CN113225435A - 预估电话接通概率的方法、装置和可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种预估电话接通概率的方法、装置和可读存储介质。本发明实施例通过获取目标用户的待处理数据，所述待处理数据包括目标用户的基础信息以及附加信息，其中，基础信息包括目标用户的年龄、城市、性别，附加信息包括注册时长、历史电话接通率、通话时长均值、日期等，然后根据所述待处理数据确定所述目标用户的至少一个用户特征；将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。通过上述方法，可以通过目标用户的待处理数据预估出目标用户的电话接通概率，客服可以选择向电话接通概率较高的用户致电，提高了客服拨出的电话成功接通的次数，进而提高了客服的工作效率。

Description

预估电话接通概率的方法、装置和可读存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种预估电话接通概率的方法、装置和可读存储介质。

背景技术

随着通信技术的发展，电话作为一种方便、快捷、经济的现代化通讯工具，正日益得到普及，基本上人人都有电话，人们除了通过电话和亲朋好友之间进行联系外，越来越多地在咨询和购物方面使用电话，并且有些业务平台也会通过用户的电话与用户进行沟通交流。例如，电话销售就是以电话为主要沟通手段，通常是通过打电话进行主动销售的模式，接通用户的电话是完成电话销售的首要条件，但是在很多情况下，客服通过呼叫名单逐一给用户打电话，但是有些用户不会接听电话，例如，由于拨打的时间不合适，用户不方便接听；这样不仅会浪费客户大量的时间，影响工作效率，并且会给用户造成不好的体验。

综上所述，如何提高客服拨出的电话成功接通的次数，是目前需要解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种预估电话接通概率的方法、装置和可读存储介质，提高了客服拨出的电话成功接通的次数，进而提高了客服的工作效率。

第一方面，本发明实施例提供了一种预估电话接通概率的方法，该方法包括：获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息；根据所述待处理数据确定所述目标用户的至少一个用户特征；将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

优选地，所述根据所述待处理数据确定所述目标用户的至少一个用户特征，具体包括：

根据所述待处理数据确定所述目标用户的至少一个用户候选特征；

根据预先设置的特征需求，在所述至少一个用户候选特征中确定出所述至少一个用户特征，其中，所述预先设置的特征需求为所述电话接通概率模型需要使用的用户特征。

优选地，所述基础信息为所述目标用户初始注册过程中填写的个人基本信息，所述附加信息为所述目标用户在使用过程中生成的信息。

优选地，所述基础信息包括目标用户的年龄、城市、性别中的至少一项，所述附加信息包括注册时长、历史电话接通率、通话时长均值、日期中的至少一项。

优选地，所述电话接通概率模型为xgboost模型或深度学习神经网络模型。

优选地，所述电话接通概率模型的训练过程包括：

获取历史训练数据集合，其中，所述历史训练数据集合包括多个历史用户的基础信息以及附加信息；

根据所述历史训练数据集合确定至少一个历史用户候选特征；

根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征；

根据所述至少一个历史用户特征生成初始电话接通概率模型；

通过历史训练数据集合对所述初始历史训练数据集合的参数进行调整，生成电话接通概率模型，其中，所述电话接通概率模型在使用时的输入为用户特征，输出为电话接通概率。

优选地，所述根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征，具体包括：

根据设定算法对所述至少一个历史用户候选特征按照重要程度从大到小的顺序进行排序；

将所述排序中前N个历史用户候选特征确定为所述历史用户特征，其中，N为大于或等于1的正整数。

优选地，所述设定算法包括方差选择法或者相关系数法。

第二方面，本发明实施例提供了一种预估电话接通概率的装置，该装置包括：

获取单元，用于获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息；

确定单元，用于根据所述待处理数据确定所述目标用户的至少一个用户特征；

处理单元，用于将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

优选地，所述确定单元具体用于：

根据所述待处理数据确定所述目标用户的至少一个用户候选特征；

根据预先设置的特征需求，在所述至少一个用户候选特征中确定出所述至少一个用户特征，其中，所述预先设置的特征需求为所述电话接通概率模型需要使用的用户特征。

优选地，所述基础信息为所述目标用户初始注册过程中填写的个人基本信息，所述附加信息为所述目标用户在使用过程中生成的信息。

优选地，所述基础信息包括目标用户的年龄、城市、性别中的至少一项，所述附加信息包括注册时长、历史电话接通率、通话时长均值、日期中的至少一项。

优选地，所述电话接通概率模型为xgboost模型或深度学习神经网络模型。

优选地，所述电话接通概率模型的训练过程中：

所述获取单元还用于，获取历史训练数据集合，其中，所述历史训练数据集合包括多个历史用户的基础信息以及附加信息；

所述确定单元还用于，根据所述历史训练数据集合确定至少一个历史用户候选特征；

所述确定单元还用于，根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征；

生成单元，用于根据所述至少一个历史用户特征生成初始电话接通概率模型；

所述生成单元还用于，通过历史训练数据集合对所述初始历史训练数据集合的参数进行调整，生成电话接通概率模型，其中，所述电话接通概率模型在使用时的输入为用户特征，输出为电话接通概率。

优选地，所述确定单元具体用于：

根据设定算法对所述至少一个历史用户候选特征按照重要程度从大到小的顺序进行排序；

将所述排序中前N个历史用户候选特征确定为所述历史用户特征，其中，N为大于或等于1的正整数。

优选地，所述设定算法包括方差选择法或者相关系数法。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面或第一方面任一种可能中任一项所述的方法。

第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面或第一方面任一种可能中任一项所述的方法。

本发明实施例通过获取目标用户的待处理数据，所述待处理数据包括目标用户的基础信息以及附加信息，其中，基础信息包括目标用户的年龄、城市、性别，附加信息包括注册时长、历史电话接通率、通话时长均值、日期等，然后根据所述待处理数据确定所述目标用户的至少一个用户特征；将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。通过上述方法，可以通过目标用户的待处理数据预估出目标用户的电话接通概率，客服可以选择向电话接通概率较高的用户致电，提高了客服拨出的电话成功接通的次数，进而提高了客服的工作效率。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明实施例的预估电话接通概率的方法流程图；

图2是本发明实施例的预估电话接通概率的方法流程图；

图3是本发明实施例的预估电话接通概率的方法流程图；

图4是本发明实施例的预估电话接通概率的方法流程图；

图5是本发明实施例的预估电话接通概率的方法流程图；

图6是本发明实施例的预估电话接通概率的装置示意图；

图7是本发明实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

电话销售活动中，客服通过电话与客户进行沟通，即电话为销售过程中主要的沟通手段，通常在通过打电话进行主动销售的模式中，用户接通电话是完成电话销售的首要条件，现有的实际操作过程中，会分配给客服一个呼叫名单，未对呼叫名单中的客户的接通概率进行任何标注，客服在拨打电话的过程中比较盲目，只能通过呼叫名单逐一给用户打电话，但是在很多情况下，有些用户不会接听电话，例如，由于拨打的时间不合适，用户不方便接听；或者，有些用户不会接听陌生号码；当用户不方便接听电话时客服多次致电，会给用户造成非常不好的体验，并且，大量地拨打上述无法接听的电话，也会影响客服的工作效率。

因此，如何提高客服拨出的电话成功接通的次数，提高客服的工作效率，是目前需要解决的问题。

本发明实施例通过，通过目标用户的待处理数据预估出目标用户的电话接通概率，客服可以选择向电话接通概率较高的用户致电，提高了客服拨出的电话成功接通的概率。

本发明实施例中，图1是本发明实施例的一种预估电话接通概率的方法流程图。如图1所示，具体包括如下步骤：

步骤S100、获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息。

本发明实施例中，通过获取目标用户的待处理信息判断设定时间内目标用户的电话的接通概率，具体的，所述目标用户的待处理数据可以分为基础信息和附加信息，其中，所述基础信息为所述目标用户初始注册过程中填写的个人基本信息，所述附加信息为所述目标用户在使用过程中生成的信息；所述基础信息包括目标用户的年龄、城市、性别中的至少一项，所述附加信息包括注册时长、历史电话接通率、通话时长均值、日期中的至少一项。

在一种可能的实现方式中，所述基础信息和附加信息为平台预先存储的数据，例如，每个目标用户在注册开始，平台为所述目标用户分配一个唯一编码，然后将所述目标用户相应的数据都存储在所述唯一编码对应的位置，方便后期对目标用户的数据进行整理与使用。

在一种可能的实现方式中，根据目标用户的注册日期以及获取所述目标用户待处理数据的日期，即可确定出所述目标用户的注册时长；所述历史电话接通率可以为获取所述目标用户待处理数据的日期之前一段时间内的历史电话接通率、通话时长均值等，例如，180天内的历史电话接通率、通话时长均值。

可选的，所述附加信息还可以包括获取所述目标用户待处理数据的日期之前一段时间内每次通话的通话时长、通话次数、以及通话时长的最大值、或者通话时长的最小值；以及目标用户第一次试听课时距离注册时间的时间差，最后一次试听课距离获取所述目标用户待处理数据的日期的时间差等，具体根据实际情况确定，本发明实施例对其不做限定。

本发明实施例中，由于同一个目标用户由于选择的获取目标用户的待处理数据的时间不同，因此，同一个目标用户可以获得多个待处理数据，以便动态预测目标用户的电话接通概率。

举例说明，假设第一次获取目标用户的待处理数据的时间为2021年4月1日，对应的注册时长、历史电话接通率、通话时长均值等都是按照2021年4月1日为终止时间进行统计的，第二次获取目标用户的待处理数据的时间为2021年4月8日，所述注册时长、历史电话接通率、通话时长均值等都会有所变化，因此，第二次获取的目标用户的待处理数据是按照2021年4月8日为终止时间进行统计的，因此，同一个目标用户选择不同的时间点作为终止时间进行数据统计时，可以统计出多组数据，具体的，根据需要预测的时间为参考获取目标用户的待处理数据，例如，需要预测2021年4月9日的目标用户的待处理数据，需要将2021年4月8日为终止时间进行数据统计，具体根据实际情况确定，本发明实施例对其不做限定。

步骤S101、根据所述待处理数据确定所述目标用户的至少一个用户特征。

具体的，根据所述待处理数据确定所述目标用户的用户特征的过程，可以称为特征工程，其中，所述特征工程是将原始数据集通过特征变换，得到多个候选数据集，并通过对多个候选数据集进行评估，得到最优数据集，该最优数据集包括可用于机器学习的数据特征，这些数据特征可以全方位多角度的描述原始数据集的特点，并且利用它们建立的模型可表现良好的性能。

在一种可能的实现方式中，根据所述待处理数据确定所述目标用户的至少一个用户特征的具体过程，如图2所示，图2是本发明实施例的一种预估电话接通概率的方法流程图，包括如下步骤：

步骤S200、根据所述待处理数据确定所述目标用户的至少一个用户候选特征。

具体的，所述用户候选特征可以包括基本特征、画像特征、电话接通情况、以及试听课特征等，其中，上述特征的名称仅仅为示例性的，具体的特征根据待处理数据中的包含的数据确定，具体名称不做限定。

举例说明，所述基本特征可以根据待处理数据中的基本信息确定的，例如，根据目标用户的年龄、城市、性别等基本信息确定基本特征，根据待处理数据中的附加信息确定画像特征、电话接通情况、以及试听课特征等。

步骤S201、根据预先设置的特征需求，在所述至少一个用户候选特征中确定出所述至少一个用户特征，其中，所述预先设置的特征需求为所述电话接通概率模型需要使用的用户特征。

具体的，所述电话接通概率模型需要使用的用户特征在对电话接通概率模型进行训练时已经预先确定了，因此，在确定出目标用户的至少一个用户候选特征后，只需要根据预先设置的特征需求从所述至少一个用户候选特征中选择需要的用户特征。

举例说明，假设根据所述待处理数据确定了10个用户候选特征，例如，用户候选特征1、用户候选特征2、用户候选特征3、用户候选特征4、用户候选特征5、用户候选特征6、用户候选特征7、用户候选特征8、用户候选特征9和用户候选特征10，根据预先设置的特征需求在上述10个用户候选特征中选择用户候选特征1、用户候选特征2、用户候选特征3、用户候选特征4和用户候选特征5作为用户特征。

