CN111353092B - 服务推送方法、装置、服务器及可读存储介质 - Google Patents
服务推送方法、装置、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN111353092B CN111353092B CN201811585300.5A CN201811585300A CN111353092B CN 111353092 B CN111353092 B CN 111353092B CN 201811585300 A CN201811585300 A CN 201811585300A CN 111353092 B CN111353092 B CN 111353092B
- Authority
- CN
- China
- Prior art keywords
- service
- target
- preset
- target user
- questions
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种服务推送方法、装置、服务器及可读存储介质,根据目标用户通过服务请求方终端发送的服务获取请求,获取目标用户的历史服务记录数据,并根据历史服务记录数据得到与目标用户匹配的服务推荐菜单,从而可以根据不同的用户匹配动态的服务推荐菜单后,并将服务推荐菜单推送给服务请求方终端,帮助用户迅速定位个人问题,减少用户寻找符合条件的服务项目的选择时间,提升用户体验,同时降低用户操作成本及人工客服的工作量。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种服务推送方法、装置、服务器及可读存储介质。
背景技术
随着智能终端的普及,各种提供生活便利服务的应用程序(Application,简称APP)也层出不穷,为用户的吃穿住行提供服务(例如出行服务、外卖服务等)。用户在使用这些服务的过程中,经常会遇到各种待解决的问题需要寻求客服服务。基于此,目前的做法是根据用户请求向用户下发包括有各个固定服务项目的固定服务菜单,然而用户遇到的问题各种各样,常常会因为找不到符合条件的固定服务项目而直接选择人工服务,从而降低用户体验,并且加大人工客服的工作量。
发明内容
有鉴于此,本申请实施例的目的在于提供一种服务推送方法、装置、服务器及可读存储介质,能够根据不同的用户匹配动态的服务推荐菜单,帮助用户迅速定位个人问题,提升用户体验,同时降低用户操作成本及人工客服的工作量。
根据本申请实施例的一个方面,提供一种电子设备,可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行所述机器可读指令,以执行服务推送方法。
根据本申请实施例的另一方面,提供一种服务推送方法,应用于服务器,所述方法可以包括:
在接收到目标用户通过服务请求方终端发送的服务获取请求后,根据所述服务获取请求获取所述目标用户的历史服务记录数据,所述历史服务记录数据包括服务提供方数据、服务订单数据、轨迹数据以及用户行为数据中的一种或者多种组合;
根据所述历史服务记录数据得到与所述目标用户匹配的服务推荐菜单,其中,所述服务推荐菜单包括至少一个服务推荐项目;
将所述服务推荐菜单推送给所述服务请求方终端。
在一种可能的实施方式中,所述根据所述服务获取请求获取所述目标用户的历史服务记录数据的步骤,可以包括:
从所述服务获取请求中获取所述目标用户的用户信息,所述用户信息包括来电号码、用户账号、用户生物特征中的至少一种;
根据所述用户信息从所述服务器存储的历史服务记录数据库中获取所述目标用户的历史服务记录数据。
在一种可能的实施方式中,所述根据所述历史服务记录数据得到与所述目标用户匹配的服务推荐菜单的步骤,可以包括:
对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的目标问题;
根据所述目标问题得到与所述目标用户匹配的服务推荐菜单。
在一种可能的实施方式中,所述服务器存储有预设策略集,所述预设策略集包括多个预设问题以及每个预设问题的判断策略,所述对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的目标问题的步骤,可以包括:
根据预设策略集中每个预设问题的判断策略对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第一预测问题;
根据预先训练的问题预测模型对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第二预测问题以及每个第二预测问题的置信度;
根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题。
在一种可能的实施方式中,所述根据预设策略集中每个预设问题的判断策略对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第一预测问题的步骤,可以包括:
针对所述预设策略集中的每个预设问题,判断所述历史服务记录数据是否与该预设问题的判断策略中的至少一个匹配条件匹配;
若匹配,则将该预设问题作为与所述目标用户匹配的第一预测问题。
在一种可能的实施方式中,所述根据预先训练的问题预测模型对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的各个第二预测问题以及每个第二预测问题的置信度的步骤,可以包括:
提取所述历史服务记录数据的特征信息;
将所述特征信息输入到预先训练的问题预测模型中,得到与所述目标用户匹配的每个预设问题的置信度;
按照置信度从大到小的顺序选择预设数量的预设问题作为与所述目标用户匹配的第二预测问题。
在一种可能的实施方式中,所述提取所述历史服务记录数据的特征信息的步骤之前,所述方法还可以包括:
获取训练样本集,所述训练样本集包括与各个预设问题关联的服务记录数据的特征信息;
根据所述训练样本集对深度神经网络进行迭代训练,得到所述问题预测模型。
在一种可能的实施方式中,所述根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题的步骤,可以包括:
判断所述第一预测问题的数量是否达到设定数量;
若达到设定数量,则将该设定数量的第一预测问题作为与所述目标用户匹配的目标问题。
在一种可能的实施方式中,所述方法还可以包括:
若未达到设定数量,则按照置信度从大到小的顺序将设定数量的第二预测问题作为与所述目标用户匹配的目标问题。
在一种可能的实施方式中,所述方法还可以包括:
若未达到设定数量,则根据该设定数量与所述第一预测问题的实际数量之间的数量差,按照置信度从大到小的顺序从所述第二预测问题中选取与所述第一预测问题不同的对应数量的第二预测问题;
将所有的第一预测问题和选取的第二预测问题作为与所述目标用户匹配的目标问题。
在一种可能的实施方式中,所述根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题的步骤,可以包括:
根据预设比例从所述第一预测问题中选择第一预设数量的第一预测问题,以及按照置信度从大到小的顺序从所述第二预测问题中选择与选择的第一预测问题不同的第二预设数量的第二预测问题;
将所述第一预设数量的第一预测问题和所述第二预设数量的第二预测问题作为与所述目标用户匹配的目标问题,其中,所述第一预设数量和所述第二预设数量之和为设定数量。
在一种可能的实施方式中,所述服务器还存储有每个预设问题的问题流量,所述根据所述目标问题得到与所述目标用户匹配的服务推荐菜单的步骤,可以包括:
针对每个目标问题,判断与该目标问题匹配的预设问题的问题流量是否大于第一预设阈值;
