CN112016939B - 一种自动维护用户系统 - Google Patents

一种自动维护用户系统 Download PDF

Info

Publication number
CN112016939B
CN112016939B CN202011114610.6A CN202011114610A CN112016939B CN 112016939 B CN112016939 B CN 112016939B CN 202011114610 A CN202011114610 A CN 202011114610A CN 112016939 B CN112016939 B CN 112016939B
Authority
CN
China
Prior art keywords
information
effective
user
communication
judging
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
Application number
CN202011114610.6A
Other languages
English (en)
Other versions
CN112016939A (zh
Inventor
刘海阔
胡茂华
凡卫刚
刘斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yiyao Yaofang Technology Shanghai Co ltd
Yiyaowang Technology Shanghai Co ltd
Original Assignee
Yaofang Information Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yaofang Information Technology Shanghai Co ltd filed Critical Yaofang Information Technology Shanghai Co ltd
Priority to CN202011114610.6A priority Critical patent/CN112016939B/zh
Publication of CN112016939A publication Critical patent/CN112016939A/zh
Application granted granted Critical
Publication of CN112016939B publication Critical patent/CN112016939B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/01—Customer relationship services
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电商领域，公开了一种自动维护用户系统。包括：一采集单元，用于采集所述电商平台的用户的动作信息和用户信息；一获取单元，与所述采集单元连接，用于根据所述用户信息和所述动作信息获取有效动作信息，并根据所述有效动作信息生成对应于所述用户的维护价值；一维护单元，与所述采集单元、所述获取单元连接，用于对所述维护价值进行分析生成所述用户的维护方案。本发明的技术方案有益效果在于：提供一种自动维护用户系统，不仅能够提高用户维护的准确性，还能降低处理的数据量，缩短用户维护时间，降低用户维护成本。

