CN108243016A - 业务套餐的推荐方法以及推荐装置、以及服务器 - Google Patents
业务套餐的推荐方法以及推荐装置、以及服务器 Download PDFInfo
- Publication number
- CN108243016A CN108243016A CN201611230619.7A CN201611230619A CN108243016A CN 108243016 A CN108243016 A CN 108243016A CN 201611230619 A CN201611230619 A CN 201611230619A CN 108243016 A CN108243016 A CN 108243016A
- Authority
- CN
- China
- Prior art keywords
- user
- service package
- set meal
- service
- target user
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
- H04L12/1442—Charging, metering or billing arrangements for data wireline or wireless communications at network operator level
- H04L12/145—Charging, metering or billing arrangements for data wireline or wireless communications at network operator level trading network capacity or selecting route based on tariff
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
- H04L12/1485—Tariff-related aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M15/00—Arrangements for metering, time-control or time indication ; Metering, charging or billing arrangements for voice wireline or wireless communications, e.g. VoIP
- H04M15/70—Administration or customization aspects; Counter-checking correct charges
- H04M15/745—Customizing according to wishes of subscriber, e.g. friends or family
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种业务套餐的推荐方法以及推荐装置、以及服务器。本发明的业务套餐的推荐方法包括通过判断用户使用业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;基于消费金额及其中各消费项的比例、以及各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算目标用户与各业务套餐的相似度,其中,套餐类型表示业务套餐的区域范围;基于相似度,从多个业务套餐中选取业务套餐组;以及根据用户常住地因子,从业务套餐组中选取业务套餐推荐给目标用户,其中,用户常住地因子表示目标用户使用业务的区域范围特性。
Description
技术领域
本发明涉及业务支撑领域,具体涉及一种提高用户满意度的业务推荐方法、业务推荐装置以及服务器。
背景技术
随着互联网时代的发展,信息日益透明化,客户需求也日益多样化和个性化。在不同行业间,如:电信运营商、互联网公司、大型超市、银行等,每个企业都有自已的客户群体,如何提高客户满意度,增强客户的使用黏性和对企业的忠诚度成是每个企业所重点关注的,现在企业大多数都是通过数据挖掘等技术,发挥其潜在的价值,主动为客户推荐一些新的业务,以提高客户的保有率。
以电信行业为例,现有的精确化推荐技术大都是根据客户当前或者近期的通话行为、消费行为、订购关系等特征数据进行分析和挖掘,进而开展语音、流量或终端的主动推荐活动。用主动推荐业务的方法提高用户的在网黏性。
发明内容
本发明是鉴于上述情况而完成的,为了提高用户满意度,本发明提出了一种业务套餐的推荐方法,其中,所述业务套餐包含一个或多个业务项,所述推荐方法的特征在于,包括:通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;基于所述消费金额及其中各消费项的比例、以及所述各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型表示所述业务套餐的区域范围;基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及根据用户常住地因子,从所述业务套餐组中选取业务套餐推荐给所述目标用户,其中,所述用户常住地因子表示所述目标用户使用业务的区域范围特性。
在一些实施例中,所述常住地因子表示如下:
式中,C表示所述常住地因子,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。
在一些实施例中,所述相似度的计算包括:根据所述目标用户的消费金额中各消费项的比例,给所述目标用户打标签,生成打标用户;根据各业务套餐中包含的各业务项的价值比例,给该业务套餐打标签,生成打标业务;基于所述打标用户的所述用户消费金额、以及各打标业务的套餐类型和套餐价值,计算所述打标用户与各打标业务的相似度。
为了提高用户满意度,本发明还提出了一种业务套餐的推荐装置,其中,所述业务套餐包含一个或多个业务项,所述推荐装置的特征在于,包括:目标用户确定单元,通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;相似度计算单元,基于所述目标用户的所述消费金额及其中各消费项的比例、以及所述各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型表示所述业务套餐的区域范围;选取单元,基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及推荐单元,根据用户常住地因子,从所述业务套餐组中选取业务套餐推荐给所述目标用户,其中,所述用户常住地因子表示所述目标用户使用业务的区域范围特性。
另外,本发明还提出了一种服务器,用于向用户推荐电信业务套餐,所述电信业务套餐包含一个或多个业务项,所述电信运营商服务器的特征在于,包括:目标用户确定单元,通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;相似度计算单元,基于所述目标用户的所述消费金额及其中各消费项的比例、以及所述各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型表示所述业务套餐的区域范围;选取单元,基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及推荐单元,根据用户常住地因子,从所述业务套餐组中选取所业务套餐推荐给所述目标用户,其中,所述用户常住地因子表示所述目标用户使用业务的区域范围特性。
根据上述的业务套餐的推荐方法以及推荐装置、以及服务器,可以基于用户消费信息和常住地因子,向用户推送推荐产品套餐。由此,根据用户消费水平和行为习惯为现有用户推荐合适的套餐产品,从客户角度出发,为客户考虑,主动推荐合适套餐,提高客户满意度。并且,将客户常驻地因子加入到推荐算法中,完善了推荐算法的盲目性,统筹分析了客户的行为习惯并结合产品套餐类型,极大地提升了推荐准确性,提高公司友好性,有效进行了客户保有。
附图说明
通过阅读以下参照附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显,其中,相同或相似的附图标记表示相同或相似的特征。
图1是根据本发明的一个实施例的业务套餐的推荐方法的流程图;
图2是根据本发明的另一个实施例的业务套餐的推荐方法的流程图;
图3示出本发明的一个实施例的打标套餐的排序方法;
图4是根据本发明的一个实施例的业务套餐的推荐装置的示意图;
图5是根据本发明的另一个实施例的业务套餐的推荐装置的示意图;
图6是根据本发明的一个实施例的电信运营商服务器的示意图。
具体实施例
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明更全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中,为了清晰,不一定是按比例描绘图中的组件。在图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
结合图1至图3,对本发明的业务套餐的推荐方法进行说明。
如图1所示,本发明的具有一个或多个业务项的业务套餐的推荐方法包括如下步骤。
步骤S1:通过判断用户使用业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户。
步骤S2:基于消费金额及其中各消费项的比例、以及各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算所述目标用户与各业务套餐的相似度。其中,套餐类型表示所述业务套餐的区域范围。
步骤S3:基于相似度,从多个业务套餐中选取业务套餐组。
步骤S4:根据用户常住地因子,从业务套餐组中选取业务套餐推荐给目标用户。
在上述中,用户常住地因子表示目标用户使用业务的区域范围特性。例如,如果客户是电信北京用户,经常到广州出差,则认为广州是常住地,用户常住地因子是广州地区电信业务相关的特性。又例如,如果客户是北京某银行用户,经常到广州出差,则认为广州是常住地,用户常住地因子是广州地区银行理财相关的特性。常住地因子C以如下式(1)表示。
式(1)中,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。例如,客户是河北移动用户时,G表示河北。
根据用户消费水平和行为习惯为现有用户推荐合适的套餐产品,从客户角度出发,为客户考虑,主动推荐合适套餐,提高客户满意度。并且,将客户常驻地因子加入到推荐算法中,完善了推荐算法的盲目性,统筹分析了客户的行为习惯并结合产品套餐类型,极大地提升了推荐准确性,提高公司友好性,有效进行了客户保有。
如图2所示,确定目标用户的步骤S1可以包括如下步骤。
步骤S11:如果用户的消费金额与用户当前已购业务套餐的套餐价值的差值相对于消费金额的比值超过阈值范围,则判断消费金额与套餐价值不匹配,将用户确定为目标用户。
在上述步骤S11中,用户当前已购业务套餐可以是用户的上月消费金额,也可以是两个月以上的月平均消费金额。例如,在当月为2016年12月时,消费金额可以是2016年11月份的消费金额,可以是2016年10月份和2016年11月份的月平均消费金额,也可以是2016年1月份至2016年3月份的一个季度的月平均消费金额等等。
上述阈值可以由业务运营商设定。上述业务运营商例如可以是电信运营商、互联网公司、大型超市、银行等等。业务运营商可以根据业务适当地调整该阈值范围。例如,阈值可以为10%。以电信行业为例,用户的产品大类主要是流量,语音,短信,由于这些业务的使用而产生了用户的月消费金额,如果用户的月消费金额与用户订购业务的价值相差在10%以内(消费合理),说明用户订购的业务是合理的,与用户业务使用习惯相符,消费合理。如果超过10%,说明用户订购的业务不合理,业务订购不符合用户使用习惯,将此用户确定为目标用户。
例如,当用户的消费金额与用户当前已购业务套餐的套餐价值的差值相对于消费金额的比值超过10%时,将此用户做为目标客户。对这些目标客户,从数据库提取用户上月各消费项占用户月消费用占比,根据占比为用户打上相应的标签。例如,用户月消费为80元,用户订购套餐价值是38元,用户月消费与用户订购套餐价值差比超过了10%,也就是说用户选择的套餐价值与用户消费习惯不符。这时,将该用户确定为目标用户。
通过上述步骤,可以从客户角度考虑客户对现有业务是否满意,消费金额是否合理化及有没有产生移动资源的浪费,能够更好地提高客户满意度,从而增强企业友好性。
上述计算相似度的步骤S2还可以包括如下步骤。
步骤S21:根据目标用户的消费金额中各消费项的比例,给目标用户打标签,生成打标用户。
例如,对于如上述确定的目标客户,计算各消费项的金额占月消费比例,由此给目标客户打标签。从数据库中提取该用户消费项金额,比如用户流量40元,语音20元,短信5元,SP(Service Provider:服务提供商)业务15元。各消费项的占月消费为,流量∶语音∶短信∶SP=8∶4∶1∶3,根据占比给用户打标签为,用户(80)=8∶4∶1∶3,以如下公式(2)表示打标用户。
在上述式(2)中,表示用户,h1~h4表示用户各项消费金额。
步骤S22:根据各业务套餐中包含的各业务项的价值比例,给该业务套餐打标签,生成打标业务。
例如,在电信系统中,业务产品套餐分为本地套餐,本省套餐,全国套餐,套餐产品包含流量,语音,短信,SP业务,可以根据产品套餐价值为这些产品打标,例如58元流量套餐包含流量30元,语音10元,短信8元,SP业务10元。套餐中各项占比为:流量∶语音∶短信∶SP业务=15∶5∶4∶5,根据占比给产品打标签为,产品(58)=15∶5∶4∶5,所有的打标后产品以式(3)表示。
其中,C为产品类型值(最大值为1),值越大表示是全国漫游套餐产品,其次为本省套餐或本地套餐产品,这样在系统中各产品套餐都会进行打标,用排序方法存储如图3所示。由此,从用户角度出发,结合用户消费金额,消费习惯及是否漫游等因素为现有用户推荐最适合自身消费习惯的产品,提高现有用户满意度,为用户提供最贴心的服务。
步骤S23:基于打标用户的所述用户消费金额、以及各打标业务的套餐类型和套餐价值,计算所述打标用户与各打标业务的相似度。
根据如上述获得的打标用户的所述用户消费金额、以及各打标业务的套餐类型和套餐价值,计算所述打标用户与各打标业务的相似度。关于上述相似度,可以用现有的相似度计算方法能够计算出。例如,可以是余弦相似度计算方法,欧氏距离相似度计算方法,动态时间规整算法等等。在本发明中,优选使用预先相似度计算方法来计算相似度。
接着,基于相似度,从多个所述业务套餐中选取业务套餐组(步骤S3)。其中,业务套餐组可以是已排序的业务中的一个以上的业务套餐的组合,可以由运营商设定。如果业务运营商是电信运营商,则电信业务套餐的类型至少是本地套餐、本省套餐、全国套餐中的一种。
然后,根据用户常住地因子,从业务套餐组中选取业务套餐推荐给目标用户(步骤S4)。
推荐给目标用户的业务套餐通过下式(4)计算:
在式(4)中,Z表示推荐给目标用户的业务套餐,表示打标用户,表示打标业务,喜欢的产品集合,h表示用户的消费金额,p表示套餐价值,C表示常住地因子,c表示套餐类型,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。其中,p-h表示用户消费金额与产品套餐价值的差值,C-c表示用户常住地因子与用户产品套餐类型差值,C和c的取值范围为0~1。在上述式(4)中,c值越大表示漫游的地区越多。
由此,可以根据用户消费水平和行为习惯为现有用户推荐合适的套餐产品,从客户角度出发,为客户考虑,主动推荐合适套餐,提高客户满意度。并且,由于将客户常驻地因子加入到推荐算法中,因此完善了推荐算法的盲目性,统筹分析了客户的行为习惯并结合产品套餐类型,极大地提升了推荐准确性,提高公司友好性,有效进行了客户保有。
下面结合图4至图5,对本发明的业务套餐的推荐装置进行说明。
如图4所示,本发明的业务套餐的推荐装置包含一个或多个业务项的业务套餐的推荐装置,其具备目标用户确定单元1、相似度计算单元2、选取单元3以及推荐单元4。
目标用户确定单元1通过判断用户使用业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户。目标用户确定单元1当用户的消费金额与用户当前已购业务套餐的套餐价值的差值相对于消费金额的比值超过阈值范围时,判断消费金额与套餐价值不匹配,将用户确定为目标用户。
上述阈值可以由业务运营商设定。上述业务运营商例如可以是电信运营商、互联网公司、大型超市、银行等等。业务运营商可以根据业务适当地调整该阈值范围。例如,阈值可以为10%。以电信行业为例,用户的产品大类主要是流量,语音,短信,由于这些业务的使用而产生了用户的月消费金额,如果用户的月消费金额与用户订购业务的价值相差在10%以内(消费合理),说明用户订购的业务是合理的,与用户业务使用习惯相符,消费合理。如果超过10%,说明用户订购的业务不合理,业务订购不符合用户使用习惯,将此用户确定为目标用户。
相似度计算单元2基于目标用户的消费金额及其中各消费项的比例、以及各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算目标用户与各业务套餐的相似度。套餐类型表示业务套餐的区域范围。
选取单元3基于相似度,从多个业务套餐中选取业务套餐组。
推荐单元4根据用户常住地因子,从业务套餐组中选取业务套餐推荐给目标用户。用户常住地因子表示目标用户使用业务的区域范围特性。
如图5所示,相似度计算单元2可以具备打标用户生成单元21以及打标业务生成单元22。
打标用户生成单元21可以根据目标用户的消费金额中各消费项的比例,给所述目标用户打标签,生成打标用户。
打标业务生成单元22可以根据各业务套餐中包含的各业务项的价值比例,给该业务套餐打标签,生成打标业务。
相似度计算单元2基于打标用户的所述用户消费金额、以及各打标业务的套餐类型和套餐价值,计算所述打标用户与各打标业务的相似度。
关于上述相似度,可以用现有的相似度计算方法能够计算出。例如,可以是余弦相似度计算方法,欧氏距离相似度计算方法,动态时间规整算法等等。在本发明中,优选使用预先相似度计算方法来计算相似度。
接着,选取单元3基于相似度,从多个业务套餐中选取业务套餐组。其中,业务套餐组可以是已排序的业务中的一个以上的业务套餐的组合,可以由运营商设定。如果业务运营商是电信运营商,则电信业务套餐的类型至少是本地套餐、本省套餐、全国套餐中的一种。
然后,推荐单元4根据用户常住地因子,从业务套餐组中选取业务套餐推荐给目标用户。
由此,可以根据用户消费水平和行为习惯为现有用户推荐合适的套餐产品,从客户角度出发,为客户考虑,主动推荐合适套餐,提高客户满意度。并且,由于将客户常驻地因子加入到推荐算法中,因此完善了推荐算法的盲目性,统筹分析了客户的行为习惯并结合产品套餐类型,极大地提升了推荐准确性,提高公司友好性,有效进行了客户保有。
下面结合图6,对本发明的服务器100进行说明。服务器100向用户推荐包含一个或多个业务项的电信业务套餐。上述电信运营商服务器可以具备目标用户确定单元101、相似度计算单元102、选取单元103以及推荐单元104。
目标用户确定单元101通过判断用户使用业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户。
相似度计算单元102基于目标用户的所述消费金额及其中各消费项的比例、以及所述各业务套餐的套餐类型、套餐价值及其中各业务项的价值比例,计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型表示所述业务套餐的区域范围。
选取单元103基于所述相似度,从多个业务套餐中选取业务套餐组。
推荐单元104根据用户常住地因子,从业务套餐组中选取所业务套餐推荐给目标用户。用户常住地因子表示目标用户使用业务的区域范围特性。
由此,可以根据用户消费水平和行为习惯为现有用户推荐合适的套餐产品,从客户角度出发,为客户考虑,主动推荐合适套餐,提高客户满意度。并且,由于将客户常驻地因子加入到推荐算法中,因此完善了推荐算法的盲目性,统筹分析了客户的行为习惯并结合产品套餐类型,极大地提升了推荐准确性,提高公司友好性,有效进行了客户保有。
