CN112348532A - 最佳推荐信息处理方法和装置、存储介质和电子设备 - Google Patents

最佳推荐信息处理方法和装置、存储介质和电子设备 Download PDF

Info

Publication number
CN112348532A
CN112348532A CN202011120945.9A CN202011120945A CN112348532A CN 112348532 A CN112348532 A CN 112348532A CN 202011120945 A CN202011120945 A CN 202011120945A CN 112348532 A CN112348532 A CN 112348532A
Authority
CN
China
Prior art keywords
information
recommendation information
recommended
recommendation
target
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
Application number
CN202011120945.9A
Other languages
English (en)
Inventor
林庆治
菲律普·弗尼尔·维格
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.)
Qianhai Feisuan Technology Shenzhen Co ltd
Original Assignee
Qianhai Feisuan Technology Shenzhen 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 Qianhai Feisuan Technology Shenzhen Co ltd filed Critical Qianhai Feisuan Technology Shenzhen Co ltd
Priority to CN202011120945.9A priority Critical patent/CN112348532A/zh
Publication of CN112348532A publication Critical patent/CN112348532A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Abstract

本公开涉及一种最佳推荐信息处理方法和装置、存储介质和电子设备，所述方法包括：根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品；根据获取的期望信息，确定期望公式中的参数值；根据所述期望公式，计算所述多组推荐信息组的评分值；确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。

Description

最佳推荐信息处理方法和装置、存储介质和电子设备
技术领域
本公开涉及信息技术领域，具体地，涉及一种最佳推荐信息处理方法和装置、存储介质和电子设备。
背景技术
目前的电子客户管理系统往往作为记录工具使用，当需要进行客户关系维护时，需要用户手动从客户管理系统中调取客户信息并进行资源配置，以获得更好的客户关系维护效果。
这些电子客户管理系统缺乏进行复杂数据分析的能力和自动优化资源配置的功能，或者，部分电子客户管理系统可以对收集到的客户信息进行总结，但是对于客户信息的使用，仍然需要用户手动进行处理，这样无疑增加了人力消耗，并且，通常而言用户不一定总能手动得出最优的资源配置方案，这样也不利于资源最优化。
发明内容
本公开的目的是提供一种最佳推荐信息处理方法和装置、存储介质和电子设备，以解决相关技术中存在的问题。
为了实现上述目的，本公开的第一方面提供一种最佳推荐信息处理方法，所述方法包括：根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品；根据获取的期望信息，确定期望公式中的参数值；根据所述期望公式，计算所述多组推荐信息组的评分值；确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
可选地，所述根据获取的期望信息，确定期望公式中的参数值，包括：确定所述期望信息中的子期望信息；根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值；所述根据所述期望公式，计算所述多组推荐信息组的评分值，包括：根据所述期望公式，计算所述推荐信息条的中间评分值；根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
可选地，所述用户信息包括所述目标用户对第一产品和/或第一通信方式的偏好条件；所述根据用户信息、产品信息和通信信息生成多组推荐信息组，包括：根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
可选地，在所述确定评分最优的所述推荐信息组为目标推荐信息组之后，所述方法还包括：修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；根据所述期望公式，计算所述多个二次推荐信息组的评分值；确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
可选地，在根据所述期望信息，对所述多组推荐信息组进行评分之后，所述方法还包括：确定评分值低于预设评分阈值的推荐信息组为非优推荐信息组；将所述非优推荐信息组加入非优信息库。
