CN113065905A - 一种线上购电引流标签构建方法、装置、设备及存储介质 - Google Patents
一种线上购电引流标签构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113065905A CN113065905A CN202110494386.6A CN202110494386A CN113065905A CN 113065905 A CN113065905 A CN 113065905A CN 202110494386 A CN202110494386 A CN 202110494386A CN 113065905 A CN113065905 A CN 113065905A
- Authority
- CN
- China
- Prior art keywords
- electricity purchasing
- payment
- determining
- users
- attribute
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 283
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000010276 construction Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 72
- 230000008569 process Effects 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 19
- 238000012360 testing method Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000010988 intraclass correlation coefficient Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种线上购电引流标签构建方法、装置、设备及存储介质。其中，该方法包括：确定线下购电用户的支付属性，其中，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；采用主观赋权法确定支付属性中每个支付属性分别对应的权重；根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，其中，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度。本发明实施例提供的技术方案，通过构建线上购电引流标签，有利于提高将线下购电用户转化为线上购电用户的转化率。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种线上购电引流标签构建方法、装置、设备及存储介质。
背景技术
目前依然存在大量的线下购电用户，针对线下购电用户的支付信息以及电费查询信息等，通过人工记录的方式已经无法满足公司或企业的需要。
当支付信息和电费查询信息过多时，难以对各种信息进行分类管理，从而导致公司或者企业无法从大量信息中提取出有效的信息，给企业造成损失。
目前，尚未有更好的解决上述问题的方法。
发明内容
本发明实施例提供了一种线上购电引流标签构建方法、装置、设备及存储介质，通过构建线上购电引流标签，有利于区分不同线下购电用户的属性，提高将线下购电用户转化为线上购电用户的转化率。
第一方面，本发明实施例提供了一种线上购电引流标签构建方法，该方法包括：
确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中，所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
第二方面，本发明实施例提供了一种线上购电引流标签构建装置，该装置包括：
属性确定模块，用于确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
权重确定模块，用于采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
标签确定模块，用于根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
第三方面，本发明实施例提供了一种计算机设备，该计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的线上购电引流标签构建方法。
第四方面，本发明实施例提供了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发明任意实施例所述的线上购电引流标签构建方法。
本发明实施例提供了一种一种线上购电引流标签构建方法、装置、设备及存储介质，首先确定线下购电用户的支付属性，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种，然后采用主观赋权法确定支付属性中每个支付属性分别对应的权重，最后根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度，通过构建线上购电引流标签，有利于区分不同线下购电用户的属性，提高将线下购电用户转化为线上购电用户的转化率。
