CN113362108B - 一种基于人工智能的精准运营方法及系统 - Google Patents
一种基于人工智能的精准运营方法及系统 Download PDFInfo
- Publication number
- CN113362108B CN113362108B CN202110614218.6A CN202110614218A CN113362108B CN 113362108 B CN113362108 B CN 113362108B CN 202110614218 A CN202110614218 A CN 202110614218A CN 113362108 B CN113362108 B CN 113362108B
- Authority
- CN
- China
- Prior art keywords
- clue
- information
- cue
- obtaining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 202
- 238000009960 carding Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 25
- 238000013523 data management Methods 0.000 abstract description 6
- 230000010354 integration Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 20
- 238000003062 neural network model Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 206010063385 Intellectualisation Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的精准运营方法及系统,其中,所述方法包括:将所有梳理线索信息进行整合,构建线索数据库;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;根据所述运营处理场景,获得匹配处理规则;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库。解决了现有技术客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题。
Description
技术领域
本发明涉及运营领域,尤其涉及一种基于人工智能的精准运营方法及系统。
背景技术
企业运营管理是作为企业生存赢利的关键要素和要素之间的逻辑关系,它决定着一个企业的市场经营成果;从长远来看,能否找到适合企业经营需要的企业运作模式并不断完善决定着一个企业能否有未来。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题。
发明内容
本申请实施例通过提供一种基于人工智能的精准运营方法及系统,解决了现有技术客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题,达到采用人工智能技术对素材信息进行特征分析处理,能够精确掌握素材画像,实现与运营目标、策略精准匹配,提高运营效果;基于企业既有业务服务基础上,整合全渠道获客管理,助力线索管理数据化、自动化和智能化,提高线索转化,进而促进业务增长的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于人工智能的精准运营方法及系统。
第一方面,本申请实施例提供了一种基于人工智能的精准运营方法,所述方法包括:通过第一用户数据端口获得第一初步线索信息;获得预设线索处理规则;根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;将所有梳理线索信息进行整合,构建线索数据库;获得运营目标信息;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;获得运营处理场景;根据所述运营处理场景,获得匹配处理规则;根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;根据所述第一执行指令,获得第一执行结果;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库。
另一方面,本申请还提供了一种基于人工智能的精准运营系统,所述系统包括第一获得单元,所述第一获得单元用于通过第一用户数据端口获得第一初步线索信息;第二获得单元,所述第二获得单元用于获得预设线索处理规则;第三获得单元,所述第三获得单元用于根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;第一构建单元,所述第一构建单元用于将所有梳理线索信息进行整合,构建线索数据库;第四获得单元,所述第四获得单元用于获得运营目标信息;第五获得单元,所述第五获得单元用于根据所述运营目标信息,获得目标处理特征信息;第六获得单元,所述第六获得单元用于将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;第七获得单元,所述第七获得单元用于获得运营处理场景;第八获得单元,所述第八获得单元用于根据所述运营处理场景,获得匹配处理规则;第九获得单元,所述第九获得单元用于根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;第十获得单元,所述第十获得单元用于根据所述第一执行指令,获得第一执行结果;第十一获得单元,所述第十一获得单元用于判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;第十二获得单元,所述第十二获得单元用于根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;第二构建单元,所述第二构建单元用于根据所述线索分级结果,构建分级运营线索数据库。