具体的，所述用户候选特征1为用户年龄、用户候选特征2为用户所在城市、用户候选特征3为用户历史电话平均接通时长、用户候选特征4为用户历史参加试听课时长、用户候选特征5为用户历史电话接通次数、用户候选特征6为用户的性别、用户候选特征7为用户历史电话最长接通时长、用户候选特征8用户历史电话最短接通时长、用户候选特征9为用户历史参加试听课次数和用户候选特征10用户注册时长。选取上述用户候选特征1、用户候选特征2、用户候选特征3、用户候选特征4和用户候选特征5作为用户特征之后，生成所述用户特征对应的特征矩阵，将所述特征矩阵作为电话接通概率模型的输入，其中，所述特征矩阵的每一行表示一个用户对应的用户特征，每一列为不同用户的同一特征。

步骤S102、将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

具体的，所述电话接通概率模型为xgboost模型或神经网络模型，本发明实施例对具体的电话接通概率模型不做限定，只要输入为用户特征，输出为电话接通概率的模型都可以。

本发明实施例中，所述电话接通概率模型是预先训练的，所述电话接通概率模型的训练过程，如图3所示，图3是本发明实施例的一种预估电话接通概率的方法流程图，包括如下步骤：

步骤S300、获取历史训练数据集合，其中，所述历史训练数据集合包括多个历史用户的基础信息以及附加信息。

具体的，所述多个历史用户的基础信息以及附加信息的历史用户的唯一标识，以及所述历史用户唯一标识对应的年龄、城市以及性别等，所述附加信息包括所述历史用户唯一标识对应的注册时长、历史电话接通率、通话时长均值以及日期等。

步骤S301、根据所述历史训练数据集合确定至少一个历史用户候选特征。

具体的，根据所述历史训练数据集合确定至少一个历史用户候选特征称为特征工程。

步骤S302、根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征。

具体的，所述设定算法包括方差选择法或者相关系数法。

在一种可能的实现方式中，所述根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征，具体处理过程如图4所示，包括如下步骤：

步骤S400、根据设定算法对所述至少一个历史用户候选特征按照重要程度从大到小的顺序进行排序。

具体的，所述设定算法为方差选择法时，计算出每个历史用户候选特征的方差，由于方差越大，说明数据区分度越大，区分度大的数据在电话接通概率模型训练的过程中才能学习出差异，进而训练出更优的电话接通概率模型，也就是说，方差越大的用户候选特征在模型训练的过程中的重要程度越大，效果一般更显著。所述设定算法为相关系数法时，与上述方差选择法类似，相关系数越大的历史用户候选特征对模型训练过程的重要程度越大。

本发明实施例中，不同的历史用户特征在计算方差时，数据都需要进行归一化处理，进而得到的方差在进行比较时更加合理。

举例说明，假设具有10个历史用户候选特征，分别为历史用户候选特征1、历史用户候选特征2、历史用户候选特征3、历史用户候选特征4、历史用户候选特征5、历史用户候选特征6、历史用户候选特征7、历史用户候选特征8、历史用户候选特征9和历史用户候选特征10，按照所述历史用户候选特征按照重要程度从大到小的顺序对上述10个历史用户候选特征进行排序，排序结果如下表1所示：

表1

重要程度	历史用户候选特征
		1	历史用户候选特征9
2	历史用户候选特征6
		3	历史用户候选特征4
4	历史用户候选特征1
		5	历史用户候选特征5
6	历史用户候选特征2
		7	历史用户候选特征3
8	历史用户候选特征8
		9	历史用户候选特征7
10	历史用户候选特征10

步骤S401、将所述排序中前N个历史用户候选特征确定为所述历史用户特征，其中，N为大于或等于1的正整数。

举例说明，选择排序在前5个的历史用户候选特征确定为所述历史用户特征，即将历史用户候选特征9、历史用户候选特征6、历史用户候选特征4、历史用户候选特征1和历史用户候选特征5作为所述历史用户特征。

步骤S303、根据所述至少一个历史用户特征生成初始电话接通概率模型。

具体的，根据选择的历史用户特征生成初始电话接通概率模型，为每个历史用户特征设置初始参数。

步骤S304、通过历史训练数据集合对所述初始历史训练数据集合的参数进行调整，生成电话接通概率模型，其中，所述电话接通概率模型在使用时的输入为用户特征，输出为电话接通概率。