若与该目标问题匹配的预设问题的问题流量大于第一预设阈值,则将该目标问题确定为服务推荐项目;
若与该目标问题匹配的预设问题的问题流量不大于第一预设阈值,则将该目标问题对应的问题类别确定为服务推荐项目,以确定多个服务推荐项目;
根据确定的各个服务推荐项目得到与所述目标用户匹配的服务推荐菜单。
在一种可能的实施方式中,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤,可以包括:
将所述服务推荐菜单中包括的至少一个服务推荐项目的语音数据发送给所述服务请求方终端,以使所述服务请求方终端向所述目标用户播放所述至少一个服务推荐项目的语音数据。
在一种可能的实施方式中,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤,可以包括:
将所述服务推荐菜单包括的至少一个服务推荐项目发送给所述服务请求方终端,以使所述服务请求方终端向用户展示所述至少一个服务推荐项目。
在一种可能的实施方式中,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤之后,所述方法还可以包括:
获取所述服务请求方终端响应用户操作从所述至少一个服务推荐项目中选择的目标服务推荐项目;
根据所述目标服务推荐项目对所述服务获取请求进行处理。
根据本申请实施例的另一方面,提供一种服务推送装置,应用于服务器,所述装置可以包括:
第一获取模块,用于在接收到目标用户通过服务请求方终端发送的服务获取请求后,根据所述服务获取请求获取所述目标用户的历史服务记录数据,所述历史服务记录数据包括服务提供方数据、服务订单数据、轨迹数据以及用户行为数据中的一种或者多种组合;
数据分析模块,用于根据所述历史服务记录数据得到与所述目标用户匹配的服务推荐菜单,其中,所述服务推荐菜单包括至少一个服务推荐项目;
推送模块,用于将所述服务推荐菜单推送给所述服务请求方终端。
根据本申请实施例的另一方面,提供一种可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行上述的服务推送方法的步骤。
基于上述任一方面,本申请实施例根据目标用户通过服务请求方终端发送的服务获取请求,获取目标用户的历史服务记录数据,并根据历史服务记录数据得到与目标用户匹配的服务推荐菜单,从而可以根据不同的用户匹配动态的服务推荐菜单后,并将服务推荐菜单推送给服务请求方终端,帮助用户迅速定位个人问题,减少用户寻找符合条件的服务项目的选择时间,提升用户体验,同时降低用户操作成本及人工客服的工作量。
为使本申请实施例的上述目的、特征和优点能更明显易懂,下面将结合实施例,并配合所附附图,作详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的服务推送系统的交互示意框图;
图2示出了本申请实施例所提供的可以实现图1的服务器、服务请求方终端、服务提供方终端的电子设备的示例性硬件和软件组件的示意图;
图3示出了本申请实施例所提供的服务推送方法的流程示意图之一;
图4示出了本申请实施例所提供的服务推送方法的流程示意图之二;
图5示出了本申请实施例所提供的服务推送装置的功能模块框图之一;
图6示出了本申请实施例所提供的服务推送装置的功能模块框图之二;
图7示出了本申请实施例所提供的服务推送装置的功能模块框图之三。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“网约车打车场景”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕“网约车打车场景”进行描述,但是应该理解,这仅是一个示例性实施例。本申请可以应用于任何其他交通运输类型。例如,本申请可以应用于不同的运输系统环境,包括陆地,海洋,或航空等,或其任意组合。运输系统的交通工具可以包括出租车、私家车、顺风车、公共汽车、火车、子弹头列车、高速铁路、地铁、船只、飞机、宇宙飞船、热气球、或无人驾驶车辆等,或其任意组合。本申请还可以包括用于网约车打车的任何服务系统,例如,用于发送和/或接收快递的系统、用于买卖双方交易的服务系统。本申请的系统或方法的应用可以包括网页、浏览器的插件、客户端终端、定制系统、内部分析系统、或人工智能机器人等,或其任意组合。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
本申请中的术语“乘客”、“请求方”、“服务人员”、“服务请求方”和“客户”可互换使用,以指代可以请求或订购服务的个人、实体或工具。本申请中的术语“司机”、“提供方”、“服务提供方”和“供应商”可互换使用,以指代可以提供服务的个人、实体或工具。本申请中的术语“用户”可以指代请求服务、订购服务、提供服务或促成服务的提供的个人、实体或工具。例如,用户可以是乘客、驾驶员、操作员等,或其任意组合。在本申请中,“乘客”和“乘客终端”可以互换使用,“驾驶员”和“驾驶员终端”可以互换使用。
参照前述背景技术获知的技术问题,下面以用户拨打客服电话的场景为例进行进一步说明。目前,用户拨打客服电话时,会向用户下发固定录音菜单进行播放。以网约车服务为例,向用户下发的固定录音菜单可能包括这些服务选项:乘客问题请按1、司机问题请按2、费用问题请按3、安全问题请按4、人工服务请按5等,而一般来说,乘客问题、司机问题、费用问题、安全问题下还会包括至少一个层级的其它服务选项。例如,当用户按下费用问题3后,还会播放费用问题下的诸多问题,例如绕路问题请按1,附加费问题请按2,未即使结束计费请按3,未坐车产生费用请按4等等。现实应用中,用户遇到的问题各种各样,因此拨打时需要花费大量时间听清楚每个服务选项后选择所需的服务选项及所选择的服务选项的下一层级选项,不仅极大浪费了用户时间,而且依旧在很多情况下常常因为找不到符合条件的服务选项而直接选择人工服务,从而导致用户体验下降。并且,由于大量原本能够自助解决的问题接入到人工客服,极大加大了人工客服的工作量。
需要注意的是,以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是发明人在本申请过程中对本申请做出的贡献。
根据本申请发明人对上述技术问题的研究,本申请实施例提供了一种服务推送方法、装置、服务器及可读存储介质,根据目标用户通过服务请求方终端发送的服务获取请求,获取目标用户的历史服务记录数据,并根据历史服务记录数据得到与目标用户匹配的服务推荐菜单,从而可以根据不同的用户匹配动态的服务推荐菜单后,并将服务推荐菜单推送给服务请求方终端,帮助用户迅速定位个人问题,减少用户寻找符合条件的服务项目的选择时间,提升用户体验,同时降低用户操作成本及人工客服的工作量。
图1是本申请一种可替代实施例提供的服务推送系统100的架构示意图。例如,服务推送系统100可以是用于诸如出租车、代驾服务、快车服务、拼车服务、公共汽车服务、驾驶员租赁服务、或班车服务之类的运输服务、或其上述任意服务时间的组合服务所依赖的在线运输服务平台。服务推送系统100可以包括服务器110、网络120、服务请求方终端130、服务提供方终端140和数据库150,服务器110中可以包括执行指令操作的处理器。图1所示的服务推送系统100仅为一种可行的示例,在其它可行的实施例中,该服务推送系统100也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