第三方面,本发明提供了一种基于人工智能的精准运营系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了将所有梳理线索信息进行整合,构建线索数据库;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;根据所述运营处理场景,获得匹配处理规则;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库,进而达到采用人工智能技术对素材信息进行特征分析处理,能够精确掌握素材画像,实现与运营目标、策略精准匹配,提高运营效果;基于企业既有业务服务基础上,整合全渠道获客管理,助力线索管理数据化、自动化和智能化,提高线索转化,促进业务增长的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于人工智能的精准运营方法的流程示意图;
图2为本申请实施例一种基于人工智能的精准运营系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一构建单元14,第四获得单元15,第五获得单元16,第六获得单元17,第七获得单元18,第八获得单元19,第九获得单元20,第十获得单元21,第十一获得单元22,第十二获得单元23,第二构建单元24,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种基于人工智能的精准运营方法及系统,解决了现有技术客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题,达到基于企业既有业务服务基础上,整合全渠道获客管理,助力线索管理数据化、自动化和智能化,提高线索转化,促进业务增长的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
企业运营管理是作为企业生存赢利的关键要素和要素之间的逻辑关系,它决定着一个企业的市场经营成果;从长远来看,能否找到适合企业经营需要的企业运作模式并不断完善决定着一个企业能否有未来。但现有技术存在客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于人工智能的精准运营方法,所述方法包括:通过第一用户数据端口获得第一初步线索信息;获得预设线索处理规则;根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;将所有梳理线索信息进行整合,构建线索数据库;获得运营目标信息;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;获得运营处理场景;根据所述运营处理场景,获得匹配处理规则;根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;根据所述第一执行指令,获得第一执行结果;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于人工智能的精准运营方法,其中,所述方法包括:
步骤S100:通过第一用户数据端口获得第一初步线索信息;
步骤S200:获得预设线索处理规则;
具体而言,所述第一用户为运营客户的目标对象,通过所述用户数据端口获得初步线索信息,所述初步线索信息是获得的用户的初步登录或者访问的数据,如客户登录用户端口,具有一定浏览记录行为,从而获取的数据信息。所述预设线索处理规则为预先设定的数据线索分类处理规则,根据所述预设线索处理规则对所述初步线索信息进行内容提取分析处理,为后续进一步深入分析所述用户线索内容和获得后续梳理线索信息打下基础。
步骤S300:根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;
进一步而言,其中,所述根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息,本申请实施例步骤S300还包括:
步骤S310:根据所述第一初步线索信息,获得线索类别;
步骤S320:根据所述线索类别,获得线索处理规则;
步骤S330:根据所述线索处理规则,获得线索展示要素;
步骤S340:将所述线索展示要素、所述第一初步线索信息输入线索梳理模型,其中,所述线索梳理模型为多组训练数据训练获得,每组训练数据均包括所述线索展示要素、所述第一初步线索信息及标识要素梳理结果的标识信息;
步骤S350:获得所述线索梳理模型的输出结果,所述输出结果包括所述要素梳理结果;
步骤S360:根据所述线索类别、所述要素梳理结果,获得所述梳理线索信息。
具体而言,按照所述预设线索处理规则对所述第一初步线索信息进行内容提取和分析,获得梳理线索信息,如客户基础属性:姓名、性别、地区、城市、头像、生日、身份证号;联系方式:手机号、邮箱、QQ等;职业属性:公司、职位、部门;行为记录:浏览、点击、报名、分享、关注、下载等;企业管理基本信息:信用代码、组织机构代码、公司类型、代表人、注册资本、经营范围、经营状态;经营信息:融资信息、行业排名、同业分析、招投标、资质许可、招聘信息;企业图谱:企业链图、股权穿透、股权结构、控制人关系、受益所有人;经营风险:经营异常、行政处罚、破产重整、清算信息、欠税信息、土地抵押、司法风险:立案信息、开庭公告、法院公告、裁判文书、失信信息、股权冻结、新闻舆情:舆情主题、舆情动态等。对所述第一初步线索信息进行分类,可以得到如联系人基础属性、联系方式、职业属性、行为记录、企业管理基本信息、经营信息、企业图谱、经营风险、司法风险、新闻舆情等线索类别。根据所述线索类别,确定线索处理规则,并按照所述线索处理规则,获得客户的线索展示要素,如客户管理信息和关联企业信息等。
所述线索梳理模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述线索展示要素、所述第一初步线索信息输入神经网络模型,则输出所述梳理线索信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述线索展示要素、所述第一初步线索信息及标识要素梳理结果的标识信息,将所述线索展示要素、所述第一初步线索信息输入到神经网络模型中,根据用来标识要素梳理结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的要素梳理结果信息更加合理、准确,最后根据所述线索类别和模型所得到的所述要素梳理结果,获得梳理后的所述梳理线索信息。进而达到智能化对线索类别进行梳理,提高线索转化效果,使得梳理线索更加合理有效的技术效果。