附图说明
图1为本发明实施例一提供的一种线上购电引流标签构建方法的流程图；
图2为本发明实施例二提供的一种线上购电引流标签构建方法的流程图；
图3为本发明实施例三提供的一种线上购电引流标签构建装置的结构示意图；
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种线上购电引流标签构建方法的流程图，本实施例可适用于对线下购电用户构建线上购电引流标签的情况。本实施例提供的线上购电引流标签构建方法可以由本发明实施例提供的线上购电引流标签构建装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的计算机设备中。
参见图1，本实施例的方法包括但不限于如下步骤：
S110，确定线下购电用户的支付属性，其中，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种。
随着线上交电费的普及，许多用户选择在线上购电，但是，目前依然存在许多线下购电人群，那么对于电网公司来说，就需要在线下营业厅投入大量的人力、物力及财力，可能会造成资源浪费，难以实现资源最优化配置。并且线下购电存在便捷性差、需求响应慢和及时性低等问题，尤其对于停电敏感型用户，停电后不能及时交费，用户体验感会降低。为了解决上述问题，本发明提供了一种线上购电引流标签构建方法，为线下购电用户构建线上购电引流标签，以便后续更好的为用户提供服务。
在为线下购电用户构建线上购电引流标签时，需要确定线下购电用户的支付属性，支付属性可以包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种，支付属性还可以是其他能够表征线下购电用户特征的信息，本实施例不做具体限制。
其中，支付属性可以理解为针对线下购电用户购电过程中所建立的相关信息，通过支付属性能够描述线下购电用户的属性以及特征等。线下购电用户的年龄信息可以是线下购电用户所处的年龄段。支付渠道信息可以是线下购电用户在购电过程中是怎样支付的，例如现金支付或者第三方支付平台支付等。投诉信息可以是线下购电用户在预设时间内拨打投诉电话的次数，或者是其他投诉行为等，其中，预设时间可以是预先设定好的，也可以视具体情况而定，本实施例不作具体限制。电量电费敏感度信息可以为线下购电用户对电量电费的敏感程度，例如对剩余电量的关注程度或每次电费预付的金额大小等。
S120，采用主观赋权法确定支付属性中每个支付属性分别对应的权重。
其中，主观赋权法可以理解为根据决策者主观信息进行赋权的方法，例如：Delphi法(德尔菲法)、层次分析法(Analytic Hierarchy Process，简称AHP)以及专家评分法等。
在确定了线下购电用户的支付属性之后，由于线下购电用户的支付属性可能有多个，那么就需要确定所有支付属性分别对应的权重，通过采用主观赋权法能够确定支付属性中每个支付属性分别对应的权重，以便后续根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签。
S130，根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，其中，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度。
其中，线上购电引流标签也称为用户画像，是对用户信息标签化和数字化的表征，即通过数据分析、提取以及归纳，形成可以准确描述用户属性、特征以及性能等信息的标签库，利用标签可以抽象出用户的信息全貌，并能够有效支撑实际应用场景的执行。在实际应用过程中，可以构建对外标签应用程序接口(Application Programming Interface，API)，实时对外提供数据标签服务，实现标签的调度。
在得到了支付属性中每个支付属性分别对应的权重之后，通过查询预先存储的支付属性对应的得分表，能够得到每个支付属性分别对应的得分，针对支付属性中的每个支付属性，将当前支付属性对应的得分与当前支付属性对应的权重相乘，能够得到线下购电用户在当前支付属性下的第一分数，将所有的第一分数相加，就得到了线下购电用户的总得分。在得到了线下购电用户的总得分之后，根据总得分数值的大小，能够确定线下购电用户的线上购电引流标签，即将线下购电用户引流为线上购电用户的难易程度，例如，某线下购电用户的总得分较高，则将该线下购电用户引流为线上购电用户的难易程度越小，相应的该线下购电用户的线上购电引流标签为容易引流用户。
本实施例提供的技术方案，首先确定线下购电用户的支付属性，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种，然后采用主观赋权法确定支付属性中每个支付属性分别对应的权重，最后根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度，通过构建线上购电引流标签，有利于区分不同线下购电用户的属性，提高将线下购电用户转化为线上购电用户的转化率。
在一些实施例中，所述确定线下购电用户的支付属性，可以具体包括：基于数据中台共享层中存储的电力数据，确定所述线下购电用户的历史行为数据和用户特征数据，其中，所述历史行为数据包括历史支付行为数据、历史投诉行为数据以及历史查询电量电费行为数据中的至少一种；根据所述历史行为数据和所述用户特征数据，确定所述线下购电用户的支付属性。
其中，数据中台中包括多种计算资源和数据资源，计算资源包括大数据平台、DataQ以及DataWorks等。数据资源包括国家电网系统、营销业务应用系统以及电能服务平台系统等信息化系统中的内部电力数据。
具体的，数据中台共享层中存储了国家电网系统、营销业务应用系统以及电能服务平台系统等信息化系统中的内部电力数据，根据这些电力数据能够确定线下购电用户的历史行为数据和用户特征数据，例如，根据电力数据能够确定某线下购电用户的历史查询电量电费行为数据，从而得到该线下购电用户查询电量电费信息的次数，也就可以确定该线下购电用户的支付属性中包括电量电费敏感度信息，若该线下购电用户在某段时间内查询电量电费信息的次数较多，则认为该线下购电用户对应的电量电费敏感度信息为电量电费敏感度高。根据历史支付行为数据可以确定线下购电用户的支付渠道以及使用某支付渠道进行支付的具体次数等，相应的，就能够确定线下购电用户的支付属性中包括的支付渠道信息；根据历史投诉行为数据可以确定线下购电用户的投诉次数以及投诉原因等，从而能够确定线下购电用户的支付属性中包括的投诉信息。线下购电用户的用户特征数据主要是统计线下购电用户的年龄信息，从而根据用户特征数据能够确定线下购电用户的支付属性中包括的线下购电用户的年龄信息。
本发明实施例中，从电力数据中提取线下购电用户的历史行为数据和用户特征数据，根据历史行为数据和用户特征数据，确定线下购电用户的支付属性，使得所确定的线下购电用户的支付属性更准确，也更接近实际情况，从而有利于提高线上购电引流标签的准确性。
在一些实施例中，所述根据所述总得分确定所述线下购电用户的线上购电引流标签，可以具体包括：比较所述线下购电用户的总得分与预设分数阈值之间的大小；若所述线下购电用户的总得分大于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为潜在引流用户；若所述线下购电用户的总得分小于或者等于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为非潜在引流用户。
其中，预设分数阈值可以是预先设计好的，也可以视具体情况而定，本实施例不做具体限制。
具体的，在得到线下购电用户的总得分之后，比较线下购电用户的总得分与预设分数阈值之间的大小，如果线下购电用户的总得分大于预设分数阈值，说明将该线下购电用户引流为线上购电用户的难易程度较小，则确定线下购电用户的线上购电引流标签为潜在引流用户；如果线下购电用户的总得分小于或者等于预设分数阈值，说明将该线下购电用户引流为线上购电用户的难易程度较大，则确定线下购电用户的线上购电引流标签为非潜在引流用户。
本发明实施例中，将线下购电用户的总得分与预设分数阈值之间的大小进行比较，根据比较结果确定线下购电用户的线上购电引流标签，该方法简单有效，能够节省时间，降低计算的复杂度。
在一些实施例中，在所述根据所述总得分确定所述线下购电用户的线上购电引流标签之后，还可以具体包括：确定所述潜在引流用户的等级，并根据所述潜在引流用户的等级制定对应的引流策略。
具体的，在确定了线下购电用户的线上购电引流标签为潜在引流用户之后，还可以确定潜在引流用户的等级，例如可以通过第一预设分数阈值、第二预设分数阈值以及第三预设分数阈值等确定潜在引流用户的等级，其中第一预设分数阈值大于第二预设分数阈值，第二预设分数阈值大于第三预设分数阈值，第三预设分数阈值大于或者等于预设分数阈值，若线下购电用户的总得分大于或者等于第三预设分数阈值且小于第二预设分数阈值，则将潜在引流用户的等级确定为三级，即引流难易程度为有点难度；若线下购电用户的总得分大于或者等于第二预设分数阈值且小于第一预设分数阈值，则将潜在引流用户的等级确定为二级，即引流难易程度为比较容易；若线下购电用户的总得分大于或者等于第一预设分数阈值，则将潜在引流用户的等级确定为一级，即引流难易程度为非常容易。根据潜在引流用户的等级制定对应的引流策略，能够提高将潜在引流用户转化为线上购电用户的转化率。例如，针对不同等级的潜在引流用户，可以制定不同的线上购电优惠政策或者优惠力度等，以提高线下购电用户的用户体验和满意度。
本发明实施例中，根据潜在引流用户的等级制定对应的引流策略，能够提高将潜在引流用户转化为线上购电用户的转化率，满足客户便捷性交费需求的同时，还可以降低交费成本，减少线下交费营业厅布点和设备分布，降低国家电网公司侧的线下投资，有利于推进窗口服务用户线上引流进程。
在一些实施例中，线下购电用户的线上购电引流标签可以按照预设间隔进行更新，以便及时了解用户状态，为线上购电引流提供实时参考依据。
在一些实施例中，在构建了线下购电用户的线上购电引流标签之后，还可以提供引流标签查询服务、群体查询服务以及策略查询服务等，方便获取用户线上购电引流信息，进行策略制定及优化，例如电费催交提醒或者线上购电优惠政策等。
实施例二
图2为本发明实施例二提供的一种线上购电引流标签构建方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，本实施例对确定支付属性中每个支付属性分别对应的权重以及确定线下购电用户的总得分的过程进行详细的解释说明。
参见图2，本实施例的方法包括但不限于如下步骤：
S210，确定线下购电用户的支付属性，其中，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种。
S220，获取支付属性对应的判断矩阵，其中，判断矩阵基于支付属性中不同支付属性之间的重要性比较结果得到。
其中，主观赋权法包括层次分析法，层次分析法的主要思想是首先根据问题的性质和要求达到的总目标，将问题按层次分解成不同的因素，然后再将同一层次内各个不同因素进行相对重要性的互相比较得出判断矩阵的基础上，取出各层次因素相对于上一层次的单权重和组合权重。它是一种定性与定量相结合的决策分析方法，将影响问题的定性的、主观的因素通过判断矩阵进行量化，再结合定量信息进行综合决策，为受定性因素影响较多的问题提供科学的决策依据。
具体的，通过多位资深专家对线下购电用户的不同支付属性之间的重要性进行比较，根据重要性程度能够得到支付属性对应的判断矩阵A，重要性程度可以用设定的1至9或1至5的重要性标度来表示，例如，1表示：两个支付属性相比，具有同样的重要性；2表示：两个支付属性相比，一个支付属性比另一个支付属性稍微重要；5表示：两个支付属性相比，一个支付属性比另一个支付属性明显重要；7表示：两个支付属性相比，一个支付属性比另一个支付属性强烈重要；9表示：两个支付属性相比，一个支付属性比另一个支付属性极端重要；2、4、6和8分别是上述相邻判断的中值；支付属性i与支付属性j比较的重要性程度为aij，则支付属性j与支付属性i比较的重要性程度为aji＝1/aij。
S230，对判断矩阵中的列向量进行归一化，得到第一矩阵。
对判断矩阵A中的列向量进行归一化，得到第一矩阵，具体的列向量归一化可以用下式表示：
其中，aij表示矩阵A中第i行第j列的元素，即支付属性i与支付属性j比较的重要性程度，
表示对判断矩阵A中的列向量进行归一化后得到的第一矩阵中第i行第j列的数值，i表示行数，j表示列数，n表示线下购电用户的支付属个数。
S240，对第一矩阵中每行对应的行元素相加得到第二矩阵，并对第二矩阵进行归一化，得到第三矩阵。
第二矩阵中的元素可以用下式求取，即：
其中，wi表示对第一矩阵中第i行的所有行元素相加得到的数值，即第二矩阵中的元素。
第三矩阵中的元素可以用下式求取，即
其中，
表示对wi进行归一化后的数值，即第三矩阵中的元素。
S250，对第三矩阵进行一致性检验，得到检验结果，并在检验结果为通过时，将第三矩阵中的元素确定为支付属性中每个支付属性分别对应的权重。
具体的，可以采用一致性检验方法对第三矩阵进行一致性检验，得到检验结果，如果检验结果为通过，则将第三矩阵中的元素确定为支付属性中每个支付属性分别对应的权重。其中，一致性检验方法可以包括：Kappa系数检验、组内相关系数(IntraclassCorrelation Coefficient，简称ICC)检验、以及Kendall(肯德尔)协调系数W检验等。
相应的，如果检验结果为不通过，则重复上述步骤S220-S250。
可选的，所述对所述第三矩阵进行一致性检验，得到检验结果，可以具体包括：确定所述支付属性中的支付属性个数以及所述判断矩阵对应的特征根中的最大特征根；根据所述支付属性个数和所述最大特征根确定一致性指标的数值；根据所述支付属性个数确定随机一致性指标的数值；根据所述一致性指标的数值以及随机一致性指标的数值，确定一致性比率的数值；若所述一致性比率的数值小于预设阈值，则确定检验结果为通过。
具体的，得到检验结果的过程可以为：
1)确定支付属性中的支付属性个数n以及判断矩阵对应的特征根中的最大特征根λmax，最大特征根的计算公式可以用下式表示：
其中，A表示支付属性对应的判断矩阵，
表示第三矩阵(n×1矩阵，即列向量)，i表示行数，
表示第三矩阵中第i行的元素，
表示矩阵A和矩阵
相乘后得到的列向量中第i行的元素。
2)根据支付属性个数n和最大特征根λmax确定一致性指标的数值，即：
其中，CI表示一致性指标(Consistency Index，简称CI)。
3)根据支付属性个数n确定随机一致性指标(Random Index，简称RI)的数值，具体的可以查询下表1得到：
表1
| n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
4)根据一致性指标的数值以及随机一致性指标的数值，确定一致性比率的数值(Consistency Ratio，简称CR)，即：
5)根据一致性比率的数值与预设阈值的大小关系，确定检验结果，其中，预设阈值可以是预先设置好的数值，例如0.1，也可以视具体情况而定，本实施例不做具体限制。若预设阈值是0.1，那么当CR<0.1，则认为检验结果为通过；当CR≥0.1，则认为检验结果为不通过。
本发明实施例中，根据一致性比率的数值与预设阈值的大小关系，确定检验结果，能够检验判断矩阵中不同支付属性的重要性之间的协调性，避免出现矛盾情况，从而有利于提高支付属性对应的权重的准确性。
S260，根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，其中，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度。
可选的，在根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分之前，还可以具体包括：确定所述支付属性中每个支付属性下分别对应的子属性，并确定每个子属性对应的第一得分；相应的，所述根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，可以具体包括：根据所述支付属性中每个支付属性下分别对应的子属性，得到所述线下购电用户确定总得分时的不同方案，其中，所述方案中包括每个支付属性下分别对应的一个子属性；针对所有不同方案，将当前方案中包括的每个子属性对应的第一得分分别与每个子属性对应的支付属性所对应的权重相乘，得到第一乘积，对所有第一乘积求算数平均值，得到当前方案对应的得分；将不同方案中得分最高的得分值确定为所述线下购电用户的总得分。
具体的，确定支付属性中每个支付属性下分别对应的子属性，并确定每个子属性对应的第一得分，例如线下购电用户的年龄信息对应的子属性可以包括青年用户、中年用户以及老年用户等；支付渠道信息对应的子属性可以包括现金支付、刷卡支付以及第三方支付平台支付等；投诉信息对应的子属性可以包括投诉次数、以及投诉内容等；电量电费敏感度信息对应的子属性可以包括电量电费敏感度低、电量电费敏感度中以及电量电费敏感度高等。
每个子属性对应的第一得分可以通过资深专家进行打分得到，也可以基于经验设定为每个子属性设定相应的第一得分。由于每个线下购电用户的支付属性不同，并且每个支付属性下对应的子属性也不同，那么针对每个线下购电用户，从其每个支付属性下分别抽取对应的一个子属性，能够得到每个线下购电用户确定总得分时的不同方案，针对不同的方案，将当前方案中包括的每个子属性对应的第一得分分别与每个子属性对应的支付属性所对应的权重相乘，能够得到第一乘积，再对所有第一乘积求取算数平均值，就得到了当前方案对应的得分。将不同方案中得分最高的得分值确定为线下购电用户的总得分，便于后续根据总得分确定线下购电用户的线上购电引流标签。
本发明实施例中，根据支付属性中每个支付属性下分别对应的子属性确定线下购电用户确定总得分时的不同方案，确定每个不同方案的得分后，将不同方案中得分最高的得分值确定为线下购电用户的总得分，有利于提高总得分的准确性，进一步提高后续的线上购电引流标签的准确性。
本实施例提供的技术方案，首先确定线下购电用户的支付属性，其中，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种，接着获取支付属性对应的判断矩阵，其中，判断矩阵基于支付属性中不同支付属性之间的重要性比较结果得到，对判断矩阵中的列向量进行归一化，得到第一矩阵，然后对第一矩阵中每行对应的行元素相加得到第二矩阵，并对第二矩阵进行归一化，得到第三矩阵，对第三矩阵进行一致性检验，得到检验结果，并在检验结果为通过时，将第三矩阵中的元素确定为支付属性中每个支付属性分别对应的权重，最后根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，其中，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度，通过层次分析法能够检验判断矩阵中不同支付属性的重要性之间的协调性，避免出现矛盾情况，从而有利于提高支付属性对应的权重的准确性，通过构建线上购电引流标签，有利于区分不同线下购电用户的属性，提高将线下购电用户转化为线上购电用户的转化率。
实施例三
图3为本发明实施例三提供的一种线上购电引流标签构建装置的结构示意图，如图3所示，该装置可以包括：
属性确定模块310，用于确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
权重确定模块320，用于采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
标签确定模块330，用于根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
本实施例提供的技术方案，首先确定线下购电用户的支付属性，支付属性包括线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种，然后采用主观赋权法确定支付属性中每个支付属性分别对应的权重，最后根据支付属性中每个支付属性对应的得分以及每个支付属性分别对应的权重，确定线下购电用户的总得分，并根据总得分确定线下购电用户的线上购电引流标签，线上购电引流标签用于表征将线下购电用户引流为线上购电用户的难易程度，通过构建线上购电引流标签，有利于区分不同线下购电用户的属性，提高将线下购电用户转化为线上购电用户的转化率。
进一步的，上述属性确定模块310，可以具体用于：基于数据中台共享层中存储的电力数据，确定所述线下购电用户的历史行为数据和用户特征数据，其中，所述历史行为数据包括历史支付行为数据、历史投诉行为数据以及历史查询电量电费行为数据中的至少一种；根据所述历史行为数据和所述用户特征数据，确定所述线下购电用户的支付属性。
进一步的，所述主观赋权法包括层次分析法；相应的，上述权重确定模块320，可以包括：判断矩阵获取单元，用于获取所述支付属性对应的判断矩阵，其中，所述判断矩阵基于所述支付属性中不同支付属性之间的重要性比较结果得到；第一矩阵确定单元，用于对所述判断矩阵中的列向量进行归一化，得到第一矩阵；第三矩阵确定单元，用于对所述第一矩阵中每行对应的行元素相加得到第二矩阵，并对所述第二矩阵进行归一化，得到第三矩阵；检验单元，用于对所述第三矩阵进行一致性检验，得到检验结果，并在所述检验结果为通过时，将所述第三矩阵中的元素确定为所述支付属性中每个支付属性分别对应的权重。
