业务不满足所述用户的实际需求、且所述用户已办理所述目标业务，则所述目标推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述用户的实际需求的部分或全部业务确定为推荐业务；

所述目标推荐策略包括与所述目标业务存在绑定关系的各个推荐业务；

确定所述各个推荐业务的推荐顺序，所述各个推荐业务的推荐顺序是根据所述各个推荐业务的历史推荐结果确定的。

2.如权利要求1所述的方法，其特征在于，通过以下方式为所述目标业务配置推荐策略：

获取所述目标业务的潜在用户，以及所述潜在用户的业务使用数据；

根据所述潜在用户的业务使用数据，确定所述潜在用户的业务逻辑分析结果；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户未办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中满足所述潜在用户需求的部分或全部业务确定为推荐业务；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户已办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述潜在用户的实际需求的部分或全部业务确定为推荐业务。

3.如权利要求1所述的方法，其特征在于，所述确定所述各个推荐业务的推荐顺序，包括：

获取所述各个推荐业务的历史推荐结果，所述各个推荐业务的历史推荐结果为所述目标业务的潜在用户针对所述各个推荐业务反馈的推荐结果；

根据所述各个推荐业务的历史推荐结果，确定所述各个推荐业务的推荐成功率；

根据所述各个推荐业务的推荐成功率，确定所述各个推荐业务的推荐顺序。

4.如权利要求1所述的方法，其特征在于，所述各个推荐业务的推荐顺序是周期性更新的；则

所述确定所述各个推荐业务的推荐顺序，包括：

获取最近一次更新后的所述各个推荐业务的推荐顺序；

其中，所述各个推荐业务的推荐顺序周期性更新，具体包括：

获取第n次更新时所述各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，所述各个推荐业务的历史推荐结果；

根据所述各个推荐业务的历史推荐结果，对第n次更新时所述各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时所述各个推荐业务被推荐成功的概率；

根据第n+1次更新时所述各个推荐业务被推荐成功的概率，更新所述各个推荐业务的推荐顺序。

5.如权利要求1所述的方法，其特征在于，所述各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，所述用户类别是将所述目标业务的历史潜在用户进行用户聚类之后得到的；

确定所述各个推荐业务的推荐顺序，包括：

确定所述用户所属的用户类别，将所述用户所属的用户类别对应的推荐顺序，确定为向所述用户推荐所述各个推荐业务的推荐顺序。

6.如权利要求5所述的方法，其特征在于，通过以下方式更新任一用户类别对应的所述各个推荐业务的推荐顺序：

在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果；

获取在第N次更新时，所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

根据该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果，对所述P_n进行修正，得到第N+1次更新时所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

根据所述P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的所述各个推荐业务的推荐顺序。

7.一种业务推荐装置，其特征在于，包括：

推荐策略筛选单元，用于在用户的用户信息满足目标业务的潜在用户筛选条件时，确定向所述用户推荐所述目标业务；

若所述用户当前已办理的业务不满足所述用户的实际需求、且所述用户未办理所述目标业务，则所述用户的目标推荐策略为：将与所述目标业务绑定的业务中满足所述用户需求的部分或全部业务确定为推荐业务；

若所述用户当前已办理的业务不满足所述用户的实际需求、且所述用户已办理所述目标业务，则所述目标推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述用户的实际需求的部分或全部业务确定为推荐业务；

推荐顺序确定单元，用于确定所述各个推荐业务的推荐顺序，所述各个推荐业务的推荐顺序是根据所述各个推荐业务的历史推荐结果确定的。

8.如权利要求7所述的装置，其特征在于，还包括推荐策略配置单元；所述推荐策略配置单元用于：

获取所述目标业务的潜在用户，以及所述潜在用户的业务使用数据；

根据所述潜在用户的业务使用数据，确定所述潜在用户的业务逻辑分析结果；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户未办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中满足所述潜在用户需求的部分或全部业务确定为推荐业务；

若所述潜在用户的业务逻辑分析结果为：所述潜在用户当前已办理的业务不满足所述潜在用户的实际需求、且所述潜在用户已办理所述目标业务，则对应的推荐策略为：将与所述目标业务绑定的业务中所述用户未办理、且满足所述潜在用户的实际需求的部分或全部业务确定为推荐业务。

9.如权利要求7所述的装置，其特征在于，所述推荐顺序确定单元具体用于：

获取所述各个推荐业务的历史推荐结果，所述各个推荐业务的历史推荐结果为所述目标业务的潜在用户针对所述各个推荐业务反馈的推荐结果；

根据所述各个推荐业务的历史推荐结果，确定所述各个推荐业务的推荐成功率；

根据所述各个推荐业务的推荐成功率，确定所述各个推荐业务的推荐顺序。

10.如权利要求7所述的装置，其特征在于，所述各个推荐业务的推荐顺序是周期性更新的；则所述推荐顺序确定单元具体用于：

获取最近一次更新后的所述各个推荐业务的推荐顺序；

其中，所述各个推荐业务的推荐顺序周期性更新，具体包括：

获取第n次更新时所述各个推荐业务被推荐成功的概率，并获取从结束第n次更新到开始第n+1次更新的时间段内，所述各个推荐业务的历史推荐结果；

根据所述各个推荐业务的历史推荐结果，对第n次更新时所述各个推荐业务被推荐成功的概率进行修正，得第n+1次更新时所述各个推荐业务被推荐成功的概率；

根据第n+1次更新时所述各个推荐业务被推荐成功的概率，更新所述各个推荐业务的推荐顺序。

11.如权利要求7所述的装置，其特征在于，所述各个推荐业务的推荐顺序设置为多个，每个推荐顺序对应一个用户类别，所述用户类别是将所述目标业务的历史潜在用户进行用户聚类之后得到的；

所述推荐顺序确定单元具体用于：确定所述用户所属的用户类别，将所述用户所属的用户类别对应的推荐顺序，确定为向所述用户推荐所述各个推荐业务的推荐顺序。

12.如权利要求11所述的装置，其特征在于，所述推荐顺序确定单元具体用于：通过以下方式更新任一用户类别对应的所述各个推荐业务的推荐顺序：

在进行第N+1次更新时，获取从结束第N次更新后到开始第N+1次更新的时间段内，该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果；

获取在第N次更新时，所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n；

根据该用户类别的潜在用户反馈的针对所述各个推荐业务的推荐结果，对所述P_n进行修正，得到第N+1次更新时所述各个推荐业务被该用户类别的潜在用户接受的概率集合P_n+1；

根据所述P_n+1中每个推荐业务被该用户类别的潜在用户接受的概率，更新该用户类别对应的所述各个推荐业务的推荐顺序。

Images