步骤S400:将所有梳理线索信息进行整合,构建线索数据库;
步骤S500:获得运营目标信息;
具体而言,对所有梳理线索信息进行整合,构建线索数据库,所述线索数据库通过大数据整合,包括客户基础信息,客户关联企业详细信息、线索来源等线索数据信息。所述运营目标信息为企业运营营销的目标,如不同产品的营销推广等。
步骤S600:根据所述运营目标信息,获得目标处理特征信息;
步骤S700:将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;
具体而言,根据不同的运营目标信息,获得不同的目标处理特征信息,如所述运营目标需要相对应的职业特征、行为浏览、报名特征等。所述线索处理模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,通过大量训练数据的训练学习,将所述目标处理特征信息、所述线索数据库输入神经网络模型,输出准确合理的满足运营目标的目标线索信息。
步骤S800:获得运营处理场景;
步骤S900:根据所述运营处理场景,获得匹配处理规则;
步骤S1000:根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;
步骤S1100:根据所述第一执行指令,获得第一执行结果;
具体而言,所述运营处理场景为企业运营处理方式,常用运营场景包括微信营销、会议营销、邮件营销、内容营销等,不同运营处理场景,获得不同的匹配处理规则,并按照所述匹配处理规则对所述目标线索信息进行相应的运营处理。如微信营销匹配规则需首先关注公众号,再推送欢迎语,公众号互动,最后进行公众号介绍等。根据场景运营处理,得到最终的运营处理结果。
步骤S1200:判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;
进一步而言,其中,所述根据所述目标线索信息,获得线索评价结果,本申请实施例步骤S1200还包括:
步骤S1210:根据所述目标线索信息,获得线索属性信息;
步骤S1220:根据所述运营目标信息,获得目标属性信息;
步骤S1230:根据所述线索属性信息、所述目标属性信息,获得画像匹配度;
步骤S1240:根据所述目标线索信息,获得线索行为信息;
步骤S1250:根据所述线索行为信息,获得线索兴趣;
步骤S1260:根据所述线索兴趣、所述运营目标信息,获得兴趣匹配度;
步骤S1270:根据所述画像匹配度、所述兴趣匹配度,获得所述线索评价结果。
具体而言,判断运营处理执行结果是否达到完成预定条件,当达到时,根据所述目标线索信息,获得线索属性信息,所述线索属性信息包括客户性别、年龄、学历基础信息、关联企业基础信息、工商信息等。根据所述运营目标信息,获得与运营目标相对应的目标要求属性信息,根据所述线索属性信息与所述目标属性信息的匹配程度,获得客户画像匹配度。所述线索行为信息包括网页访问行为信息、营销行为信息、小程序访问行为信息、访问行为轨迹信息等,所述线索兴趣为与所述线索行为信息的匹配兴趣程度,根据所述线索兴趣与所述运营目标信息的匹配程度,获得兴趣匹配度。根据所述画像匹配度和所述兴趣匹配度,对线索进行评分分级,判断所述线索的评分所处等级结果。达到通过线索双维度评分对客户线索执行结果进行等级评价,进而实现高价值线索流转销售的技术效果。
步骤S1300:根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;
步骤S1400:根据所述线索分级结果,构建分级运营线索数据库。
具体而言,根据所述线索评价结果对所述目标线索信息进行标记,标记所述线索的分级结果,如高价值组、中等价值组、低价值组,并根据所述线索分级结果,构建分级运营线索数据库,为不同价值等级的线索流转提供依据。
进一步而言,本申请实施例还包括:
步骤S1510:获得运营要求信息;
步骤S1520:根据所述运营要求信息,设定运营节点,其中,所述运营节点包括多级节点;
步骤S 1530:根据第一级运营节点,获得第一节点判断标准;
步骤S1540:根据所述第一节点判断标准对所述第一级运营节点的节点线索信息进行判断,获得第一级线索处理结果;
步骤S1550根据所述第一级线索处理结果行成第二级运营节点线索信息分支,依次类推,完成所有运营节点的节点线索信息判断分支结果,获得运营线索信息;
步骤S1560:根据所述运营要求信息,获得所述运营处理场景;
步骤S1570:根据所述运营处理场景对所述运营线索信息进行运营操作。
具体而言,所述运营要求信息为企业运营销售的客户目标要求,根据所述运营要求信息,设定运营节点,所述运营节点用于企业运营判断,所述第一节点判断标准为根据运营节点判断进入分支节点的标准,如客户的行为条件。根据所述第一节点判断标准对所述第一级运营节点的节点线索信息进行判断,获得线索判断处理结果,根据线索处理结果进行二级运营节点线索信息分支判断,如客户行为浏览关注条件、是否延长到活动日条件等,依次类推,完成所有运营节点的节点线索信息判断分支结果,获得运营的客户线索信息。根据不同的运营要求,确定相对应的运营处理场景,如微信营销、邮件营销等,并根据所述运营处理场景对所述运营线索信息进行运营操作,如进行邮件发送等运营操作。达到对企业运营进行运营规则设置,以达到实现自动化精准运营的技术效果。
进一步而言,其中,所述根据第一级运营节点,获得第一节点判断标准,本申请实施例步骤S1530还包括:
步骤S1531:根据所述第一运营节点,获得对象筛选要求,其中,所述对象筛选要求中包括触发条件信息;
步骤S1532:根据所述触发条件信息,获得触发条件特征;
步骤S1533:当所述第一初步线索信息具有所述触发条件特征时,将所述第一初步线索信息确定为所述节点处线索信息。
具体而言,所述对象筛选要求包括触发条件信息,如客户行为条件信息,基本属性信息等,所述触发条件特征如客户浏览公众号、点击企业公众号链接等,当客户的所述初步线索信息具有所述触发条件特征时,将所述初步线索信息确定为所述节点处线索信息,以作为节点判断标准。达到对运营节点进行触发条件设置,使得企业运营节点设置更加合理,以实现自动化精准运营的技术效果。