在一些实施例中,服务器110可以是单个服务器,也可以是一个服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式系统)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在服务请求方终端130、服务提供方终端140以及数据库150、或其任意组合中的信息。作为另一示例,服务器110可以直接连接到服务请求方终端130、服务提供方终端140和数据库150中的至少一个,以访问其中存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图2所示的一个或多个组件的电子设备200上实现。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,在快车服务中,处理器可以基于从服务请求方终端130获得的服务请求来确定目标车辆。处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、专用指令集处理器(Application Specific Instruction-setProcessor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)、或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,服务推送系统100中的一个或多个组件(例如,服务器110,服务请求方终端130,服务提供方终端140和数据库150)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从服务请求方终端130获取服务请求。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched TelephoneNetwork,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,服务推送系统100的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中,服务请求方终端130的用户可以是除服务实际需求者之外的其他人。例如,服务请求方终端130的用户A可以使用服务请求方终端130来为服务实际需求者B发起服务请求(比如,用户A可以为自己的朋友B叫车),或者从服务器110接收服务信息或指令等。在一些实施例中,服务提供方终端140的用户可以是服务实际提供者,也可以是除服务实际提供者之外的其他人。例如,服务提供方终端140的用户C可以使用服务提供方终端140接收由服务实际提供者D提供服务的服务请求(比如用户C可以为自己雇用的司机D接单),和/或来自服务器110的信息或指令。在一些实施例中,“服务请求方”和“服务请求方终端”可以互换使用,“服务提供方”和“服务提供方终端”可以互换使用。
在一些实施例中,服务请求方终端130可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等,或其任意组合。在一些实施例中,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(PersonalDigital Assistant,PDA)、游戏设备、导航设备、或销售点(point of sale,POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在一些实施例中,机动车辆中的内置设备可以包括车载计算机、车载电视等。
数据库150可以存储数据和/或指令。在一些实施例中,数据库150可以存储从服务请求方终端130和/或服务提供方终端140获得的数据。在一些实施例中,数据库150可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库150可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic RandomAccess Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(Programmable Read-OnlyMemory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
在一些实施例中,数据库150可以连接到网络120以与服务推送系统100(例如,服务器110,服务请求方终端130,服务提供方终端140等)中的一个或多个组件通信。服务推送系统100中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中,数据库150可以直接连接到服务推送系统100中的一个或多个组件(例如,服务器110,服务请求方终端130,服务提供方终端140等);或者,在一些实施例中,数据库150也可以是服务器110的一部分。
在一些实施例中,服务推送系统100中的一个或多个组件(例如,服务器110,服务请求方终端130,服务提供方终端140等)可以具有访问数据库150的权限。在一些实施例中,当满足一定条件时,服务推送系统100中的一个或多个组件可以读取和/或修改与服务请求方、服务提供方、或公众、或其任意组合有关的信息。例如,服务器110可以在接收服务请求之后读取和/或修改一个或多个用户的信息。
在一些实施例中,可以通过请求服务来实现服务推送系统100中的一个或多个组件的信息交换。服务请求的对象可以是任何产品。在一些实施方案中,产品可以是有形产品或非物质产品。有形产品可包括食品、药品、商品、化学产品、电器、服装、汽车、房屋、或奢侈品等,或其任意组合。非物质产品可以包括服务产品、金融产品、知识产品、或互联网产品等,或其任意组合。互联网产品可以包括单独的主机产品、网络产品、移动互联网产品、商业主机产品、或嵌入式产品等,或其任意组合。互联网产品可以用在移动终端的软件、程序、或系统等,或者它们的任意组合中。移动终端可以包括平板电脑、笔记本电脑、移动电话、个人数字助理(Personal Digital Assistant,PDA)、智能手表、销售点(Point of sales,POS)设备、车载电脑、车载电视、或可穿戴设备等,或其任意组合。例如,互联网产品可以是计算机或移动电话中使用的任何软件和/或应用程序。软件和/或应用程序可以涉及社交、购物、运输、娱乐时间、学习、或投资等,或其任意组合。在一些实施例中,与运输有关的软件和/或应用程序可以包括旅行软件和/或应用程序、车辆调度软件和/或应用程序、绘图软件和/或应用程序等。在车辆调度软件和/或应用程序中,车辆可包括马、马车、人力车(例如,独轮车、自行车、三轮车等)、汽车(例如,出租车、公共汽车、私家车等)、火车、地铁、船只、飞机(例如,飞机、直升机、航天飞机、火箭、热气球等)等,或其任意组合。
图2示出了本申请一些实施例提供的可以实现本申请思想的服务器110、服务请求方终端130、服务提供方终端140的电子设备200的示例性硬件和软件组件的示意图。例如,处理器220可以用于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的服务推送方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230、和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
图3示出了本申请一些实施例提供的服务推送方法的流程示意图,该服务推送方法可由图1中所示的服务器110执行。应当理解,在其它实施例中,本实施例的服务推送方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该服务推送方法的详细步骤介绍如下。
步骤S110,在接收到目标用户通过服务请求方终端130发送的服务获取请求后,根据服务获取请求获取目标用户的历史服务记录数据。