可选地，在根据所述期望信息，对所述多组推荐信息组进行评分之前，所述方法还包括：判断所述推荐信息组与所述非优信息库中的非优推荐信息组的相似度是否满足相似度条件；若满足所述相似度条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
可选地，所述期望信息还包括负荷条件，所述根据用户信息、产品信息和通信信息生成多组推荐信息组，还包括：根据所述用户信息、所述产品信息和通信信息生成多组推荐信息组；根据预设负荷计算公式计算所述推荐信息组的负荷值；在所述根据所述期望公式，计算所述多组推荐信息组的评分值之前，所述方法还包括：判断所述负荷值是否满足所述负荷条件；若所述负荷值不满足所述负荷条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
本公开的第二方面提供一种最佳推荐信息处理装置，所述装置包括：信息生成模块，用于根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品；参数确定模块，用于根据获取的期望信息，确定期望公式中的参数值；评分计算模块，用于根据所述期望公式，计算所述多组推荐信息组的评分值；目标确定模块，用于确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
可选地，所述参数确定模块，用于确定所述期望信息中的子期望信息，并根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值；所述评分计算模块，用于根据所述期望公式，计算所述推荐信息条的中间评分值，并根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
可选地，所述用户信息包括所述目标用户对第一产品和/或第一通信方式的偏好条件；所述信息生成模块，用于：根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
可选地，所述装置还包括更新模块，用于修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；根据所述期望公式，计算所述多个二次推荐信息组的评分值；确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
可选地，所述装置还包括非优判定模块，用于确定评分值低于预设评分阈值的推荐信息组为非优推荐信息组，并将所述非优推荐信息组加入非优信息库。
可选地，所述装置还包括筛除模块，用于判断所述推荐信息组与所述非优信息库中的非优推荐信息组的相似度是否满足相似度条件；若满足所述相似度条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
可选地，所述期望信息还包括负荷条件，所述信息生成模块，还用于，根据所述用户信息、所述产品信息和通信信息生成多组推荐信息组；根据预设负荷计算公式计算所述推荐信息组的负荷值；
可选地，所述装置还包括负荷判断模块，用于判断所述负荷值是否满足所述负荷条件；若所述负荷值不满足所述负荷条件，则不使用所述评分计算模块计算所述推荐信息组的评分值。
本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面中任一项所述方法的步骤。
本公开的第四方面，提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第二方面中任一项所述方法的步骤。
通过上述的技术方案，至少可以达到如下的技术效果：
根据用户信息、产品信息和通信信息生成包括了多条推荐信息条的推荐信息组，并通过期望信息确定的期望公式对多组推荐信息组进行评分，找到目标推荐信息组，这样，可以自动根据系统中存储的信息得到客户管理的资源配置方案，减少了人力的参与，提高了资源的利用率和资源配置方案的高效性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性公开实施例示出的一种最佳推荐信息处理方法的流程图。
图2是根据一示例性公开实施例示出的另一种最佳推荐信息处理方法的流程图。
图3是根据一示例性公开实施例示出的一种最佳推荐信息处理装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图。
图5是根据一示例性公开实施例示出的另一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性公开实施例示出的一种最佳推荐信息处理方法的流程图，根据图1所示，该方法包括如下步骤：
S11、根据用户信息、产品信息和通信信息生成多组推荐信息组。
其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品。
用户信息可以是系统中可以存储的任何与客户有关的个人信息，例如，姓名、年龄、性别、手机号码、社交软件账号、产品购买记录、信用度等。产品信息可以包括产品的名称、价格、售出商品可获得的利润等，如果是可投资产品，则该产品信息还可以包括投资风险信息、投资回报信息等。通信信息是指可以联络到用户的任何可能的途径信息，例如，电话、短信、SNS(Social Networking Services，社交网络服务)，以及各个通信途径需要花费的人力资源物力资源等信息。