进一步而言,本申请实施例还包括:
步骤S1610:通过所述第一用户数据端口获得第二初步线索信息其中,所述第二初步线索信息获取时间晚于所述第一初步线索信息获取时间;
步骤S1620:根据所述第二初步线索信息,获得更新线索分级信息;
步骤S1630:利用所述更新线索分级信息对所述分级运营线索数据库进行更新。
具体而言,通过客户数据端获取实时更新数据,如客户地址、所属部门等相关信息进行了相应变更,或是新增了新线索信息,对更新线索进行分级处理,得到不同等级的更新线索分级结果,并依据所述更新线索分级信息对所述分级运营线索数据库进行更新。达到实时更新运营线索数据,使销售线索匹配营销需求,以保证销售线索状态同步的技术效果。
进一步而言,本申请实施例还包括:
步骤S1710:根据所述分级运营线索数据库,获得运营线索处理状态;
步骤S1720:将所述运营线索处理状态,反馈至所述线索数据库,对所述线索进行运营线索处理状态设置。
具体而言,所述运营线索处理状态为所述分级运营线索数据库中线索数据的处理状态,如所述线索状态为新增新线索,将所述运营线索处理状态,反馈至所述线索数据库,对所述线索进行运营线索处理状态设置,如对新增新线索进行导入设置、删除设置、修改设置等。达到对运营线索数据状态及时处理,确保销售线索状态同步,以匹配营销需求的技术效果。
进一步而言,本申请实施例还包括:
步骤S1810:获得销售线索运营需求,其中,所述销售线索运营需求与所述运营目标信息不同;
步骤S1820:根据所述销售线索运营需求,获得更新运营需求特征;
步骤S1830:将所述更新运营需求特征输入所述线索处理模型中,获得预测目标线索;
步骤S1840:通过对所述预测目标线索进行数据损失分析,获得第一损失数据;
步骤S1850:将所述第一损失数据输入所述线索处理模型中进行训练,获得增量线索处理模型,其中,所述增量线索处理模型为所述线索处理模型进行增量学习后生成的新模型。
具体而言,所述销售线索运营需求为增加新的线索运营要求,与所述运营目标信息不同,根据所述销售线索运营需求,获得更新后的运营需求特征,如新增客户所在地发展要求。所述线索处理模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,通过大量训练数据的训练学习,将所述更新运营需求特征输入神经网络模型,输出准确合理的满足运营目标的预测目标线索信息。所述预测目标线索基于所述更新运营需求特征在所述线索处理模型中进行线索处理获得的对应预测目标线索,由于所述线索处理是基于所述目标处理特征信息和所述线索数据库进行数据训练获得的,因此,通过引入损失函数完成数据损失的分析进而获得所述第一损失数据,其中,所述第一损失数据是代表所述线索处理模型对于所述更新运营需求特征的相关数据知识损失数据,再基于所述第一损失数据完成对所述线索处理模型的增量学习,由于所述线索处理模型是多个神经元相互连接组成构成神经网络获得的,因此,通过损失数据的训练使得所述增量线索处理模型保留了所述线索处理模型的基本功能,并维持模型不断更新的性能,从而提高了线索处理的更新性能,保证更新线索处理结果准确性的技术效果。
综上所述,本申请实施例所提供的一种基于人工智能的精准运营方法及系统具有如下技术效果:
由于采用了将所有梳理线索信息进行整合,构建线索数据库;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;根据所述运营处理场景,获得匹配处理规则;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库,进而达到采用人工智能技术对素材信息进行特征分析处理,能够精确掌握素材画像,实现与运营目标、策略精准匹配,提高运营效果;基于企业既有业务服务基础上,整合全渠道获客管理,助力线索管理数据化、自动化和智能化,提高线索转化,促进业务增长的技术效果。
实施例二
基于与前述实施例中一种基于人工智能的精准运营方法同样发明构思,本发明还提供了一种基于人工智能的精准运营系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过第一用户数据端口获得第一初步线索信息;
第二获得单元12,所述第二获得单元12用于获得预设线索处理规则;
第三获得单元13,所述第三获得单元13用于根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;
第一构建单元14,所述第一构建单元14用于将所有梳理线索信息进行整合,构建线索数据库;
第四获得单元15,所述第四获得单元15用于获得运营目标信息;
第五获得单元16,所述第五获得单元16用于根据所述运营目标信息,获得目标处理特征信息;
第六获得单元17,所述第六获得单元17用于将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;
第七获得单元18,所述第七获得单元18用于获得运营处理场景;
第八获得单元19,所述第八获得单元19用于根据所述运营处理场景,获得匹配处理规则;
第九获得单元20,所述第九获得单元20用于根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;
第十获得单元21,所述第十获得单元21用于根据所述第一执行指令,获得第一执行结果;
第十一获得单元22,所述第十一获得单元22用于判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;
第十二获得单元23,所述第十二获得单元23用于根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;
第二构建单元24,所述第二构建单元24用于根据所述线索分级结果,构建分级运营线索数据库。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于根据所述第一初步线索信息,获得线索类别;
第十四获得单元,所述第十四获得单元用于根据所述线索类别,获得线索处理规则;
第十五获得单元,所述第十五获得单元用于根据所述线索处理规则,获得线索展示要素;
第一输入单元,所述第一输入单元用于将所述线索展示要素、所述第一初步线索信息输入线索梳理模型,其中,所述线索梳理模型为多组训练数据训练获得,每组训练数据均包括所述线索展示要素、所述第一初步线索信息及标识要素梳理结果的标识信息;
