CN111652471A - 名单分配控制方法、装置、电子设备及存储介质 - Google Patents
名单分配控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111652471A CN111652471A CN202010370882.6A CN202010370882A CN111652471A CN 111652471 A CN111652471 A CN 111652471A CN 202010370882 A CN202010370882 A CN 202010370882A CN 111652471 A CN111652471 A CN 111652471A
- Authority
- CN
- China
- Prior art keywords
- user
- identification value
- characteristic data
- group
- list
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域,揭露了一种名单分配控制方法,该方法包括:接收分配请求,获取第一用户特征数据及第二用户特征数据;分析所述第一用户特征数据各第一用户所属客群;基于所述第一用户特征数据及所述第二用户特征数据计算所述第二用户对应各客群的第一标识值;获取所述第二用户对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;获取所述第二用户的历史数据,确定所述第二用户所属等级及对应的第四标识值;基于所述第三标识值、所述第四标识值计算名单分配策略。本发明还揭露了一种名单分配控制装置、设备及存储介质。利用本发明,提高名单分配的准确性及效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种名单分配控制方法、装置、电子设备及计算机可读存储介质。
背景技术
随着业务发展,公司越来越依赖呼叫业务的分配。对于呼叫业务的分配,一般采用的是人工分配方式,即由各呼叫任务小组的组长将呼入或呼出任务人工分配给对应的坐席。然而,现有的分配方式存在弊端:人为分配并非基于坐席及客户的匹配情况进行,而更可能基于个人的工龄、历史业绩、考核要求及个人偏好进行分配,致使分配结果不客观、不准确。
因此,亟需提供一种能实现自动、客观、准确分配续保名单的方法。
发明内容
鉴于以上内容,本发明提供一种名单分配控制方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高名单分配的准确性及效率。
为实现上述目的,本发明提供一种名单分配控制方法,该方法包括:
接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据;
基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群;
依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值;
获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;
获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值;及
基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
此外,为实现上述目的,本发明还提供一种名单分配控制装置,该装置包括:
获取模块,用于接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据;
第一分类模块,用于基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群;
第一计算模块,用于依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值;
第二计算模块,用于获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;
第二分类模块,用于获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值;及
分配控制模块,用于基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
此外,为实现上述目的,本发明还提供一种电子设备,所述电子设备包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的名单分配控制程序,所述名单分配控制程序被所述处理器执行时可实现如上所述名单分配控制方法中的任意步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括名单分配控制程序,所述名单分配控制程序被处理器执行时,可实现如上所述名单分配控制方法中的任意步骤。
本发明提供的名单分配控制方法、装置、电子设备及计算机可读存储介质,接收分配请求,获取第一用户特征数据及第二用户特征数据;分析所述第一用户特征数据各第一用户所属客群;基于所述第一用户特征数据及所述第二用户特征数据计算所述第二用户对应各客群的第一标识值;获取所述第二用户对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;获取所述第二用户的历史数据,确定所述第二用户所属坐席等级及对应的第四标识值;基于所述第三标识值、所述第四标识值计算名单分配策略,并基于名单分配策略将第一用户分配给第二用户,提高了名单分配的准确率及效率。