进一步的，上述检验单元，可以具体用于：确定所述支付属性中的支付属性个数以及所述判断矩阵对应的特征根中的最大特征根；根据所述支付属性个数和所述最大特征根确定一致性指标的数值；根据所述支付属性个数确定随机一致性指标的数值；根据所述一致性指标的数值以及随机一致性指标的数值，确定一致性比率的数值；若所述一致性比率的数值小于预设阈值，则确定检验结果为通过。
进一步的，上述线上购电引流标签构建装置，还可以包括：第一得分确定模块，用于确定所述支付属性中每个支付属性下分别对应的子属性，并确定每个子属性对应的第一得分；相应的，上述标签确定模块330，可以具体用于：根据所述支付属性中每个支付属性下分别对应的子属性，得到所述线下购电用户确定总得分时的不同方案，其中，所述方案中包括每个支付属性下分别对应的一个子属性；针对所有不同方案，将当前方案中包括的每个子属性对应的第一得分分别与每个子属性对应的支付属性所对应的权重相乘，得到第一乘积，对所有第一乘积求算数平均值，得到当前方案对应的得分；将不同方案中得分最高的得分值确定为所述线下购电用户的总得分。
进一步的，上述标签确定模块330，还可以具体用于：比较所述线下购电用户的总得分与预设分数阈值之间的大小；若所述线下购电用户的总得分大于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为潜在引流用户；若所述线下购电用户的总得分小于或者等于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为非潜在引流用户。
进一步的，上述线上购电引流标签构建装置，还可以包括：策略制定模块，用于确定所述潜在引流用户的等级，并根据所述潜在引流用户的等级制定对应的引流策略。
本实施例提供的线上购电引流标签构建装置可适用于上述任意实施例提供的线上购电引流标签构建方法，具备相应的功能和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器410、存储装置420和通信装置430；计算机设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；计算机设备中的处理器410、存储装置420和通信装置430可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储装置420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的线上购电引流标签构建方法对应的模块(例如，用于线上购电引流标签构建装置中的属性确定模块310、权重确定模块320和标签确定模块330)。处理器410通过运行存储在存储装置420中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的线上购电引流标签构建方法。
存储装置420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置430，用于实现服务器之间的网络连接或者移动数据连接。
本实施例提供的一种计算机设备可用于执行上述任意实施例提供的线上购电引流标签构建方法，具备相应的功能和有益效果。
实施例五
本发明实施例五还提供了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发明任意实施例中的线上购电引流标签构建方法，该方法具体包括：
确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中，所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的线上购电引流标签构建方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述线上购电引流标签构建装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种线上购电引流标签构建方法，其特征在于，包括：
确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中，所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
2.根据权利要求1所述的方法，其特征在于，所述确定线下购电用户的支付属性，包括：
基于数据中台共享层中存储的电力数据，确定所述线下购电用户的历史行为数据和用户特征数据，其中，所述历史行为数据包括历史支付行为数据、历史投诉行为数据以及历史查询电量电费行为数据中的至少一种；
根据所述历史行为数据和所述用户特征数据，确定所述线下购电用户的支付属性。
3.根据权利要求1所述的方法，其特征在于，所述主观赋权法包括层次分析法；
相应的，所述采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重，包括：
获取所述支付属性对应的判断矩阵，其中，所述判断矩阵基于所述支付属性中不同支付属性之间的重要性比较结果得到；
对所述判断矩阵中的列向量进行归一化，得到第一矩阵；
对所述第一矩阵中每行对应的行元素相加得到第二矩阵，并对所述第二矩阵进行归一化，得到第三矩阵；
对所述第三矩阵进行一致性检验，得到检验结果，并在所述检验结果为通过时，将所述第三矩阵中的元素确定为所述支付属性中每个支付属性分别对应的权重。