在上述中,主要以电信运营商为例进行了说明,但本发明不限于电信领域,可以用一切服务相关的领域。例如,本发明的技术方案还可以用于互联网公司、大型超市、银行、保险等等。可以根据不同的领域,不同的业务产品,适当地选择不同的计算方法。
另外,虽然上述说明中,以余弦相似度计算方法来计算相似度,但不限于此,可以根据具体领域和具体业务产品,选择除了余弦相似度计算法以外的相似度计算方法。在领会本发明的精神之后,本领域的技术人员可以作出各种改变、修改和添加,或者改变步骤之间的顺序。
需要说明的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略对已知方法技术的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神之后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
应当理解的是,本发明可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而系统体系结构并不脱离本发明的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明的范围由所附权利要求而非上述描述定义,并且,落人权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (17)
1.一种业务套餐的推荐方法,其中,所述业务套餐包含一个或多个业务项,所述推荐方法的特征在于,包括:
通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;
基于所述消费金额(h)及其中各消费项的比例(hi)、以及所述各业务套餐(Z)的套餐类型(c)、套餐价值(p)及其中各业务项的价值比例(pi),计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型(c)表示所述业务套餐(Z)的区域范围;
基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及
根据用户常住地因子(C),从所述业务套餐组中选取业务套餐推荐给所述目标用户,其中,所述用户常住地因子(C)表示所述目标用户使用业务的区域范围特性。
2.根据权利要求1所述的业务套餐的推荐方法,其特征在于,所述常住地因子表示如下:
式中,C表示所述常住地因子,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。
3.根据权利要求1或2所述的业务套餐的推荐方法,其特征在于,所述相似度的计算包括:
根据所述目标用户的消费金额中各消费项的比例,给所述目标用户打标签,生成打标用户;
根据各业务套餐中包含的各业务项的价值比例,给该业务套餐打标签,生成打标业务;
基于所述打标用户的所述用户消费金额(h)、以及各打标业务的套餐类型(c)和套餐价值(p),计算所述打标用户与各打标业务的相似度。
4.根据权利要求3所述的业务套餐的推荐方法,其特征在于,推荐给所述目标用户的业务套餐通过下式计算:
式中,Z表示推荐给目标用户的业务套餐,表示打标用户,表示打标业务,h表示用户的消费金额,p表示套餐价值,c表示套餐类型,C表示所述常住地因子,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。
5.根据权利要求1至4中任一项所述的业务套餐的推荐方法,其特征在于,所述目标用户的确定包括:
如果所述用户的所述消费金额与所述用户当前已购业务套餐的套餐价值的差值相对于所述消费金额的比值超过阈值范围,则判断所述消费金额与所述套餐价值不匹配,将所述用户确定为目标用户。
6.根据权利要求1至5中任一项所述的业务套餐的推荐方法,其特征在于,所述业务套餐为电信业务套餐。
7.根据权利要求6所述的业务套餐的推荐方法,其特征在于,所述电信业务套餐的类型至少包括本地套餐、本省套餐、全国套餐中的一种。
8.根据权利要求6或7所述的业务套餐的推荐方法,其特征在于,所述电信业务套餐的业务项至少包括流量、语音、短信、服务提供商业务中的任一种。
9.一种业务套餐的推荐装置,其中,所述业务套餐包含一个或多个业务项,所述推荐装置的特征在于,包括:
目标用户确定单元,通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;
相似度计算单元,基于所述目标用户的所述消费金额(h)及其中各消费项的比例(hi)、以及所述各业务套餐(Z)的套餐类型(c)、套餐价值(p)及其中各业务项的价值比例(pi),计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型(c)表示所述业务套餐(Z)的区域范围;
选取单元,基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及