附图说明
图1为本发明名单分配控制方法的一实施例的流程步骤图;
图2为本发明名单分配控制装置的模块示意图;
图3为本发明电子设备一可选的硬件架构的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提供一种名单分配控制方法。该方法可以由一个电子设备执行,所述电子设备可以由软件和/或硬件实现。
参照图1所示,为本发明名单分配控制方法一实施例的流程步骤图。
在本实施例中,所述名单分配控制方法包括:步骤S1-步骤S6。
步骤S1,接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据;
以保险行业为例,在进行续保销售时,需要根据客户特征将续保销售任务分配给不同的坐席,以提高客户满意度,提高续保销售的成功率。
其中,待分配名单中包括第一预设数量的第一用户及第二预设数量的第二用户。
例如,第一用户为待分配的续保客户,第一用户特征数据为第一用户的用户特征数据,例如,新的呼叫任务数据,每一条呼叫任务数据包括待呼叫对象(第一用户,即,续保客户)的特征数据,包括:离散型变量,性别、年龄、婚否、险种等,连续型变量如上年累计保费,连续续保年数,车辆价格等可能影响不同坐席拨打时成功率的信息。
第二用户为待分配的呼叫坐席,第二用户特征数据为第二用户的用户特征数据,例如,呼叫坐席的特征数据,包括待分配坐席的性别、司龄、培训时间、最近三个月通时通次等信息。
预设终端为名单分配负责人使用的终端。名单分配负责人通过终端向电子设备发出携带待分配的续保客户名单及呼叫坐席名单的分配请求,电子设备接收到分配请求后,获取名单对应的特征数据,基于特征数据进行分析生成分配策略。
步骤S2,基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群;
例如,客群包括:单交强险、单商业险、多年续保等。
在本实施例中,所述基于第一预设分析规则对所述第一用户特征数据进行分析,包括:
a1.获取预先配置的多个规则组,其中,不同的规则组对应不同的客群及优先级;
a2.按照所述规则组的优先级,选择优先级最高的规则组中的规则作为第一匹配规则;
a3.将所述第一用户特征数据与所述第一匹配规则进行匹配,若匹配成功,则执行步骤a4,若匹配失败,则执行步骤a5;
a4.将所述第一用户特征数据对应的第一用户划分至所述第一匹配规则对应的客群;
a5.从所述规则组中选择优先级仅次于所述第一匹配规则的规则组作为第二匹配规则,并返回执行步骤a3。
其中,每个规则组包括多个(例如,4~8个)明细规则,同时,不同规则组之间有优先级的差异,需按照优先级将不同客户划分到不同的客群。例如,“多年续保单交强险客户”这一客群对应的客群规则组包括:满足多年续保、仅缴纳交强险这两个明细规则。例如,可以但不仅限于(根据历史经验)将客户数量较多的客群对应的规则组的优先级设置为较高优先级,将客户数量较少的客群对应的规则组的优先级设置为较低优先级。通过设置客群规则组优先级,可以在一定程度上避免多次无效匹配,节省计算资源及客群匹配时间,为名单分配奠定基础。
由于简单的遍历规则速度较慢,为了加快客户按照客群规则组进行客群划分的速度,在其他实施例中,根据客群规则组的三条件进行编码:要素、运算符和条件,并建立客群规则组-规则字典。按照优先级遍历规则组,对每个客户建立客户-规则明细二维表,并对客户-规则明细二维表进行子矩阵列求和,判断求得的和值是否等于客群规则组内规则数量,若是,则将满足客群规则组的客户标记为该客群的客户,并从待划分客户中剔除,并对剩余的客户进行划分;若否,按照优先级匹配下一个优先级的客群规则组。
在其他实施例中,为了提高客群划分的速度,还可以采用图网络算法对客群进行划分,或者,采用VAE变分贝叶斯自编码,主成分前几个主要因子,聚类等无监督分类方法对规则组进行划分。
步骤S3,依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值;
其中,所述预先训练好的计算模型为三层神经网络,用于计算坐席i对客户n的预测匹配度(续保成功率)。
所述第一标识值表示坐席i对客群K的预测匹配度,其通过对客群K中坐席i对每个客户n的预测匹配度求平均值得到。
在本实施例中,所述基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,包括:
对所述第一用户特征数据及所述第二用户特征数据进行特征处理,分别得到所述第一用户特征数据对应的第一属性特征组合及所述第二用户特征数据对应的第二属性特征组合;及
基于所述第一属性特征组合及所述第二属性特征组合生成所述特征数据对。
具体地,以客群K为例,分别获取客群K中各客户Kn的客户特征数据DKn,将其分为定量特征数据和定性特征数据,将所述定量特征数据转换为定性特征数据,并将所有定性特征数据转换为该客户Kn对应的属性特征组合;同样,获取待分配坐席j的坐席特征数据Dj,并生成待分配坐席j对应的属性特征组合;然后,基于客户Kn对应的属性特征组合及坐席j对应的属性特征组合生成特征数据对CKnj,并将特征数据对CKnj输入计算模型中,模型的输出结果为MKnj,标识坐席j对客户Kn的匹配度(预测续保成功率);最后,统计该客群K中所有客户Kn与坐席j的匹配度MKnj,并计算均值作为坐席j与客群K的匹配度MKj,即,第一标识值。
步骤S4,获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;