在一种可选的实施方式中，用户信息还可以包括目标用户对第一产品和/或第一通信方式的偏好条件。该偏好条件可以是一个偏好值，代表用户对第一产品或第一通信方式的可接受度。例如，用户A对通信方式B的偏好值为10，说明用户喜欢使用通信方式B且喜欢他人通过通信方式B与其交流，再如，用户C对产品D的偏好值为0，说明用户不喜欢产品D并且不希望收到关于产品D的任何推荐。
在生成推荐信息组时，可以根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
例如，用户A对通信方式B的偏好值为10，说明用户喜欢使用通信方式B且喜欢他人通过通信方式B与其交流，那么就可以确定使用通信方式B向用户A推荐产品；再如，用户C对产品D的偏好值为0，说明用户不喜欢产品D并且不希望收到关于产品D的任何推荐，那么在生成推荐信息组时，就可以忽略向用户C推荐产品D的任何推荐信息条，只生成向用户C推荐除了产品D以外的其他产品的推荐信息条。
一组推荐信息组由多条推荐信息条组成，例如，一条推荐信息条的内容可以是通过通信方式A1向B1用户推荐C1产品，一组推荐信息组则可以包括以下内容：
通过通信方式A1向B1用户推荐C1产品；
通过通信方式A2向B2用户推荐C2产品；
通过通信方式A3向B3用户推荐C3产品；
……
通过通信方式An向Bn用户推荐Cn产品。
其中，A1至An可以包括相同的通信方式，也可以是n个不同的通信方式，B1至Bn可以包括相同的用户，也可以是n个不同的用户，C1至Cn可以包括相同的产品，也可以是n个不同的产品。
不同的推荐信息组中也可以包括相同的推荐信息条，例如，第一推荐信息组中可以包括通过通信方式A3向B3用户推荐C3产品，第二推荐信息组中也可以包括通信方式A3向B3用户推荐C3产品。
S12、根据获取的期望信息，确定期望公式中的参数值。
期望信息可以是表征本次最佳推荐信息处理的目标的信息，例如，可以是达到一定的利润值或者增加一定的客户量，也可以是预计花费的总成本值，或者是预计需要的总通信数量、客户接受产品的平均概率、客户的性别比例、客户的年龄比例、客户的平均信用分数、通信所需要的平均时间等。值得说明的是，期望信息可以只包含一个目标，例如，可以仅实现利润最大化，期望信息也可以包含多个目标，例如，在花费成本值较低的情况下联络更多女性用户并实现利润的最大化。
当期望信息不同时，用于对推荐信息组进行评分的期望公式中的参数值也会不同，以达到同样的推荐信息组在不同的期望公式下的评分值不同的效果。
例如，如果第一推荐信息组的利润值很高并且联系到的客户年龄都偏大，那么在期望信息为利润值时确定的期望公式下，第一推荐信息组的得分会很高；如果在期望信息为客户年龄偏低时确定的期望公式下，第一推荐信息组的得分会很低。
可选地，可以通过确定所述期望信息中的子期望信息，并根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值的方式确定期望公式。
所述期望公式可以是Y(x)＝W1×V1(x)+W2×V2(x)+W3×V3(x)+…+Wq×Vq(x)，其中，y是评分值，x是推荐信息组，Wq是子期望q的权重值，Vq(x)是用于计算推荐信息组x在子期望q下的评分值的函数。
如果期望信息是“在花费成本值较低的情况下联络更多女性用户并实现利润的最大化”，成本值对应的子期望为子期望1，成本值对应的权重值可以为6，性别比例对应的子期望为子期望2，性别比例对应的权重值可以为9，利润值对应的子期望为子期望3，利润值对应的权重值可以为10，则该期望信息对应的期望公式可以是Y(x)＝6×V1(x)+9×V2(x)+10×V3(x)。
值得说明的是，一个子期望对应的权重值可以是正数，也可以是负数。例如，子期望q可以是成本值，当Wq为正数时，可以代表期望信息表征的目标是增加成本值，当Wq为负数时，可以代表期望信息表征的目标是减少成本值。
S13、根据所述期望公式，计算所述多组推荐信息组的评分值。
一组推荐信息组在不同的期望公式下可以有完全不同的评分值。例如，某推荐信息组的利润值很高，当期望公式中利润值的权重很高时，该推荐信息组的评分值也很高，当期望公式中利润值的权重很低时，该推荐信息组的评分值也会降低。
在一种可能的实现方式中，可以根据所述期望公式，计算所述推荐信息条的中间评分值，并根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
也就是说，期望公式可以用于计算推荐信息组中的推荐信息条的中间评分值，而将一个组内的所有推荐信息条的中间评分值相加，可以得到改组推荐信息组的评分值。
可选地，当期望信息中包含负荷条件时，还可以在生成多组推荐信息之后根据预设负荷计算公式计算推荐信息组的负荷值，并在计算评分值之前判断负荷值是否满足期望信息中的符合条件，如果不满足所述负荷条件，则不执行步骤S13。
其中，负荷条件可以指一组推荐信息组需要的成本值条件，例如，总成本不能高于预设成本值；负荷条件也可以指一组推荐信息组需要的人力条件，例如，需要的总通讯人员数量不能高于预设数量值等。如果不满足该负荷条件，说明该组推荐信息组不具备在当前的人力、财力条件下实施的可能性，也就没有了对其进行评分的必要性。
S14、确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
该第一评分条件可以是评分值最高，也可以是评分值超过某一评分值阈值。该目标推荐信息组可以是一个推荐信息组，也可以是多个推荐信息组。当确定了目标推荐信息组之后，可以将其展示给用户，也可以将其导入用户联络模块中，由用户联络模块根据该目标推荐信息组的推荐信息条依次对目标用户进行联络。
可选地，在确定目标推荐信息组之后，所述方法还包括：