推荐单元,根据用户常住地因子(C),从所述业务套餐组中选取业务套餐推荐给所述目标用户,其中,所述用户常住地因子(C)表示所述目标用户使用业务的区域范围特性。
10.根据权利要求9所述的业务套餐的推荐装置,其特征在于,所述常住地因子表示如下:
式中,C表示所述常住地因子,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。
11.根据权利要求9或10所述的业务套餐的推荐装置,其特征在于,所述相似度计算单元包括:
打标用户生成单元,根据所述目标用户的消费金额中各消费项的比例,给所述目标用户打标签,生成打标用户;以及
打标业务生成单元,根据各业务套餐中包含的各业务项的价值比例,给该业务套餐打标签,生成打标业务;
所述相似度计算单元基于所述打标用户的所述用户消费金额(h)、以及各打标业务的套餐类型(c)和套餐价值(p),计算所述打标用户与各打标业务的相似度。
12.根据权利要求11所述的业务套餐的推荐装置,其特征在于,推荐给所述目标用户的业务套餐通过下式计算:
式中,Z表示推荐给目标用户的业务套餐,表示打标用户,表示打标业务,h表示用户的消费金额,p表示套餐价值,c表示套餐类型,C表示所述常住地因子,S(d,u)表示统计的数据用户集合,d代表地市,u代表排序,G表示用户归属。
13.根据权利要求9至12中任一项所述的业务套餐的推荐装置,其特征在于,所述目标用户确定单元当所述用户的所述消费金额与所述用户当前已购业务套餐的套餐价值的差值相对于所述消费金额的比值超过阈值范围时,判断所述消费金额与所述套餐价值不匹配,将所述用户确定为目标用户。
14.根据权利要求9至13中任一项所述的业务套餐的推荐装置,其特征在于,所述业务套餐为电信业务套餐。
15.根据权利要求14所述的业务套餐的推荐装置,其特征在于,所述电信业务套餐的类型至少包括本地套餐、本省套餐、全国套餐中的一种。
16.根据权利要求14或15所述的业务套餐的推荐装置,其特征在于,所述电信业务套餐的业务项至少包括流量、语音、短信、服务提供商业务中的任一种。
17.一种服务器,用于向用户推荐电信业务套餐,所述电信业务套餐包含一个或多个业务项,所述电信运营商服务器的特征在于,包括:
目标用户确定单元,通过判断用户使用所述业务项所产生的消费金额与用户当前已购业务套餐的套餐价值匹配与否来确定目标用户;
相似度计算单元,基于所述目标用户的所述消费金额(h)及其中各消费项的比例(hi)、以及所述各业务套餐(Z)的套餐类型(c)、套餐价值(p)及其中各业务项的价值比例(pi),计算所述目标用户与各业务套餐的相似度,其中,所述套餐类型(c)表示所述业务套餐(Z)的区域范围;
选取单元,基于所述相似度,从多个所述业务套餐中选取业务套餐组;以及
推荐单元,根据用户常住地因子(C),从所述业务套餐组中选取所业务套餐推荐给所述目标用户,其中,所述用户常住地因子(C)表示所述目标用户使用业务的区域范围特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611230619.7A CN108243016B (zh) | 2016-12-27 | 2016-12-27 | 业务套餐的推荐方法以及推荐装置、以及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611230619.7A CN108243016B (zh) | 2016-12-27 | 2016-12-27 | 业务套餐的推荐方法以及推荐装置、以及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108243016A true CN108243016A (zh) | 2018-07-03 |
CN108243016B CN108243016B (zh) | 2021-05-07 |
Family
ID=62701884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611230619.7A Active CN108243016B (zh) | 2016-12-27 | 2016-12-27 | 业务套餐的推荐方法以及推荐装置、以及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108243016B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109218034A (zh) * | 2018-08-24 | 2019-01-15 | 曹春江 | 基于多角度神经网络模型的通信用户套餐精准推荐方法 |
CN110428244A (zh) * | 2019-06-14 | 2019-11-08 | 广州乐摇摇信息科技有限公司 | 套餐推荐方法和装置 |
CN111083656A (zh) * | 2019-11-28 | 2020-04-28 | 深圳联想懂的通信有限公司 | 一种流量套餐管理方法、装置及存储介质 |
CN111339408A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 信息推荐方法和装置 |
CN111478779A (zh) * | 2019-09-09 | 2020-07-31 | 中国移动通信集团河北有限公司 | 不限量套餐的确定方法、装置及计算设备 |
CN112633985A (zh) * | 2020-12-31 | 2021-04-09 | 天津五八到家货运服务有限公司 | 信息推荐方法、设备和存储介质 |
CN113806634A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 业务套餐的推荐方法、装置及服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262676A (zh) * | 2008-04-24 | 2008-09-10 | 中兴通讯股份有限公司 | 一种选择手机资费套餐的系统和方法 |
CN102111743A (zh) * | 2011-04-15 | 2011-06-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种移动终端资费套餐定制方法和移动终端 |
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
CN103607691A (zh) * | 2013-11-26 | 2014-02-26 | 中国联合网络通信集团有限公司 | 一种流量套餐推荐方法及装置 |
CN103793513A (zh) * | 2014-02-10 | 2014-05-14 | 济南大学 | 基于邻近海量数据快速分析的电信套餐优化系统与方法 |
CN104518887A (zh) * | 2013-09-27 | 2015-04-15 | 中国联合网络通信集团有限公司 | 一种套餐推荐方法及装置 |
CN105554722A (zh) * | 2015-12-10 | 2016-05-04 | 中国联合网络通信集团有限公司 | 套餐推荐的方法及装置 |
-
2016
- 2016-12-27 CN CN201611230619.7A patent/CN108243016B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101262676A (zh) * | 2008-04-24 | 2008-09-10 | 中兴通讯股份有限公司 | 一种选择手机资费套餐的系统和方法 |
CN102111743A (zh) * | 2011-04-15 | 2011-06-29 | 宇龙计算机通信科技(深圳)有限公司 | 一种移动终端资费套餐定制方法和移动终端 |
CN102760128A (zh) * | 2011-04-26 | 2012-10-31 | 华东师范大学 | 一种基于智能客服机器人交互的电信领域套餐推荐方法 |
CN104518887A (zh) * | 2013-09-27 | 2015-04-15 | 中国联合网络通信集团有限公司 | 一种套餐推荐方法及装置 |
CN103607691A (zh) * | 2013-11-26 | 2014-02-26 | 中国联合网络通信集团有限公司 | 一种流量套餐推荐方法及装置 |
CN103793513A (zh) * | 2014-02-10 | 2014-05-14 | 济南大学 | 基于邻近海量数据快速分析的电信套餐优化系统与方法 |
CN105554722A (zh) * | 2015-12-10 | 2016-05-04 | 中国联合网络通信集团有限公司 | 套餐推荐的方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109218034A (zh) * | 2018-08-24 | 2019-01-15 | 曹春江 | 基于多角度神经网络模型的通信用户套餐精准推荐方法 |
CN110428244A (zh) * | 2019-06-14 | 2019-11-08 | 广州乐摇摇信息科技有限公司 | 套餐推荐方法和装置 |
CN111478779A (zh) * | 2019-09-09 | 2020-07-31 | 中国移动通信集团河北有限公司 | 不限量套餐的确定方法、装置及计算设备 |
CN111478779B (zh) * | 2019-09-09 | 2023-04-11 | 中国移动通信集团河北有限公司 | 不限量套餐的确定方法、装置及计算设备 |
CN111083656A (zh) * | 2019-11-28 | 2020-04-28 | 深圳联想懂的通信有限公司 | 一种流量套餐管理方法、装置及存储介质 |
CN111083656B (zh) * | 2019-11-28 | 2021-11-23 | 深圳联想懂的通信有限公司 | 一种流量套餐管理方法、装置及存储介质 |
CN111339408A (zh) * | 2020-02-19 | 2020-06-26 | 北京百度网讯科技有限公司 | 信息推荐方法和装置 |
CN111339408B (zh) * | 2020-02-19 | 2023-08-08 | 北京百度网讯科技有限公司 | 信息推荐方法和装置 |
CN112633985A (zh) * | 2020-12-31 | 2021-04-09 | 天津五八到家货运服务有限公司 | 信息推荐方法、设备和存储介质 |
CN113806634A (zh) * | 2021-09-17 | 2021-12-17 | 中国联合网络通信集团有限公司 | 业务套餐的推荐方法、装置及服务器 |
CN113806634B (zh) * | 2021-09-17 | 2023-05-30 | 中国联合网络通信集团有限公司 | 业务套餐的推荐方法、装置及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN108243016B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108243016A (zh) | 业务套餐的推荐方法以及推荐装置、以及服务器 | |
US11301868B2 (en) | Method for predictive analytics for finding related array entries | |
US20240070694A1 (en) | Customer clustering using integer programming | |
Mostard et al. | Forecasting demand for single-period products: A case study in the apparel industry | |
Collins | Behavioural influences on the environmental impact of collection/delivery points | |
CN106096998A (zh) | 一种电商平台的价格数据统计决策分析方法 | |
CN105975483A (zh) | 一种基于用户偏好的消息推送方法和平台 | |
CN104866474A (zh) | 个性化数据搜索方法及装置 | |
CN110569432A (zh) | 商品序列计算方法、装置、计算机设备及存储介质 | |
JP6745343B2 (ja) | 顧客意思決定ツリー生成システム | |
CN107332910A (zh) | 信息推送方法和装置 | |
CN110348868A (zh) | 服务信息获取方法和装置 | |
CN104615721B (zh) | 用于基于退货关联信息推荐商品的方法和系统 | |
US20140180799A1 (en) | Techniques for optimizing the impact of video content on electronic commerce sales | |
CN103412865B (zh) | 网站项目的通知方法和系统 | |
US20150254651A1 (en) | Optimizing financial transactions network flow | |
CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
Gholamian et al. | Improving electronic customers' profile in recommender systems using data mining techniques | |
Insani et al. | Data mining for marketing in telecommunication industry | |
CN110110206A (zh) | 物品间关系挖掘及推荐方法、装置、计算设备、存储介质 | |
Augustine et al. | Factors influencing the purchase behaviour of sustainable fashion among millennial consumers in Kuala Lumpur | |
CN106919609A (zh) | 产品信息推送方法和装置 | |
US20210304279A1 (en) | Information processing method, electronic device and computer-readable storage medium | |
Liu et al. | Imperfect price discrimination, market structure, and efficiency | |
CN111553738A (zh) | 多层级的流量分配方法及装置、电子设备、计算机存储介质 |
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 |