CN113393300B - 基于人工智能的产品推荐方法、装置、设备及存储介质 - Google Patents
基于人工智能的产品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113393300B CN113393300B CN202110700050.0A CN202110700050A CN113393300B CN 113393300 B CN113393300 B CN 113393300B CN 202110700050 A CN202110700050 A CN 202110700050A CN 113393300 B CN113393300 B CN 113393300B
- Authority
- CN
- China
- Prior art keywords
- product recommendation
- result
- node
- popup
- data
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术领域,揭示了一种基于人工智能的产品推荐方法、装置、设备及存储介质,其中方法包括:通过目标产品推荐路径和产品推荐配置数据,向根据客户筛选条件数据确定的待产品推荐的客户数据集合对应的各个终端发送第一弹窗请求及获取弹窗浏览结果,对弹窗浏览结果为已浏览的客户进行语音外呼及意图识别,得到已浏览的客户数据集合对应的各个意图识别结果,向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求和获取服务操作结果,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定各个客户数据各自对应的目标产品推荐结果。实现了自动化进行批量客户的产品推荐,及时跟踪了产品推荐的效果。
Description
技术领域
本申请涉及到人工智能技术领域,特别是涉及到一种基于人工智能的产品推荐方法、装置、设备及存储介质。
背景技术
为了发掘消费者的需求,传统采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验。
发明内容
本申请的主要目的为提供一种基于人工智能的产品推荐方法、装置、设备及存储介质,旨在解决现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
为了实现上述发明目的,本申请提出一种基于人工智能的产品推荐方法,所述方法包括:
获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
本申请还提出了一种基于人工智能的产品推荐装置,所述装置包括:
请求获取模块,用于获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
待产品推荐的客户数据集合确定模块,用于通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
第一弹窗请求发送模块,用于通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
弹窗浏览结果获取模块,用于通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
已浏览的客户数据集合确定模块,用于当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
意图识别结果确定模块,用于通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
第二弹窗请求发送模块,用于当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
服务操作结果确定模块,用于通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
目标产品推荐结果确定模块,用于通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
本申请还提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于人工智能的产品推荐方法、装置、设备及存储介质,首先通过目标产品推荐路径的客户筛选节点,根据产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合,其次通过目标产品推荐路径的第一弹窗节点,根据产品推荐配置数据,分别向待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求,获取各个终端根据第一弹窗请求发送的弹窗浏览结果,当存在弹窗浏览结果为已浏览时,将弹窗浏览结果为已浏览的各个客户数据作为已浏览的客户数据集合,然后通过目标产品推荐路径的语音外呼节点,根据产品推荐配置数据,分别对已浏览的客户数据集合中的每个客户数据对应的客户进行语音外呼及意图识别,得到已浏览的客户数据集合中的各个客户数据各自对应的意图识别结果,当存在意图识别结果为愿意接受推荐时,通过目标产品推荐路径的第二弹窗节点,根据产品推荐配置数据的产品推荐基本信息,分别向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求,通过目标产品推荐路径的服务操作节点,获取各个第二弹窗请求各自对应的服务操作结果,最后通过目标产品推荐路径的结果确认节点,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定待产品推荐的客户数据集合中的各个客户数据各自对应的目标产品推荐结果,从而实现了根据目标产品推荐路径自动化进行批量客户的产品推荐,并且及时跟踪了产品推荐的效果,提高了产品推荐的效率,避免了现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
附图说明
图1为本申请一实施例的基于人工智能的产品推荐方法的流程示意图;
图2为本申请一实施例的基于人工智能的产品推荐装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例中提供一种基于人工智能的产品推荐方法,所述方法包括:
S1:获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
S2:通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
S3:通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
S4:通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
S5:当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
S6:通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
S7:当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
S8:通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
S9:通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
本实施例首先通过目标产品推荐路径的客户筛选节点,根据产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合,其次通过目标产品推荐路径的第一弹窗节点,根据产品推荐配置数据,分别向待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求,获取各个终端根据第一弹窗请求发送的弹窗浏览结果,当存在弹窗浏览结果为已浏览时,将弹窗浏览结果为已浏览的各个客户数据作为已浏览的客户数据集合,然后通过目标产品推荐路径的语音外呼节点,根据产品推荐配置数据,分别对已浏览的客户数据集合中的每个客户数据对应的客户进行语音外呼及意图识别,得到已浏览的客户数据集合中的各个客户数据各自对应的意图识别结果,当存在意图识别结果为愿意接受推荐时,通过目标产品推荐路径的第二弹窗节点,根据产品推荐配置数据的产品推荐基本信息,分别向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求,通过目标产品推荐路径的服务操作节点,获取各个第二弹窗请求各自对应的服务操作结果,最后通过目标产品推荐路径的结果确认节点,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定待产品推荐的客户数据集合中的各个客户数据各自对应的目标产品推荐结果,从而实现了根据目标产品推荐路径自动化进行批量客户的产品推荐,并且及时跟踪了产品推荐的效果,提高了产品推荐的效率,避免了现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
对应S1,可以获取用户输入的产品推荐开始请求,也可以获取第三方应用系统发送的产品推荐开始请求,还可以是实现本申请的应用程序根据用户输入的产品推荐开始时间主动触发的产品推荐开始请求。
产品推荐开始请求,是自动化对批量客户进行产品推荐的请求。
目标产品推荐路径,也就是此次产品推荐开始请求的产品推荐路径。产品推荐路径包括:节点组件标识、节点序号,其中,节点组件标识与节点序号一一对应。产品推荐路径用于描述从客户筛选、进行批量客户的产品推荐、产品推荐的进度跟踪、产品推荐的最终结果生成的路径节点。
节点序号,是节点组件标识对应的节点的排列位置的序号。
节点组件是预先封装好的组件,可以通过拖拽或者填写节点组件标识来配置。节点组件是采用Java(面向对象编程语言)语言开发的组件。
节点(也就是节点组件),是产品推荐中的一个处理步骤的封装成的组件。节点包括但不限于:客户筛选节点、第一弹窗节点、语音外呼节点、第二弹窗节点、服务操作节点、结果确认节点。
产品推荐配置数据,是产品推荐开始请求进行产品推荐时需要用到的配置数据。产品推荐配置数据包括:节点配置数据、路径开始时间、客户筛选条件数据和产品推荐基本信息。节点配置数据是目标产品推荐路径中每个节点的组件的配置数据。路径开始时间,是产品推荐路径的第一个节点开始执行的时间。客户筛选条件数据,是从客户数据库中筛选客户的筛选条件。产品推荐基本信息,是此次推荐的产品的产品信息。产品信息包括但不限于:产品标识、产品名称、产品类别。产品标识可以是产品ID。
客户筛选条件数据包括:性别、年龄段、客户类型、客户区域、客户标签和符合产品要求的客户中的一种或多种。比如,客户筛选条件数据为城市A中符合产品A的要求的客户,其中,“城市A”是客户区域,“符合产品A的要求的客户”是符合产品要求的客户,在此举例不做具体限定。
客户标签,是可以是采用分类模型根据用户数据确定的客户分类标签,也可以是用户输入的客户分类标签。
对应S2,通过所述目标产品推荐路径的客户筛选节点,以所述产品推荐配置数据的路径开始时间为开始时间,根据所述产品推荐配置数据的客户筛选条件数据,从客户数据库中进行客户数据筛选,将筛选得到的所有客户数据作为所述待产品推荐的客户数据集合。所述待产品推荐的客户数据集合中包括了产品推荐开始请求想要进行产品推荐的客户数据的集合。也就是说,目标产品推荐路径是以所述产品推荐配置数据的路径开始时间为启动时间的。
客户数据,是客户的基本信息。客户数据包括但不限于:客户标识、联系方式、终端标识。
客户数据库中包括多个客户数据。
可选的,所述客户筛选节点还用于针对所述待产品推荐的客户数据集合中的每个客户数据,将所述目标产品推荐路径的节点映射成树形结构,得到所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的树形结构产品推荐路径数据;获取产品推荐路径执行面板展示请求,所述产品推荐路径执行面板展示请求携带有待展示的客户标识;根据所述待展示的客户标识从各个所述树形结构产品推荐路径数据中进行查找,得到待展示的树形结构产品推荐路径数据;采用树形结构,将所述待展示的树形结构产品推荐路径数据在Web(全球广域网)页面上进行展示。
对应S3,通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据生成第一弹窗信息,根据第一弹窗信息分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求。
所述终端可以是移动电子设备的客户端,也可以是台式电脑的客户端,还可以是网页客户端。
对应S4,所述终端根据所述第一弹窗请求的第一弹窗信息进行弹窗,当所述终端监控到弹窗被展示和/或弹窗被点击时所述终端确定所述弹窗浏览结果为已浏览,当在弹窗期间所述终端被打开时所述终端确定所述弹窗浏览结果为已浏览,当在所述产品推荐配置数据的节点配置数据的预设弹窗时长内没有出现弹窗被展示、弹窗被点击、所述终端被打开中任一种情况下时确定所述弹窗浏览结果为未浏览,将所述弹窗浏览结果发送给所述第一弹窗节点。
其中,通过所述第一弹窗节点,获取各个所述终端通过与所述第一弹窗节点的通信连接发送的所述第一弹窗请求对应的弹窗浏览结果,可以理解的是,获取的弹窗浏览结果的数量小于或等于所述待产品推荐的客户数据集合中的客户数据。
可选的,当存在所述终端在第一预设反馈时长内没有发送所述弹窗浏览结果时,将在预设反馈时长内没有发送所述弹窗浏览结果的所述终端对应的用户数据对应的所述弹窗浏览结果确定为未浏览。
对应S5,当存在所述弹窗浏览结果为已浏览时,意味着所述弹窗浏览结果为已浏览对应的客户对第一弹窗信息感兴趣,此时可以向对第一弹窗信息感兴趣的客户进行语音外呼确定意向,因此,将所述弹窗浏览结果为已浏览的所有所述客户数据作为一个集合,将该集合作为已浏览的客户数据集合。从而确定了需要进行语音外呼确定意向的客户群体。
对应S6,通过所述目标产品推荐路径的语音外呼节点,首先根据所述产品推荐配置数据确定话术,然后调用语音外呼机器人根据确定的话术进行语音外呼,将语音外呼的结果转换为文字后进行客户意图的识别,根据意图识别的数据判断客户是否愿意愿意接受推荐,从而得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果。
语音外呼机器人是可以自动进行语音外呼的语音机器人,具体实现方法在此不做赘述。