修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；根据所述期望公式，计算所述多个二次推荐信息组的评分值；确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
在第一次生成推荐信息组时，可能由于时间、计算机资源等条件的限制，无法一次生成太多组推荐信息组。在达到时间、计算机资源条件的限制时，会停止生成推荐信息组，此时生成的所有推荐信息组中可能还不包括客观上最优的推荐信息组。因此，可以通过修改目标推荐信息组中的推荐信息条，来得到多个二次推荐信息组，并在多个二次推荐信息组里重新寻找评分最高或超过新的评分阈值的推荐信息组作为新的目标推荐信息组。
值得说明的是，修改推荐信息条并不是随机地修改，而是基于原有的推荐信息条进行的修改。例如，原有的推荐信息条是通过微信公众号文章向用户A推荐产品B，那么可以修改为通过微博长文章向用户A推荐产品B，因为微信公众号文章和微博长文章之间具有相似性。同样地，也可以将产品B修改为与产品B不同系列但是相同市场定位的产品C。
通过上述的技术方案，至少可以达到如下的技术效果：
根据用户信息、产品信息和通信信息生成包括了多条推荐信息条的推荐信息组，并通过期望信息确定的期望公式对多组推荐信息组进行评分，找到目标推荐信息组，这样，可以自动根据系统中存储的信息得到客户管理的资源配置方案，减少了人力的参与，提高了资源的利用率和资源配置方案的高效性。
图2是根据一示例性公开实施例示出的一种最佳推荐信息处理方法的流程图，根据图2所示，该方法包括如下步骤：
S21、根据用户信息、产品信息和通信信息生成多组推荐信息组。
其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品。
用户信息可以是系统中可以存储的任何与客户有关的个人信息，例如，姓名、年龄、性别、手机号码、社交软件账号、产品购买记录、信用度等。产品信息可以包括产品的名称、价格、售出商品可获得的利润等，如果是可投资产品，则该产品信息还可以包括投资风险信息、投资回报信息等。通信信息是指可以联络到用户的任何可能的途径信息，例如，电话、短信、SNS(Social Networking Services，社交网络服务)，以及各个通信途径需要花费的人力资源物力资源等信息。
在一种可选的实施方式中，用户信息还可以包括目标用户对第一产品和/或第一通信方式的偏好条件。该偏好条件可以是一个偏好值，代表用户对第一产品或第一通信方式的可接受度。例如，用户A对通信方式B的偏好值为10，说明用户喜欢使用通信方式B且喜欢他人通过通信方式B与其交流，再如，用户C对产品D的偏好值为0，说明用户不喜欢产品D并且不希望收到关于产品D的任何推荐。
在生成推荐信息组时，可以根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
例如，用户A对通信方式B的偏好值为10，说明用户喜欢使用通信方式B且喜欢他人通过通信方式B与其交流，那么就可以确定使用通信方式B向用户A推荐产品；再如，用户C对产品D的偏好值为0，说明用户不喜欢产品D并且不希望收到关于产品D的任何推荐，那么在生成推荐信息组时，就可以忽略向用户C推荐产品D的任何推荐信息条，只生成向用户C推荐除了产品D以外的其他产品的推荐信息条。
一组推荐信息组由多条推荐信息条组成，例如，一条推荐信息条的内容可以是通过通信方式A1向B1用户推荐C1产品，一组推荐信息组则可以包括以下内容：
通过通信方式A1向B1用户推荐C1产品；
通过通信方式A2向B2用户推荐C2产品；
通过通信方式A3向B3用户推荐C3产品；
……
通过通信方式An向Bn用户推荐Cn产品。
其中，A1至An可以包括相同的通信方式，也可以是n个不同的通信方式，B1至Bn可以包括相同的用户，也可以是n个不同的用户，C1至Cn可以包括相同的产品，也可以是n个不同的产品。
不同的推荐信息组中也可以包括相同的推荐信息条，例如，第一推荐信息组中可以包括通过通信方式A3向B3用户推荐C3产品，第二推荐信息组中也可以包括通信方式A3向B3用户推荐C3产品。
S22、根据获取的期望信息，确定期望公式中的参数值。
期望信息可以是表征本次最佳推荐信息处理的目标的信息，例如，可以是达到一定的利润值或者增加一定的客户量，也可以是预计花费的总成本值，或者是预计需要的总通信数量、客户接受产品的平均概率、客户的性别比例、客户的年龄比例、客户的平均信用分数、通信所需要的平均时间等。值得说明的是，期望信息可以只包含一个目标，例如，可以仅实现利润最大化，期望信息也可以包含多个目标，例如，在花费成本值较低的情况下联络更多女性用户并实现利润的最大化。
当期望信息不同时，用于对推荐信息组进行评分的期望公式中的参数值也会不同，以达到同样的推荐信息组在不同的期望公式下的评分值不同的效果。
例如，如果第一推荐信息组的利润值很高并且联系到的客户年龄都偏大，那么在期望信息为利润值时确定的期望公式下，第一推荐信息组的得分会很高；如果在期望信息为客户年龄偏低时确定的期望公式下，第一推荐信息组的得分会很低。
可选地，可以通过确定所述期望信息中的子期望信息，并根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值的方式确定期望公式。
所述期望公式可以是Y(x)＝W1×V1(x)+W2×V2(x)+W3×V3(x)+…+Wq×Vq(x)，其中，y是评分值，x是推荐信息组，Wq是子期望q的权重值，Vq(x)是用于计算推荐信息组x在子期望q下的评分值的函数。
如果期望信息是“在花费成本值较低的情况下联络更多女性用户并实现利润的最大化”，成本值对应的子期望为子期望1，成本值对应的权重值可以为6，性别比例对应的子期望为子期望2，性别比例对应的权重值可以为9，利润值对应的子期望为子期望3，利润值对应的权重值可以为10，则该期望信息对应的期望公式可以是Y(x)＝6×V1(x)+9×V2(x)+10×V3(x)。
值得说明的是，一个子期望对应的权重值可以是正数，也可以是负数。例如，子期望q可以是成本值，当Wq为正数时，可以代表期望信息表征的目标是增加成本值，当Wq为负数时，可以代表期望信息表征的目标是减少成本值。
S23、判断所述推荐信息组与所述非优信息库中的非优推荐信息组的相似度是否满足相似度条件。
其中，所述非优信息库中预存有一些低评分值的非优推荐信息组。值得说明的是，这些非优推荐信息组可以是在当前期望信息确定的期望函数下评分值很低的推荐信息组，也可以是在多个期望函数下的评分都很低的推荐信息组。在具体应用时，可以根据不同的期望信息建立不同的非优信息库，也可以所有的期望信息条件下都使用同一非优信息库。
两个推荐信息组之间的相似度可以指两个推荐信息组中相同的推荐信息条占推荐信息条总数的比例，也可以指相似的推荐信息条占推荐信息条总数的比例。例如，推荐信息条1为通过电话向用户A推荐产品B，推荐信息条2为通过电话向用户A推荐与产品B的定位和定价都相同的产品C，那么推荐信息条1和推荐信息条2就是相似的推荐信息条。如果推荐信息组A和推荐信息组B中的所有推荐信息条都不同，但是有大量相似的推荐信息条，则推荐信息组A和推荐信息组B之间的相似度也可能满足相似度条件。
S24、根据所述期望公式，计算不满足所述相似度条件的所述多组推荐信息组的评分值。
一组推荐信息组在不同的期望公式下可以有完全不同的评分值。例如，某推荐信息组的利润值很高，当期望公式中利润值的权重很高时，该推荐信息组的评分值也很高，当期望公式中利润值的权重很低时，该推荐信息组的评分值也会降低。
在一种可能的实现方式中，可以根据所述期望公式，计算所述推荐信息条的中间评分值，并根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
也就是说，期望公式可以用于计算推荐信息组中的推荐信息条的中间评分值，而将一个组内的所有推荐信息条的中间评分值相加，可以得到改组推荐信息组的评分值。
可选地，当期望信息中包含负荷条件时，还可以在生成多组推荐信息之后根据预设负荷计算公式计算推荐信息组的负荷值，并在计算评分值之前判断负荷值是否满足期望信息中的符合条件，如果不满足所述负荷条件，则不执行步骤S24。
其中，负荷条件可以指一组推荐信息组需要的成本值条件，例如，总成本不能高于预设成本值；负荷条件也可以指一组推荐信息组需要的人力条件，例如，需要的总通讯人员数量不能高于预设数量值等。如果不满足该负荷条件，说明该组推荐信息组不具备在当前的人力、财力条件下实施的可能性，也就没有了对其进行评分的必要性。
S25、确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
该第一评分条件可以是评分值最高，也可以是评分值超过某一评分值阈值。该目标推荐信息组可以是一个推荐信息组，也可以是多个推荐信息组。当确定了目标推荐信息组之后，可以将其展示给用户，也可以将其导入用户联络模块中，由用户联络模块根据该目标推荐信息组的推荐信息条依次对目标用户进行联络。
可选地，在确定目标推荐信息组之后，所述方法还包括：
修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；根据所述期望公式，计算所述多个二次推荐信息组的评分值；确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
在第一次生成推荐信息组时，可能由于时间、计算机资源等条件的限制，无法一次生成太多组推荐信息组。在达到时间、计算机资源条件的限制时，会停止生成推荐信息组，此时生成的所有推荐信息组中可能还不包括客观上最优的推荐信息组。因此，可以通过修改目标推荐信息组中的推荐信息条，来得到多个二次推荐信息组，并在多个二次推荐信息组里重新寻找评分最高或超过新的评分阈值的推荐信息组作为新的目标推荐信息组。
值得说明的是，修改推荐信息条并不是随机地修改，而是基于原有的推荐信息条进行的修改。例如，原有的推荐信息条是通过微信公众号文章向用户A推荐产品B，那么可以修改为通过微博长文章向用户A推荐产品B，因为微信公众号文章和微博长文章之间具有相似性。同样地，也可以将产品B修改为与产品B不同系列但是相同市场定位的产品C。
S26、确定评分值低于预设评分阈值的推荐信息组为非优推荐信息组，并将所述非优推荐信息组加入非优信息库。
这样，可以扩充非优信息库，使更多的非优推荐信息组被系统忽略，不进入后续的计算，从而节省计算资源。
通过上述的技术方案，至少可以达到如下的技术效果：
建立非优信息库，根据用户信息、产品信息和通信信息生成包括了多条推荐信息条的推荐信息组，并判断推荐信息组是否与非优信息库中的非优推荐信息组相似，通过期望信息确定的期望公式对与非优推荐信息组不相似的推荐信息组进行评分，找到目标推荐信息组，这样，可以自动根据系统中存储的信息得到客户管理的资源配置方案，减少了人力的参与，提高了资源的利用率和资源配置方案的高效性，并且，大量与非优信息库中的非优推荐信息组相似的推荐信息组被系统忽略，不加入后续的计算选择步骤，从而还可以提高计算机资源的利用率，提高有效计算的计算效率。
图3是根据一示例性公开实施例示出的一种最佳推荐信息处理装置的框图，如图3所示，所述最佳推荐信息处理装置300包括：
信息生成模块310，用于根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品。
参数确定模块320，用于根据获取的期望信息，确定期望公式中的参数值。
评分计算模块330，用于根据所述期望公式，计算所述多组推荐信息组的评分值。
目标确定模块340，用于确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
可选地，所述参数确定模块，用于确定所述期望信息中的子期望信息，并根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值；所述评分计算模块，用于根据所述期望公式，计算所述推荐信息条的中间评分值，并根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
可选地，所述用户信息包括所述目标用户对第一产品和/或第一通信方式的偏好条件；所述信息生成模块，用于：根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
可选地，所述装置还包括更新模块，用于修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；根据所述期望公式，计算所述多个二次推荐信息组的评分值；确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
可选地，所述装置还包括非优判定模块，用于确定评分值低于预设评分阈值的推荐信息组为非优推荐信息组，并将所述非优推荐信息组加入非优信息库。
可选地，所述装置还包括筛除模块，用于判断所述推荐信息组与所述非优信息库中的非优推荐信息组的相似度是否满足相似度条件；若满足所述相似度条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
可选地，所述期望信息还包括负荷条件，所述信息生成模块，还用于，根据所述用户信息、所述产品信息和通信信息生成多组推荐信息组；根据预设负荷计算公式计算所述推荐信息组的负荷值；
可选地，所述装置还包括负荷判断模块，用于判断所述负荷值是否满足所述负荷条件；若所述负荷值不满足所述负荷条件，则不使用所述评分计算模块计算所述推荐信息组的评分值。
通过上述的技术方案，至少可以达到如下的技术效果：
根据用户信息、产品信息和通信信息生成包括了多条推荐信息条的推荐信息组，并通过期望信息确定的期望公式对多组推荐信息组进行评分，找到目标推荐信息组，这样，可以自动根据系统中存储的信息得到客户管理的资源配置方案，减少了人力的参与，提高了资源的利用率和资源配置方案的高效性。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述最佳推荐信息处理的方法的步骤。
本公开实施例还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现所述最佳推荐信息处理的方法的步骤。
图4是根据一示例性实施例示出的一种电子设备的框图。如图4所示，该电子设备400可以包括：处理器401，存储器402。该电子设备400还可以包括多媒体组件403，输入/输出(I/O)接口404，以及通信组件405中的一者或多者。
其中，处理器401用于控制该电子设备400的整体操作，以完成上述的最佳推荐信息处理的方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备400的操作，这些数据例如可以包括用于在该电子设备400上操作的任何应用程序或方法的指令，以及指令相关的数据，例如本公开实施例中的用户信息、产品信息、通信信息以及不同的期望信息对应的期望公式等。该存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器402或通过通信组件405发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口404为处理器401和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件405可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的最佳推荐信息处理的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的最佳推荐信息处理的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器402，上述程序指令可由电子设备400的处理器401执行以完成上述的最佳推荐信息处理的方法。
在可能的方式中，该电子设备的框图可以如图5所示。参照图5，该电子设备500可以被提供为一服务器。参照图5，电子设备500包括处理器501，其数量可以为一个或多个，以及存储器502，用于存储可由处理器501执行的计算机程序。存储器502中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器501可以被配置为执行该计算机程序，以执行上述最佳推荐信息处理方法中服务器所执行的步骤。
另外，电子设备500还可以包括电源组件503和通信组件504，该电源组件503可以被配置为执行电子设备500的电源管理，该通信组件504可以被配置为实现电子设备500的通信，例如，有线或无线通信。此外，该电子设备500还可以包括输入/输出(I/O)接口505。电子设备500可以操作基于存储在存储器502的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM,LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述最佳推荐信息处理方法中服务器所执行的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器502，上述程序指令可由电子设备500的处理器501执行以完成上述最佳推荐信息处理方法的步骤。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (10)

1.一种最佳推荐信息处理方法，其特征在于，所述方法包括：
根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品；
根据获取的期望信息，确定期望公式中的参数值；
根据所述期望公式，计算所述多组推荐信息组的评分值；
确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
2.根据权利要求1所述的方法，其特征在于，所述根据获取的期望信息，确定期望公式中的参数值，包括：
确定所述期望信息中的子期望信息；
根据所述子期望信息确定在所述期望公式中对应的参数项的所述参数值；
所述根据所述期望公式，计算所述多组推荐信息组的评分值，包括：
根据所述期望公式，计算所述推荐信息条的中间评分值；
根据所述推荐信息条的中间评分值，确定每组所述推荐信息组的评分值。
3.根据权利要求1所述的方法，其特征在于，所述用户信息包括所述目标用户对第一产品和/或第一通信方式的偏好条件；
所述根据用户信息、产品信息和通信信息生成多组推荐信息组，包括：
根据所述偏好条件判断所述目标用户对所述第一产品的第一偏好度；当所述第一偏好度高于第一偏好度阈值时，确定所述第一产品为所述目标产品；和/或，
根据所述偏好条件判断所述目标用户对所述第一通信方式的第二偏好度；当所述第二偏好度高于第二偏好度阈值时，确定所述第一通信方式为所述目标通信方式。
4.根据权利要求1所述的方法，其特征在于，在所述确定评分最优的所述推荐信息组为目标推荐信息组之后，所述方法还包括：
修改所述目标推荐信息组中的所述推荐信息条，得到多个二次推荐信息组；
根据所述期望公式，计算所述多个二次推荐信息组的评分值；
确定评分值符合第二评分条件的所述推荐信息组为所述目标推荐信息组。
5.根据权利要求1所述的方法，其特征在于，在根据所述期望信息，对所述多组推荐信息组进行评分之后，所述方法还包括：
确定评分值低于预设评分阈值的推荐信息组为非优推荐信息组；
将所述非优推荐信息组加入非优信息库。
6.根据权利要求5所述的方法，其特征在于，在根据所述期望信息，对所述多组推荐信息组进行评分之前，所述方法还包括：
判断所述推荐信息组与所述非优信息库中的非优推荐信息组的相似度是否满足相似度条件；
若满足所述相似度条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述期望信息还包括负荷条件，所述根据用户信息、产品信息和通信信息生成多组推荐信息组，还包括：
根据所述用户信息、所述产品信息和通信信息生成多组推荐信息组；
根据预设负荷计算公式计算所述推荐信息组的负荷值；
在所述根据所述期望公式，计算所述多组推荐信息组的评分值之前，所述方法还包括：
判断所述负荷值是否满足所述负荷条件；
若所述负荷值不满足所述负荷条件，则不执行所述根据所述期望公式，计算所述多组推荐信息组的评分值的步骤。
8.一种最佳推荐信息处理装置，其特征在于，所述装置包括：
信息生成模块，用于根据用户信息、产品信息和通信信息生成多组推荐信息组，其中，每组所述推荐信息组包括多条推荐信息条，所述推荐信息条包括通过目标通信方式向目标用户推荐目标产品；
参数确定模块，用于根据获取的期望信息，确定期望公式中的参数值；
评分计算模块，用于根据所述期望公式，计算所述多组推荐信息组的评分值；
目标确定模块，用于确定评分值符合第一评分条件的所述推荐信息组为目标推荐信息组。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
CN202011120945.9A 2020-10-19 2020-10-19 最佳推荐信息处理方法和装置、存储介质和电子设备 Pending CN112348532A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011120945.9A CN112348532A (zh) 2020-10-19 2020-10-19 最佳推荐信息处理方法和装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011120945.9A CN112348532A (zh) 2020-10-19 2020-10-19 最佳推荐信息处理方法和装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN112348532A true CN112348532A (zh) 2021-02-09

Family

ID=74362247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011120945.9A Pending CN112348532A (zh) 2020-10-19 2020-10-19 最佳推荐信息处理方法和装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN112348532A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170036874A (ko) * 2015-09-18 2017-04-03 충북대학교 산학협력단 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치
