CN112163726A - 服务资源分配方法、装置、电子设备及可读存储介质 - Google Patents
服务资源分配方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112163726A CN112163726A CN202010834098.6A CN202010834098A CN112163726A CN 112163726 A CN112163726 A CN 112163726A CN 202010834098 A CN202010834098 A CN 202010834098A CN 112163726 A CN112163726 A CN 112163726A
- Authority
- CN
- China
- Prior art keywords
- service
- requester
- grade
- index data
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013468 resource allocation Methods 0.000 title claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000000977 initiatory effect Effects 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 17
- 230000008569 process Effects 0.000 abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例提供了一种服务资源分配方法、装置、电子设备及可读存储介质,所述方法包括:接收服务请求方对目标业务发起的服务请求;响应所述服务请求,确定所述服务请求方的请求方等级;根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;向所述服务请求方分配所述响应方等级对应的服务资源。本公开实施例使得重要的、复杂的问题可以得到及时有效的处理,进而可以提高售后服务系统的处理效率和质量。
Description
技术领域
本公开的实施例涉及互联网技术领域,尤其涉及一种服务资源分配方法、装置、电子设备及可读存储介质。
背景技术
售后服务,是指生产企业、提供商把产品(或服务)销售给消费者之后,为消费者提供的一系列服务。所述消费者可以为普通个体用户,也可以为商户。
例如,餐饮SaaS(Software as a Service,软件服务化)软件提供商为购买该软件的商户提供售后服务,帮助商户解决使用餐饮SaaS软件过程中的各种问题。商户可以通过售后服务电话或者在线平台接入售后服务系统,以提出售后需求,售后服务系统接收到售后需求后,分配售后服务人员为商户提供售后服务。
但是,有些商户的问题较为简单,有些商户的问题较为复杂,售后服务人员的业务技能也有较大差异,目前售后服务系统在接收到售后需求后,通常是随机为商户分配售后服务人员。这样,可能将高技能的售后服务人员分配给问题简单的商户,而将低技能的售后服务人员分配给问题复杂的商户,导致复杂问题不能得到及时或者有效的处理,进而影响售后服务系统的处理效率和质量。
发明内容
本公开的实施例提供一种服务资源分配方法、装置、电子设备及可读存储介质,用以提高售后服务系统的处理效率和质量。
根据本公开的实施例的第一方面,提供了一种服务资源分配方法,所述方法包括:
接收服务请求方对目标业务发起的服务请求;
响应所述服务请求,确定所述服务请求方的请求方等级;
根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
向所述服务请求方分配所述响应方等级对应的服务资源。
根据本公开的实施例的第二方面,提供了一种服务资源分配装置,所述装置包括:
请求接收模块,用于接收服务请求方对目标业务发起的服务请求;
等级确定模块,用于响应所述服务请求,确定所述服务请求方的请求方等级;
等级匹配模块,用于根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
资源分配模块,用于向所述服务请求方分配所述响应方等级对应的服务资源。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现前述服务资源分配方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述服务资源分配方法。
本公开的实施例提供了一种服务资源分配方法、装置、电子设备及可读存储介质,所述方法包括:接收服务请求方对目标业务发起的服务请求;响应所述服务请求,确定所述服务请求方的请求方等级;根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;向所述服务请求方分配所述响应方等级对应的服务资源。
通过本公开实施例,使得分配的服务资源的响应方等级与服务请求方的请求方等级相匹配,由此,可以将响应方等级较高的服务资源(如高技能的售后服务人员)分配给请求方等级较高(如问题复杂)的服务请求方,使得重要的、复杂的问题可以得到及时有效的处理,进而可以提高售后服务系统的处理效率和质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本公开的一个实施例中的服务资源分配方法的步骤流程图;