第十六获得单元,所述第十六获得单元用于获得所述线索梳理模型的输出结果,所述输出结果包括所述要素梳理结果;
第十七获得单元,所述第十七获得单元用于根据所述线索类别、所述要素梳理结果,获得所述梳理线索信息。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于获得运营要求信息;
第一设定单元,所述第一设定单元用于根据所述运营要求信息,设定运营节点,其中,所述运营节点包括多级节点;
第十九获得单元,所述第十九获得单元用于根据第一级运营节点,获得第一节点判断标准;
第二十获得单元,所述第二十获得单元用于根据所述第一节点判断标准对所述第一级运营节点的节点线索信息进行判断,获得第一级线索处理结果;
第二十一获得单元,所述第二十一获得单元用于根据所述第一级线索处理结果行成第二级运营节点线索信息分支,依次类推,完成所有运营节点的节点线索信息判断分支结果,获得运营线索信息;
第二十二获得单元,所述第二十二获得单元用于根据所述运营要求信息,获得所述运营处理场景;
第一操作单元,所述第一操作单元用于根据所述运营处理场景对所述运营线索信息进行运营操作。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于根据所述第一运营节点,获得对象筛选要求,其中,所述对象筛选要求中包括触发条件信息;
第二十四获得单元,所述第二十四获得单元用于根据所述触发条件信息,获得触发条件特征;
第一确定单元,所述第一确定单元用于当所述第一初步线索信息具有所述触发条件特征时,将所述第一初步线索信息确定为所述节点处线索信息。
进一步的,所述系统还包括:
第二十五获得单元,所述第二十五获得单元用于根据所述目标线索信息,获得线索属性信息;
第二十六获得单元,所述第二十六获得单元用于根据所述运营目标信息,获得目标属性信息;
第二十七获得单元,所述第二十七获得单元用于根据所述线索属性信息、所述目标属性信息,获得画像匹配度;
第二十八获得单元,所述第二十八获得单元用于根据所述目标线索信息,获得线索行为信息;
第二十九获得单元,所述第二十九获得单元用于根据所述线索行为信息,获得线索兴趣;
第三十获得单元,所述第三十获得单元用于根据所述线索兴趣、所述运营目标信息,获得兴趣匹配度;
第三十一获得单元,所述第三十一获得单元用于根据所述画像匹配度、所述兴趣匹配度,获得所述线索评价结果。
进一步的,所述系统还包括:
第三十二获得单元,所述第三十二获得单元用于通过所述第一用户数据端口获得第二初步线索信息,其中,所述第二初步线索信息获取时间晚于所述第一初步线索信息获取时间;
第三十三获得单元,所述第三十三获得单元用于根据所述第二初步线索信息,获得更新线索分级信息;
第一更新单元,所述第一更新单元用于利用所述更新线索分级信息对所述分级运营线索数据库进行更新。
进一步的,所述系统还包括:
第三十四获得单元,所述第三十四获得单元用于根据所述分级运营线索数据库,获得运营线索处理状态;
第一设置单元,所述第一设置单元用于将所述运营线索处理状态,反馈至所述线索数据库,对所述线索进行运营线索处理状态设置。
进一步的,所述系统还包括:
第三十五获得单元,所述第三十五获得单元用于获得销售线索运营需求,其中,所述销售线索运营需求与所述运营目标信息不同;
第三十六获得单元,所述第三十六获得单元用于根据所述销售线索运营需求,获得更新运营需求特征;
第三十七获得单元,所述第三十七获得单元用于将所述更新运营需求特征输入所述线索处理模型中,获得预测目标线索;
第三十八获得单元,所述第三十八获得单元用于通过对所述预测目标线索进行数据损失分析,获得第一损失数据;
第三十九获得单元,所述第三十九获得单元用于将所述第一损失数据输入所述线索处理模型中进行训练,获得增量线索处理模型,其中,所述增量线索处理模型为所述线索处理模型进行增量学习后生成的新模型。
前述图1实施例一中的一种基于人工智能的精准运营方法的各种变化方式和具体实例同样适用于本实施例的一种基于人工智能的精准运营系统,通过前述对一种基于人工智能的精准运营方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于人工智能的精准运营系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于人工智能的精准运营方法的发明构思,本发明还提供一种基于人工智能的精准运营系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于人工智能的精准运营方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于人工智能的精准运营方法,所述方法包括:通过第一用户数据端口获得第一初步线索信息;获得预设线索处理规则;根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;将所有梳理线索信息进行整合,构建线索数据库;获得运营目标信息;根据所述运营目标信息,获得目标处理特征信息;将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;获得运营处理场景;根据所述运营处理场景,获得匹配处理规则;根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;根据所述第一执行指令,获得第一执行结果;判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;根据所述线索分级结果,构建分级运营线索数据库。解决了现有技术客户数据管理智能程度低,整合效果差,从而导致企业业务低下的技术问题,达到采用人工智能技术对素材信息进行特征分析处理,能够精确掌握素材画像,实现与运营目标、策略精准匹配,提高运营效果;基于企业既有业务服务基础上,整合全渠道获客管理,助力线索管理数据化、自动化和智能化,提高线索转化,促进业务增长的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照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和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于人工智能的精准运营方法,其中,所述方法包括:
通过第一用户数据端口获得第一初步线索信息;
获得预设线索处理规则;
根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;
将所有梳理线索信息进行整合,构建线索数据库;
获得运营目标信息;
根据所述运营目标信息,获得目标处理特征信息;
将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;
获得运营处理场景;
根据所述运营处理场景,获得匹配处理规则;
根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;
根据所述第一执行指令,获得第一执行结果;
判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;
根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;
根据所述线索分级结果,构建分级运营线索数据库;
其中,所述根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息,包括:
根据所述第一初步线索信息,获得线索类别;
根据所述线索类别,获得线索处理规则;
根据所述线索处理规则,获得线索展示要素;
将所述线索展示要素、所述第一初步线索信息输入线索梳理模型,其中,所述线索梳理模型为多组训练数据训练获得,每组训练数据均包括所述线索展示要素、所述第一初步线索信息及标识要素梳理结果的标识信息;
获得所述线索梳理模型的输出结果,所述输出结果包括所述要素梳理结果;
根据所述线索类别、所述要素梳理结果,获得所述梳理线索信息;
获得运营要求信息;
根据所述运营要求信息,设定运营节点,其中,所述运营节点包括多级节点;
根据第一级运营节点,获得第一节点判断标准;
根据所述第一节点判断标准对所述第一级运营节点的节点线索信息进行判断,获得第一级线索处理结果;
根据所述第一级线索处理结果行成第二级运营节点线索信息分支,依次类推,完成所有运营节点的节点线索信息判断分支结果,获得运营线索信息;
根据所述运营要求信息,获得所述运营处理场景;
根据所述运营处理场景对所述运营线索信息进行运营操作。
2.如权利要求1所述的方法,其中,所述根据第一级运营节点,获得第一节点判断标准,包括:
根据所述第一级运营节点,获得对象筛选要求,其中,所述对象筛选要求中包括触发条件信息;
根据所述触发条件信息,获得触发条件特征;
当所述第一初步线索信息具有所述触发条件特征时,将所述第一初步线索信息确定为所述节点处线索信息。
3.如权利要求1所述的方法,其中,所述根据所述目标线索信息,获得线索评价结果,包括:
根据所述目标线索信息,获得线索属性信息;
根据所述运营目标信息,获得目标属性信息;
根据所述线索属性信息、所述目标属性信息,获得画像匹配度;
根据所述目标线索信息,获得线索行为信息;
根据所述线索行为信息,获得线索兴趣;
根据所述线索兴趣、所述运营目标信息,获得兴趣匹配度;
根据所述画像匹配度、所述兴趣匹配度,获得所述线索评价结果。
4.如权利要求1所述的方法,其中,所述方法包括:
通过所述第一用户数据端口获得第二初步线索信息,其中,所述第二初步线索信息获取时间晚于所述第一初步线索信息获取时间;
根据所述第二初步线索信息,获得更新线索分级信息;
利用所述更新线索分级信息对所述分级运营线索数据库进行更新。
5.如权利要求1所述的方法,其中,所述方法包括:
根据所述分级运营线索数据库,获得运营线索处理状态;
将所述运营线索处理状态,反馈至所述线索数据库,对所述线索进行运营线索处理状态设置。
6.如权利要求1所述的方法,其中,所述方法包括:
获得销售线索运营需求,其中,所述销售线索运营需求与所述运营目标信息不同;
根据所述销售线索运营需求,获得更新运营需求特征;
将所述更新运营需求特征输入所述线索处理模型中,获得预测目标线索;
通过对所述预测目标线索进行数据损失分析,获得第一损失数据;
将所述第一损失数据输入所述线索处理模型中进行训练,获得增量线索处理模型,其中,所述增量线索处理模型为所述线索处理模型进行增量学习后生成的新模型。
7.一种基于人工智能的精准运营系统,用于实施权利要求1所述的一种基于人工智能的精准运营方法,其中,所述系统包括:
第一获得单元,所述第一获得单元用于通过第一用户数据端口获得第一初步线索信息;
第二获得单元,所述第二获得单元用于获得预设线索处理规则;
第三获得单元,所述第三获得单元用于根据所述预设线索处理规则对所述第一初步线索信息进行处理,获得梳理线索信息;
第一构建单元,所述第一构建单元用于将所有梳理线索信息进行整合,构建线索数据库;
第四获得单元,所述第四获得单元用于获得运营目标信息;
第五获得单元,所述第五获得单元用于根据所述运营目标信息,获得目标处理特征信息;
第六获得单元,所述第六获得单元用于将所述目标处理特征信息、所述线索数据库输入线索处理模型,获得目标线索信息;
第七获得单元,所述第七获得单元用于获得运营处理场景;
第八获得单元,所述第八获得单元用于根据所述运营处理场景,获得匹配处理规则;
第九获得单元,所述第九获得单元用于根据所述匹配处理规则、所述目标线索信息,获得第一执行指令,所述第一执行指令用于按照所述匹配处理规则对所述目标线索信息进行运营处理;
第十获得单元,所述第十获得单元用于根据所述第一执行指令,获得第一执行结果;
第十一获得单元,所述第十一获得单元用于判断所述第一执行结果是否达到第一预定条件,当达到时,根据所述目标线索信息,获得线索评价结果;
第十二获得单元,所述第十二获得单元用于根据所述线索评价结果对所述目标线索信息进行标记,获得线索分级结果;
第二构建单元,所述第二构建单元用于根据所述线索分级结果,构建分级运营线索数据库;
第十三获得单元,所述第十三获得单元用于根据所述第一初步线索信息,获得线索类别;
第十四获得单元,所述第十四获得单元用于根据所述线索类别,获得线索处理规则;
第十五获得单元,所述第十五获得单元用于根据所述线索处理规则,获得线索展示要素;
第一输入单元,所述第一输入单元用于将所述线索展示要素、所述第一初步线索信息输入线索梳理模型,其中,所述线索梳理模型为多组训练数据训练获得,每组训练数据均包括所述线索展示要素、所述第一初步线索信息及标识要素梳理结果的标识信息;