本发明实施例中，所述电话接通概率模型的历史用户特征可以进行动态的调制，进而对应的参数也需要进行调整，即所述电话接通概率模型不是固定不变的，而是动态变化的。

在一种可能的实现方式中，生成电话接通概率模型后还可以采用历史测试数据集合进行电话接通概率模型的测试，其中，所述历史训练数据集合和历史测试数据集合都是根据历史用户获取的数据集合进行随机切分的。

在一种可能的实现方式中，分别通过两个实例对所述设定算法包括的方差选择法和相关系数法进行详细说明。

实例一、方差选择法

首先确定多个用户特征，采集每个用户特征对应的数据，然后根据用户特征对应的数据计算每个用户特征的方差，进而根据设定阈值，选择方差大于设定阈值的用户特征作为中重要的用户特征。

上述方差选择法适用于数值数据的用户特征，例如，用户特征为年龄，可以根据多个用户的年龄数值计算出年龄用户特征的方差；不同的用户特征计算出不同的方差，假设首先将5个不同的用户特征对应的数据进行归一化处理，然后得到5个不同的方差，确定出5个方差中大于设定阈值的3个方差，将所述3个方差对应的特征作为重要的用户特征。

上述仅仅为示例性说明，具体的方差计算方式根据实际情况确定，本发明实施例对其不做限定。

实例二、相关系数法

采用相关系数法计算用户特征的重要程度时，首先要计算各个用户特征对应的目标值的相关系数以及相关系数的值，然后根据相关系数的值确定重要程度。

具体的，采用皮尔逊相关性公式(Pearson correlation formula)计算相关系数的值。

在一种可能的实现方式中，通过一个数据流向图对本发明实施例的一种预估电话接通概率的方法进行完整说明，具体如图5所示：

首先执行501模块，获取历史用户数据，其中，所示历史用户数据包括多个历史用户的基础信息以及附加信息，并且会携带电话接通标志，假设任一次某一用户接通时，该次标记为1，未接通时，标记为0；然后执行502模块，对历史用户数据进行特征工程，确定多个历史用户候选特征，从多个历史用户候选特征中选择重要的历史用户特征构建初步电话接通概率模型，即503模块；然后，执行504模块，为历史用户特征设置初始参数；进而执行505模块，采用501模块切分的历史训练数据集合对初始电话接通概率模型进行训练，得到506模块训练后的电话接通概率模型，然后采用501模块切分的历史测试数据集合对所述电话接通概率模型进行测试，测试完成后，采用所述电话接通概率模型对目标用户的电话接通概率进行预测。

在一种可能的实现方式，训练后的电话接通概率模型中的特征选择和参数都可以重新动态调整。

图6是本发明实施例的一种预估电话接通概率的装置示意图。如图6所示，本实施例的装置包括获取单元601、确定单元602和处理单元603。

其中，所述获取单元601，用于获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息；所述确定单元602，用于根据所述待处理数据确定所述目标用户的至少一个用户特征；所述处理单元603，用于将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

本发明实施例中，通过获取目标用户的待处理数据，所述待处理数据包括目标用户的基础信息以及附加信息，其中，基础信息包括目标用户的年龄、城市、性别，附加信息包括注册时长、历史电话接通率、通话时长均值、日期等，然后根据所述待处理数据确定所述目标用户的至少一个用户特征；将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。通过上述方法，可以通过目标用户的待处理数据预估出目标用户的电话接通概率，客服可以选择向电话接通概率较高的用户致电，提高了客服拨出的电话成功接通的次数，进而提高了客服的工作效率。

图7是本发明实施例的电子设备的示意图。图7所示的电子设备为通用预估电话接通概率装置，其包括通用的计算机硬件结构，其至少包括处理器71和存储器72。处理器71和存储器72通过总线73连接。存储器72适于存储处理器71可执行的指令或程序。处理器71可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器71通过执行存储器72所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线73将上述多个组件连接在一起，同时将上述组件连接到显示控制器74和显示装置以及输入/输出(I/O)装置75。输入/输出(I/O)装置75可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置75通过输入/输出(I/O)控制器76与系统相连。

如本领域技术人员将意识到的，本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此，本发明实施例的各个方面可以采取如下形式：完全硬件实施方式、完全软件实施方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实施方式。此外，本发明实施例的各个方面可以采取如下形式：在一个或多个计算机可读介质中实现的计算机程序产品，计算机可读介质具有在其上实现的计算机可读程序代码。

可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置，或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项：具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中，计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。

计算机可读信号介质可以包括传播的数据信号，所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式，包括但不限于：电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质：不是计算机可读存储介质，并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。

可以使用包括但不限于无线、有线、光纤电缆、RF等或前述的任意适当组合的任意合适的介质来传送实现在计算机可读介质上的程序代码。

用于执行针对本发明实施例各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写，所述编程语言包括：面向对象的编程语言如Java、Smalltalk、C++等；以及常规过程编程语言如“C”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行；部分地在用户计算机上且部分地在远程计算机上执行；或者完全地在远程计算机或服务器上执行。在后一种情况下，可以将远程计算机通过包括局域网(LAN)或广域网(WAN)的任意类型的网络连接至用户计算机，或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。

上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图图例和/或框图描述了本发明实施例的各个方面。将要理解的是，流程图图例和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器，以产生机器，使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。

还可以将这些计算机程序指令存储在可以指导计算机、其它可编程数据处理设备或其它装置以特定方式运行的计算机可读介质中，使得在计算机可读介质中存储的指令产生包括实现在流程图和/或框图块或块中指定的功能/动作的指令的制品。

计算机程序指令还可以被加载至计算机、其它可编程数据处理设备或其它装置上，以使在计算机、其它可编程设备或其它装置上执行一系列可操作步骤来产生计算机实现的过程，使得在计算机或其它可编程设备上执行的指令提供用于实现在流程图和/或框图块或块中指定的功能/动作的过程。

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 (11)

1.一种预估电话接通概率的方法，其特征在于，该方法包括：

获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息；

根据所述待处理数据确定所述目标用户的至少一个用户特征；

将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

2.如权利要求1所述的方法，其特征在于，所述根据所述待处理数据确定所述目标用户的至少一个用户特征，具体包括：

根据所述待处理数据确定所述目标用户的至少一个用户候选特征；

根据预先设置的特征需求，在所述至少一个用户候选特征中确定出所述至少一个用户特征，其中，所述预先设置的特征需求为所述电话接通概率模型需要使用的用户特征。

3.如权利要求1所述的方法，其特征在于，所述基础信息为所述目标用户初始注册过程中填写的个人基本信息，所述附加信息为所述目标用户在使用过程中生成的信息。

4.如权利要求1所述的方法，其特征在于，所述基础信息包括目标用户的年龄、城市、性别中的至少一项，所述附加信息包括注册时长、历史电话接通率、通话时长均值、日期中的至少一项。

5.如权利要求1所述的方法，其特征在于，所述电话接通概率模型为xgboost模型或深度学习神经网络模型。

6.如权利要求1所述的方法，其特征在于，所述电话接通概率模型的训练过程包括：

获取历史训练数据集合，其中，所述历史训练数据集合包括多个历史用户的基础信息以及附加信息；

根据所述历史训练数据集合确定至少一个历史用户候选特征；

根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征；

根据所述至少一个历史用户特征生成初始电话接通概率模型；

通过历史训练数据集合对所述初始历史训练数据集合的参数进行调整，生成电话接通概率模型，其中，所述电话接通概率模型在使用时的输入为用户特征，输出为电话接通概率。

7.如权利要求6所述的方法，其特征在于，所述根据设定算法，在所述至少一个历史用户候选特征中确定至少一个历史用户特征，具体包括：

根据设定算法对所述至少一个历史用户候选特征按照重要程度从大到小的顺序进行排序；

将所述排序中前N个历史用户候选特征确定为所述历史用户特征，其中，N为大于或等于1的正整数。

8.如权利要求6所述的方法，其特征在于，所述设定算法包括方差选择法或者相关系数法。

9.一种预估电话接通概率的装置，其特征在于，该装置包括：

获取单元，用于获取目标用户的待处理数据，其中，所述待处理数据包括所述目标用户的基础信息以及附加信息；

确定单元，用于根据所述待处理数据确定所述目标用户的至少一个用户特征；

处理单元，用于将所述至少一个用户特征输入到预先训练的电话接通概率模型，输出所述目标用户的电话接通概率。

10.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-8中任一项所述的方法。

11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-8任一项所述的方法。

Images