图2示出了本公开的一个实施例中的服务资源分配系统结构示意图;
图3示出了本公开的一个实施例中的服务资源分配装置的结构图;
图4示出了本公开的一个实施例提供的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了本公开的一个实施例中的服务资源分配方法的步骤流程图,所述方法包括:
步骤101、接收服务请求方对目标业务发起的服务请求;
步骤102、响应所述服务请求,确定所述服务请求方的请求方等级;
步骤103、根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
步骤104、向所述服务请求方分配所述响应方等级对应的服务资源。
本公开的服务资源分配方法可应用于电子设备,所述电子设备具体包括但不限于:服务器、智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。
所述服务请求方指需要获取服务资源的一方。所述服务请求方可以为普通个体用户,也可以为商户。所述服务资源为服务提供方所提供,服务提供方可以为产品或服务的提供商,所述服务资源可以为售后服务人员提供的售后服务。目标业务指服务器请求方购买的产品或服务。例如,商户A购买了提供商B的产品(如餐饮SaaS软件),商户A在使用该软件的过程中如果出现问题,可以向提供商B的售后服务系统发起服务请求。在该示例中,商户A为服务请求方,餐饮SaaS软件为目标业务,服务资源为提供商B的售后服务系统可提供的售后服务。
需要说明的是,为便于描述,本公开实施例中以商户为服务请求方,以及餐饮SaaS软件为目标业务为例进行说明。在实际应用中,本公开实施例对服务请求方和目标业务的具体类型不加以限制,在需要分配服务资源的任意场景均可使用本公开提供的服务资源分配方法。
在具体应用中,服务请求方可以通过预置接口发起服务请求,所述预置接口包括:服务电话、在线客服(如微信客服等)、产品入口(如收银产品)等。
可选地,本公开实施例可以通过被动和主动两种方式获取商户的服务请求。其中,被动方式指通过所述预置接口接收商户发起的服务请求。主动方式指可以通过上门回访的方式,主动获取商户在使用软件过程中的问题,并建立服务工单,主动产生服务请求。
为了提高服务请求的处理效率和处理质量,本公开实施例对服务请求方进行等级划分,例如,请求方等级包括如下四个等级:一般、普通、重要、核心。如果服务请求方的请求方等级为核心,则可以分配技能高的服务资源;如果服务请求方的请求方等级为一般,则可以分配技能低一些的服务资源等。
此外,本公开实施例也可以对服务资源进行等级划分,例如,响应方等级包括如下三个等级:一线服务、二线服务、团队服务。由此,可以根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级。参照表1,示出了一种请求方等级与响应方等级的匹配示例。
表1
本公开实施例在接收服务请求方对目标业务发起的服务请求后,响应所述服务请求,确定所述服务请求方的请求方等级;并且根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级,例如,请求方等级为重要,则确定相匹配的响应方等级为二线服务;最后,向所述服务请求方分配所述响应方等级对应的服务资源,也即,向该服务器请求方分配二线服务资源提供的售后服务。
在具体实施中,可以构建不同响应方等级对应的处理队列。例如,一线服务的服务资源对应第一处理队列,二线服务的服务资源对应第二处理队列,团队服务的服务资源对应第三处理队列。在接收服务请求方对目标业务发起的服务请求之后,可以建立所述服务请求对应的服务工单,并且在确定所述服务请求方的请求方等级之后,将所述服务工单加入与所述请求方等级相匹配的响应方等级对应的处理队列,进而可以对处理队列中的服务工单依次进行处理。
可以理解,上述请求方等级和响应方等级的划分方式仅作为本公开的一种示例,本公开实施例对请求方等级和响应方等级的划分方式不做限制。例如,所述请求方等级可以包括重要和一般两个等级,响应方等级可以包括高技能和普通技能两个等级。如果服务请求来自于重要等级的服务请求方,则将该服务请求对应的服务工单加入高技能的服务资源对应的处理队列。如果服务请求来自于一般等级的服务请求方,则将该服务请求对应的服务工单加入普通技能的服务资源对应的处理队列。
在本公开的一种可选实施例中,步骤104所述向所述服务请求方分配所述响应方等级对应的服务资源,可以包括:
步骤S11、若确定所述服务请求方的请求方等级为第一等级,则在历史服务记录中查询是否存在所述服务请求方对应的历史服务信息;
步骤S12、若存在所述服务请求方对应的历史服务信息,则向所述服务请求方分配所述历史服务信息中对应的服务资源;
步骤S13、若不存在所述服务请求方对应的历史服务信息,则向所述服务请求方随机分配服务资源。
其中,所述第一等级用于表示服务请求方的请求方等级满足优先处理的条件。例如,所述第一等级可以包括表1中的“重要”和“核心”。或者,所述第一等级可以表示已录入的服务请求方,已录入的服务请求方包括已购买、已签订协议、已注册的服务请求方等。对于已录入的服务请求方,服务提供方已保存有其相关信息,如服务请求方的标识、名称等信息。
若确定所述服务请求方的请求方等级为第一等级,则对该服务请求方的服务请求优先处理,具体地,在历史服务记录中查询是否存在该服务请求方对应的历史服务信息,若存在该服务请求方对应的历史服务信息,则向该服务请求方分配所述历史服务信息中对应的服务资源。