第十六获得单元,所述第十六获得单元用于获得所述线索梳理模型的输出结果,所述输出结果包括所述要素梳理结果;
第十七获得单元,所述第十七获得单元用于根据所述线索类别、所述要素梳理结果,获得所述梳理线索信息。
8.一种基于人工智能的精准运营系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110614218.6A CN113362108B (zh) | 2021-06-02 | 2021-06-02 | 一种基于人工智能的精准运营方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110614218.6A CN113362108B (zh) | 2021-06-02 | 2021-06-02 | 一种基于人工智能的精准运营方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362108A CN113362108A (zh) | 2021-09-07 |
CN113362108B true CN113362108B (zh) | 2023-12-29 |
Family
ID=77531259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110614218.6A Active CN113362108B (zh) | 2021-06-02 | 2021-06-02 | 一种基于人工智能的精准运营方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362108B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008065403A (ja) * | 2006-09-05 | 2008-03-21 | Field House Co Ltd | 競技会運営・ビジネス連携システム |
JP2009087147A (ja) * | 2007-10-01 | 2009-04-23 | Man to Man G Animo.com 株式会社 | 物販システムと、この物販システムの清算システム |
KR20110050249A (ko) * | 2009-11-06 | 2011-05-13 | 주식회사 하나은행 | 가망 고객 데이터 관리 장치 및 가망 고객 데이터 관리 방법 |
CN106971321A (zh) * | 2017-04-06 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 营销信息推送方法、装置、设备以及存储介质 |
CN108053261A (zh) * | 2017-12-27 | 2018-05-18 | 网智天元科技集团股份有限公司 | 营销信息处理方法与系统 |
CN108256899A (zh) * | 2017-12-28 | 2018-07-06 | 广州瀚丰信息科技有限公司 | 一种高效的运营管理及自动化营销系统 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
CN110956479A (zh) * | 2018-09-26 | 2020-04-03 | 北京高科数聚技术有限公司 | 基于销售线索交互记录的产品推荐方法 |
CN111177535A (zh) * | 2019-12-06 | 2020-05-19 | 南京欣网互联信息技术有限公司 | 一种互联网智能推荐精细化营销方法 |
JP2020095404A (ja) * | 2018-12-11 | 2020-06-18 | 東京電力ホールディングス株式会社 | 情報処理方法、プログラム、情報処理装置及び学習済みモデルの生成方法 |
KR20210001243A (ko) * | 2019-06-27 | 2021-01-06 | 권영식 | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 |
CN112348417A (zh) * | 2020-12-04 | 2021-02-09 | 中信银行股份有限公司 | 一种基于主成分分析算法的营销价值评估方法及装置 |
CN112598487A (zh) * | 2021-02-20 | 2021-04-02 | 汇正(广州)企业管理咨询有限公司 | 一种基于人工智能的企业信息化管理方法及系统 |
CN112819391A (zh) * | 2021-04-02 | 2021-05-18 | 深圳大智软件技术有限公司 | 一种自动对广告平台客户线索进行自动分配的系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001288962A1 (en) * | 2000-09-08 | 2002-03-22 | United States Postal Service | Method and apparatus for processing marketing information |
US20130311235A1 (en) * | 2012-05-17 | 2013-11-21 | SiriusDecisions, Inc. | Method and system for assessing business-to-business sales and marketing performance data |
-
2021
- 2021-06-02 CN CN202110614218.6A patent/CN113362108B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008065403A (ja) * | 2006-09-05 | 2008-03-21 | Field House Co Ltd | 競技会運営・ビジネス連携システム |
JP2009087147A (ja) * | 2007-10-01 | 2009-04-23 | Man to Man G Animo.com 株式会社 | 物販システムと、この物販システムの清算システム |