其中,第一预设时间可以设置为前3个月,所述第二标识值表示坐席j对指定客群K的历史匹配度YKj(即,历史续保成功率),所述第三标识值标识坐席j对指定客群K的综合匹配度ZKj。
在本实施例中,所述基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值,包括:
获取预先配置的所述第一标识值及所述第二标识值对应的权重;及
基于所述第一标识值、所述第二标识值、所述第一标识值及所述第二标识值分别对应的权重,计算所述第二用户对应各客群的第三标识值。
例如,所述第三标识值ZKj的计算公式为:
ZKj=α*YKj+β*MKj
其中,α标识第二标识值对应的权重,β标识第一标识值对应的权重,YKj表示坐席j对指定客群K的历史匹配度,MKj表示坐席j对指定客群K的预测匹配度,α+β=1,例如,α=0.5,β=0.5。
上述实施例通过综合预测匹配度及历史屁屁额度,提高了坐席与客群的匹配度的客观性,为精准分配奠定基础。
在其他实施例中,可采用深度学习推荐算法计算坐席的成功概率,来代替计算群组成功概率,在此不作赘述。
步骤S5,获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值;
其中,上述第二预设时间可以设置为前3个月。
上述第二用户所属等级用于表示第二用户的用户等级,例如,高级、中级、其他等。
上述历史数据包括待分配坐席在前三个月内的历史呼叫任务数据,包括成功及失败的数据。
上述第四标识值表示某一等级的第二用户在一个周期(例如,1周)对应的第一用户数量最大值,即,某等级的坐席可分配的续保客户最大数量。
在本实施例中,所述基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值,包括:
基于所述历史数据计算所述第二用户对每个指定客群的历史匹配度;
基于所述第二用户对每个指定客群的历史匹配度计算所述第二用户的综合历史匹配度;
根据预先确定的综合历史匹配度区间与用户等级的映射关系,确定所述综合历史匹配度对应的目标匹配度区间,将所述目标匹配度区间对应的用户等级作为所述第二用户所属等级;及
根据预先确定的用户等级与预设标识值的映射关系,将与所述第二用户所属等级对应的预设标识值作为所述第二用户的第四标识值。
其中,历史匹配度为历史成功率。
首先,分别计算坐席j对指定客群的历史成功率;然后,以一定的权重(由于不同客群的难度系数可能存在区别,因此对不同客群设置不同的权重)对坐席j对指定客群的历史成功率进行加权求和得到综合历史匹配度X;根据历史匹配度X确定坐席等级及对应的第四标识值。
例如:预先确定的综合历史匹配度区间与坐席等级的映射关系可以举例为:
所述预先确定的坐席等级与预设标识值的映射关系可以举例为:
步骤S6,基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
在本实施例中,所述基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,包括:
将所述第二用户的第四标识值作为第一边界条件;
将所述待分配名单中各客群的第一用户数量作为第二边界条件;
基于所述第二用户对应各客群的第三标识值、所述第二用户对应各客群的第一用户数量、所述第一边界条件及所述第二边界条件建立二维线性规划矩阵;及
基于所述二维线性规划矩阵计算当所述第二用户与所述第一用户的匹配率最高时所述第二用户对应各客群的第一用户数量,将计算得到的所述第二用户对应各客群的第一用户数量作为所述分配策略。
需要说明的是,不同类别的坐席在一个周期内的最大可拨打量是确定的,在当期待分配的客户名单中每个客群的当期待分配任务数也是确定的,将这两个作为边际条件,可以形成如下二维线性规划矩阵,如下范例:
其中,i表示客群,j表示坐席,∑Zi1,∑Zi2,∑Zi3...,表示当前待分配客户名单中属于某一客群的续保客户数量,∑Z1j,∑Z2j,∑Z3j表示当前当前待分配坐席名单中每个坐席等级的坐席可分配的客户最大数量(即,QA、QB、Qc),均为确定已知值,目前的最终目标是对每个坐席分配每个客群数量Mij,使得目标变量综合预测匹配度Tij=Mij*Zij最大,因此转换为线性规划问题,可用线性规划求最大值解出每个Mij的数量。
假设决策变量T=∑Tij=∑Zij*Mij,即项目的目标是坐席拨打的成功人数最多。设坐席在每个客群的成功概率为Zij,对每个坐席分配各个客群的任务数为Mij,已知M=∑Mij,Mt是每个客群的总数量,每个坐席当月最大拨打量,根据坐席等级分为Za或Zb或Zc,求如何分配Mij使得T最大。即:
则本问题将转化为线性规划问题,可用线性规划求解,线性规划求得的结果即为分配策略:对每一个坐席分配的每个客群中客户的数量。
在其他实施例中,所述方法还包括:
统计所述分配策略中第一用户数量及所述待分配名单中第一用户数量;
当所述分配策略中第一用户数量小于所述待分配名单中第一用户数量时,确定未分配第一用户数量;及
根据所述第二用户所属类别对所述未分配第一用户数量进行二次分配。
需要说明的是,上述线性规划求得的结果中可能不完全包括所有的第一用户,也就是说,还存在未被分配的续保客户,此时,根据第二用户的的(类别)等级进行再分配,直至所有的第一用户分配给第二用户。
作为一种实施方式,可以将将未被分配的续保客户按照坐席等级优先分配给等级较高的坐席。作为另一种实施方式,可根据未被分配的续保客户所属客群进行分配,以“单交强险”为例,对于属于该客群的未分配续保客户,分别获取各坐席对应该客群的综合匹配度,选择对应该客群的综合匹配度最高的坐席作为该客群的未分配续保客户分配的对象。作为另一种实施方法,还可以根据各坐席的第四标识值计算比例,按照计算的比例将未分配的续保客户分配至各坐席。