在所述服务请求方的请求方等级为第一等级的情况下,本公开实施例优先向该服务请求方分配其历史服务信息中对应的服务资源。例如,服务请求方A的请求方等级为第一等级,则在历史服务记录中查询是否存在所述服务请求方A对应的历史服务信息,假设若存在所述服务请求方对应的历史服务信息,且向服务请求方A提供过历史服务的服务资源为二线服务的服务人员B,则向服务请求方A分配服务人员B为其提供服务。由于历史服务信息中对应的服务资源为当前的服务请求方提供过服务,更加了解当前的服务请求方的服务需求,可以提高服务效率和服务质量。
若不存在所述服务请求方对应的历史服务信息,则向所述服务请求方随机分配服务资源。
在本公开的一种可选实施例中,步骤102中所述确定所述服务请求方的请求方等级,可以包括:
步骤S21、获取所述服务请求方对应所述目标业务的指标数据,所述指标数据包括:流水信息、连锁信息、关键性标签中的至少一种;
步骤S22、根据所述指标数据,确定所述服务请求方的请求方等级。
其中,流水信息指营业额,例如产品或商品在交易中的总量金额。连锁信息可以为对服务请求方人工标注的连锁类型,如直营连锁、加盟连锁、非连锁等。关键性标签可用于表示服务请求方是否为关键客户,例如,对于关键客户可以标记关键性标签KA。如果当前的服务请求方存在关键性标签KA,则说明当前的服务请求方为关键客户。
在实际应用中,流水信息、连锁信息、关键性标签是衡量商户重要性的重要因素。因此,本公开的实施例根据服务请求方对应所述目标业务的流水信息、连锁信息、关键性标签中的至少一种,确定所述服务请求方的请求方等级。
当然,上述流水信息、连锁信息、关键性标签的指标数据仅作为本公开实施例的一种应用示例。在具体实施中,可以根据实际需要灵活选择指标数据,例如,还可以将到店客户数、成交率等作为指标数据。
在本公开的一种可选实施例中,步骤S22所述根据所述指标数据,确定所述服务请求方的请求方等级,可以包括:
对所述服务请求方对应所述目标业务的流水信息、连锁信息、关键性标签中的至少两种指标数据进行加权计算,得到所述服务请求方的请求方等级。
本公开实施例可以为不同的指标数据设置不同的权重,例如,对于流水信息,可以设置不同的流水范围对应不同的权重。一个示例中,流水[w1,w2]之间的权重为1,流水(w2,w3]之间的权重为2,流水(w3,w4]之间的权重为3,流水w4以上的权重为4。其中,w1、w2、w3、w4为预设流水值。又如,对于连锁信息,设置不同的连锁类型对应不同的权重。一个示例中,设置非连锁的权重为0,设置加盟连锁的连锁类型对应的权重为1,设置直营连锁的连锁类型对应的权重为2。再如,设置关键性标签的权重为1,设置非关键性标签的权重为0。
在具体应用中,可以选择服务请求方的指标数据中的任意一个计算服务请求方的请求方等级。例如,以流水信息为例,对于服务请求方A,其流水在(w3,w4]区间,则可以确定服务请求方A的请求方等级为3。又如,以连锁类型为例,假设服务请求方A为直营连锁,则可以确定服务请求方A的请求方等级为2。
当然,还可以选择服务请求方的指标数据中的多个计算服务请求方的请求方等级。例如,以选择流水信息和连锁信息两种指标数据为例,则可以确定服务请求方A的请求方等级为2+2=4。
可以理解,为便于描述,上述采用简单相加的方式,对至少两种指标数据进行加权计算,得到所述服务请求方的请求方等级。在实际应用中,还可以对每种指标数据赋予不同权重系数,或者采用不同的加权计算方法进行计算。
在本公开的一种可选实施例中,步骤S22所述根据所述指标数据,确定所述服务请求方的请求方等级,可以包括:
将所述服务请求方对应所述目标业务的指标数据输入已训练的预测模型,通过所述预测模型输出所述服务请求方的请求方等级;其中,所述预测模型为根据收集的指标数据样本以及所述指标数据样本对应的等级标注信息训练得到的。
为了进一步提高确定请求方等级的准确度,本公开实施例还可以训练用于预测请求方等级的预测模型。
所述预测模型可以为根据大量的训练数据和机器学习方法,对现有的神经网络进行有监督训练而得到的。所述训练数据包括收集大量商家的指标数据样本以及所述指标数据样本对应的等级标注信息。需要说明的是,本公开实施例对所述预测模型的模型结构以及训练方法不加以限制。所述预测模型可以是融合了多种神经网络的模型。所述神经网络包括但不限于以下的至少一种或者至少两种的组合、叠加、嵌套:CNN(ConvolutionalNeural Network,卷积神经网络)、LSTM(Long Short-Term Memory,长短时记忆)网络、RNN(Simple Recurrent Neural Network,循环神经网络)、注意力神经网络等。
具体地,将所述指标数据样本以及所述指标数据样本对应的等级标注信息逐对输入初始的神经网络模型,根据所述初始的神经网络模型输出的预测结果与所述等级标注信息之间的差异计算损失值,根据所述损失值迭代更新所述初始的神经网络模型的模型参数,直至损失值满足预设条件,停止迭代,得到训练完成的预测模型。
在训练得到预测模型之后,可以将服务请求方的指标数据输入该预测模型,则可以通过该预测模型输出服务请求方的请求方等级。由于所述预测模型为根据大量训练数据训练得到,可以提高确定请求方等级的准确性。此外,在后续使用预测模型的过程中,还可以不断继续收集服务请求方的指标数据,以对训练完成的预测模型不断优化更新,进一步提高预测模型的精准度。
在本公开的一种可选实施例中,步骤S21所述获取所述服务请求方对应所述目标业务的指标数据,可以包括:
步骤S31、在所述服务请求方未产生所述指标数据的情况下,确定所述服务请求方是否已开通所述目标业务对应的关联业务;
步骤S32、在确定所述服务请求方已开通所述关联业务的情况下,获取所述服务请求方对应所述关联业务的指标数据;
步骤S33、将所述服务请求方对应所述关联业务的指标数据作为所述服务请求方对应所述目标业务的指标数据。
本公开实施例可以将服务请求方分为存量类型和新增类型。其中,存量类型指该服务请求方对于目标业务已产生指标数据。新增类型指该服务请求方对于目标业务还未产生指标数据。
对于存量类型的服务请求方,由于已经产生目标业务的指标数据,因此可以利用已产生的指标数据确定该服务请求方的请求方等级。
对于新增类型的服务请求方,由于还未产生目标业务的指标数据,因此可以确定该服务请求方是否已开通所述目标业务对应的关联业务,若已开通所述关联业务,则可以获取该服务请求方对应所述关联业务的指标数据,将该关联业务的指标数据作为该服务请求方对应目标业务的指标数据。
一个示例中,假设接收到服务请求方B对目标业务(如业务1)发起的服务请求,服务请求方B为新增类型,还未产生对于业务1的指标数据。此时,可以确定服务请求方B是否已开通业务1对应的关联业务,假设服务请求方B已开通业务1对应的关联业务,如业务2,则可以获取服务请求方B对应该关联业务(业务2)的指标数据,将业务2的指标数据作为服务请求方B对应目标业务(业务1)的指标数据。
在具体实施中,如果新增类型的服务请求方不存在目标业务的关联业务,则可以先通过连锁信息、关键性标签等指标数据计算该服务请求方的请求方等级,等到该服务请求方产生流水信息后,再结合该服务请求方的流水信息更新该服务请求方的请求方等级。
在本公开的一种可选实施例中,步骤202中所述确定所述服务请求方的请求方等级,可以包括:
步骤S41、获取所述服务请求在预设时间内的重复发起次数;
步骤S42、根据所述重复发起次数,确定所述服务请求方的请求方等级。
在本公开实施例中,还可以根据所述服务请求在预设时间内的重复发起次数,确定所述服务请求方的请求方等级。通常,如果服务请求方在短时间内对同一个服务请求重复发起多次,说明该服务请求较为紧急且较为重要。例如,在预设时间内的重复发起次数越多,则确定所述服务请求方的请求方等级越高。
可以理解,本公开实施例对所述预设时间的具体范围不作限制。例如,所述预设时间可以为接收到服务请求方第一次发起该服务请求之后的1小时内。
在本公开的一种可选实施例中,步骤S42所述根据所述重复发起次数,确定所述服务请求方的请求方等级,可以包括:在所述重复发起次数大于预设阈值的情况下,确定所述服务请求方的请求方等级为第一等级。
如果服务请求方在预设时间内对同一个服务请求重复发起次数大于预设阈值,说明该服务请求较为紧急且较为重要,因此,本公开实施例可以确定该服务请求方的请求方等级为第一等级,优先处理该服务请求方的服务请求。
在本公开的一种可选实施例中,步骤101所述接收服务请求方对目标业务发起的服务请求之前,所述方法还可以包括:
步骤S51、根据已录入的服务请求方对应所述目标业务的指标数据,确定所述已录入的服务请求方的请求方等级;
步骤S52、根据所述已录入的服务请求方的请求方等级以及所述已录入的服务请求方的标识信息,构建预置数据库;
步骤102中所述确定所述服务请求方的请求方等级,可以包括:
步骤S61、获取发起所述服务请求的服务请求方的标识信息;
步骤S62、根据所述发起所述服务请求的服务请求方的标识信息,在所述预置数据库中查询对应的请求方等级。
在具体实施中,如果对服务请求方的请求方等级进行在线计算,由于模型计算量较大可能导致计算时间较长,导致等待时间较长,进而影响服务响应效率。因此,本公开实施例预先根据已录入的服务请求方对应所述目标业务的指标数据,确定所述已录入的服务请求方的请求方等级,根据所述已录入的服务请求方的请求方等级以及所述已录入的服务请求方的标识信息,构建预置数据库。也即,本公开实施例预先计算每个已录入的服务请求方的请求方等级,并保存在预置数据库中。这样,在需要获取某个服务请求方的请求方等级时,可以直接从预置数据库中查询得到,可以提高获取服务请求方的请求方等级的效率,减少计算等待的时间,进而可以提高服务响应效率。
在本公开的一种可选实施例中,步骤S52中所述构建预置数据库之后,所述方法还可以包括:
步骤S71、周期性获取所述已录入的服务请求方对应所述目标业务更新后的指标数据;
步骤S72、根据所述更新后的指标数据,更新所述已录入的服务请求方的请求方等级;
步骤S73、根据更新后的请求方等级,更新所述预置数据库。
本公开实施例可以预先离线计算每个已录入的服务请求方的请求方等级,保存在预置数据库中,并且定期更新所述预置数据库。
可以理解,本公开实施例对更新周期不作限制。例如,对于服务请求方,通常每个月会产生新的流水信息,则可以按照一个月为更新周期。每个月获取所述已录入的服务请求方对应所述目标业务更新后的指标数据,如更新后的流水信息、连锁信息、关键性标签等。根据更新后的指标数据,更新所述已录入的服务请求方的请求方等级,以及根据更新后的请求方等级,更新所述预置数据库。由此,使得预置数据库中服务请求方的请求方等级可以根据服务请求方的指标数据的更新得到及时更新,可以保证获取服务请求方的请求方等级的准确性,进而可以提高响应服务请求的效率。
在本公开的一种可选实施例中,步骤S62中所述在所述预置数据库中查询对应的请求方等级之后,所述方法还可以包括:若在所述预置数据库中未查询到对应的请求方等级,则确定所述发起所述服务请求的服务请求方的请求方等级为第二等级。
如果预置数据库中未查询到某服务请求方对应的请求方等级,说明该服务请求方为未录入的服务请求方。例如,该服务请求方还未购买服务提供方的产品或服务,则该服务请求方通常请求的是咨询服务,重要性和紧急性较低。因此,可以确定发起该服务请求的服务请求方的请求方等级为第二等级,第二等级的优先级低于第一等级,可以将优先级排在第一等级的服务请求之后。
参照图2,示出了本公开实施例的一种服务资源分配系统结构示意图。其中包括服务请求方201、服务提供方202、等级预测模块203、服务资源204。如图2所示,服务请求方通过预置接口向服务提供方发起服务请求,预置接口包括服务电话、在线客服、产品入口等。服务提供方可以通过呼叫中心接收服务请求方发起的服务请求,并且获取服务请求方的标识信息。等级预测模块用于预先计算每个已录入的服务请求方的请求方等级,并保存在预置数据库中。服务提供方通过呼叫中心接收服务请求方发起的服务请求之后,可以根据服务请求方的标识信息在预置数据库中查询服务请求方的请求方等级。接下来,呼叫中心将服务请求方的请求方等级发送给服务系统,服务系统根据请求方等级为服务请求方分配相应的响应方等级的服务资源。
综上,本公开实施例在接收到服务请求方对目标业务发起的服务请求之后,确定所述服务请求方的请求方等级,根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级,并且向所述服务请求方分配所述响应方等级对应的服务资源。通过本公开实施例,使得分配的服务资源的响应方等级与服务请求方的请求方等级相匹配,由此,可以将响应方等级较高的服务资源(如高技能的售后服务人员)分配给请求方等级较高(如问题复杂)的服务请求方,使得重要的、复杂的问题可以得到及时有效的处理,进而可以提高售后服务系统的处理效率和质量。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开实施例并不受所描述的动作顺序的限制,因为依据本公开实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本公开实施例所必须的。
实施例二
参照图3,其示出了本公开的一个实施例中的服务资源分配装置的结构图,所述装置应用于终端设备,具体如下。
请求接收模块301,用于接收服务请求方对目标业务发起的服务请求;
等级确定模块302,用于响应所述服务请求,确定所述服务请求方的请求方等级;
等级匹配模块303,用于根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
资源分配模块304,用于向所述服务请求方分配所述响应方等级对应的服务资源。
可选地,所述等级确定模块303,包括:
指标获取子模块,用于获取所述服务请求方对应所述目标业务的指标数据,所述指标数据包括:流水信息、连锁信息、关键性标签中的至少一种;
第一等级确定子模块,用于根据所述指标数据,确定所述服务请求方的请求方等级。
可选地,所述指标获取子模块,包括:
关联业务确定单元,用于在所述服务请求方未产生所述指标数据的情况下,确定所述服务请求方是否已开通所述目标业务对应的关联业务;
关联指标获取单元,用于在确定所述服务请求方已开通所述关联业务的情况下,获取所述服务请求方对应所述关联业务的指标数据;
关联指标替代单元,用于将所述服务请求方对应所述关联业务的指标数据作为所述服务请求方对应所述目标业务的指标数据。
可选地,所述第一等级确定子模块,具体用于对所述服务请求方对应所述目标业务的流水信息、连锁信息、关键性标签中的至少两种指标数据进行加权计算,得到所述服务请求方的请求方等级。
可选地,所述第一等级确定子模块,具体用于将所述服务请求方对应所述目标业务的指标数据输入已训练的预测模型,通过所述预测模型输出所述服务请求方的请求方等级;其中,所述预测模型为根据收集的指标数据样本以及所述指标数据样本对应的等级标注信息训练得到的。
可选地,所述等级确定模块302,包括:
重复次数获取子模块,用于获取所述服务请求在预设时间内的重复发起次数;
第二等级确定子模块,用于根据所述重复发起次数,确定所述服务请求方的请求方等级。
可选地,所述第二等级确定子模块,具体用于在所述重复发起次数大于预设阈值的情况下,确定所述服务请求方的请求方等级为第一等级。
可选地,所述装置还包括:
已录入等级确定模块,用于根据已录入的服务请求方对应所述目标业务的指标数据,确定所述已录入的服务请求方的请求方等级;
数据库构建模块,用于根据所述已录入的服务请求方的请求方等级以及所述已录入的服务请求方的标识信息,构建预置数据库;
所述等级确定模块,包括:
标识获取子模块,用于获取发起所述服务请求的服务请求方的标识信息;
等级查询子模块,用于根据所述发起所述服务请求的服务请求方的标识信息,在所述预置数据库中查询对应的请求方等级。
可选地,所述装置还包括:
未录入等级确定模块,用于若在所述预置数据库中未查询到对应的请求方等级,则确定所述发起所述服务请求的服务请求方的请求方等级为第二等级。
可选地,所述装置还包括:
周期获取模块,用于周期性获取所述已录入的服务请求方对应所述目标业务更新后的指标数据;
等级更新模块,用于根据所述更新后的指标数据,更新所述已录入的服务请求方的请求方等级;
数据库更新模块,用于根据更新后的请求方等级,更新所述预置数据库。
可选地,所述资源分配模块304,包括:
历史查询子模块,用于若确定所述服务请求方的请求方等级为第一等级,则在历史服务记录中查询是否存在所述服务请求方对应的历史服务信息;
第一分配子模块,用于若存在所述服务请求方对应的历史服务信息,则向所述服务请求方分配所述历史服务信息中对应的服务资源;
第二分配子模块,用于若不存在所述服务请求方对应的历史服务信息,则向所述服务请求方随机分配服务资源。
通过本公开实施例,使得分配的服务资源的响应方等级与服务请求方的请求方等级相匹配,由此,可以将响应方等级较高的服务资源(如高技能的售后服务人员)分配给请求方等级较高(如问题复杂)的服务请求方,使得重要的、复杂的问题可以得到及时有效的处理,进而可以提高售后服务系统的处理效率和质量。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开的实施例还提供了一种电子设备,参见图4,包括:处理器401、存储器402以及存储在所述存储器上并可在所述处理器上运行的计算机程序4021,所述处理器执行所述程序时实现前述实施例的服务资源分配方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的服务资源分配方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的排序设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
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、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例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公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (24)
1.一种服务资源分配方法,其特征在于,所述方法包括:
接收服务请求方对目标业务发起的服务请求;
响应所述服务请求,确定所述服务请求方的请求方等级;
根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
向所述服务请求方分配所述响应方等级对应的服务资源。
2.根据权利要求1所述的方法,其特征在于,所述确定所述服务请求方的请求方等级,包括:
获取所述服务请求方对应所述目标业务的指标数据,所述指标数据包括:流水信息、连锁信息、关键性标签中的至少一种;
根据所述指标数据,确定所述服务请求方的请求方等级。
3.根据权利要求2所述的方法,其特征在于,所述获取所述服务请求方对应所述目标业务的指标数据,包括:
在所述服务请求方未产生所述指标数据的情况下,确定所述服务请求方是否已开通所述目标业务对应的关联业务;
在确定所述服务请求方已开通所述关联业务的情况下,获取所述服务请求方对应所述关联业务的指标数据;
将所述服务请求方对应所述关联业务的指标数据作为所述服务请求方对应所述目标业务的指标数据。
4.根据权利要求2所述的方法,其特征在于,所述根据所述指标数据,确定所述服务请求方的请求方等级,包括:
对所述服务请求方对应所述目标业务的流水信息、连锁信息、关键性标签中的至少两种指标数据进行加权计算,得到所述服务请求方的请求方等级。
5.根据权利要求2所述的方法,其特征在于,所述根据所述指标数据,确定所述服务请求方的请求方等级,包括:
将所述服务请求方对应所述目标业务的指标数据输入已训练的预测模型,通过所述预测模型输出所述服务请求方的请求方等级;其中,所述预测模型为根据收集的指标数据样本以及所述指标数据样本对应的等级标注信息训练得到的。
6.根据权利要求1所述的方法,其特征在于,所述确定所述服务请求方的请求方等级,包括:
获取所述服务请求在预设时间内的重复发起次数;
根据所述重复发起次数,确定所述服务请求方的请求方等级。
7.根据权利要求6所述的方法,其特征在于,所述根据所述重复发起次数,确定所述服务请求方的请求方等级,包括:
在所述重复发起次数大于预设阈值的情况下,确定所述服务请求方的请求方等级为第一等级。
8.根据权利要求1所述的方法,其特征在于,所述接收服务请求方对目标业务发起的服务请求之前,所述方法还包括:
根据已录入的服务请求方对应所述目标业务的指标数据,确定所述已录入的服务请求方的请求方等级;
根据所述已录入的服务请求方的请求方等级以及所述已录入的服务请求方的标识信息,构建预置数据库;
所述确定所述服务请求方的请求方等级,包括:
获取发起所述服务请求的服务请求方的标识信息;
根据所述发起所述服务请求的服务请求方的标识信息,在所述预置数据库中查询对应的请求方等级。
9.根据权利要求8所述的方法,其特征在于,所述在所述预置数据库中查询对应的请求方等级之后,所述方法还包括:
若在所述预置数据库中未查询到对应的请求方等级,则确定所述发起所述服务请求的服务请求方的请求方等级为第二等级。
10.根据权利要求8所述的方法,其特征在于,所述构建预置数据库之后,所述方法还包括:
周期性获取所述已录入的服务请求方对应所述目标业务更新后的指标数据;
根据所述更新后的指标数据,更新所述已录入的服务请求方的请求方等级;
根据更新后的请求方等级,更新所述预置数据库。
11.根据权利要求1所述的方法,其特征在于,所述向所述服务请求方分配所述响应方等级对应的服务资源,包括:
若确定所述服务请求方的请求方等级为第一等级,则在历史服务记录中查询是否存在所述服务请求方对应的历史服务信息;
若存在所述服务请求方对应的历史服务信息,则向所述服务请求方分配所述历史服务信息中对应的服务资源;
若不存在所述服务请求方对应的历史服务信息,则向所述服务请求方随机分配服务资源。
12.一种服务资源分配装置,其特征在于,所述装置包括:
请求接收模块,用于接收服务请求方对目标业务发起的服务请求;
等级确定模块,用于响应所述服务请求,确定所述服务请求方的请求方等级;
等级匹配模块,用于根据所述服务请求方的请求方等级,确定与所述请求方等级相匹配的响应方等级;
资源分配模块,用于向所述服务请求方分配所述响应方等级对应的服务资源。
13.根据权利要求12所述的装置,其特征在于,所述等级确定模块,包括:
指标获取子模块,用于获取所述服务请求方对应所述目标业务的指标数据,所述指标数据包括:流水信息、连锁信息、关键性标签中的至少一种;
第一等级确定子模块,用于根据所述指标数据,确定所述服务请求方的请求方等级。
14.根据权利要求13所述的装置,其特征在于,所述指标获取子模块,包括:
关联业务确定单元,用于在所述服务请求方未产生所述指标数据的情况下,确定所述服务请求方是否已开通所述目标业务对应的关联业务;
关联指标获取单元,用于在确定所述服务请求方已开通所述关联业务的情况下,获取所述服务请求方对应所述关联业务的指标数据;
关联指标替代单元,用于将所述服务请求方对应所述关联业务的指标数据作为所述服务请求方对应所述目标业务的指标数据。
15.根据权利要求13所述的装置,其特征在于,所述第一等级确定子模块,具体用于对所述服务请求方对应所述目标业务的流水信息、连锁信息、关键性标签中的至少两种指标数据进行加权计算,得到所述服务请求方的请求方等级。
16.根据权利要求13所述的装置,其特征在于,所述第一等级确定子模块,具体用于将所述服务请求方对应所述目标业务的指标数据输入已训练的预测模型,通过所述预测模型输出所述服务请求方的请求方等级;其中,所述预测模型为根据收集的指标数据样本以及所述指标数据样本对应的等级标注信息训练得到的。
17.根据权利要求12所述的装置,其特征在于,所述等级确定模块,包括:
重复次数获取子模块,用于获取所述服务请求在预设时间内的重复发起次数;
第二等级确定子模块,用于根据所述重复发起次数,确定所述服务请求方的请求方等级。
18.根据权利要求17所述的装置,其特征在于,所述第二等级确定子模块,具体用于在所述重复发起次数大于预设阈值的情况下,确定所述服务请求方的请求方等级为第一等级。
19.根据权利要求12所述的装置,其特征在于,所述装置还包括:
已录入等级确定模块,用于根据已录入的服务请求方对应所述目标业务的指标数据,确定所述已录入的服务请求方的请求方等级;
数据库构建模块,用于根据所述已录入的服务请求方的请求方等级以及所述已录入的服务请求方的标识信息,构建预置数据库;
所述等级确定模块,包括:
标识获取子模块,用于获取发起所述服务请求的服务请求方的标识信息;
等级查询子模块,用于根据所述发起所述服务请求的服务请求方的标识信息,在所述预置数据库中查询对应的请求方等级。
20.根据权利要求19所述的装置,其特征在于,所述装置还包括:
未录入等级确定模块,用于若在所述预置数据库中未查询到对应的请求方等级,则确定所述发起所述服务请求的服务请求方的请求方等级为第二等级。
21.根据权利要求19所述的装置,其特征在于,所述装置还包括:
周期获取模块,用于周期性获取所述已录入的服务请求方对应所述目标业务更新后的指标数据;
等级更新模块,用于根据所述更新后的指标数据,更新所述已录入的服务请求方的请求方等级;
数据库更新模块,用于根据更新后的请求方等级,更新所述预置数据库。
22.根据权利要求12所述的装置,其特征在于,所述资源分配模块,包括:
历史查询子模块,用于若确定所述服务请求方的请求方等级为第一等级,则在历史服务记录中查询是否存在所述服务请求方对应的历史服务信息;
第一分配子模块,用于若存在所述服务请求方对应的历史服务信息,则向所述服务请求方分配所述历史服务信息中对应的服务资源;
第二分配子模块,用于若不存在所述服务请求方对应的历史服务信息,则向所述服务请求方随机分配服务资源。
23.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-11中任意一个所述的服务资源分配方法。
24.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-11中任意一个所述的服务资源分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010834098.6A CN112163726A (zh) | 2020-08-18 | 2020-08-18 | 服务资源分配方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010834098.6A CN112163726A (zh) | 2020-08-18 | 2020-08-18 | 服务资源分配方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112163726A true CN112163726A (zh) | 2021-01-01 |
Family
ID=73860194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010834098.6A Pending CN112163726A (zh) | 2020-08-18 | 2020-08-18 | 服务资源分配方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163726A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542443A (zh) * | 2023-03-29 | 2023-08-04 | 浙江中兴慧农信息科技有限公司 | 一种基于双边匹配模型的资源分配方法及设备 |
-
2020
- 2020-08-18 CN CN202010834098.6A patent/CN112163726A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116542443A (zh) * | 2023-03-29 | 2023-08-04 | 浙江中兴慧农信息科技有限公司 | 一种基于双边匹配模型的资源分配方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10679169B2 (en) | Cross-domain multi-attribute hashed and weighted dynamic process prioritization | |
US10204374B1 (en) | Parallel fraud check | |
US20170094058A1 (en) | Customer journey management | |
US20170278173A1 (en) | Personalized bundle recommendation system and method | |
CN109544076B (zh) | 用于生成信息的方法和装置 | |
CN112598472B (zh) | 产品推荐方法、装置、系统、介质和程序产品 | |
KR102315856B1 (ko) | 음식 배달에 대한 라이더 자동 배차 관리 시스템 | |
CN111008335B (zh) | 一种信息处理方法、装置、设备及存储介质 | |
CN112215448A (zh) | 分配客服的方法和装置 | |
US20190065948A1 (en) | Using a neural network to optimize processing of user requests | |
US11854051B2 (en) | Systems and methods for generating efficient iterative recommendation structures | |
CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
US20230351428A1 (en) | Systems and methods for providing user offers based on efficient iterative recommendation structures | |
US20170032415A1 (en) | Constrained large-data markdown optimizations based upon markdown budget | |
Alotaibi et al. | Average waiting time of customers in a new queue system with different classes | |
KR20200070581A (ko) | 사용자로부터의 미션과 연관된 오프라인 환경에서의 작업을 수행하기 위한 헬퍼들을 순위화하고 적합한 헬퍼를 사용자와 매칭하는 방법 및 장치 | |
WO2023278800A1 (en) | Order fulfillment system | |
US20180285960A1 (en) | Cognitive article reception | |
CN113822734B (zh) | 用于生成信息的方法和装置 | |
US11190643B1 (en) | Automated redistribution of queries to underutilized channels | |
US11455559B2 (en) | Method and system for estimating relocation costs | |
CN112163726A (zh) | 服务资源分配方法、装置、电子设备及可读存储介质 | |
CN112926090A (zh) | 基于差分隐私的业务分析方法及装置 | |
US10362129B2 (en) | Optimizing value of content items delivered for a content provider | |
US20180285793A1 (en) | Patron presence based workforce capacity notification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210101 |