KR20110050249A (ko) * | 2009-11-06 | 2011-05-13 | 주식회사 하나은행 | 가망 고객 데이터 관리 장치 및 가망 고객 데이터 관리 방법 |
CN106971321A (zh) * | 2017-04-06 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 营销信息推送方法、装置、设备以及存储介质 |
CN108053261A (zh) * | 2017-12-27 | 2018-05-18 | 网智天元科技集团股份有限公司 | 营销信息处理方法与系统 |
CN108256899A (zh) * | 2017-12-28 | 2018-07-06 | 广州瀚丰信息科技有限公司 | 一种高效的运营管理及自动化营销系统 |
CN110956479A (zh) * | 2018-09-26 | 2020-04-03 | 北京高科数聚技术有限公司 | 基于销售线索交互记录的产品推荐方法 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
JP2020095404A (ja) * | 2018-12-11 | 2020-06-18 | 東京電力ホールディングス株式会社 | 情報処理方法、プログラム、情報処理装置及び学習済みモデルの生成方法 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
KR20210001243A (ko) * | 2019-06-27 | 2021-01-06 | 권영식 | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 |
CN111177535A (zh) * | 2019-12-06 | 2020-05-19 | 南京欣网互联信息技术有限公司 | 一种互联网智能推荐精细化营销方法 |
CN112348417A (zh) * | 2020-12-04 | 2021-02-09 | 中信银行股份有限公司 | 一种基于主成分分析算法的营销价值评估方法及装置 |
CN112598487A (zh) * | 2021-02-20 | 2021-04-02 | 汇正(广州)企业管理咨询有限公司 | 一种基于人工智能的企业信息化管理方法及系统 |
CN112819391A (zh) * | 2021-04-02 | 2021-05-18 | 深圳大智软件技术有限公司 | 一种自动对广告平台客户线索进行自动分配的系统 |
Non-Patent Citations (3)
Title |
---|
企业信息资源管理系统的设计与实现;覃叶;;电脑知识与技术;第19卷(第32期);第166-172页 * |
基于大数据的集中运营支撑系统的研究与实践;符传健;;科技创新与应用;第12卷(第03期);第78-83页 * |
基于运营商大数据技术的精准营销应用研究;李研;高书波;冯忠伟;;信息技术(第05期);第556-562页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113362108A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176154B1 (en) | Collaborative dataset management system for machine learning data | |
CN111667267B (zh) | 一种区块链交易风险识别方法及装置 | |
EP4236197A2 (en) | Micro-loan system | |
CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
CN111861716B (zh) | 一种基于软件系统的贷中监控预警等级生成方法 | |
CN110991789B (zh) | 置信区间的确定方法和装置、存储介质及电子装置 | |
WO2022100382A1 (zh) | 一种基于区块链的信贷推荐方法、设备及存储介质 | |
CN113674013B (zh) | 一种基于商户自定义规则的广告竞价调整方法及系统 | |
CN115129879A (zh) | 一种基于知识图谱的企业关系知识库构建的方法 | |
CN112101769A (zh) | 供应链风险管理系统 | |
CN115423578B (zh) | 基于微服务容器化云平台的招投标方法和系统 | |
KR102419326B1 (ko) | 포트폴리오의 선택적 솔팅과 매칭 시뮬레이션을 통한 에이전트 시스템 | |
CN115619270A (zh) | 数据资产管理方法、装置、计算机设备、存储介质 | |
CN115271976A (zh) | 一种顾问推荐的方法、装置及计算机可读存储介质 | |
CN113362108B (zh) | 一种基于人工智能的精准运营方法及系统 | |
CN107885781A (zh) | 一种版本管理方法及系统 | |
CN110175113B (zh) | 业务场景确定方法和装置 | |
Tynchenko et al. | Identifying duplicated ads on property selling and renting websites | |
CN114385121B (zh) | 一种基于业务分层的软件设计建模方法及系统 | |
CN115062676B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN111798299B (zh) | 一种财务报表的账目结算方法和装置 | |
CN112950350B (zh) | 一种基于机器学习的贷款产品推荐方法及系统 | |
CN114254985A (zh) | 一种基于供应链的智能金融服务方法及系统 | |
CN114170025A (zh) | 一种风险等级确定方法、装置、设备及存储介质 | |
CN110598091A (zh) | 用户标签挖掘方法、装置、服务器及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |