CN111210253A - 一种匹配消费者与销售顾问的方法、装置及存储介质 - Google Patents
一种匹配消费者与销售顾问的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111210253A CN111210253A CN201911172212.7A CN201911172212A CN111210253A CN 111210253 A CN111210253 A CN 111210253A CN 201911172212 A CN201911172212 A CN 201911172212A CN 111210253 A CN111210253 A CN 111210253A
- Authority
- CN
- China
- Prior art keywords
- sales
- behavior
- user
- consumer
- similarity
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种匹配消费者与销售顾问的方法、装置及存储介质，所述方法包括：获取各个消费者的行为历史记录，建立所述各个消费者的行为数据列表；获取各个销售顾问的行为历史记录，建立所述各个销售顾问的行为数据列表；接收用户的推荐请求，判断用户的类型；将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户；将与所述用户的相似度大于预设阈值的消费者推荐给用户。本发明通过上述步骤，克服现有技术中存在的销售顾问因负责的商品排名过高而导致其他销售顾问无法得到推荐的问题，实现了“消费者”和“销售顾问”的精准和高效的匹配。
Description
技术领域
本发明涉及大数据计算领域，尤其涉及一种匹配消费者与销售顾问的方法、装置及存储介质。
背景技术
互联网行业中，有各种各样的推荐功能。例如在“购物平台”购物时，当消费者查看某类商品后，会为消费者推荐该类型的其他产品。这类推荐将不同商家的商品和用户联系了起来，此推荐可以帮助消费者选择到想要的产品。电商平台将产品进行了分类，消费者浏览该类型产品时，会推荐同类型的其他产品。
现有技术中，电商平台无法为消费者智能匹配销售顾问，由销售顾问一对一为用户提供贴切的服务。
发明内容
本发明旨在至少在一定程度上解决相关记述中的技术问题之一。为此，本发明的一个目的是提供一种匹配消费者与销售顾问的方法、装置及存储介质，能够提高“消费者”和“销售顾问”的匹配效率和匹配准确度。
为实现上述目的，本发明提供一种匹配消费者与销售顾问的方法，所述方法包括：
获取各个消费者的行为历史记录，建立所述各个消费者的行为数据列表；
获取各个销售顾问的行为历史记录，建立所述各个销售顾问的行为数据列表；
接收用户的推荐请求，判断用户的类型；
若用户为消费者，则获取所述消费者的行为数据列表，将所述消费者的行为数据列表与所述各个销售顾问的行为数据进行比较，计算相似度，将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户；
若用户为销售顾问，则获取所述销售顾问的行为数据列表，将所述销售顾问的行为数据列表与所述各个消费者的行为数据列表进行比较，计算相似度，将与所述用户的相似度大于预设阈值的消费者推荐给用户。
进一步地，
所述相似度的计算公式为：
其中ui为消费者的第i个行为特征，si为销售顾问的第i个行为特征，cosθ为相识度值，cosθ越大表示相识度越高。
进一步地所述建立所述各个消费者的行为数据列表包括：
建立所述各个消费者的行为数据列表，其中行表示消费者，列表示行为特征值，
查找获取各个消费者的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
进一步地，
所述建立所述各个销售顾问的行为数据列表包括：
建立所述各个销售顾问的行为数据列表，其中行表示销售顾问，列表示行为特征值，
查找获取各个销售顾问的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
进一步地，所述将与所述用户相的似度值大于预设阈值的销售顾问推荐给用户包括：
将各个所述销售顾问与所述用户的相似度值进行比较；
按照相似度的大小排序，将相识度最高的预设几个销售顾问做成推荐列表，并发送至用户终端进行显示。
进一步地，所述将与所述用户的相似度大于预设阈值的消费者推荐给用户包括：
将各个所述消费者与所述用户的相似度值进行比较；
按照相似度的大小排序，将相识度最高的预设几个消费者做成推荐列表，并发送至用户终端进行显示。
进一步地，所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
用户对推荐的销售顾问进行评分，以所述评分对所述销售顾问进行标签并保存，下次推荐销售顾问以评分高低作为推荐依据。
进一步地，
所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
若所述销售顾问被推荐的次数大于预设值，则不被允许推荐。
另一方面，本发明还提供了一种计算机设备，所述计算机设备包括处理器以及存储器，所述处理器耦合所述存储器，所述处理器在工作时执行指令以实现上述的方法。
另一方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述的方法。
本发明通过上述步骤，克服现有技术中存在的销售顾问因负责的商品排名过高而导致其他销售顾问无法得到推荐的问题，实现了“消费者”和“销售顾问”的精准和高效的匹配。
附图说明
图1是本发明提供的匹配消费者与销售顾问的方法的一具体实施方式的流程示意图；
图2是本发明提供的匹配消费者与销售顾问的方法中步骤S5的一具体实施方式的流程示意图；
图3是本发明提供的匹配消费者与销售顾问的方法中步骤S4的一具体实施方式的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动情况下所获得的所有其他实施例，均属于本发明保护的范围。
为了使本发明的目的、技术方案和有益技术效果更加清晰明白，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/ 或其集合的存在或添加。
请参阅图1，图1是本发明的一种匹配消费者与销售顾问的方法的第一实施方式的流程示意图，
如图1所示，本实施方式的一种匹配消费者与销售顾问的方法至少包括如下步骤：
S1,获取各个消费者的行为历史记录，建立所述各个消费者的行为数据列表；
具体的，建立所述各个消费者的行为数据列表，其中行表示消费者，列表示行为特征值，查找获取各个消费者的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
S2,获取各个销售顾问的行为历史记录，建立所述各个销售顾问的行为数据列表；
具体的，建立所述各个销售顾问的行为数据列表，其中行表示销售顾问，列表示行为特征值，
查找获取各个销售顾问的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
S3接收用户的推荐请求，判断用户的类型；
S4,若用户为消费者，则获取所述消费者的行为数据列表，将所述消费者的行为数据列表与所述各个销售顾问的行为数据进行比较，计算相似度，将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户；
进一步作为优选的实施方式，所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
用户对推荐的销售顾问进行评分，以所述评分对所述销售顾问进行标签并保存，下次推荐销售顾问以评分高低作为推荐依据。
进一步作为优选的实施方式，
所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
若所述销售顾问被推荐的次数大于预设值，则不被允许推荐。
S5,若用户为销售顾问，则获取所述销售顾问的行为数据列表，将所述销售顾问的行为数据列表与所述各个消费者的行为数据列表进行比较，计算相似度，将与所述用户的相似度大于预设阈值的消费者推荐给用户。
进一步地，
所述相似度的计算公式为：
其中ui为消费者的第i个行为特征，si为销售顾问的第i个行为特征，cosθ为相识度值，cosθ越大表示相识度越高。
参考图2，所述步骤S5中所述将与所述用户的相似度大于预设阈值的消费者推荐给用户包括：
S51，将各个所述消费者与所述用户的相似度值进行比较；
S52，按照相似度的大小排序，将相识度最高的预设几个消费者做成推荐列表，并发送至用户终端进行显示。
参考图3，所述步骤S4中将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户包括：
S41，将各个所述销售顾问与所述用户的相似度值进行比较；
S42，按照相似度的大小排序，将相识度最高的预设几个销售顾问做成推荐列表，并发送至用户终端进行显示。
本发明通过上述步骤，克服现有技术中存在的销售顾问因负责的商品排名过高而导致其他销售顾问无法得到推荐的问题，实现了“消费者”和“销售顾问”的精准和高效的匹配。
实施例1，作为上述一种匹配消费者与销售顾问的方法的具体实施方式，在本实施例中，消费者为购房者，销售顾问为经济人，购房者均会查看自己意向中的几个楼盘。经纪人也会主要经营几个自己熟悉的几个楼盘。购房者A进行楼盘的浏览，将留下看房的历史。经纪人1进行楼盘的推荐，将留下推荐楼盘的历史。此时如果两人的行为匹配，其中某段历史相似度达到算法设定值，则可进行推荐，将经纪人信息展示给用户。其具体包括以下步骤：
在数据库建立购房者行为表(简称BU表)，建立经纪人行为表(简称BS表)BU表每行为一个购房用户，H集团的每个楼盘为一列。BS 表每行为一个经纪人，H集团的每个楼盘为一列。BU表和BS表中初始值为“0”，用户的每个浏览或推荐行为将在表格中记录为“1”根据此规则，可得出BU表和BS表。如下表1所示，
表1
表2
其中表1为消费者的行为列表，每个购房者行为记录为一行，每个楼盘记录为一列，看过的记录为1(初始为0)。表2表示销售顾问的行为列表，每个经纪人的行为记录为一行，每个楼盘记录为一列(初始为 0).
根据推荐的需求，需要运用算法进行相似度的计算。此处使用余弦公式，将用户行为抽象为多维度的向量。向量重合度越高，向量夹角越小，数值越接近1。此数值可直接反映出行为的相似度，且可将相似度量化。
(u1值为user1广州恒大华府、u2值为user广州恒大绿洲，以此类推；s1值为sales1广州恒大华府、s2值为sales1广州恒大绿洲，以此类推)
User1和sales1相似度计算过程如下：
cosθ的值打范围为0至1。其数值越接近于1，则代表相似度越高。计算出所有user和sale之间的相似度，计算结果如下表3所示，
| User1 | User2 | User3 | |
| Sale1 | 0.707 | 1 | 0.316 |
| Sale2 | 0.866 | 0.816 | 0.516 |
| Sale3 | 0 | 0 | 0.632 |
(上表示例中取样数据有限，实际业务中横向USER和纵向SALES 数据更为丰富。且该表数据关联用户实时行为，实时更新user与sales 之间的匹配度)
由上表3可知，user1与系统中3位sales的行为相似度分别为0.707、0.866、0。user1与sales2行为相似度最高。按照相似度大小排序，系统将最优先为user1推荐sales2。
该推荐算法可补充推荐规则，根据用户的浏览行为和“全民经济人”带看行为进行匹配。将内容个性化推荐，避免“流量过载”。将看楼行为和带看行为进行匹配，系统可为购房用户推荐真正积极可靠的“全民经纪人”。避免只通过排名而造成需求不匹配，或热门经纪人超出业务承接能力。
该推荐方式积极效果：
1该推荐法的推荐位内容，始终随用户的行为进行更新，贴合用户当下需求。
2该推荐算法为自动运行，无需人工运营人员编辑推荐规则。
3该推荐算法可进行拓展，如加入推荐值最低的阀值(相似度过低不推荐)，可结合其他推荐方式，扬长避短。
4解决普通用户进入后，无法与合适的“全民经纪人”建立沟通的问题。
5解决普通用户无法选择适合自己的“全民经纪人”的问题。
6提高“买房者”和“购房者”的匹配效率和匹配准确度。
7避免个别经纪人在某些楼盘排名过高而其他经纪人无法得到推荐。
8可优化资源配置，避免热门经纪人超出承接能力。避免优质资源过于集中的推荐，充分发挥长尾理论，避免信息过载。
为本发明第一实施方式对应的一种匹配消费者与销售顾问的装置。所述匹配消费者与销售顾问的置包括相互连接的控制器及处理器。其中，所述控制器内设置有存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述存储器可能包含高速随机存取存储器(Random Access Memory，RAM)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。所述处理器被配置用于调用所述程序指令，执行步骤S1～步骤S5所述的匹配消费者与销售顾问的方法。
上述存储介质可以是前述控制器的内部存储设备。所述存储介质也可以是外部存储设备，例如所述无线开关上配备的插接式智能存储卡 (Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储介质还可以既包括所述无线开关的内部存储单元也包括外部存储设备。所述存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述存储介质还可以用于暂时地存储已经输出或者将要输出的数据。所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行步骤S1～步骤S5所述的匹配消费者与销售顾问的XX方法。
上述第一实施方式中的一种xx装置。所述xx装置包括相互连接的控制器及处理器。其中，所述控制器内设置有存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述存储器可能包含高速随机存取存储器(Random Access Memory，RAM)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。所述处理器被配置用于调用所述程序指令，执行步骤S1～步骤S5所述的 XX方法。
上述存储介质可以是前述控制器的内部存储设备。所述存储介质也可以是外部存储设备，例如所述无线开关上配备的插接式智能存储卡 (Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储介质还可以既包括所述无线开关的内部存储单元也包括外部存储设备。所述存储介质用于存储所述计算机程序及所述终端所需的其他程序和数据。所述存储介质还可以用于暂时地存储已经输出或者将要输出的数据。所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行步骤S1～步骤S5所述的XX 方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以软件的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述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步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种匹配消费者与销售顾问的方法，其特征在于，所述方法包括：
获取各个消费者的行为历史记录，建立所述各个消费者的行为数据列表；
获取各个销售顾问的行为历史记录，建立所述各个销售顾问的行为数据列表；
接收用户的推荐请求，判断用户的类型；
若用户为消费者，则获取所述消费者的行为数据列表，将所述消费者的行为数据列表与所述各个销售顾问的行为数据进行比较，计算相似度，将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户；
若用户为销售顾问，则获取所述销售顾问的行为数据列表，将所述销售顾问的行为数据列表与所述各个消费者的行为数据列表进行比较，计算相似度，将与所述用户的相似度大于预设阈值的消费者推荐给用户。
2.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，
所述相似度的计算公式为：
其中ui为消费者的第i个行为特征，si为销售顾问的第i个行为特征，cosθ为相识度值，cosθ越大表示相识度越高。
3.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，所述建立所述各个消费者的行为数据列表包括：
建立所述各个消费者的行为数据列表，其中行表示消费者，列表示行为特征值，
查找获取各个消费者的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
4.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，
所述建立所述各个销售顾问的行为数据列表包括：
建立所述各个销售顾问的行为数据列表，其中行表示销售顾问，列表示行为特征值，
查找获取各个销售顾问的行为历史数据，对行为特征进行赋值，若有这个行为则表示1,若没有这个行为则表示为o。
5.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，所述将与所述用户相的似度值大于预设阈值的销售顾问推荐给用户包括：
将各个所述销售顾问与所述用户的相似度值进行比较；
按照相似度的大小排序，将相识度最高的预设几个销售顾问做成推荐列表，并发送至用户终端进行显示。
6.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，所述将与所述用户的相似度大于预设阈值的消费者推荐给用户包括：
将各个所述消费者与所述用户的相似度值进行比较；
按照相似度的大小排序，将相识度最高的预设几个消费者做成推荐列表，并发送至用户终端进行显示。
7.根据权利要求5所述的匹配消费者与销售顾问方法，其特征在于，所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
用户对推荐的销售顾问进行评分，以所述评分对所述销售顾问进行标签并保存，下次推荐销售顾问以评分高低作为推荐依据。
8.根据权利要求1所述的匹配消费者与销售顾问方法，其特征在于，
所述将与所述用户的相似度值大于预设阈值的销售顾问推荐给用户之后还包括：
若所述销售顾问被推荐的次数大于预设值，则不被允许推荐。
9.一种匹配消费者与销售顾问装置，其特征在于，所述计算机设备包括处理器以及存储器，所述处理器耦合所述存储器，所述处理器在工作时执行指令以实现如权利要求1～8任一项所述的匹配消费者与销售顾问方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1～8任一项所述的匹配消费者与销售顾问方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911172212.7A CN111210253A (zh) | 2019-11-26 | 2019-11-26 | 一种匹配消费者与销售顾问的方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911172212.7A CN111210253A (zh) | 2019-11-26 | 2019-11-26 | 一种匹配消费者与销售顾问的方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111210253A true CN111210253A (zh) | 2020-05-29 |
Family
ID=70789758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911172212.7A Pending CN111210253A (zh) | 2019-11-26 | 2019-11-26 | 一种匹配消费者与销售顾问的方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210253A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561269A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 顾问推荐方法及装置 |
| CN113763029A (zh) * | 2021-07-20 | 2021-12-07 | 北京房江湖科技有限公司 | 客户信息推荐方法及装置 |
| CN116894570A (zh) * | 2023-09-11 | 2023-10-17 | 杭州及凌网络科技有限公司 | 基于汽车销售平台的销售员推荐方法、装置和设备 |
| CN117314564A (zh) * | 2023-09-26 | 2023-12-29 | 选房宝(珠海横琴)数字科技有限公司 | 一种客户线索推送方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853463A (zh) * | 2009-03-30 | 2010-10-06 | 北京邮电大学 | 基于客户特征的协同过滤推荐方法和系统 |
| CN104951465A (zh) * | 2014-03-28 | 2015-09-30 | 腾讯科技（深圳）有限公司 | 应用推荐方法及装置 |
| CN105260414A (zh) * | 2015-09-24 | 2016-01-20 | 精硕世纪科技（北京）有限公司 | 用户行为相似性计算方法及装置 |
| CN106776716A (zh) * | 2016-11-21 | 2017-05-31 | 北京齐尔布莱特科技有限公司 | 一种智能匹配销售顾问和用户的方法及设备 |
| CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
-
2019
- 2019-11-26 CN CN201911172212.7A patent/CN111210253A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101853463A (zh) * | 2009-03-30 | 2010-10-06 | 北京邮电大学 | 基于客户特征的协同过滤推荐方法和系统 |
| CN104951465A (zh) * | 2014-03-28 | 2015-09-30 | 腾讯科技（深圳）有限公司 | 应用推荐方法及装置 |
| CN105260414A (zh) * | 2015-09-24 | 2016-01-20 | 精硕世纪科技（北京）有限公司 | 用户行为相似性计算方法及装置 |
| CN106776716A (zh) * | 2016-11-21 | 2017-05-31 | 北京齐尔布莱特科技有限公司 | 一种智能匹配销售顾问和用户的方法及设备 |
| CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561269A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 顾问推荐方法及装置 |
| CN113763029A (zh) * | 2021-07-20 | 2021-12-07 | 北京房江湖科技有限公司 | 客户信息推荐方法及装置 |
| CN116894570A (zh) * | 2023-09-11 | 2023-10-17 | 杭州及凌网络科技有限公司 | 基于汽车销售平台的销售员推荐方法、装置和设备 |
| CN116894570B (zh) * | 2023-09-11 | 2023-12-05 | 杭州及凌网络科技有限公司 | 基于汽车销售平台的销售员推荐方法、装置和设备 |
| CN117314564A (zh) * | 2023-09-26 | 2023-12-29 | 选房宝(珠海横琴)数字科技有限公司 | 一种客户线索推送方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111210253A (zh) | 一种匹配消费者与销售顾问的方法、装置及存储介质 | |
| CN109190044B (zh) | 个性化推荐方法、装置、服务器和介质 | |
| CN105677831B (zh) | 一种确定推荐商户的方法及装置 | |
| CN109033299A (zh) | 一种通过终端应用向用户推荐信息的方法、装置及设备 | |
| KR102270273B1 (ko) | 상품의 해외 판매를 위한 추천 상품 선정 및 판매 서비스 제공 방법, 장치 및 컴퓨터프로그램 | |
| CN110597624A (zh) | 通信建立方法和系统 | |
| CN109063000B (zh) | 问句推荐方法、客服系统以及计算机可读存储介质 | |
| US20100235218A1 (en) | Pre-qualified or history-based customer service | |
| KR102246109B1 (ko) | 소비자 선호도에 기반한 상품 추천 시스템 및 방법 | |
| CN110647696A (zh) | 一种业务对象的排序方法及装置 | |
| CN108512883B (zh) | 一种信息推送方法、装置及可读介质 | |
| CN111667337A (zh) | 一种商品评价的排序方法和系统 | |
| US8326700B1 (en) | System, method, and computer program for automatically displaying information for quickly comparing a specific item with others | |
| CN110674391B (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
| CN112884542A (zh) | 商品推荐方法和装置 | |
| CN112529665A (zh) | 基于组合模型的产品推荐方法、装置及计算机设备 | |
| CN112765478B (zh) | 用于推荐内容的方法、装置、设备、介质和程序产品 | |
| WO2020232616A1 (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
| CN111078997B (zh) | 一种资讯推荐方法及装置 | |
| CN114820123A (zh) | 团购商品推荐方法、装置、设备及存储介质 | |
| CN117391820A (zh) | 一种SaaS服务综合管理方法及系统 | |
| JP6551957B1 (ja) | マッチング支援装置、マッチング支援方法及びプログラム | |
| CN114862480A (zh) | 广告投放定向方法及其装置、设备、介质、产品 | |
| US20150317717A1 (en) | Computer aided shopping with reviews system | |
| CN110674388A (zh) | 推送项目的配图方法、装置、存储介质和终端设备 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200529 |
|
| WD01 | Invention patent application deemed withdrawn after publication |