在其他实施例中,所述计算模型的训练步骤包括:
获取第三预设时间内的历史数据(例如,分配前6个月保单到期,坐席拨打客群的历史数据);
对所述历史数据进行数据处理得到训练数据(例如,统计坐席拨打客裙的历史业绩,仅统计最终任务所在坐席与首次拨打任务所在坐席,若首次拨打任务坐席与最终任务所在坐席不一致,则坐席对应该客户成功记为0,否则记为1,并生成坐席与客户的特征数据对X,Y为“0”/“1”);及
利用所述训练数据对所述计算模型进行训练。
本实施例通过采用三层神经网络,以在大批量变量中快速筛选有效变量,同时在模型优化及迭代时,能快速根据客群变更采用更新的变量,以节省传统建模的人工耗时。
本发明还提出一种名单分配控制装置。
参照图2所示,是本发明名单分配控制装置一实施例的模块示意图。
本实施例所述名单分配控制装置10根据实现的功能可以包括:模块110-模块160。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
获取模块110,用于接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据。
以保险行业为例,在进行续保销售时,需要根据客户特征将续保销售任务分配给不同的坐席,以提高客户满意度,提高续保销售的成功率。
其中,待分配名单中包括第一预设数量的第一用户及第二预设数量的第二用户。
例如,第一用户为待分配的续保客户,第一用户特征数据为第一用户的用户特征数据,例如,新的呼叫任务数据,每一条呼叫任务数据包括待呼叫对象(第一用户,即,续保客户)的特征数据,包括:离散型变量,性别、年龄、婚否、险种等,连续型变量如上年累计保费,连续续保年数,车辆价格等可能影响不同坐席拨打时成功率的信息。
第二用户为待分配的呼叫坐席,第二用户特征数据为第二用户的用户特征数据,例如,呼叫坐席的特征数据,包括待分配坐席的性别、司龄、培训时间、最近三个月通时通次等信息。
预设终端为名单分配负责人使用的终端。名单分配负责人通过终端向电子设备发出携带待分配的续保客户名单及呼叫坐席名单的分配请求,电子设备接收到分配请求后,获取名单对应的特征数据,基于特征数据进行分析生成分配策略。
第一分类模块120,用于基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群。
例如,客群包括:单交强险、单商业险、多年续保等。
在本实施例中,所述基于第一预设分析规则对所述第一用户特征数据进行分析,包括:
a1.获取预先配置的多个规则组,其中,不同的规则组对应不同的客群及优先级;
a2.按照所述规则组的优先级,选择优先级最高的规则组中的规则作为第一匹配规则;
a3.将所述第一用户特征数据与所述第一匹配规则进行匹配,若匹配成功,则执行步骤a4,若匹配失败,则执行步骤a5;
a4.将所述第一用户特征数据对应的第一用户划分至所述第一匹配规则对应的客群;
a5.从所述规则组中选择优先级仅次于所述第一匹配规则的规则组作为第二匹配规则,并返回执行步骤a3。
其中,每个规则组包括多个(例如,4~8个)明细规则,同时,不同规则组之间有优先级的差异,需按照优先级将不同客户划分到不同的客群。例如,“多年续保单交强险客户”这一客群对应的客群规则组包括:满足多年续保、仅缴纳交强险这两个明细规则。例如,可以但不仅限于(根据历史经验)将客户数量较多的客群对应的规则组的优先级设置为较高优先级,将客户数量较少的客群对应的规则组的优先级设置为较低优先级。通过设置客群规则组优先级,可以在一定程度上避免多次无效匹配,节省计算资源及客群匹配时间,为名单分配奠定基础。
由于简单的遍历规则速度较慢,为了加快客户按照客群规则组进行客群划分的速度,在其他实施例中,根据客群规则组的三条件进行编码:要素、运算符和条件,并建立客群规则组-规则字典。按照优先级遍历规则组,对每个客户建立客户-规则明细二维表,并对客户-规则明细二维表进行子矩阵列求和,判断求得的和值是否等于客群规则组内规则数量,若是,则将满足客群规则组的客户标记为该客群的客户,并从待划分客户中剔除,并对剩余的客户进行划分;若否,按照优先级匹配下一个优先级的客群规则组。
在其他实施例中,为了提高客群划分的速度,还可以采用图网络算法对客群进行划分,或者,采用VAE变分贝叶斯自编码,主成分前几个主要因子,聚类等无监督分类方法对规则组进行划分。
第一计算模块130,用于依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值。
其中,所述预先训练好的计算模型为三层神经网络,用于计算坐席i对客户n的预测匹配度(续保成功率)。
所述第一标识值表示坐席i对客群K的预测匹配度,其通过对客群K中坐席i对每个客户n的预测匹配度求平均值得到。
在本实施例中,所述基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,包括:
对所述第一用户特征数据及所述第二用户特征数据进行特征处理,分别得到所述第一用户特征数据对应的第一属性特征组合及所述第二用户特征数据对应的第二属性特征组合;及
基于所述第一属性特征组合及所述第二属性特征组合生成所述特征数据对。
具体地,以客群K为例,分别获取客群K中各客户Kn的客户特征数据DKn,将其分为定量特征数据和定性特征数据,将所述定量特征数据转换为定性特征数据,并将所有定性特征数据转换为该客户Kn对应的属性特征组合;同样,获取待分配坐席j的坐席特征数据Dj,并生成待分配坐席j对应的属性特征组合;然后,基于客户Kn对应的属性特征组合及坐席j对应的属性特征组合生成特征数据对CKnj,并将特征数据对CKnj输入计算模型中,模型的输出结果为MKnj,标识坐席j对客户Kn的匹配度(预测续保成功率);最后,统计该客群K中所有客户Kn与坐席j的匹配度MKnj,并计算均值作为坐席j与客群K的匹配度MKj,即,第一标识值。
第二计算模块140,用于获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值。
其中,第一预设时间可以设置为前3个月,所述第二标识值表示坐席j对指定客群K的历史匹配度YKj(即,历史续保成功率),所述第三标识值标识坐席j对指定客群K的综合匹配度ZKj。
在本实施例中,所述基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值,包括:
获取预先配置的所述第一标识值及所述第二标识值对应的权重;及
基于所述第一标识值、所述第二标识值、所述第一标识值及所述第二标识值分别对应的权重,计算所述第二用户对应各客群的第三标识值。
例如,所述第三标识值ZKj的计算公式为:
ZKj=α*YKj+β*MKj
其中,α标识第二标识值对应的权重,β标识第一标识值对应的权重,YKj表示坐席j对指定客群K的历史匹配度,MKj表示坐席j对指定客群K的预测匹配度,α+β=1,例如,α=0.5,β=0.5。
在其他实施例中,可采用深度学习推荐算法计算坐席的成功概率,来代替计算群组成功概率,在此不作赘述。
第二分类模块150,用于获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值。
其中,上述第二预设时间可以设置为前3个月。
上述第二用户所属等级用于表示第二用户的用户等级,例如,高级、中级、其他等。
上述历史数据包括待分配坐席在前三个月内的历史呼叫任务数据,包括成功及失败的数据。
上述第四标识值表示某一等级的第二用户在一个周期(例如,1周)对应的第一用户数量最大值,即,某等级的坐席可分配的续保客户最大数量。
在本实施例中,所述基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值,包括:
基于所述历史数据计算所述第二用户对每个指定客群的历史匹配度;
基于所述第二用户对每个指定客群的历史匹配度计算所述第二用户的综合历史匹配度;
根据预先确定的综合历史匹配度区间与用户等级的映射关系,确定所述综合历史匹配度对应的目标匹配度区间,将所述目标匹配度区间对应的用户等级作为所述第二用户所属等级;及
根据预先确定的用户等级与预设标识值的映射关系,将与所述第二用户所属等级对应的预设标识值作为所述第二用户的第四标识值。
其中,历史匹配度为历史成功率。
首先,分别计算坐席j对指定客群的历史成功率;然后,以一定的权重(由于不同客群的难度系数可能存在区别,因此对不同客群设置不同的权重)对坐席j对指定客群的历史成功率进行加权求和得到综合历史匹配度X;根据历史匹配度X确定坐席等级及对应的第四标识值。
例如:预先确定的综合历史匹配度区间与坐席等级的映射关系可以举例为:
所述预先确定的坐席等级与预设标识值的映射关系可以举例为:
分配控制模块160,用于基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
在本实施例中,所述基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,包括:
将所述第二用户的第四标识值作为第一边界条件;
将所述待分配名单中各客群的第一用户数量作为第二边界条件;
基于所述第二用户对应各客群的第三标识值、所述第二用户对应各客群的第一用户数量、所述第一边界条件及所述第二边界条件建立二维线性规划矩阵;及
基于所述二维线性规划矩阵计算当所述第二用户与所述第一用户的匹配率最高时所述第二用户对应各客群的第一用户数量,将计算得到的所述第二用户对应各客群的第一用户数量作为所述分配策略。
需要说明的是,不同类别的坐席在一个周期内的最大可拨打量是确定的,在当期待分配的客户名单中每个客群的当期待分配任务数也是确定的,将这两个作为边际条件,可以形成如下二维线性规划矩阵,如下范例:
其中,i表示客群,j表示坐席,∑Zi1,∑Zi2,∑Zi3...,表示当前待分配客户名单中属于某一客群的续保客户数量,∑Z1j,∑Z2j,∑Z3j表示当前当前待分配坐席名单中每个坐席等级的坐席可分配的客户最大数量(即,QA、QB、QC),均为确定已知值,目前的最终目标是对每个坐席分配每个客群数量Mij,使得目标变量综合预测匹配度Tij=Mij*Zij最大,因此转换为线性规划问题,可用线性规划求最大值解出每个Mij的数量。
假设决策变量T=∑Tij=∑Zij*Mij,即项目的目标是坐席拨打的成功人数最多。设坐席在每个客群的成功概率为Zij,对每个坐席分配各个客群的任务数为Mij,已知M=∑Mij,Mt是每个客群的总数量,每个坐席当月最大拨打量,根据坐席等级分为Za或Zb或Zc,求如何分配Mij使得T最大。即:
则本问题将转化为线性规划问题,可用线性规划求解,线性规划求得的结果即为分配策略:对每一个坐席分配的每个客群中客户的数量。
本发明实施例还提供一种电子设备。
参照图3所示,是本发明电子设备一可选的硬件架构的示意图。
在本实施例中,所述应用电子设备1可包括,但不仅限于,可通过系统总线相互通信连接存储器11、处理器12、网络接口13。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是所述电子设备1的内部存储单元,例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是所述电子设备1的外部存储设备,例如该电子设备1上配备的插接式硬盘,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,存储器11还可以既包括该电子设备1的内部存储单元也包括外部存储设备。
存储器11不仅可以用于存储安装于该电子设备1的应用软件及各类数据,例如,名单分配控制程序110等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如,名单分配控制程序110等。
网络接口13可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该电子设备1与其他电子设备之间建立通信连接,例如,与设终端(图中未标识)。
需要指出的是,图2仅示出了具有组件11-13的电子设备1,本领域技术人员可以理解的是,图2示出的结构并不构成对电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
可选地,该电子设备1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。
可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示器也可以称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
在图3所示的电子设备1实施例中,作为一种计算机存储介质的存储器11中存储名单分配控制程序110的程序代码,处理器12执行名单分配控制程序10的程序代码时,可实现如上述实施例中所述的名单分配控制方法的任意步骤。
此外,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中包括名单分配控制程序110,所述名单分配控制程序110被处理器执行时实现所述名单分配控制方法的任意步骤。本发明计算机可读存储介质的具体实施方式与上述方法实施例大致相同,在此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种名单分配控制方法,应用于电子设备,其特征在于,该方法包括:
接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据;
基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群;
依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值;
获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;
获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值;及
基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
2.根据权利要求1所述的名单分配控制方法,其特征在于,所述基于第一预设分析规则对所述第一用户特征数据进行分析,包括:
a1.获取预先配置的多个规则组,其中,不同的规则组对应不同的客群及优先级;
a2.按照所述规则组的优先级,选择优先级最高的规则组中的规则作为第一匹配规则;
a3.将所述第一用户特征数据与所述第一匹配规则进行匹配,若匹配成功,则执行步骤a4,若匹配失败,则执行步骤a5;
a4.将所述第一用户特征数据对应的第一用户划分至所述第一匹配规则对应的客群;
a5.从所述规则组中选择优先级仅次于所述第一匹配规则的规则组作为第二匹配规则,并返回执行步骤a3。
3.根据权利要求1所述的名单分配控制方法,其特征在于,所述基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,包括:
对所述第一用户特征数据及所述第二用户特征数据进行特征处理,分别得到所述第一用户特征数据对应的第一属性特征组合及所述第二用户特征数据对应的第二属性特征组合;及
基于所述第一属性特征组合及所述第二属性特征组合生成所述特征数据对。
4.根据权利要求1所述的名单分配控制方法,其特征在于,所述基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值,包括:
获取预先配置的所述第一标识值及所述第二标识值对应的权重;及
基于所述第一标识值、所述第二标识值、所述第一标识值及所述第二标识值分别对应的权重,计算所述第二用户对应各客群的第三标识值。
5.根据权利要求1中所述的名单分配控制方法,其特征在于,所述基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值,包括:
基于所述历史数据计算所述第二用户对每个指定客群的历史匹配度;
基于所述第二用户对每个指定客群的历史匹配度计算所述第二用户的综合历史匹配度;
根据预先确定的综合历史匹配度区间与用户等级的映射关系,确定所述综合历史匹配度对应的目标匹配度区间,将所述目标匹配度区间对应的用户等级作为所述第二用户所属等级;及
根据预先确定的用户等级与预设标识值的映射关系,将与所述第二用户所属等级对应的预设标识值作为所述第二用户的第四标识值。
6.根据权利要求1中所述的名单分配控制方法,其特征在于,所述基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,包括:
将所述第二用户的第四标识值作为第一边界条件;
将所述待分配名单中各客群的第一用户数量作为第二边界条件;
基于所述第二用户对应各客群的第三标识值、所述第二用户对应各客群的第一用户数量、所述第一边界条件及所述第二边界条件建立二维线性规划矩阵;及
基于所述二维线性规划矩阵计算当所述第二用户与所述第一用户的匹配率最高时所述第二用户对应各客群的第一用户数量,将计算得到的所述第二用户对应各客群的第一用户数量作为所述分配策略。
7.根据权利要求1至6中任意一项所述的名单分配控制方法,其特征在于,该方法还包括:
统计所述分配策略中第一用户数量及所述待分配名单中第一用户数量;
当所述分配策略中第一用户数量小于所述待分配名单中第一用户数量时,确定未分配第一用户数量;及
根据所述第二用户所属类别对所述未分配第一用户数量进行二次分配。
8.一种名单分配控制装置,其特征在于,该装置包括:
获取模块,用于接收预设终端发出的携带待分配名单的分配请求,所述待分配名单包括第一用户及第二用户,根据所述待分配名单获取第一用户特征数据及第二用户特征数据;
第一分类模块,用于基于第一预设分析规则对所述第一用户特征数据进行分析,确定所述第一用户所属客群;
第一计算模块,用于依次获取各客群中所述第一用户的第一用户特征数据,基于所述第一用户特征数据及所述第二用户特征数据生成特征数据对,将所述特征数据对输入预先训练好的计算模型,根据模型输出结果计算所述第二用户对应各客群的第一标识值;
第二计算模块,用于获取所述第二用户在第一预设时间内对应各客群的第二标识值,基于所述第一标识值及所述第二标识值计算所述第二用户对应各客群的第三标识值;
第二分类模块,用于获取所述第二用户在第二预设时间内的历史数据,基于所述历史数据及第二预设分析规则确定所述第二用户所属等级,基于所述第二用户所属等级确定所述第二用户的第四标识值;及
分配控制模块,用于基于所述第三标识值、所述第四标识值计算所述待分配名单的分配策略,基于所述分配策略将所述第一用户分配给所述第二用户。
9.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器中存储有可在所述处理器上运行的名单分配控制程序,所述名单分配控制程序被所述处理器执行时可实现如权利要求1至7中任意一项所述的名单分配控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括名单分配控制程序,所述名单分配控制程序被处理器执行时,可实现如权利要求1至7中任意一项所述的名单分配控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370882.6A CN111652471B (zh) | 2020-04-30 | 2020-04-30 | 名单分配控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370882.6A CN111652471B (zh) | 2020-04-30 | 2020-04-30 | 名单分配控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652471A true CN111652471A (zh) | 2020-09-11 |
CN111652471B CN111652471B (zh) | 2023-09-15 |
Family
ID=72348327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010370882.6A Active CN111652471B (zh) | 2020-04-30 | 2020-04-30 | 名单分配控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652471B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488764A (zh) * | 2020-11-30 | 2021-03-12 | 深圳市飞泉云数据服务有限公司 | 营销策略匹配方法、系统及计算机可读存储介质 |
CN113411453A (zh) * | 2021-05-24 | 2021-09-17 | 北京健康之家科技有限公司 | 一种外呼对象的智能管理方法及装置、介质、计算设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679718A (zh) * | 2017-09-19 | 2018-02-09 | 平安科技(深圳)有限公司 | 名单分配方法、设备以及计算机可读存储介质 |
WO2018036154A1 (zh) * | 2016-08-23 | 2018-03-01 | 平安科技(深圳)有限公司 | 名单分配方法、装置、设备及计算机可读存储介质 |
US20190122249A1 (en) * | 2017-10-24 | 2019-04-25 | Alibaba Group Holding Limited | Resource allocation method and related device and display method and related device |
CN110288191A (zh) * | 2019-05-22 | 2019-09-27 | 中国平安财产保险股份有限公司 | 数据匹配方法、装置、计算机设备及存储介质 |
WO2019200762A1 (zh) * | 2018-04-18 | 2019-10-24 | 平安科技(深圳)有限公司 | 保险平台数据处理方法、电子装置及计算机可读存储介质 |
CN110830234A (zh) * | 2019-11-06 | 2020-02-21 | 腾讯科技(深圳)有限公司 | 一种用户流量分配方法及装置 |
-
2020
- 2020-04-30 CN CN202010370882.6A patent/CN111652471B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018036154A1 (zh) * | 2016-08-23 | 2018-03-01 | 平安科技(深圳)有限公司 | 名单分配方法、装置、设备及计算机可读存储介质 |
CN107679718A (zh) * | 2017-09-19 | 2018-02-09 | 平安科技(深圳)有限公司 | 名单分配方法、设备以及计算机可读存储介质 |
US20190122249A1 (en) * | 2017-10-24 | 2019-04-25 | Alibaba Group Holding Limited | Resource allocation method and related device and display method and related device |
WO2019200762A1 (zh) * | 2018-04-18 | 2019-10-24 | 平安科技(深圳)有限公司 | 保险平台数据处理方法、电子装置及计算机可读存储介质 |
CN110288191A (zh) * | 2019-05-22 | 2019-09-27 | 中国平安财产保险股份有限公司 | 数据匹配方法、装置、计算机设备及存储介质 |
CN110830234A (zh) * | 2019-11-06 | 2020-02-21 | 腾讯科技(深圳)有限公司 | 一种用户流量分配方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488764A (zh) * | 2020-11-30 | 2021-03-12 | 深圳市飞泉云数据服务有限公司 | 营销策略匹配方法、系统及计算机可读存储介质 |
CN112488764B (zh) * | 2020-11-30 | 2023-09-05 | 深圳市飞泉云数据服务有限公司 | 营销策略匹配方法、系统及计算机可读存储介质 |
CN113411453A (zh) * | 2021-05-24 | 2021-09-17 | 北京健康之家科技有限公司 | 一种外呼对象的智能管理方法及装置、介质、计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111652471B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108711110B (zh) | 保险产品推荐方法、装置、计算机设备和存储介质 | |
WO2019144516A1 (zh) | 坐席分配方法、电子装置及计算机可读存储介质 | |
CN112036648A (zh) | 基于模型的任务分配方法、装置、计算机设备和存储介质 | |
WO2019062000A1 (zh) | 业务员呼入分配方法、电子装置及计算机可读存储介质 | |
CN111652471B (zh) | 名单分配控制方法、装置、电子设备及存储介质 | |
CN112270569A (zh) | 广告投放方法及装置、电子设备、存储介质 | |
CN109885834B (zh) | 一种用户年龄性别的预测方法及装置 | |
CN112669084B (zh) | 策略确定方法、设备及计算机可读存储介质 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN110764902A (zh) | 基于ai的虚拟资源分配方法、装置、计算机设备及存储介质 | |
CN113393060A (zh) | 任务分配方法、装置、电子设备及存储介质 | |
CN110910201A (zh) | 信息推荐的控制方法、装置、计算机设备及存储介质 | |
CN113191533A (zh) | 仓库用工预测方法、装置、设备及存储介质 | |
CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN114780859A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
EP3301638A1 (en) | Method for automatic property valuation | |
CN115564525B (zh) | 一种服务器标识的勾选显示方法、电子设备及存储介质 | |
CN115002049B (zh) | 资源分配的方法及装置 | |
CN113449184B (zh) | 触达渠道的推荐方法、装置、计算机设备和存储介质 | |
CN111401935B (zh) | 资源分配方法、装置及存储介质 | |
CN113205391B (zh) | 基于历史订单匹配度的派单方法、电子设备和计算机可读介质 | |
CN112738066B (zh) | 一种营业厅业务智能分配系统 | |
CN113344415A (zh) | 基于深度神经网络的业务分配方法、装置、设备及介质 | |
CN114358633A (zh) | 任务分配方法、装置、计算机设备及存储介质 | |
CN114581130A (zh) | 基于客户画像的银行网点派号方法及装置、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 |