Description

一种自动维护用户系统
技术领域
本发明涉及电商领域，公开了一种自动维护用户系统。
背景技术
电商领域中，电商平台用户的日活量、忠诚程度、依赖程度以及满意程度将直接影响到电商平台的发展。因此，电商平台的用户维护显得尤为重要。
现有技术中的用户维护系统通过采集用户信息，比如采集历史浏览信息、历史选购信息等动作信息直接进行处理，从而实现用户维护的目的。但现有技术中常常忽视了电商平台中不同用户的个性化使用习惯，只是进行动作信息的采集，并未综合判断采集到的信息是否准确、是否有效以及是否能够作为用户维护的依据，导致用户维护的功能不够精确。此外，对采集到的大量的动作信息进行处理，也将占用大量处理资源，增加维护成本。
发明内容
针对现有技术中存在的上述问题，现提供一种自动维护用户系统，应用于电商平台，其特征在于，包括：
一采集单元，用于采集所述电商平台的用户的动作信息和用户信息；
一获取单元，与所述采集单元连接，用于根据所述用户信息和所述动作信息获取有效动作信息，并根据所述有效动作信息生成对应于所述用户的维护价值；
一维护单元，与所述采集单元、所述获取单元连接，用于对所述维护价值进行分析生成所述用户的维护方案。
优选的，所述获取单元包括：
一判断模块，与所述采集单元连接，所述判断模块中预设一第一判断规则和多个第二判断规则，所述判断模块用于根据所述第一判断规则判断所述用户信息生成第一判断结果，并根据所述第一判断结果和所述第二判断规则判断所述动作信息生成所述有效动作信息；
一处理模块，与所述判断模块连接，所述处理模块用于获取所述有效动作信息并根据所述有效动作信息生成所述维护价值。
优选的，所述用户信息中包括多个不同用户类型的用户信息，所述第一判断规则与所有所述用户类型关联；
所述判断模块中包括：
一第一判断部件，所述第一判断部件中预设所述第一判断规则，所述第一判断部件用于根据所述第一判断规则对所述用户信息进行判断并生成所述第一判断结果。
优选的，所述动作信息中包括多个不同动作类型的动作信息，所述第二判断规则中包括多个与所述动作类型关联的第二子规则；
所述判断模块中还包括：
多个第二判断部件，每个所述第二判断部件中分别预设一所述第二子规则，所述第二判断部件用于根据所述第二子规则对所述动作信息进行判断并生成第二判断结果并包括在所述有效动作信息输出。
优选的，所述判断模块中还包括：
一标准部件，与所述第二判断部件连接，所述标准部件用于获取多个与所述动作类型关联的有效动作标准并输出至所述第二判断部件；
所述第二判断部件用于接收所述有效动作标准并调整所述第二子规则。
优选的，所述处理模块中包括：
筛选部件，与所述判断模块连接，用于接收所述有效动作信息并进行筛选，将筛选后的所述有效动作信息输出；
综合部件，与所述接收部件连接，用于根据所述有效动作信息进行综合处理生成所述维护价值。
优选的，所述综合部件对所述有效动作信息进行综合加权处理。
优选的，所述维护单元中包括：
一接收部件，与所述获取单元连接，用于获取所述用户的所述维护价值；
一维护部件，与所述接收部件连接，用于获取所有所述维护价值并根据所述用户的用户信息生成对应于所述用户的所述维护方案。
优选的，所述维护方案中包括维护策略和推送策略；
所述维护单元中包括：
一推送部件，与所述采集单元和所述维护部件连接，用于获取所述维护方案和所述用户信息，并根据所述用户信息进行推送。
本发明的技术方案有益效果在于：提供一种自动维护用户系统，不仅能够提高用户维护的准确性，还能降低处理的数据量，缩短用户维护时间，降低用户维护成本。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明的一种较优实施例的结构示意图；
图2为本发明的一种较优实施例的获取单元的结构示意图；
图3为本发明的一种较优实施例的判断模块的结构示意图；
图4为本发明的一种较优实施例的处理模块的结构示意图；
图5为本发明的一种较优实施例的维护单元的结构示意图。
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作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
一种自动维护用户系统，应用于电商平台，如图1所示，包括：
一采集单元1，用于采集电商平台的用户的动作信息和用户信息；
一获取单元2，与采集单元1连接，用于根据用户信息和动作信息获取有效动作信息，并根据有效动作信息生成对应于用户的维护价值；
一维护单元3，与采集单元1、获取单元2连接，用于对维护价值进行分析生成用户的维护方案。
具体地，本申请提供一种应用于电商平台的自动维护用户系统，通过对采集到的用户信息和动作信息进行处理得到有效动作信息，生成对应的用户维护价值，并根据用户维护价值生成维护方案，进行用户维护，不仅能够提高用户维护的准确性，还能降低处理的数据量，缩短用户维护时间，降低用户维护成本。
本发明的一种较优实施例中，如图2所示，获取单元2包括：
一判断模块21，与采集单元1连接，判断模块21中预设一第一判断规则和多个第二判断规则，判断模块21用于根据第一判断规则判断用户信息生成第一判断结果，并根据第一判断结果和第二判断规则判断动作信息生成有效动作信息；
一处理模块22，与判断模块21连接，处理模块22用于获取有效动作信息并根据有效动作信息生成维护价值。
具体地，不同的用户具有不同的使用习惯、不同的动作信息以及不同的维护价值，因此设置一获取单元2，首先对用户信息进行处理判断生成第一判断结果，在获取第一判断结果的基础上再判断动作信息，以此生成准确的维护价值。
本发明的一种较优实施例中，用户信息中包括多个不同用户类型的用户信息，第一判断规则与所有用户类型关联；
判断模块21中，如图3所示，包括：
一第一判断部件211，第一判断部件211中预设第一判断规则，第一判断部件211用于根据第一判断规则对用户信息进行判断并生成第一判断结果。
作为一种较优的实施例，用户信息中包括用户注册时长。用户注册时长与采集到的动作信息的信息量密切关联，用户注册时长较短，采集到的动作信息也较少，此时需要以较少的动作信息进行判断，而用户注册时长较长，采集到的动作信息也越多，此时则需要从采集的动作信息中先提取出关联的动作信息再进行判断生成有效动作信息。由此，于判断模块21中设置第一判断部件211，第一判断部件211中设置第一判断规则，通过第一判断规则判断用户信息是否超过注册阈值，根据判断结果生成对应的第一判断结果。
具体地，注册阈值可设置为7天，当第一判断模块21判断采集到的用户注册时长未超过7天，则对应的第二判断规则中包括：判断总注册时长内的登录信息、判断总注册时长内的使用信息、判断总注册时长内的浏览信息、判断总注册时长内的沟通信息、判断总注册时长内的期望信息以及判断总注册时长内的订单信息，根据所有第二判断规则的判断结果得到有效动作信息。
而当第一判断模块21判断采集到的用户注册时长超过7天，则对应的第二判断规则中包括：判断有效注册时长内的登录信息、判断有效注册时长内的使用信息、判断有效注册时长内的贡献信息、判断有效注册时长内的期望信息以及判断有效注册时长内的反馈信息，根据所有第二判断规则的判断结果得到有效动作信息。此处的有效注册时长可相应设置为三个月。
本发明的一种较优实施例中，动作信息中包括多个不同动作类型的动作信息，第二判断规则中包括多个与动作类型关联的第二子规则；
判断模块21中还包括：
多个第二判断部件212，每个第二判断部件212中分别预设对应的第二子规则，每个第二判断部件212用于根据对应设置的第二子规则对动作信息进行判断并生成第二判断结果并包括在有效动作信息输出。
具体地，于判断模块21中设置多个第二判断部件212，实现对不同动作类型的动作信息进行判断，以获取有效动作信息。例如，用于获取有效登录信息的第二判断部件中设置判断有效登录信息的第二子规则，用于获取有效沟通信息的第二判断部件中设置判断有效沟通信息的第二子规则。
本发明的一种较优实施例中，动作信息包括登录信息、使用信息、沟通信息、浏览信息、期望信息、订单信息、贡献信息和反馈信息；
有效动作信息中包括用户的有效登录信息，有效使用信息、有效沟通信息、有效浏览信息、有效期望信息、有效订单信息、有效贡献信息和有效反馈信息。
作为一种优选的实施例，对应于登录信息的第二子规则为判断用户是否具有有效登录行为，在判断用户具有有效登录行为后，第二判断部件212将根据登录信息生成有效登录信息，有效登录信息中包括登录天数和登录时长。
需要注意的是，此处的有效登录行为与现有技术的登录行为不同，判断用户是否具有有效登录行为包括判断用户的登录持续时间是否超过有效登录阈值，以及判断用户在登录时间内是否具有有效操作。