目标用户在使用各种服务(例如出行服务、外卖服务)的过程中,如果需要寻求客服服务,可以通过任何可行的方式发送该服务获取请求。例如,可以通过服务请求方终端130拨打这些服务的客服电话以发送对应的来电请求至服务器110。以出行服务为例,可以通过服务请求方终端130拨打“滴滴出行”的客服电话以向“滴滴出行”的服务器110发送对应的来电请求。又例如,还可以通过对服务请求方终端130展示的服务界面(例如应用程序、微信小程序、WEB网页、微信公众号等提供的服务界面)中的一些指示控件(例如联系客服、投诉反馈、在线询问等)的操作生成该服务获取请求并发送至服务器110。
在此之前,服务器110可以在各个用户使用这些服务的过程中收集各个用户的历史服务记录数据,并建立历史服务记录数据库,这些历史服务记录数据可以包括服务提供方数据、服务订单数据、出行轨迹数据以及用户行为数据中的一种或者多种组合。
以出行服务为例,服务提供方数据可以是指为该用户提供出行服务的服务提供方的数据,例如网约车司机、代驾司机的司机信息、接单信息、操作信息、乘客评价信息等。服务订单数据可以是指该用户使用出行服务产生的订单数据,例如订单数量、订单费用、订单拼车类型、订单出行时长、订单内容等。出行轨迹数据可以是指该用户在每次使用出行服务过程中的轨迹,例如出发地到目的地的行车轨迹。用户行为数据可以是指包括该用户在使用服务提供方提供的相关服务的过程中的操作信息,例如点击叫车、点击开发票、点击取消订单、输入目的地等操作信息。
值得说明的是,为了提高历史服务记录数据的可参考性,使历史服务记录数据更能表明近期各个用户的服务使用情况,各个用户的历史服务记录数据应当为在当前时间节点之前一定时间段内(例如,20天)的历史数据。
由此,当服务器110在接收到服务获取请求后,首先从服务获取请求中获取目标用户的用户信息,并根据用户信息从服务器110存储的历史服务记录数据库中获取目标用户的历史服务记录数据。
可选地,用户信息可以包括来电号码、用户账号、用户生物特征中的至少一种。例如,若服务获取请求为服务请求方终端130拨打客服电话生成的来电请求,则可以从该来电请求中获取目标用户的来电号码。又例如,若服务获取请求为应用程序中的一些指示控件被触发时生成的服务获取请求,则可以从该服务获取请求中获取目标用户的用户账号或者用户生物特征。其中,用户生物特征可以是指纹特征、人脸特征、虹膜特征等任意可以识别的生物特征,本实施例对此不作任何限制。
步骤S120,根据历史服务记录数据得到与目标用户匹配的服务推荐菜单。
作为一种实施方式,首先,对历史服务记录数据进行数据分析,得到与目标用户匹配的目标问题。
为了分析与目标用户匹配的目标问题,可选地,服务器110存储有预设策略集,该预设策略集可包括多个预设问题以及每个预设问题的判断策略。在具体实施时,可以根据预设策略集中每个预设问题的判断策略对历史服务记录数据进行数据分析,得到与目标用户匹配的第一预测问题。
详细地,预设问题的判断策略可以包括至少一个匹配条件。以网约车为例,预设问题可以是“轨迹路线存在偏差”、“订单费用存在异常”、“车内有异味”、“网约车司机开车不专心”等等。以上述预设问题为例,“轨迹路线存在偏差”的判断策略可以是:轨迹路线与理论轨迹路线的偏差超过预设偏差等。“订单费用存在异常”的判断策略可以是:用户没有上高速却支付了高速费,实际付款费用与订单费用之间的费用差超过预设费用等。“车内有异味”的判断策略可以是:网约车司机的乘客评价信息中车内有异味的评价超过预设评价量等。“网约车司机开车不专心”的判断策略可以是:网约车司机的操作信息中包括网约车司机在开车过程中进行的与开车无关的操作等。可以理解,以上预设问题以及预设问题的判断策略仅为示例,本领域技术人员可以根据实际情况对以上预设问题以及预设问题的判断策略进行不同的设计。
在上述基础上,针对预设策略集中的每个预设问题,判断历史服务记录数据是否与该预设问题的判断策略中的各个匹配条件匹配。若匹配,则将该预设问题作为与目标用户匹配的第一预测问题。例如,针对“轨迹路线是否存在偏差”的预设问题,可以从历史服务记录数据中获取该目标用户的出行订单的轨迹路线,若轨迹路线与理论轨迹路线的偏差超过预设偏差,则将“轨迹路线存在偏差”作为与目标用户匹配的第一预测问题。
除此之外,本实施例还可以根据预先训练的问题预测模型对历史服务记录数据进行数据分析,得到与目标用户匹配的第二预测问题以及每个第二预测问题的置信度。
其中,上述问题预测模型可以通过以下训练方式得到:
首先,获取训练样本集,该训练样本集可以包括与各个预设问题关联的服务记录数据的特征信息。例如,针对“用户未坐车却被收费”的预设问题,可以收集历史上所有与该预设问题相关的服务记录数据的特征信息作为训练样本集中的训练样本。在此基础上,根据训练样本集对深度神经网络进行迭代训练,得到问题预测模型。
在训练得到问题预测模型的基础上,首先提取历史服务记录数据的特征信息,并将特征信息输入到该问题预测模型中,得到与目标用户匹配的每个预设问题的置信度。接着,按照置信度从大到小的顺序选择预设数量的预设问题作为与目标用户匹配的第二预测问题。例如,问题预测模型输出的结果可以是:预设问题1+95%准确率,预设问题2+80%准确率、预设问题3+60%准确率、预设问题4+50%准确率、预设问题5+48%准确率等,然后按照置信度从大到小的顺序选择预设数量的预设问题,例如排序前三的预设问题:预设问题1+95%准确率,预设问题2+80%准确率、预设问题3+60%准确率作为与目标用户匹配的第二预测问题。
在通过上述实施方式分别得到第一预测问题和第二预测问题后,可以根据第一预测问题和第二预测问题得到与目标用户匹配的目标问题。
在一种可替换的实施方式中,可以判断第一预测问题的数量是否达到设定数量,若达到设定数量,则将该设定数量的第一预测问题作为与目标用户匹配的目标问题。
若未达到设定数量,则可以按照置信度从大到小的顺序将设定数量的第二预测问题作为与目标用户匹配的目标问题。或者,还可以根据该设定数量与第一预测问题的实际数量之间的数量差,按照置信度从大到小的顺序从第二预测问题中选取与第一预测问题不同的对应数量的第二预测问题,并将所有的第一预测问题和选取的第二预测问题作为与目标用户匹配的目标问题。
例如,假设设定数量为10,若第一预测问题的数量超过10,例如12,则将其中的10个第一预测问题作为与目标用户匹配的目标问题。若第一预设问题的数量低于10,例如8,则按照置信度从大到小的顺序将10个第二预测问题作为与目标用户匹配的目标问题。或者,还可以将这8个第一预设问题作为与目标用户匹配的目标问题,并按照置信度从大到小的顺序从第二预测问题中选取与第一预测问题不同的2个第二预测问题作为与目标用户匹配的目标问题。
进一步地,在另一种可替换的实施方式中,还可以根据预设比例从第一预测问题中选择第一预设数量的第一预测问题,以及按照置信度从大到小的顺序从第二预测问题中选择与选择的第一预测问题不同的第二预设数量的第二预测问题,并将第一预设数量的第一预测问题和第二预设数量的第二预测问题作为与目标用户匹配的目标问题,其中,第一预设数量和第二预设数量之和为设定数量。
例如,假设预设比例为3:2,设定数量为10,那么第一预设数量为6,第二预设数量为4,则从第一预测问题中选择6个第一预测问题,并按照置信度从大到小的顺序从第二预测问题中选择这6个第一预测问题不同的4个第二预测问题,并将这6个第一预测问题和这4个第二预测问题作为与目标用户匹配的目标问题。
进一步地,在获得与目标用户匹配的目标问题后,根据目标问题得到与目标用户匹配的服务推荐菜单。
作为一种实施方式,服务器110还存储有每个预设问题的问题流量,问题流量可以是指每个预设问题在历史服务过程中的统计次数、咨询次数、客服反馈次数等。基于此,可以针对每个目标问题,判断与该目标问题匹配的预设问题的问题流量是否大于第一预设阈值,若与该目标问题匹配的预设问题的问题流量大于第一预设阈值,则将该目标问题确定为服务推荐项目。若与该目标问题匹配的预设问题的问题流量不大于第一预设阈值,则将该目标问题对应的问题类别确定为服务推荐项目,以确定多个服务推荐项目,从而根据确定的各个服务推荐项目得到与目标用户匹配的服务推荐菜单。
例如,针对“用户未坐车却被收费”的目标问题,可以判断“用户未坐车却被收费”的问题流量是否大于第一预设阈值,若大于,则将“用户未坐车却被收费”确定为服务推荐项目。若不大于,则将“用户未坐车却被收费”对应的问题类别“费用问题”确定为服务推荐项目,以确定多个服务推荐项目。
如此,可以根据不同的用户匹配动态的服务推荐菜单,并以问题流量为依据确定目标问题的展现形式,例如,针对问题流量较大的目标问题可以直接作为服务推荐项进行展现,针对问题流量较小的目标问题则将其所在的问题类别作为服务推荐项进行展现,从而减少用户寻找符合条件的服务项目的选择时间,提升用户体验,同时降低用户操作成本及人工客服的工作量。
步骤S130,将服务推荐菜单推送给服务请求方终端130。
作为一种实施方式,可以针对服务请求方终端130发送的来电请求,以语音播放的方式提示目标用户选择符合条件的服务推荐项目。具体地,可以将服务推荐菜单中包括的至少一个服务推荐项目的语音数据发送给服务请求方终端130,以使服务请求方终端130向目标用户播放至少一个服务推荐项目的语音数据。例如,该语音数据可以提示:服务推荐项目A请按1,服务推荐项目B请按2,服务推荐项目C请按3等。
作为另一种实施方式,还可以以页面展示的方式提示目标用户选择符合条件的服务推荐项目。具体地,将服务推荐菜单包括的至少一个服务推荐项目发送给服务请求方终端130,以使服务请求方终端130向用户展示至少一个服务推荐项目,例如展示服务推荐项目A,服务推荐项目B,服务推荐项目C等。
在进一步的实施方式中,请参阅图4,在步骤S130之后,服务推送方法还可以包括如下步骤:
步骤S140,获取服务请求方终端130响应用户操作从至少一个服务推荐项目中选择的目标服务推荐项目。
步骤S150,根据目标服务推荐项目对服务获取请求进行处理。
在一种实施方式中,服务器110可以将服务获取请求转发到与目标服务推荐项目匹配的客服服务组。例如,若目标服务推荐项目为费用问题,则将服务获取请求转发到专门处理费用问题的客服服务组。
在另一种实施方式中,服务器110也可以根据该目标用户的历史服务记录数据查找该目标服务推荐项目的解决方案,并根据解决方案提示用户完成相关操作。例如,若目标服务推荐项目为“用户未坐车却被收费”,则根据历史服务记录数据确定该目标用户未坐车却被收费的原因后,与该目标用户进行语音或者在线交互,提示该目标用户进入退款操作流程。
图5示出了本申请一些实施例提供的服务推送装置300的功能模块图,该服务推送装置300实现的功能可以对应上述方法执行的步骤。该服务推送装置300可以理解为上述服务器110,或服务器110的处理器,也可以理解为独立于上述服务器110或处理器之外的在服务器110控制下实现本申请功能的组件,如图6所示,该服务推送装置300可以包括第一获取模块310、数据分析模块320以及推送模块330,下面分别该服务推送装置300的各个功能模块的功能进行详细阐述。
第一获取模块310,可以用于在接收到目标用户通过服务请求方终端130发送的服务获取请求后,根据服务获取请求获取目标用户的历史服务记录数据,历史服务记录数据包括服务提供方数据、服务订单数据、轨迹数据以及用户行为数据中的一种或者多种组合。
数据分析模块320,可以根据历史服务记录数据得到与目标用户匹配的服务推荐菜单,其中,服务推荐菜单包括至少一个服务推荐项目。
推送模块330,可以用于将服务推荐菜单推送给服务请求方终端130。
在一种可能的实施方式中,第一获取模块310具体可以通过以下方式获取目标用户的历史服务记录数据:
从服务获取请求中获取目标用户的用户信息,用户信息包括来电号码、用户账号、用户生物特征中的至少一种;
根据用户信息从服务器110存储的历史服务记录数据库中获取目标用户的历史服务记录数据。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式得到与目标用户匹配的服务推荐菜单:
对历史服务记录数据进行数据分析,得到与目标用户匹配的目标问题;
根据目标问题得到与目标用户匹配的服务推荐菜单。
在一种可能的实施方式中,服务器110存储有预设策略集,预设策略集包括多个预设问题以及每个预设问题的判断策略,数据分析模块320具体可以通过以下方式得到与目标用户匹配的目标问题:
根据预设策略集中每个预设问题的判断策略对历史服务记录数据进行数据分析,得到与目标用户匹配的第一预测问题;
根据预先训练的问题预测模型对历史服务记录数据进行数据分析,得到与目标用户匹配的第二预测问题以及每个第二预测问题的置信度;
根据第一预测问题和第二预测问题得到与目标用户匹配的目标问题。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式对历史服务记录数据进行数据分析,得到与目标用户匹配的第一预测问题:
针对预设策略集中的每个预设问题,判断历史服务记录数据是否与该预设问题的判断策略中的至少一个匹配条件匹配;
若匹配,则将该预设问题作为与目标用户匹配的第一预测问题。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式对历史服务记录数据进行数据分析,得到与目标用户匹配的各个第二预测问题以及每个第二预测问题的置信度:
提取历史服务记录数据的特征信息;
将特征信息输入到预先训练的问题预测模型中,得到与目标用户匹配的每个预设问题的置信度;
按照置信度从大到小的顺序选择预设数量的预设问题作为与目标用户匹配的第二预测问题。
在一种可能的实施方式中,请参阅图6,服务推送装置300还可以包括训练模块309,该训练模块309可以用于获取训练样本集,并根据训练样本集对深度神经网络进行迭代训练,得到问题预测模型,训练样本集包括与各个预设问题关联的服务记录数据的特征信息。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式得到与目标用户匹配的目标问题:
判断第一预测问题的数量是否达到设定数量;
若达到设定数量,则将该设定数量的第一预测问题作为与目标用户匹配的目标问题。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式得到与目标用户匹配的目标问题:
若未达到设定数量,则按照置信度从大到小的顺序将设定数量的第二预测问题作为与目标用户匹配的目标问题。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式得到与目标用户匹配的目标问题:
若未达到设定数量,则根据该设定数量与第一预测问题的实际数量之间的数量差,按照置信度从大到小的顺序从第二预测问题中选取与第一预测问题不同的对应数量的第二预测问题;
将所有的第一预测问题和选取的第二预测问题作为与目标用户匹配的目标问题。
在一种可能的实施方式中,数据分析模块320具体可以通过以下方式得到与目标用户匹配的目标问题:
根据预设比例从第一预测问题中选择第一预设数量的第一预测问题,以及按照置信度从大到小的顺序从第二预测问题中选择与选择的第一预测问题不同的第二预设数量的第二预测问题;
将第一预设数量的第一预测问题和第二预设数量的第二预测问题作为与目标用户匹配的目标问题,其中,第一预设数量和第二预设数量之和为设定数量。
在一种可能的实施方式中,服务器110还存储有每个预设问题的问题流量,数据分析模块320具体可以通过以下方式得到与目标用户匹配的服务推荐菜单:
针对每个目标问题,判断与该目标问题匹配的预设问题的问题流量是否大于第一预设阈值;
若与该目标问题匹配的预设问题的问题流量大于第一预设阈值,则将该目标问题确定为服务推荐项目;
若与该目标问题匹配的预设问题的问题流量不大于第一预设阈值,则将该目标问题对应的问题类别确定为服务推荐项目,以确定多个服务推荐项目;
根据确定的各个服务推荐项目得到与目标用户匹配的服务推荐菜单。
在一种可能的实施方式中,推送模块330具体可以通过以下方式将服务推荐菜单推送给服务请求方终端130:
将服务推荐菜单中包括的至少一个服务推荐项目的语音数据发送给服务请求方终端130,以使服务请求方终端130向目标用户播放至少一个服务推荐项目的语音数据。
在一种可能的实施方式中,推送模块330具体可以通过以下方式将服务推荐菜单推送给服务请求方终端130:
将服务推荐菜单包括的至少一个服务推荐项目发送给服务请求方终端130,以使服务请求方终端130向用户展示至少一个服务推荐项目。
在一种可能的实施方式中,请参阅图7,服务推送装置300还可以包括第二获取模块340和请求处理模块350。
第二获取模块340,可以用于获取服务请求方终端130响应用户操作从至少一个服务推荐项目中选择的目标服务推荐项目;
请求处理模块350,可以用于根据目标服务推荐项目对服务获取请求进行处理。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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该技术方案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)执行本申请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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (26)
1.一种服务推送方法,其特征在于,应用于服务器,所述服务器存储有预设策略集,所述预设策略集包括多个预设问题以及每个预设问题的判断策略,所述方法包括:
在接收到目标用户通过服务请求方终端发送的服务获取请求后,根据所述服务获取请求获取所述目标用户的历史服务记录数据,所述历史服务记录数据包括服务提供方数据、服务订单数据、出行轨迹数据以及用户行为数据中的一种或者多种组合,所述历史服务记录数据包括出行服务的历史服务记录数据,所述服务提供方数据包括为所述目标用户提供出行服务的服务提供方的数据,所述服务订单数据包括所述目标用户使用出行服务产生的订单数据,所述出行轨迹数据包括所述目标用户在每次使用出行服务过程中的轨迹,所述用户行为数据包括所述目标用户在使用服务提供方提供的相关服务的过程中的操作信息;
根据预设策略集中每个预设问题的判断策略对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第一预测问题,所述判断策略包括至少一个匹配条件,其中,所述第一预测问题为所述预设策略集中判断策略的各个匹配条件与所述历史服务记录数据相匹配的预设问题;
根据预先训练的问题预测模型对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第二预测问题以及每个第二预测问题的置信度;
根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题;
根据所述目标问题得到与所述目标用户匹配的服务推荐菜单,其中,所述服务推荐菜单包括至少一个服务推荐项目;
将所述服务推荐菜单推送给所述服务请求方终端。
2.根据权利要求1所述的服务推送方法,其特征在于,所述根据所述服务获取请求获取所述目标用户的历史服务记录数据的步骤,包括:
从所述服务获取请求中获取所述目标用户的用户信息,所述用户信息包括来电号码、用户账号、用户生物特征中的至少一种;
根据所述用户信息从所述服务器存储的历史服务记录数据库中获取所述目标用户的历史服务记录数据。
3.根据权利要求1所述的服务推送方法,其特征在于,所述根据预先训练的问题预测模型对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的各个第二预测问题以及每个第二预测问题的置信度的步骤,包括:
提取所述历史服务记录数据的特征信息;
将所述特征信息输入到预先训练的问题预测模型中,得到与所述目标用户匹配的每个预设问题的置信度;
按照置信度从大到小的顺序选择预设数量的预设问题作为与所述目标用户匹配的第二预测问题。
4.根据权利要求3所述的服务推送方法,其特征在于,所述提取所述历史服务记录数据的特征信息的步骤之前,所述方法还包括:
获取训练样本集,所述训练样本集包括与各个预设问题关联的服务记录数据的特征信息;
根据所述训练样本集对深度神经网络进行迭代训练,得到所述问题预测模型。
5.根据权利要求1所述的服务推送方法,其特征在于,所述根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题的步骤,包括:
判断所述第一预测问题的数量是否达到设定数量;
若达到设定数量,则将该设定数量的第一预测问题作为与所述目标用户匹配的目标问题。
6.根据权利要求5所述的服务推送方法,其特征在于,所述方法还包括:
若未达到设定数量,则将设定数量的第二预测问题作为与所述目标用户匹配的目标问题。
7.根据权利要求5所述的服务推送方法,其特征在于,所述方法还包括:
若未达到设定数量,则根据该设定数量与所述第一预测问题的实际数量之间的数量差,按照置信度从大到小的顺序从所述第二预测问题中选取与所述第一预测问题不同的对应数量的第二预测问题;
将所有的第一预测问题和选取的第二预测问题作为与所述目标用户匹配的目标问题。
8.根据权利要求1所述的服务推送方法,其特征在于,所述根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题的步骤,包括:
根据预设比例从所述第一预测问题中选择第一预设数量的第一预测问题,以及按照置信度从大到小的顺序从所述第二预测问题中选择与选择的第一预测问题不同的第二预设数量的第二预测问题;
将所述第一预设数量的第一预测问题和所述第二预设数量的第二预测问题作为与所述目标用户匹配的目标问题,其中,所述第一预设数量和所述第二预设数量之和为设定数量。
9.根据权利要求1所述的服务推送方法,其特征在于,所述服务器还存储有每个预设问题的问题流量,所述根据所述目标问题得到与所述目标用户匹配的服务推荐菜单的步骤,包括:
针对每个目标问题,判断与该目标问题匹配的预设问题的问题流量是否大于第一预设阈值;
若与该目标问题匹配的预设问题的问题流量大于第一预设阈值,则将该目标问题确定为服务推荐项目;
若与该目标问题匹配的预设问题的问题流量不大于第一预设阈值,则将该目标问题对应的问题类别确定为服务推荐项目,以确定多个服务推荐项目;
根据确定的各个服务推荐项目得到与所述目标用户匹配的服务推荐菜单。
10.根据权利要求1所述的服务推送方法,其特征在于,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤,包括:
将所述服务推荐菜单中包括的至少一个服务推荐项目的语音数据发送给所述服务请求方终端,以使所述服务请求方终端向所述目标用户播放所述至少一个服务推荐项目的语音数据。
11.根据权利要求1所述的服务推送方法,其特征在于,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤,包括:
将所述服务推荐菜单包括的至少一个服务推荐项目发送给所述服务请求方终端,以使所述服务请求方终端向用户展示所述至少一个服务推荐项目。
12.根据权利要求1所述的服务推送方法,其特征在于,所述将所述服务推荐菜单推送给所述服务请求方终端的步骤之后,所述方法还包括:
获取所述服务请求方终端响应用户操作从所述至少一个服务推荐项目中选择的目标服务推荐项目;
根据所述目标服务推荐项目对所述服务获取请求进行处理。
13.一种服务推送装置,其特征在于,应用于服务器,所述服务器存储有预设策略集,所述预设策略集包括多个预设问题以及每个预设问题的判断策略,所述装置包括:
第一获取模块,用于在接收到目标用户通过服务请求方终端发送的服务获取请求后,根据所述服务获取请求获取所述目标用户的历史服务记录数据,所述历史服务记录数据包括服务提供方数据、服务订单数据、出行轨迹数据以及用户行为数据中的一种或者多种组合,所述历史服务记录数据包括出行服务的历史服务记录数据,所述服务提供方数据包括为所述目标用户提供出行服务的服务提供方的数据,所述服务订单数据包括所述目标用户使用出行服务产生的订单数据,所述出行轨迹数据包括所述目标用户在每次使用出行服务过程中的轨迹,所述用户行为数据包括所述目标用户在使用服务提供方提供的相关服务的过程中的操作信息;
数据分析模块,用于根据预设策略集中每个预设问题的判断策略对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第一预测问题,所述判断策略包括至少一个匹配条件,其中,所述第一预测问题为所述预设策略集中判断策略的各个匹配条件与所述历史服务记录数据相匹配的预设问题;根据预先训练的问题预测模型对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的第二预测问题以及每个第二预测问题的置信度;根据所述第一预测问题和所述第二预测问题得到与所述目标用户匹配的目标问题;根据所述目标问题得到与所述目标用户匹配的服务推荐菜单,其中,所述服务推荐菜单包括至少一个服务推荐项目;
推送模块,用于将所述服务推荐菜单推送给所述服务请求方终端。
14.根据权利要求13所述的服务推送装置,其特征在于,所述第一获取模块具体通过以下方式获取所述目标用户的历史服务记录数据:
从所述服务获取请求中获取所述目标用户的用户信息,所述用户信息包括来电号码、用户账号、用户生物特征中的至少一种;
根据所述用户信息从所述服务器存储的历史服务记录数据库中获取所述目标用户的历史服务记录数据。
15.根据权利要求13所述的服务推送装置,其特征在于,所述数据分析模块具体通过以下方式对所述历史服务记录数据进行数据分析,得到与所述目标用户匹配的各个第二预测问题以及每个第二预测问题的置信度:
提取所述历史服务记录数据的特征信息;
将所述特征信息输入到预先训练的问题预测模型中,得到与所述目标用户匹配的每个预设问题的置信度;
按照置信度从大到小的顺序选择预设数量的预设问题作为与所述目标用户匹配的第二预测问题。
16.根据权利要求15所述的服务推送装置,其特征在于,所述装置还包括:
训练模块,用于获取训练样本集,并根据所述训练样本集对深度神经网络进行迭代训练,得到所述问题预测模型,所述训练样本集包括与各个预设问题关联的服务记录数据的特征信息。
17.根据权利要求13所述的服务推送装置,其特征在于,所述数据分析模块具体通过以下方式得到与所述目标用户匹配的目标问题:
判断所述第一预测问题的数量是否达到设定数量;
若达到设定数量,则将该设定数量的第一预测问题作为与所述目标用户匹配的目标问题。
18.根据权利要求17所述的服务推送装置,其特征在于,所述数据分析模块具体通过以下方式得到与所述目标用户匹配的目标问题:
若未达到设定数量,则按照置信度从大到小的顺序将设定数量的第二预测问题作为与所述目标用户匹配的目标问题。
19.根据权利要求17所述的服务推送装置,其特征在于,所述数据分析模块具体通过以下方式得到与所述目标用户匹配的目标问题:
若未达到设定数量,则根据该设定数量与所述第一预测问题的实际数量之间的数量差,按照置信度从大到小的顺序从所述第二预测问题中选取与所述第一预测问题不同的对应数量的第二预测问题;
将所有的第一预测问题和选取的第二预测问题作为与所述目标用户匹配的目标问题。
20.根据权利要求13所述的服务推送装置,其特征在于,所述数据分析模块具体通过以下方式得到与所述目标用户匹配的目标问题:
根据预设比例从所述第一预测问题中选择第一预设数量的第一预测问题,以及按照置信度从大到小的顺序从所述第二预测问题中选择与选择的第一预测问题不同的第二预设数量的第二预测问题;
将所述第一预设数量的第一预测问题和所述第二预设数量的第二预测问题作为与所述目标用户匹配的目标问题,其中,所述第一预设数量和所述第二预设数量之和为设定数量。
21.根据权利要求13所述的服务推送装置,其特征在于,所述服务器还存储有每个预设问题的问题流量,所述数据分析模块具体通过以下方式得到与所述目标用户匹配的服务推荐菜单:
针对每个目标问题,判断与该目标问题匹配的预设问题的问题流量是否大于第一预设阈值;
若与该目标问题匹配的预设问题的问题流量大于第一预设阈值,则将该目标问题确定为服务推荐项目;
若与该目标问题匹配的预设问题的问题流量不大于第一预设阈值,则将该目标问题对应的问题类别确定为服务推荐项目,以确定多个服务推荐项目;
根据确定的各个服务推荐项目得到与所述目标用户匹配的服务推荐菜单。
22.根据权利要求13所述的服务推送装置,其特征在于,所述推送模块具体通过以下方式将所述服务推荐菜单推送给所述服务请求方终端:
将所述服务推荐菜单中包括的至少一个服务推荐项目的语音数据发送给所述服务请求方终端,以使所述服务请求方终端向所述目标用户播放所述至少一个服务推荐项目的语音数据。
23.根据权利要求13所述的服务推送装置,其特征在于,所述推送模块具体通过以下方式将所述服务推荐菜单推送给所述服务请求方终端:
将所述服务推荐菜单包括的至少一个服务推荐项目发送给所述服务请求方终端,以使所述服务请求方终端向用户展示所述至少一个服务推荐项目。
24.根据权利要求13所述的服务推送装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述服务请求方终端响应用户操作从所述至少一个服务推荐项目中选择的目标服务推荐项目;
请求处理模块,用于根据所述目标服务推荐项目对所述服务获取请求进行处理。
25.一种服务器,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当服务器运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-12中任意一项所述的服务推送方法的步骤。
26.一种可读存储介质,其特征在于,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-12中任意一项所述的服务推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585300.5A CN111353092B (zh) | 2018-12-24 | 2018-12-24 | 服务推送方法、装置、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811585300.5A CN111353092B (zh) | 2018-12-24 | 2018-12-24 | 服务推送方法、装置、服务器及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353092A CN111353092A (zh) | 2020-06-30 |
CN111353092B true CN111353092B (zh) | 2023-08-25 |
Family
ID=71192096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811585300.5A Active CN111353092B (zh) | 2018-12-24 | 2018-12-24 | 服务推送方法、装置、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353092B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017001A (zh) * | 2020-08-28 | 2020-12-01 | 北京嘀嘀无限科技发展有限公司 | 网约车车型推荐方法、装置、电子设备和存储介质 |
CN112364250B (zh) * | 2020-12-01 | 2022-09-27 | 武汉大根科技发展有限公司 | 基于大数据的数据通信服务系统 |
CN112597397B (zh) * | 2020-12-31 | 2022-11-15 | 浙江工业大学之江学院 | 一种基于大数据的体育运动推荐方法、装置和存储介质 |
CN112801405A (zh) * | 2021-02-22 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 用户标签的预测方法、装置、设备、介质和产品 |
CN113393295A (zh) * | 2021-06-15 | 2021-09-14 | 北方健康医疗大数据科技有限公司 | 服务数据的推送方法、装置、电子设备及存储介质 |
CN114697282B (zh) * | 2022-02-28 | 2024-03-22 | 青岛海尔科技有限公司 | 消息的处理方法及系统、存储介质、电子装置 |
CN114924818B (zh) * | 2022-04-28 | 2023-11-28 | 阿里巴巴(中国)有限公司 | 流量分流方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131203A (zh) * | 2016-07-21 | 2016-11-16 | 四川易想电子商务有限公司 | 一种电子商务自动客服系统 |
CN106897334A (zh) * | 2016-06-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 一种问题推送方法和设备 |
CN108710622A (zh) * | 2018-03-13 | 2018-10-26 | 北京光宇之勋科技有限公司 | 基于机器学习的网页信息推荐方法及推荐系统 |
JP2018181326A (ja) * | 2017-04-06 | 2018-11-15 | ネイバー コーポレーションNAVER Corporation | ディープラーニングを活用した個人化商品推薦 |
CN108874823A (zh) * | 2017-05-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 智能客服的实现方法和装置 |
-
2018
- 2018-12-24 CN CN201811585300.5A patent/CN111353092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897334A (zh) * | 2016-06-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 一种问题推送方法和设备 |
CN106131203A (zh) * | 2016-07-21 | 2016-11-16 | 四川易想电子商务有限公司 | 一种电子商务自动客服系统 |
JP2018181326A (ja) * | 2017-04-06 | 2018-11-15 | ネイバー コーポレーションNAVER Corporation | ディープラーニングを活用した個人化商品推薦 |
CN108874823A (zh) * | 2017-05-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 智能客服的实现方法和装置 |
CN108710622A (zh) * | 2018-03-13 | 2018-10-26 | 北京光宇之勋科技有限公司 | 基于机器学习的网页信息推荐方法及推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111353092A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353092B (zh) | 服务推送方法、装置、服务器及可读存储介质 | |
AU2020201991B2 (en) | Systems and methods for recommending an estimated time of arrival | |
CN111476588B (zh) | 订单需求预测方法、装置、电子设备及可读存储介质 | |
US10922778B2 (en) | Systems and methods for determining an estimated time of arrival | |
CN111104585B (zh) | 一种问题推荐方法及装置 | |
CN108780553A (zh) | 用于确定目标车辆/提供者的系统和方法 | |
JP2021504850A (ja) | 電動乗り物の充電のためのシステムおよび方法 | |
CN111367575B (zh) | 一种用户行为预测方法、装置、电子设备及存储介质 | |
CN110140135A (zh) | 信息处理方法、信息处理系统和信息处理装置 | |
CN109196547A (zh) | 用于推荐服务位置的系统和方法 | |
CN109313742A (zh) | 确定预估到达时间的方法及系统 | |
CN111326147B (zh) | 语音识别方法、装置、电子设备及存储介质 | |
CN108780562A (zh) | 更新服务序列的系统和方法 | |
CN112819456B (zh) | 一种服务订单支付方法、装置、电子设备及存储介质 | |
CN111259119B (zh) | 一种问题推荐方法及装置 | |
CN111489214B (zh) | 订单分配方法、条件设置方法、装置及电子设备 | |
CN111353093B (zh) | 问题推荐方法、装置、服务器及可读存储介质 | |
WO2024159899A1 (zh) | 充电站推荐方法、装置、电子设备及可读存储介质 | |
CN111127126A (zh) | 一种信息反馈方法及装置、计算机可读存储介质 | |
CN111353090B (zh) | 服务分流方法、装置、服务器及可读存储介质 | |
CN111274471B (zh) | 信息推送方法、装置、服务器及可读存储介质 | |
CN111260423B (zh) | 订单分配方法、装置、电子设备及计算机可读存储介质 | |
CN111222932B (zh) | 订单周期计算方法、装置及电子设备 | |
CN111259229B (zh) | 一种问题推荐方法及装置 | |
CN113128597B (zh) | 一种用户行为特征的提取和分类预测的方法及装置 |
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 |