4.根据权利要求3所述的方法，其特征在于，所述对所述第三矩阵进行一致性检验，得到检验结果，包括：
确定所述支付属性中的支付属性个数以及所述判断矩阵对应的特征根中的最大特征根；
根据所述支付属性个数和所述最大特征根确定一致性指标的数值；
根据所述支付属性个数确定随机一致性指标的数值；
根据所述一致性指标的数值以及随机一致性指标的数值，确定一致性比率的数值；
若所述一致性比率的数值小于预设阈值，则确定检验结果为通过。
5.根据权利要求1所述的方法，其特征在于，在根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分之前，还包括：
确定所述支付属性中每个支付属性下分别对应的子属性，并确定每个子属性对应的第一得分；
相应的，所述根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，包括：
根据所述支付属性中每个支付属性下分别对应的子属性，得到所述线下购电用户确定总得分时的不同方案，其中，所述方案中包括每个支付属性下分别对应的一个子属性；
针对所有不同方案，将当前方案中包括的每个子属性对应的第一得分分别与每个子属性对应的支付属性所对应的权重相乘，得到第一乘积，对所有第一乘积求算数平均值，得到当前方案对应的得分；
将不同方案中得分最高的得分值确定为所述线下购电用户的总得分。
6.根据权利要求1项所述的方法，其特征在于，所述根据所述总得分确定所述线下购电用户的线上购电引流标签，包括：
比较所述线下购电用户的总得分与预设分数阈值之间的大小；
若所述线下购电用户的总得分大于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为潜在引流用户；
若所述线下购电用户的总得分小于或者等于所述预设分数阈值，则确定所述线下购电用户的线上购电引流标签为非潜在引流用户。
7.根据权利要求6所述的方法，其特征在于，在所述根据所述总得分确定所述线下购电用户的线上购电引流标签之后，还包括：
确定所述潜在引流用户的等级，并根据所述潜在引流用户的等级制定对应的引流策略。
8.一种线上购电引流标签构建装置，其特征在于，包括：
属性确定模块，用于确定线下购电用户的支付属性，其中，所述支付属性包括所述线下购电用户的年龄信息、支付渠道信息、投诉信息以及电量电费敏感度信息中的至少一种；
权重确定模块，用于采用主观赋权法确定所述支付属性中每个支付属性分别对应的权重；
标签确定模块，用于根据所述支付属性中每个支付属性对应的得分以及所述每个支付属性分别对应的权重，确定所述线下购电用户的总得分，并根据所述总得分确定所述线下购电用户的线上购电引流标签，其中所述线上购电引流标签用于表征将所述线下购电用户引流为线上购电用户的难易程度。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一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如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110494386.6A CN113065905A (zh) | 2021-05-07 | 2021-05-07 | 一种线上购电引流标签构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110494386.6A CN113065905A (zh) | 2021-05-07 | 2021-05-07 | 一种线上购电引流标签构建方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113065905A true CN113065905A (zh) | 2021-07-02 |
Family
ID=76568273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110494386.6A Pending CN113065905A (zh) | 2021-05-07 | 2021-05-07 | 一种线上购电引流标签构建方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113065905A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140358634A1 (en) * | 2013-05-31 | 2014-12-04 | Automotivemastermind, Llc | Method of generating a prioritized listing of customers using a purchase behavior prediction score |
| CN107423859A (zh) * | 2017-08-07 | 2017-12-01 | 国家电网公司客户服务中心 | 一种组合模型建模方法及系统 |
| CN107895015A (zh) * | 2017-11-14 | 2018-04-10 | 江苏电力信息技术有限公司 | 基于层次分析法的电力用户特征标签权重体系构建方法 |
| CN110555782A (zh) * | 2019-07-06 | 2019-12-10 | 国网浙江省电力有限公司电力科学研究院 | 一种基于大数据的科学用电模型构建系统及方法 |
| CN111127080A (zh) * | 2019-12-04 | 2020-05-08 | 国网浙江台州市黄岩区供电有限公司 | 一种基于大数据推荐算法的客户渠道引流方法 |
| US20200372090A1 (en) * | 2019-05-22 | 2020-11-26 | Microsoft Technology Licensing, Llc | System user attribute relevance based on activity |
-
2021
- 2021-05-07 CN CN202110494386.6A patent/CN113065905A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140358634A1 (en) * | 2013-05-31 | 2014-12-04 | Automotivemastermind, Llc | Method of generating a prioritized listing of customers using a purchase behavior prediction score |
| CN107423859A (zh) * | 2017-08-07 | 2017-12-01 | 国家电网公司客户服务中心 | 一种组合模型建模方法及系统 |
| CN107895015A (zh) * | 2017-11-14 | 2018-04-10 | 江苏电力信息技术有限公司 | 基于层次分析法的电力用户特征标签权重体系构建方法 |
| US20200372090A1 (en) * | 2019-05-22 | 2020-11-26 | Microsoft Technology Licensing, Llc | System user attribute relevance based on activity |
| CN110555782A (zh) * | 2019-07-06 | 2019-12-10 | 国网浙江省电力有限公司电力科学研究院 | 一种基于大数据的科学用电模型构建系统及方法 |
| CN111127080A (zh) * | 2019-12-04 | 2020-05-08 | 国网浙江台州市黄岩区供电有限公司 | 一种基于大数据推荐算法的客户渠道引流方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| CN107423859B (zh) | 一种组合模型建模方法及系统 | |
| CN111915156B (zh) | 基于用户价值的业务推送方法、电子设备及存储介质 | |
| CN110544123B (zh) | 电力用户分类方法、装置、计算机设备和存储介质 | |
| CN117093782B (zh) | 一种电力人工智能模型系统及方法 | |
| CN111967954A (zh) | 一种资源归还增比确定方法、装置和电子设备 | |
| CN112508695A (zh) | 基于市场风险的金融风险预测方法、装置和电子设备 | |
| CN111062564A (zh) | 一种电力客户诉求敏感值计算方法 | |
| CN113222326A (zh) | 一种科技资源服务平台成熟度评估方法及装置 | |
| CN111506876A (zh) | 一种数据预测分析方法、系统、设备及可读存储介质 | |
| CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN110826777A (zh) | 风电竞价场内交易数据分析方法、装置、设备及介质 | |
| CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
| CN109636128A (zh) | 一种基于营业厅效能评估的网点数量与结构的优化方法 | |
| CN115271282A (zh) | 基于模糊逻辑的客户价值确定方法及装置 | |
| CN108376300A (zh) | 一种基于概率图模型的用户用电行为预测方法 | |
| WO2020211245A1 (zh) | 一种发展趋势数据获取方法、装置 | |
| CN113065905A (zh) | 一种线上购电引流标签构建方法、装置、设备及存储介质 | |
| CN116702084A (zh) | 一种基于模糊理论的一二次融合柱上断路器状态评价方法 | |
| CN115511297A (zh) | 一种虚拟电厂应用效益评估方法、设备及存储介质 | |
| CN111429257B (zh) | 一种交易监控方法和装置 | |
| CN114119107A (zh) | 一种钢贸企业交易测评方法、装置、设备及存储介质 | |
| CN113902543A (zh) | 资源配额调整方法、装置及电子设备 | |
| CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
| CN113849731A (zh) | 基于自然语言处理的信息推送方法、装置、设备及介质 |
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 |