作为一种优选的实施例，对应于使用信息的第二子规则为判断用户是否具有有效使用行为，在判断用户具有有效使用行为后，第二判断部件212将根据使用信息生成有效使用信息，有效使用信息中包括使用时长。
作为一种优选的实施例，沟通信息中包括沟通类型，沟通次数和沟通时长。
相应的，对应于沟通信息的第二子规则为判断用户是否具有有效沟通行为，在判断用户具有有效沟通行为后，第二判断部件212将根据沟通信息生成有效沟通信息，有效沟通信息中包括沟通类型，沟通次数和沟通时长。
考虑到与用户沟通在用户维护中是非常有效的维护手段，因此，本发明将细化沟通信息以生成准确的有效动作信息，从而实现后续的用户维护。
本发明的一种较优实施例中，判断模块21中还包括：
一标准部件213，与第二判断部件212连接，标准部件213用于获取多个与动作类型关联的有效动作标准并输出至第二判断部件212；
第二判断部件212用于接收有效动作标准并调整第二子规则。
本发明的一种较优实施例中，如图4所示，处理模块22中包括：
筛选部件221，与判断模块21连接，用于接收有效动作信息并进行筛选，将筛选后的有效动作信息输出；
综合部件222，与接收部件31连接，用于根据有效动作信息进行综合处理生成维护价值。
本发明的一种较优实施例中，综合部件222对有效动作信息进行综合加权处理。
本发明的一种较优实施例中，如图5所示，维护单元3中包括：
一接收部件31，与获取单元2连接，用于获取用户的维护价值；
一维护部件32，与接收部件31连接，用于获取所有维护价值并根据用户的用户信息生成对应于用户的维护方案。
本发明的一种较优实施例中，维护方案中包括维护策略和推送策略；
维护单元3中包括：
一推送部件33，与采集单元1和维护部件32连接，用于获取维护方案和用户信息，并根据用户信息进行推送。
实施例一：
当判断模块判断用户的注册时长未超过注册阈值时：
判断模块21获取的注册时长内的有效动作信息中包括有效登录信息，有效登录信息中包括注册时开始计算的时间跨度dn内的平均每天有效登录次数
Figure 567684DEST_PATH_IMAGE001
、首日有效登录次数
Figure 913215DEST_PATH_IMAGE002
、注册时长内最多登录次数
Figure 532415DEST_PATH_IMAGE003
，此处的注册阈值设置为7天，其中，由于用户自注册开始至判断模块开始分析时的时间均不相同，因此于此处用注册时长dn进行表示，例如，一用户自9月9日12：00完成注册，若于9月11日12：00该用户的数据进行分析，那么此处的注册时长dn为2天。
其中平均每天有效登录次数
Figure 81339DEST_PATH_IMAGE004
可通过下述公式计算得到：
Figure 14660DEST_PATH_IMAGE005
其中，dn用于表示注册开始计算到当前时间的时间跨度(单位为天），当用户每日都登录时，
Figure 214698DEST_PATH_IMAGE006
；
Figure 4799DEST_PATH_IMAGE007
用于表示有效登录天数，
Figure 493549DEST_PATH_IMAGE008
；
Figure 761719DEST_PATH_IMAGE009
用于表述有效登录天数内的第
Figure 564066DEST_PATH_IMAGE010
日的登录次数。
也就是说，注册时长内的每天登录次数与注册时长内的天数的比值为平均每天有效登录次数，具体地，当该用户的注册时长为3天时，即
Figure 790648DEST_PATH_IMAGE011
时，而其中第二天没有登陆过，即有效登录天数
Figure 563432DEST_PATH_IMAGE012
时，通过计算出登录过的有效天数内的登录次数的总和，也就是第一天的登录次数和第三天的登录次数，除去有效登录天数，即登录过的2天的时间，可获取平均每天有效登录次数
Figure 572976DEST_PATH_IMAGE013
。通过区别注册时长、有效登录天数的不同之处，求出更加精确的平均每天有效登录次数，以提高有效登录信息的数据的准确性，最终获取更加匹配该用户的维护价值。
而处理模块22根据有效登录信息生成对应的维护价值，在处理过程中，将根据其中的平均每天有效登录次数
Figure 747606DEST_PATH_IMAGE014
、首日有效登录次数
Figure 630242DEST_PATH_IMAGE015
、注册时长内最多登录次数
Figure 890322DEST_PATH_IMAGE016
，依次确定通过注册时长dn区间的所有历史用户的有效登陆天数对应的倒序排名前30%的下限值
Figure 703557DEST_PATH_IMAGE017
、首日登陆次数平均值
Figure 732693DEST_PATH_IMAGE018
以及最大有效登陆天数
Figure 301078DEST_PATH_IMAGE019
确定，其中，历史用户是指用户注册时长超过注册阈值的用户，而注册时长dn区间内的所有历史用户的有效登陆天数也就是说历史用户于自注册开始至注册时长dn的区间内有效登陆天数，具体地，当dn=7为时，历史用户是指注册时间超过7天的所有用户，有效登陆天数是指这些历史用户自注册开始的7天内的有效登录天数。
其中历史用户最大有效登陆次数期望值
Figure 986137DEST_PATH_IMAGE020
，计算出所有历史用户在注册后7天内登录次数的平均数方差S0, 剔除所有历史用户中登录次数数据中方差Su1大于S0的用户, 取剩余用户的注册7天内最大有效登陆天数平均数
Figure 150533DEST_PATH_IMAGE021
，求取标准差S，S通过以下公式计算所得：
Figure 299755DEST_PATH_IMAGE022
其中 ：
Figure 976724DEST_PATH_IMAGE023
用于表示第
Figure 945817DEST_PATH_IMAGE024
个历史用户注册dn内最大有效登录次数，
Figure 163172DEST_PATH_IMAGE024
用于表示该历史用户在所有历史用户中的排序序号；
Figure 917632DEST_PATH_IMAGE025
用户表示历史注册用户dn内最大有效登陆次数平均数；
Figure 765502DEST_PATH_IMAGE026
表示用户数，
Figure 487471DEST_PATH_IMAGE027
；
剔除标准差大于S的最大登陆天数的用户数据后，计算剩余用户注册7日内最大登录次数
Figure 446199DEST_PATH_IMAGE028
，具体可通过下述公式计算得到：
Figure 38855DEST_PATH_IMAGE029
其中，
Figure 119943DEST_PATH_IMAGE030
为第
Figure 266891DEST_PATH_IMAGE031
个剩余用户的最大有效登录次数，
Figure 579710DEST_PATH_IMAGE031
用于表示剩余用户在所有用户中的排序序号；
Figure 558031DEST_PATH_IMAGE032
用于表示剩余用户的总数；
其中，此处的剩余用户就是指标准差不大于S的最大登陆天数的用户。
处理模块22最终得到的对应于有效登录信息的维护价值可通过下述公式计算得到：
Figure 482124DEST_PATH_IMAGE033
其中，
Figure 913106DEST_PATH_IMAGE034
用于表示平均有效登录天数的权重；
Figure 275954DEST_PATH_IMAGE035
用于表示平均有效登录天数的权重；
Figure 859513DEST_PATH_IMAGE036
用于表示平均有效登录天数的权重；
Figure 954508DEST_PATH_IMAGE037
用于表示有效登录信息的权重。
判断模块21获取的注册时长内的有效动作信息中包括有效使用信息，有效使用信息中包括注册时长内的平均每日的有效使用时长
Figure 138365DEST_PATH_IMAGE038
。
其中有效使用时长
Figure 39325DEST_PATH_IMAGE038
可通过下述公式计算得到：
Figure 664341DEST_PATH_IMAGE039
其中，
Figure 992554DEST_PATH_IMAGE040
用于表示第
Figure 148860DEST_PATH_IMAGE041
日的使用时长；
Figure 56773DEST_PATH_IMAGE042
用于表示使用的天数。
而处理模块22根据有效使用信息生成对应的维护价值，在处理过程中，将根据其中的有效使用时长
Figure 598613DEST_PATH_IMAGE038
确定通过历史注册时长内的所有用户中的前30%用户的使用时长临界值。
处理模块22最终得到的对应于有效使用信息的维护价值可通过下述公式计算得到：
Figure 363307DEST_PATH_IMAGE043
其中，
Figure 990597DEST_PATH_IMAGE044
用于表示有效使用信息的权重，
Figure 436622DEST_PATH_IMAGE045
用于表示历史用户使用时长前30%的临界值。
判断模块21获取的注册时长内的有效动作信息中包括有效浏览信息，有效浏览信息中包括注册时长内的平均每日的有效浏览时长系数
Figure 849280DEST_PATH_IMAGE046
。
其中有效浏览时长系数
Figure 519296DEST_PATH_IMAGE046
可通过下述公式计算得到：
Figure 837144DEST_PATH_IMAGE047
其中，
Figure 618019DEST_PATH_IMAGE048
用于表示第
Figure 400030DEST_PATH_IMAGE049
日的浏览商品的时长；
Figure 444209DEST_PATH_IMAGE050
用于表示现有所有KA客户每天浏览商品时长中位数；
Figure 793895DEST_PATH_IMAGE051
用于表示具有商品浏览动作的天数。
其中，KA用户即指经过自动维护用户系统基于历史用户，获取的维护价值超过预设维护阈值的用户，也就是，忠诚度较高的那些用户。
而处理模块22根据有效浏览信息生成对应的维护价值，在处理过程中，将根据其中的有效浏览时长系数
Figure 644039DEST_PATH_IMAGE052
，最终得到的对应于有效使用信息的维护价值，具体可通过下述公式计算得到：
Figure 14977DEST_PATH_IMAGE053
其中，
Figure 230058DEST_PATH_IMAGE054
用于表示有效浏览信息的权重。
判断模块21获取的有效动作信息中包括有效沟通信息，有效沟通信息中包括有效沟通次数
Figure 319237DEST_PATH_IMAGE055
以及有效沟通时长
Figure 458225DEST_PATH_IMAGE056
。
其中有效沟通次数
Figure 886933DEST_PATH_IMAGE055
可通过下述公式计算得到：
Figure 335231DEST_PATH_IMAGE057
其中有效沟通时长
Figure 911706DEST_PATH_IMAGE056
可通过下述公式计算得到：
Figure 41336DEST_PATH_IMAGE058
而处理模块22根据有效沟通信息生成对应的维护价值，在处理过程中，将根据其中的有效沟通次数
Figure 121288DEST_PATH_IMAGE055
以及有效沟通时长
Figure 756800DEST_PATH_IMAGE056
依次确定历史重点客户沟通前50%期望次数
Figure 758254DEST_PATH_IMAGE059
、期望时间
Figure 488312DEST_PATH_IMAGE060
以及沟通次数时间比期望值
Figure 688349DEST_PATH_IMAGE061
，其中期望次数和时间的缺省值为2和300s，期望值取值为{0~1}，比值越小，沟通阻碍越小，比值越大沟通阻碍越大。
处理模块22最终得到的对应于有效沟通信息的维护价值可通过下述公式计算得到：
Figure 478451DEST_PATH_IMAGE062
Figure 967201DEST_PATH_IMAGE063
用于表示有效沟通信息的权重。
具体地，获取有效沟通信息中，当沟通由客户主动发起，在中断时间
Figure 986104DEST_PATH_IMAGE064
之前收到操作人员的第一次回复之后本次沟通建立完成，类型为主动沟通
Figure 306227DEST_PATH_IMAGE065
，当前时间
Figure 470492DEST_PATH_IMAGE066
为本次沟通初始时间。
客户15分钟内未回复消息，服务人员会给出标准的服务结束语S，若客户在3分钟内回复，则本次服务继续，否则本次服务结束，并将当前结束语时间作为本次服务结束时间
Figure 977696DEST_PATH_IMAGE067
。
若客户和服务人员沟通完毕，服务人员会触发服务评价系统，客户点评完毕本次服务结束，以最终客户评价时间作为本次服务结束时间
Figure 315137DEST_PATH_IMAGE067
。
若客户在中断时间
Figure 693029DEST_PATH_IMAGE064
之前未收到回复，则服务自动中断结束，本次服务为无效沟通，类型为
Figure 301297DEST_PATH_IMAGE068
。
若沟通由服务人员发起，客户在被动沟通中断时间
Figure 826956DEST_PATH_IMAGE069
之前回复，本次链接建立完成，类型为被动沟通
Figure 640191DEST_PATH_IMAGE070
，结束标准参考
Figure 669327DEST_PATH_IMAGE065
类型沟通结束标准。
若客户在中断时间
Figure 972133DEST_PATH_IMAGE064
之前未收到回复，则服务自动中断结束，本次服务为无效沟通，类型为
Figure 922771DEST_PATH_IMAGE071
。
若沟通由服务人员发起，在被动沟通中断时间
Figure 352746DEST_PATH_IMAGE069
前未收到回复，本次沟通建立失败，在
Figure 236389DEST_PATH_IMAGE069
之后收到客户回复则计为客户主动沟通，类型为
Figure 710096DEST_PATH_IMAGE072
，回复的第一条消息时间计为沟通开始时间
Figure 882451DEST_PATH_IMAGE073
，中断时间为主动沟通中断时间
Figure 99806DEST_PATH_IMAGE064
，结束标准参考类型
Figure 854266DEST_PATH_IMAGE065
沟通结束标准。
其中
Figure 436557DEST_PATH_IMAGE065
，
Figure 892946DEST_PATH_IMAGE070
，
Figure 913992DEST_PATH_IMAGE072
为有效沟通，
Figure 975489DEST_PATH_IMAGE068
，
Figure 790998DEST_PATH_IMAGE071
为无效沟通
其中
Figure 750995DEST_PATH_IMAGE074
用于表示
Figure 44573DEST_PATH_IMAGE065
类型总次数；
Figure 960576DEST_PATH_IMAGE075
用于表示
Figure 212566DEST_PATH_IMAGE070
类型总次数；
Figure 643548DEST_PATH_IMAGE076
用于表示
Figure 944079DEST_PATH_IMAGE072
类型总次数。
判断模块21获取的注册时长内的有效动作信息中包括有效期望信息，有效期望信息中包括客户在注册时间内的收藏商品数
Figure 524708DEST_PATH_IMAGE077
以及对应的收藏商品期望值
Figure 682020DEST_PATH_IMAGE078
，可通过下述公式计算得到：
Figure 803560DEST_PATH_IMAGE079
其中，
Figure 704520DEST_PATH_IMAGE080
用于表示概率；
Figure 391853DEST_PATH_IMAGE081
用于表示商品的总数。
相应的，收藏商品为：用户下过实际订单并且无退单的商品中的收藏商品，并根据收藏数量
Figure 923329DEST_PATH_IMAGE082
对用户进行分组，统计得出每种数量的总数
Figure 814056DEST_PATH_IMAGE081
。
处理模块22最终得到的对应于有效期望信息的维护价值可通过下述公式计算得到：
Figure 784286DEST_PATH_IMAGE083
Figure 326125DEST_PATH_IMAGE084
用于表示有效期望信息的权重。
判断模块21获取的注册时长内的有效动作信息中包括有效订单信息，有效订单信息中包括注册时长内的有效订单数
Figure 28502DEST_PATH_IMAGE085
。此处的有效订单指到店支付并且已提货、在线支付已发货并且超过24小时、在线支付订单客户确认收货的已完成订单，相应的无效订单为逆向订单（取消，申请退货，退货完成）以及赠品订单，有效订单数
Figure 921372DEST_PATH_IMAGE085
通过下述公式表示为：
Figure 649287DEST_PATH_IMAGE086
其中，
Figure 514475DEST_PATH_IMAGE087
用于表示第
Figure 184491DEST_PATH_IMAGE088
个订单；
Figure 564657DEST_PATH_IMAGE089
用于表示订单总数；
Figure 548793DEST_PATH_IMAGE090
用于表示第
Figure 65225DEST_PATH_IMAGE091
个无效订单；
Figure 922454DEST_PATH_IMAGE092
用于表示无效订单总数；
有效订单数为正向订单和逆向订单的差值。
处理模块22根据有效订单信息生成对应的维护价值
Figure 524337DEST_PATH_IMAGE093
，可通过下述公式计算得到：
Figure 312164DEST_PATH_IMAGE094
SSodn用于表示注册时长内的有效订单数倒序排序前30%的临界值；
Figure 948682DEST_PATH_IMAGE095
用于表示有效订单信息的权重。
则处理模块22最终输出的维护价值为：
Figure 960500DEST_PATH_IMAGE096
即表示为：
Figure 987362DEST_PATH_IMAGE097
权重w1~w6通过以下方式得出：
从所有历史用户数据中，抽取近注册超过3个月并且有订单数据的用户集合U1，此处可基于现有的8000万的历史用户数据进行抽取；
从U1中抽取用户注册阈值内有过登录的用户在注册3个月内订单数总数O1，此处设置的注册阈值可为7天；
从U1中抽取注册阈值内使用超过2小时或登录天数超过3天的用户近三个月订单数O2，
从U1中用户的订单中抽取下单商品浏览次数超过3次或查看过商品评价超或商品详情页停留时间超过10秒的订单数O3，
从U1中抽取有过沟通记录的用户在沟通后3个月内订单数O4，
从U1中抽取与客服有过正面沟通的用户在沟通后24小时内订单数O5，
从U1中抽取有过收藏商品的用户，并且购买了收藏商品的订单数O6。
订单总数O计算如下：
Figure 129280DEST_PATH_IMAGE098
权值W1计算如下：
Figure 620304DEST_PATH_IMAGE099
权值W2计算如下：
Figure 6286DEST_PATH_IMAGE100
权值W3计算如下：
Figure 582761DEST_PATH_IMAGE101
权值W4计算如下：
Figure 774708DEST_PATH_IMAGE102
权值W5计算如下：
Figure 605392DEST_PATH_IMAGE103
权值W6计算如下：
Figure 427854DEST_PATH_IMAGE104
实施例二：
当判断模块判断用户注册时长超过注册阈值时：
判断模块21获取的有效注册时间内的有效动作信息中包括有效登录信息，有效登录信息中包括有效注册时间内的平均每日的有效登录次数
Figure 491625DEST_PATH_IMAGE105
，此处的有效注册时间设置为三个月。
其中有效登录次数
Figure 956105DEST_PATH_IMAGE105
可通过下述公式计算得到：
Figure 156142DEST_PATH_IMAGE106
其中，
Figure 149506DEST_PATH_IMAGE107
用于表示有效注册时间；
Figure 185726DEST_PATH_IMAGE108
用于表示第
Figure 719476DEST_PATH_IMAGE109
个月内的有效登录总次数；
而处理模块22根据有效登录信息生成对应的维护价值，在处理过程中，将根据其中的有效登录次数
Figure 977282DEST_PATH_IMAGE110
，依次确定通过有效注册时间内的所有用户的有效登陆天数对应的倒序排名前20%的临界值
Figure 938284DEST_PATH_IMAGE111
。
处理模块22最终得到的对应于有效登录信息的维护价值可通过下述公式计算得到：
Figure 711068DEST_PATH_IMAGE112
其中，
Figure 986192DEST_PATH_IMAGE113
用于表示有效登录信息的权重；
Figure 911554DEST_PATH_IMAGE114
用于表示有效注册时间内的所有用户的有效登陆天数对应的倒序排名前20%的临界值。
判断模块21获取的有效注册时间内的有效动作信息中包括有效使用信息，有效使用信息中包括有效注册时间内的平均每日的有效使用时长
Figure 43458DEST_PATH_IMAGE115
，此处的有效注册时间设置为三个月。
其中有效使用时长
Figure 241221DEST_PATH_IMAGE115
可通过下述公式计算得到：
Figure 382352DEST_PATH_IMAGE116
其中，
Figure 411488DEST_PATH_IMAGE117
用于表示平均每日的有效使用时长，
Figure 651976DEST_PATH_IMAGE118
用于表示有效动作次数，
Figure 147155DEST_PATH_IMAGE119
用于表示每个有效动作时间；
而处理模块22根据有效使用信息生成对应的维护价值，在处理过程中，将根据其中的有效登录时长
Figure 826398DEST_PATH_IMAGE115
，确定通过有效注册时间内的所有用户的有效登陆时长对应的倒序排名前20%的临界值
Figure 710041DEST_PATH_IMAGE120
。
处理模块22最终得到的对应于有效使用信息的维护价值可通过下述公式计算得到：
Figure 121431DEST_PATH_IMAGE121
其中，
Figure 356103DEST_PATH_IMAGE122
用于表示有效登录时长，
Figure 324190DEST_PATH_IMAGE123
用于表示有效注册时间内的所有用户的有效登陆时长对应的倒序排名前20%的临界值。
Figure 265601DEST_PATH_IMAGE124
用于表示有效使用信息的权重。
判断模块21获取有效注册时间内的有效动作信息中包括有效贡献信息，有效贡献信息中包括有效注册时间内的大型活动中的平均贡献值
Figure 175788DEST_PATH_IMAGE125
，此处的有效注册时间设置为三个月。
其中平均贡献值
Figure 835440DEST_PATH_IMAGE125
可通过下述公式计算得到：
Figure 590906DEST_PATH_IMAGE126
其中，
Figure 714720DEST_PATH_IMAGE127
用于表示客户的订单金额；
Figure 733492DEST_PATH_IMAGE128
用于表示订单优惠金额，其中，
Figure 427909DEST_PATH_IMAGE129
用于表示订单数，
Figure 987067DEST_PATH_IMAGE130
用于表示活动数，此处若活动天数共三天，则
Figure 903070DEST_PATH_IMAGE131
。
而处理模块22根据有效贡献信息生成对应的维护价值，在处理过程中，将根据其中的平均贡献值
Figure 155060DEST_PATH_IMAGE132
，最终得到的对应于有效使用信息的维护价值，可通过下述公式计算得到：
Figure 586041DEST_PATH_IMAGE133
其中，
Figure 886572DEST_PATH_IMAGE134
用于表示有效贡献信息的权重。
判断模块21获取的有效注册时间内的有效动作信息中包括有效期望信息，有效期望信息中包括客户在有效注册时间后的大型活动中的贡献期望值
Figure 470132DEST_PATH_IMAGE135
，此处的有效注册时间设置为三个月。
其中贡献期望值
Figure 627443DEST_PATH_IMAGE135
可通过下述公式计算得到：
Figure 483404DEST_PATH_IMAGE136
其中，
Figure 649943DEST_PATH_IMAGE137
用于表示最近一次活动订单总金额；
Figure 337276DEST_PATH_IMAGE138
用于表示最近一次活动订单优惠金额，其中，
Figure 868752DEST_PATH_IMAGE139
用于表示订单数
Figure 774127DEST_PATH_IMAGE140
用于表示最近一次活动贡献占比权值；
Figure 478778DEST_PATH_IMAGE141
用于表示最近三次平均贡献值的占比权值。
而处理模块22根据有效期望信息生成对应的维护价值，在处理过程中，将根据其中的贡献期望值
Figure 223880DEST_PATH_IMAGE142
，最终得到的对应于有效期望信息的维护价值，可通过下述公式计算得到：
Figure 988574DEST_PATH_IMAGE143
其中，
Figure 615864DEST_PATH_IMAGE144
用于表示有效期望信息的权重。
判断模块21获取的有效注册时间内的有效动作信息中包括有效订单信息，有效订单信息中包括有效注册时间内的订单平均增长率
Figure 61889DEST_PATH_IMAGE145
，此处的有效注册时间设置为三个月。
其中订单平均增长率
Figure 740126DEST_PATH_IMAGE145
可通过下述公式计算得到：
Figure 410142DEST_PATH_IMAGE146
其中，
Figure 462411DEST_PATH_IMAGE147
用于表示有效订单的周增长率；
Figure 774444DEST_PATH_IMAGE148
用于表示每周内的有效订单对应的权重；
Figure 494138DEST_PATH_IMAGE149
用于表示有效订单的月增长率；
Figure 335055DEST_PATH_IMAGE150
用于表示每月内的有效订单对应的权重；
Figure 687671DEST_PATH_IMAGE151
用于表示有效订单的季度增长率；
Figure 475498DEST_PATH_IMAGE152
用于表示每季度内的有效订单对应的权重。
相应的，其中的周增长率
Figure 846436DEST_PATH_IMAGE153
可通过下述公式计算得到：
Figure 123834DEST_PATH_IMAGE154
其中的
Figure 416275DEST_PATH_IMAGE155
用于表示有效注册时间内的所有周内的有效订单数，
Figure 538952DEST_PATH_IMAGE156
用于表示有效注册时间内的第1周内的有效订单数。
相应的，其中的月增长率
Figure 46288DEST_PATH_IMAGE157
可通过下述公式计算得到：
Figure 229007DEST_PATH_IMAGE158
其中的
Figure 743165DEST_PATH_IMAGE159
用于表示有效注册时间内的所有月内的有效订单数，
Figure 935112DEST_PATH_IMAGE160
用于表示有效注册时间内的第1月内的有效订单数。
相应的，其中的季度增长率
Figure 483905DEST_PATH_IMAGE161
可通过下述公式计算得到：
Figure 837526DEST_PATH_IMAGE162
其中的
Figure 649100DEST_PATH_IMAGE163
用于表示有效注册时间内的所有季度内的有效订单数，
Figure 379158DEST_PATH_IMAGE164
用于表示有效注册时间内的第1个季度内的有效订单数。
而处理模块22根据有效订单信息生成对应的维护价值，在处理过程中，将根据其中的订单平均增长率
Figure 782458DEST_PATH_IMAGE165
确定通过注册时间的所有用户的订单平均增长率对应的倒序排名前20%的临界值
Figure 572559DEST_PATH_IMAGE166
。
处理模块22最终得到的对应于有效订单信息的维护价值可通过下述公式计算得到：
Figure 61310DEST_PATH_IMAGE167
其中，
Figure 595059DEST_PATH_IMAGE168
用于表示有效订单信息的权重。
判断模块21获取有效注册时间内的有效动作信息中包括有效反馈信息，有效反馈信息中包括：有效注册时间内的用户反馈意见值
Figure 665914DEST_PATH_IMAGE169
，此处的有效注册时间设置为三个月。
其中用户反馈意见值
Figure 564600DEST_PATH_IMAGE169
可通过下述公式计算得到：
Figure 337384DEST_PATH_IMAGE170
其中，
Figure 674825DEST_PATH_IMAGE171
用于表示有效注册时间内的第
Figure 583875DEST_PATH_IMAGE172
月有效反馈信息次数，其中，
Figure 919041DEST_PATH_IMAGE172
为该月在注册时长总月数内的排序序号，若注册时长为三个月，
Figure 929854DEST_PATH_IMAGE173
，则
Figure 805406DEST_PATH_IMAGE174
表示第2个月的有效反馈信息次数；
Figure 772225DEST_PATH_IMAGE175
用于表示有效注册时间内的第
Figure 340609DEST_PATH_IMAGE176
年有效反馈信息次数；
Figure 822406DEST_PATH_IMAGE177
用于表示注册时长的总月数；
Figure 439332DEST_PATH_IMAGE178
用于表示注册时长的总年数。
相应的，其中的月有效反馈信息次数
Figure 339287DEST_PATH_IMAGE179
可通过下述公式计算得到：
Figure 812993DEST_PATH_IMAGE180
其中的
Figure 985349DEST_PATH_IMAGE181
、
Figure 468282DEST_PATH_IMAGE182
、
Figure 206431DEST_PATH_IMAGE183
以及
Figure 54302DEST_PATH_IMAGE184
用于表示有效注册时间内的有效反馈信息的等级，相应的无效反馈信息则用
Figure 264353DEST_PATH_IMAGE185
表示。
相应的，其中的年有效反馈信息次数
Figure 285398DEST_PATH_IMAGE186
可通过下述公式计算得到：
Figure 346895DEST_PATH_IMAGE187
而处理模块22根据有效反馈信息生成对应的维护价值，在处理过程中，将根据其中的用户反馈意见值
Figure 162405DEST_PATH_IMAGE188
，最终得到的对应于有效反馈信息的维护价值，可通过下述公式计算得到：
Figure 106090DEST_PATH_IMAGE189
其中，
Figure 868510DEST_PATH_IMAGE190
用于表示有效反馈信息的权重。
则处理模块22最终输出的维护价值为：
Figure 597562DEST_PATH_IMAGE191
即表示为：
Figure 583973DEST_PATH_IMAGE192
权重w11~w16通过以下方式得出：
从所有用户数据中，抽取近注册超过6个月并且有订单数据的用户集合U2，
从U2中抽取登录次数前20%的用户在注册后6个月内订单数总数O11，
从U2中抽取登录时长前20%的用户在注册后6个月内订单数总数O12，
从U2用户订单中抽取6个月内的活动订单，且客单价超过平均订单价的订单数O13，
从U2用户抽取6个月内购买过活动商品的用户U21，取U21用户的活动订单平均订单数O4v，并从U21中抽取用户活动订单数大于O4v的用户U22,取U22的活动订单数O14，
从U2用户抽取用户订单数月增长率大于用户平均增长率的用户的订单总数O15，
从U2中抽取反馈过问题的用户在沟通后使用补偿券的订单数加24小时内订单数O16。
订单总数O计算如下：
Figure 952637DEST_PATH_IMAGE193
权值W11计算如下：
Figure 49906DEST_PATH_IMAGE194
权值W12计算如下：
Figure 148312DEST_PATH_IMAGE195
权值W13计算如下：
Figure 508886DEST_PATH_IMAGE196
权值W14计算如下：
Figure 177896DEST_PATH_IMAGE197
权值W15计算如下：
Figure 78856DEST_PATH_IMAGE198
权值W16计算如下：
Figure 969452DEST_PATH_IMAGE199
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (8)

1.一种自动维护用户系统，应用于电商平台，其特征在于，包括：
一采集单元，用于采集所述电商平台的用户的动作信息和用户信息；
一获取单元，与所述采集单元连接，用于根据所述用户信息和所述动作信息获取有效动作信息，并根据所述有效动作信息生成对应于所述用户的维护价值；
一维护单元，与所述采集单元、所述获取单元连接，用于对所述维护价值进行分析生成所述用户的维护方案；
所述获取单元包括：
一判断模块，与所述采集单元连接，所述判断模块中预设一第一判断规则和多个第二判断规则，所述判断模块用于根据所述第一判断规则判断所述用户信息生成第一判断结果，并根据所述第一判断结果和所述第二判断规则判断所述动作信息生成所述有效动作信息；
一处理模块，与所述判断模块连接，所述处理模块用于获取所述有效动作信息并根据所述有效动作信息生成所述维护价值；
所述用户信息中包括用户注册时长；
所述动作信息包括登录信息、使用信息、沟通信息、浏览信息、期望信息、订单信息、贡献信息和反馈信息；
所述有效动作信息中包括用户的有效登录信息，有效使用信息、有效沟通信息、有效浏览信息、有效期望信息、有效订单信息、有效贡献信息和有效反馈信息；
当所述第一判断结果表示用户总注册时长未超过注册阈值时，则对应的所述第二判断规则中包括：判断所述总注册时长内的登录信息、判断所述总注册时长内的使用信息、判断所述总注册时长内的浏览信息、判断所述总注册时长内的沟通信息、判断所述总注册时长内的期望信息以及判断所述总注册时长内的订单信息，根据所有所述第二判断规则的判断结果得到所述有效动作信息；
而所述第一判断结果表示用户的总注册时长超过注册阈值时，则对应的所述第二判断规则中包括：判断一有效注册时长内的登录信息、判断所述有效注册时长内的使用信息、判断所述有效注册时长内的贡献信息、判断所述有效注册时长内的期望信息以及判断所述有效注册时长内的反馈信息，根据所有所述第二判断规则的判断结果得到有效动作信息；
所述判断模块包括一用于生成有效沟通信息的第二判断部件，在所述第一判断结果表示为用户总注册时长未超过注册阈值，采用判断所述总注册时长内的沟通信息的第二判断规则判断所述沟通信息，以生成所述有效沟通信息，第二判断部件采用下述公式生成所述有效沟通信息：
Figure DEST_PATH_IMAGE026
其中,
Figure DEST_PATH_IMAGE024
用于表示有效沟通信息；
Figure DEST_PATH_IMAGE028
用于表示有效沟通次数；
Figure DEST_PATH_IMAGE030
用于表示有效沟通时长；
Figure DEST_PATH_IMAGE032
用于表示历史重点用户沟通中排在前50%的重点用户的期望次数；
Figure DEST_PATH_IMAGE034
用于表示历史重点用户沟通中排在前50%的重点用户的期望时间；
Figure DEST_PATH_IMAGE036
用于表示沟通次数时间比期望值；
Figure DEST_PATH_IMAGE038
用于表示所述有效沟通信息的权重；其中，所述有效沟通次数采用下述公式计算得到：
Figure DEST_PATH_IMAGE040
所述有效沟通时长采用下述公式计算得到：
Figure DEST_PATH_IMAGE042
其中，
Figure DEST_PATH_IMAGE044
用于表示第一类有效沟通，
Figure DEST_PATH_IMAGE046
用于表示
Figure 767254DEST_PATH_IMAGE044
类型总次数，
所述第一类有效沟通
Figure 294181DEST_PATH_IMAGE044
，由用户主动发起并在中断时间之前收到服务人员的回复，第一类有效沟通初始时间
Figure DEST_PATH_IMAGE048
为服务人员回复的当前时间，第一类有效沟通结束时间
Figure DEST_PATH_IMAGE050
为服务人员给出标准的服务结束语的时间，或用户点评服务评价系统的时间，i用于表示用户的第一类有效沟通的当前沟通次数；
Figure DEST_PATH_IMAGE019
用于表示第二类有效沟通，用于表示类型总次数，
所述第二类有效沟通
Figure DEST_PATH_IMAGE056
，由服务人员发起并在中断时间之前收到用户回复，第二类有效沟通初始时间
Figure DEST_PATH_IMAGE058
为收到回复的当前时间，第二类有效沟通结束时间
Figure 418126DEST_PATH_IMAGE050
为服务人员给出标准的服务结束语的时间，或用户点评服务评价系统的时间，j用于表示用户的第二类有效沟通的当前沟通次数；
Figure DEST_PATH_IMAGE020
用于表示第三类有效沟通，用于表示类型总次数，
所述第三类有效沟通
Figure 610073DEST_PATH_IMAGE062
，由服务人员发起并在中断时间之后收到用户回复，第三类有效沟通初始时间
Figure DEST_PATH_IMAGE064
为用户回复的当前时间，第三类有效沟通结束时间
Figure 503074DEST_PATH_IMAGE050
为服务人员给出标准的服务结束语的时间，或用户点评服务评价系统的时间，k0用于表示用户的第三类有效沟通的当前沟通次数。
2.根据权利要求1所述的自动维护用户系统，其特征在于，所述用户信息中包括多个不同用户类型的用户信息，所述第一判断规则与所有所述用户类型关联；
所述判断模块中包括：
一第一判断部件，所述第一判断部件中预设所述第一判断规则，所述第一判断部件用于根据所述第一判断规则对所述用户信息进行判断并生成所述第一判断结果。
3.根据权利要求1所述的自动维护用户系统，其特征在于，所述动作信息中包括多个不同动作类型的动作信息，所述第二判断规则中包括多个与所述动作类型关联的第二子规则；
所述判断模块中还包括：
多个第二判断部件，每个所述第二判断部件中分别预设一所述第二子规则，所述第二判断部件用于根据所述第二子规则对所述动作信息进行判断并生成第二判断结果并包括在所述有效动作信息输出。
4.根据权利要求3所述的自动维护用户系统，其特征在于，所述判断模块中还包括：
一标准部件，与所述第二判断部件连接，所述标准部件用于获取多个与所述动作类型关联的有效动作标准并输出至所述第二判断部件；
所述第二判断部件用于接收所述有效动作标准并调整所述第二子规则。
5.根据权利要求1所述的自动维护用户系统，其特征在于，所述处理模块中包括：
筛选部件，与所述判断模块连接，用于接收所述有效动作信息并进行筛选，将筛选后的所述有效动作信息输出；
综合部件，与所述筛选部件连接，用于根据所述有效动作信息进行综合处理生成所述维护价值。
6.根据权利要求5所述的自动维护用户系统，其特征在于，所述综合部件对所述有效动作信息进行综合加权处理。
7.根据权利要求1所述的自动维护用户系统，其特征在于，所述维护单元中包括：
一接收部件，与所述获取单元连接，用于获取所述用户的所述维护价值；
一维护部件，与所述接收部件连接，用于获取所有所述维护价值并根据所述用户的用户信息生成对应于所述用户的所述维护方案。
8.根据权利要求7所述的自动维护用户系统，其特征在于，所述维护方案中包括维护策略和推送策略；
所述维护单元中包括：
一推送部件，与所述采集单元和所述维护部件连接，用于获取所述维护方案和所述用户信息，并根据所述用户信息进行推送。
CN202011114610.6A 2020-10-19 2020-10-19 一种自动维护用户系统 Active CN112016939B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011114610.6A CN112016939B (zh) 2020-10-19 2020-10-19 一种自动维护用户系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011114610.6A CN112016939B (zh) 2020-10-19 2020-10-19 一种自动维护用户系统

Publications (2)

Publication Number Publication Date
CN112016939A CN112016939A (zh) 2020-12-01
CN112016939B true CN112016939B (zh) 2021-02-26

Family

ID=73528275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011114610.6A Active CN112016939B (zh) 2020-10-19 2020-10-19 一种自动维护用户系统

Country Status (1)

Country Link
CN (1) CN112016939B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170070521A1 (en) * 2015-09-05 2017-03-09 Nudata Security Inc. Systems and methods for detecting and scoring anomalies
CN109559152A (zh) * 2018-10-24 2019-04-02 深圳市万屏时代科技有限公司 一种网络营销方法、系统及计算机存储介质
CN109635872B (zh) * 2018-12-17 2020-08-04 上海观安信息技术股份有限公司 身份识别方法、电子设备及计算机程序产品
CN111724185A (zh) * 2019-03-21 2020-09-29 北京沃东天骏信息技术有限公司 用户维护方法和装置

Also Published As

Publication number Publication date
CN112016939A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
Johnston A framework for developing a quality strategy in a customer processing operation
CN111144986B (zh) 一种基于分享行为的社交电商网站商品推荐方法及装置
CN108288179B (zh) 一种用户偏好房源计算方法和系统
CN103853948A (zh) 用户身份的识别、信息的过滤及搜索方法和服务器
CN108197851A (zh) 一种电子商务多单同地址的物流分配方法
CN107093120A (zh) 服务策略推送方法和装置
JP6679451B2 (ja) 選択装置、選択方法および選択プログラム
CN111461827B (zh) 产品评价信息的推送方法和装置
JP5746554B2 (ja) 情報提供システム、情報提供方法、プログラム及び情報記録媒体
CN110942344A (zh) 美食推荐榜单的生成方法、装置、设备及存储介质
CN107067178A (zh) 订单质量评估方法及系统
CN116664207A (zh) 一种基于大数据的新媒体广告投放监测系统
CN111768216A (zh) 订单价格调整方法、装置、服务器及存储介质
CN110298707A (zh) 一种用于资费套餐场景定价的方法及装置
CN111090677A (zh) 数据对象类型的确定方法及装置
CN112016939B (zh) 一种自动维护用户系统
CN114493361A (zh) 一种商品推荐算法的有效性评估方法和装置
CN112506997B (zh) 一种基于跨境电商平台的大数据用户挖掘方法
CN111275294B (zh) 一种商品信息批量处理分析方法、装置和设备
CN112330324A (zh) 一种基于手机终端的电子商务交易系统
CN111309774A (zh) 数据处理方法、装置、电子设备及存储介质
CN112258242B (zh) 一种表单配置项数据推送方法和装置
US11694247B2 (en) System and method for selling and customizing products and services via a network of computer systems
CN115063178A (zh) 目标群体对于业务场景敏感程度的确定方法及其装置
CN114626888A (zh) 网络购物平台的恶意刷单行为预测方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee after: Yiyaowang Technology (Shanghai) Co.,Ltd.

Address before: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee before: Yiyao Yaofang Technology (Shanghai) Co.,Ltd.

Address after: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee after: Yiyao Yaofang Technology (Shanghai) Co.,Ltd.

Address before: 201210 room 805, block B, building 1, 977 Shangfeng Road, Tang Town, Pudong New Area, Shanghai

Patentee before: YAOFANG INFORMATION TECHNOLOGY (SHANGHAI) Co.,Ltd.