CN110413868A (zh) * 2018-11-06 2019-11-05 腾讯科技（深圳）有限公司 信息推荐方法、装置、系统及存储介质
CN110795621A (zh) * 2019-09-26 2020-02-14 北京你财富计算机科技有限公司 一种金融产品推荐信息展示方法、装置及电子设备
CN110910215A (zh) * 2019-11-20 2020-03-24 深圳前海微众银行股份有限公司 产品推荐方法、装置、设备及计算机可读存储介质
CN111291266A (zh) * 2020-02-13 2020-06-16 腾讯科技（北京）有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
CN111695041A (zh) * 2020-06-17 2020-09-22 北京字节跳动网络技术有限公司 用于推荐信息的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170036874A (ko) * 2015-09-18 2017-04-03 충북대학교 산학협력단 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치
CN110413868A (zh) * 2018-11-06 2019-11-05 腾讯科技（深圳）有限公司 信息推荐方法、装置、系统及存储介质
CN110795621A (zh) * 2019-09-26 2020-02-14 北京你财富计算机科技有限公司 一种金融产品推荐信息展示方法、装置及电子设备
CN110910215A (zh) * 2019-11-20 2020-03-24 深圳前海微众银行股份有限公司 产品推荐方法、装置、设备及计算机可读存储介质
CN111291266A (zh) * 2020-02-13 2020-06-16 腾讯科技（北京）有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
CN111695041A (zh) * 2020-06-17 2020-09-22 北京字节跳动网络技术有限公司 用于推荐信息的方法和装置

Similar Documents

Publication Publication Date Title
TWI743428B (zh) 目標用戶群體的確定方法和裝置
CN111506801B (zh) 一种应用App中子应用的排序方法及装置
US20150026120A1 (en) Systems and methods for visualizing social graphs
EP2484054A1 (en) Systems and methods for social graph data analytics to determine connectivity within a community
CN112528153B (zh) 内容推荐方法、装置、设备、存储介质以及程序产品
US8612532B2 (en) System and method for optimizing response handling time and customer satisfaction scores
CN107911449A (zh) 用于推送信息的方法和装置
CN107679737A (zh) 项目推荐的方法及装置
CN110909222A (zh) 基于聚类的用户画像建立方法、装置、介质及电子设备
CN112883277A (zh) 一种设计师智能匹配方法、装置、设备及存储介质
CN110675179A (zh) 营销信息处理方法、装置、电子设备及可读存储介质
CN112529400A (zh) 一种数据处理方法、装置、终端和可读存储介质
CN111553749A (zh) 一种活动推送策略配置方法及装置
CN112348532A (zh) 最佳推荐信息处理方法和装置、存储介质和电子设备
CN116204624A (zh) 应答方法、装置、电子设备及存储介质
CN110298730A (zh) 新零售模式下基于机器学习算法的商品推送方法及设备
CN113837843B (zh) 产品推荐方法、装置、介质及电子设备
US20160124959A1 (en) System and method to recommend a bundle of items based on item/user tagging and co-install graph
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
KR20220124609A (ko) 경영 자문 정보 제공 방법 및 장치
CN112348531A (zh) 客户关系管理系统和推荐信息的生成方法
CN114722266A (zh) 问卷推送方法、装置、电子设备及可读存储介质
CN111178943A (zh) 广告实时出价方法、装置及电子设备
CN109840820A (zh) 一种确定用户对对象类型偏好度的方法和装置
KR102517147B1 (ko) 금융 상담 데이터에 대한 인공지능 학습을 통한 금융 상품 추천 시스템 및 방법

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210209