对应S7,当存在所述意图识别结果为愿意接受推荐时,意味着所述意图识别结果为愿意接受推荐对应的客户愿意了解或接受所述产品推荐配置数据的产品推荐基本信息对应的产品(可以是实体产品,也可以是服务),通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据生成第二弹窗信息,根据第二弹窗信息分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求。
对应S8,通过所述目标产品推荐路径的服务操作节点,获取各个所述终端根据所述第二弹窗请求发送的待处理的浏览结果,获取服务申请结果数据,根据所述服务申请结果数据和各个所述待处理的浏览结果确定各个所述第二弹窗请求各自对应的所述客户数据对应的服务操作结果。
其中,所述终端根据所述第二弹窗请求的第二弹窗信息进行弹窗,当所述终端监控到弹窗被展示和/或弹窗被点击时所述终端确定待处理的浏览结果为已浏览,当在弹窗期间所述终端被打开时所述终端确定所述弹窗浏览结果为已浏览,当在所述产品推荐配置数据的节点配置数据的预设弹窗时长内没有出现弹窗被展示、弹窗被点击、所述终端被打开中任一种情况时确定所述待处理的浏览结果为未浏览。
对应S9,通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、不愿意接受推荐的各个所述意图识别结果和未浏览的各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据对应的所述目标产品推荐结果。
在一个实施例中,上述获取产品推荐开始请求的步骤,包括:
S11:获取产品推荐路径配置开始请求;
S12:根据所述产品推荐路径配置开始请求展示产品推荐路径配置界面;
S13:根据所述产品推荐路径配置界面获取节点组件标识、节点序号、节点配置数据、路径开始时间、客户筛选条件数据和所述产品推荐基本信息;
S14:根据所述节点组件标识和所述节点序号进行产品推荐路径生成,得到所述目标产品推荐路径;
S15:根据所述节点配置数据、所述路径开始时间、所述客户筛选条件数据和所述产品推荐基本信息进行配置数据生成,得到所述产品推荐配置数据;
S16:获取产品推荐路径配置提交请求;
S17:响应所述产品推荐路径配置提交请求,根据所述目标产品推荐路径和所述产品推荐配置数据生成所述产品推荐开始请求。
本实施例自动化实现了根据配置生成所述目标产品推荐路径和所述产品推荐配置数据、产品推荐开始请求,从而为对批量客户进行产品推荐提供了支持。
对应S11,可以获取用户输入的产品推荐路径配置开始请求,也可以获取第三方应用输入的产品推荐路径配置开始请求。
产品推荐路径配置开始请求,是进行目标产品推荐路径和产品推荐配置数据进行配置的请求。
对应S12,在收到产品推荐路径配置开始请求时,进行产品推荐路径配置界面的展示。可以理解的是,产品推荐路径配置界面是Web页面。
产品推荐路径配置界面包括:节点组件展示区域、产品推荐路径配置区域、节点组件的属性配置区域。用户只需要将节点组件展示区域中的节点组件拖拽到产品推荐路径配置区域,然后点击产品推荐路径配置区域中的节点组件,节点组件的属性配置区域显示被点击的节点组件的属性,用户可以在节点组件的属性配置区域中对被点击的节点组件的属性中进行配置,将配置后的被点击的节点组件的属性作为被点击的节点组件的节点配置数据。
对应S13,根据所述产品推荐路径配置界面获取用户输入的节点组件标识、节点序号、节点配置数据、路径开始时间、客户筛选条件数据和所述产品推荐基本信息。
对应S14,根据各个所述节点序号,将所有所述节点组件标识对应的节点映射成树形结构,将映射得到的树形结构作为所述目标产品推荐路径。
对应S15,采用预设的配置数据生成规则,根据所述节点配置数据、所述路径开始时间、所述客户筛选条件数据和所述产品推荐基本信息进行配置数据生成,将生成的配置数据作为所述产品推荐配置数据。
对应S16,可以获取用户输入的产品推荐路径配置提交请求,也可以获取第三方应用输入的产品推荐路径配置提交请求。
产品推荐路径配置提交请求,是完成产品推荐路径和产品推荐配置数据的配置生成产品推荐开始请求的请求。
对应S17,响应所述产品推荐路径配置提交请求,根据所述目标产品推荐路径和所述产品推荐配置数据生成所述产品推荐开始请求,生成所述产品推荐开始请求时,将所述目标产品推荐路径和所述产品推荐配置数据作为所述产品推荐开始请求携带的数据。
在一个实施例中,上述通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求的步骤,包括:
S31:通过所述第一弹窗节点,根据所述产品推荐配置数据的节点配置数据及路径开始时间生成节点定时器,得到第一弹窗节点定时器;
S32:通过所述第一弹窗节点,根据所述产品推荐基本信息生成第一弹窗信息;
S33:通过所述第一弹窗节点,根据所述第一弹窗节点定时器和所述第一弹窗信息,分别向所述待产品推荐的客户数据集合中的每个所述客户数据对应的所述终端发送所述第一弹窗请求。
本实施例实现根据所述第一弹窗节点定时器和所述第一弹窗信息,分别向所述待产品推荐的客户数据集合中的每个所述客户数据对应的所述终端发送所述第一弹窗请求,从而有利于控制第一弹窗节点的执行时间和执行进度,为准确的进行产品推荐的进度的跟踪提供了基础。
对应S31,通过所述第一弹窗节点,将所述第一弹窗节点在所述产品推荐配置数据的节点配置数据中的节点预设开启时间和路径开始时间进行相加,得到所述第一弹窗节点的实际开始时间,根据所述第一弹窗节点的实际开始时间生成节点定时器,将生成的节点定时器作为第一弹窗节点定时器。
节点预设开启时间,是节点在目标产品推荐路径的开始执行时间。可以理解的是,目标产品推荐路径的第一个节点的节点预设开启时间是0。
路径开始时间,是一个目标产品推荐路径开始执行的时间。也就是说,标产品推荐路径的第一个节点是在路径开始时间开始执行的。
对应S32,通过所述第一弹窗节点,采用预设的弹窗信息生成规则,根据所述产品推荐基本信息生成弹窗信息,将生成的弹窗信息作为第一弹窗信息。
对应S33,所述第一弹窗节点定时器在当前时间等于所述第一弹窗节点的实际开始时间时向所述第一弹窗节点发送第一开始执行信号;所述第一弹窗节点在收到第一开始执行信号时,根据所述第一弹窗信息,分别向所述待产品推荐的客户数据集合中的每个所述客户数据对应的所述终端发送所述第一弹窗请求。
在一个实施例中,上述通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果的步骤,包括:
S61:通过所述语音外呼节点,根据所述产品推荐基本信息进行话术确定,得到目标语音外呼话术;
S62:通过所述语音外呼节点,调用预设的语音外呼机器人,根据所述目标语音外呼话术,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的语音外呼结果;
S63:通过所述语音外呼节点,调用预设的语音转换模型,分别对每个所述语音外呼结果进行语音转换文本,得到各个所述语音外呼结果各自对应的语音外呼文本数据;
S64:通过所述语音外呼节点,调用预设的意图识别模型,根据所述目标语音外呼话术,分别对每个所述语音外呼文本数据进行意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图集合;
S65:通过所述语音外呼节点,根据所述产品推荐配置数据的产品推荐基本信息的意图配置数据,对每个所述意图集合进行判断,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的所述意图识别结果。
本实施例实现了采用预设的语音外呼机器人、预设的语音转换模型和预设的意图识别模型进行语音外呼及意图识别,从而确定了客户接受产品推荐的态度,为进一步推动客户愿意接受推荐提供了支持;因采用预设的语音外呼机器人、预设的语音转换模型和预设的意图识别模型进行语音外呼及意图识别是自动化实现的,不需人工处理,从而提高了进行语音外呼及意图识别的效率。
对应S61,通过所述语音外呼节点,获取产品推荐话术数据库,将所述产品推荐基本信息的产品标识在所述产品推荐话术数据库中进行查找,将在所述产品推荐话术数据库中查找到的产品标识对应的话术数据作为所述目标语音外呼话术。
对应S62,通过所述语音外呼节点,调用多个预设的语音外呼机器人,批量根据所述目标语音外呼话术对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼,将每个客户的语音数据作为一个语音外呼结果。
可以理解的是,预设的语音外呼机器人是一对一形式的语音外呼机器人。
对应S63,通过所述语音外呼节点,调用预设的语音转换模型,分别对每个所述语音外呼结果进行语音转换文本,将语音转换得到的每份文本数据作为一个语音外呼文本数据。也就是说,每个所述语音外呼结果对应一个语音外呼文本数据。语音外呼文本数据中只有被语音外呼的客户的录音数据。
对应S64,从所述目标语音外呼话术中获取询问客户意愿话术;根据所述询问客户意愿话术,分别从每个所述语音外呼文本数据中提取回答文本数据;分别将每个回答文本数据输入预设的意图识别模型进行意图识别,将每个回答文本数据对应的所有意图作为一个意图集合。
预设的意图识别模型,是基于NLP模型(自然语言处理模型)训练得到的模型。
对应S65,通过所述语音外呼节点,将目标意图集合和所述产品推荐配置数据的产品推荐基本信息的意图配置数据进行对比,当目标意图集合包含意图配置数据时,确定目标意图集合对应的所述客户数据对应的所述意图识别结果为愿意接受推荐,否则确定目标意图集合对应的所述客户数据对应的所述意图识别结果为不愿意接受推荐;其中,所述目标意图集合是所述已浏览的客户数据集合中的各个所述客户数据各自对应的所述意图集合中的任一个所述意图集合。
在一个实施例中,上述当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求的步骤,包括:
S71:当存在所述意图识别结果为愿意接受推荐时,通过所述第二弹窗节点,根据所述产品推荐配置数据的节点配置数据及路径开始时间生成节点定时器,得到第二弹窗节点定时器;
S72:通过所述第二弹窗节点,根据所述产品推荐基本信息生成第二弹窗信息;
S73:通过所述第二弹窗节点,根据所述第二弹窗节点定时器和所述第二弹窗信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送所述第二弹窗请求。
本实施例实现了对所述意图识别结果为愿意接受推荐对应的客户数据对应的终端再次发起弹框请求,方便客户快速了解和/或申请产品,为进一步推动客户愿意接受推荐提供了支持,提升了客户体验。
对应S71,通过所述第二弹窗节点,将所述第二弹窗节点在所述产品推荐配置数据的节点配置数据的节点预设开启时间和路径开始时间进行相加,得到所述第二弹窗节点的实际开始时间,根据所述第二弹窗节点的实际开始时间生成节点定时器,将生成的节点定时器作为第二弹窗节点定时器。
对应S72,通过所述第二弹窗节点,采用预设的弹窗信息生成规则,根据所述产品推荐基本信息生成弹窗信息,将生成的弹窗信息作为第二弹窗信息。
对应S73,所述第二弹窗节点定时器在当前时间等于所述第二弹窗节点的实际开始时间时向所述第二弹窗节点发送第二开始执行信号;所述第二弹窗节点在收到第二开始执行信号时,根据所述第二弹窗信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送所述第二弹窗请求。
在一个实施例中,上述通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果的步骤,包括:
S81:通过所述服务操作节点,获取各个所述终端根据所述第二弹窗请求发送的待处理的浏览结果;
S82:通过所述服务操作节点,获取服务申请结果数据;
S83:通过所述服务操作节点,根据目标客户数据从所述服务申请结果数据中进行查找,得到服务申请查找结果,其中,所述目标客户数据是所述已浏览的客户数据集合中的任一个所述客户数据;
S84:当所述服务申请查找结果为成功时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已申请服务;
S85:当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为已浏览时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已浏览未申请;
S86:当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为未浏览时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为未浏览未申请。
本实施例根据服务申请结果数据和所述第二弹窗请求对应的待处理的浏览结果确定所述服务操作结果,为自动化确定目标产品推荐结果提供了基础,提高了产品推荐的效率。
对应S81,其中,通过所述服务操作节点,获取各个所述终端通过与所述服务操作节点的通信连接发送的所述第二弹窗请求对应的待处理的浏览结果,可以理解的是,获取的待处理的浏览结果的数量小于或等于所述意图识别结果为愿意接受推荐对应的客户数据的数量。
可选的,当存在所述终端在第二预设反馈时长内没有发送所述待处理的浏览结果时,将在第二预设反馈时长内没有发送所述待处理的浏览结果的所述终端对应的用户数据对应的所述待处理的浏览结果确定为未浏览。
对应S82,通过所述服务操作节点,可以从数据库中获取服务申请结果数据,也可以从第三方应用系统中获取服务申请结果数据。
服务申请结果数据包括:客户标识、服务申请信息。
对应S83,通过所述服务操作节点,将目标客户数据的客户标识从所述服务申请结果数据中进行查找,当在所述服务申请结果数据中查找到客户标识时,将目标客户数据对应的服务申请查找结果确定为成功,否则,将目标客户数据对应的服务申请查找结果确定为失败。
对应S84,当所述服务申请查找结果为成功时,意味着所述目标客户数据对应的客户完成产品推荐基本信息对应的产品的申请,因此可以通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已申请服务。
对应S85,当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为已浏览时,意味着所述目标客户数据已浏览第二次弹窗的信息但是没有申请产品推荐基本信息对应的产品,因此可以通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已浏览未申请。
对应S86,当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为未浏览时,意味着所述目标客户数据未浏览第二次弹窗的信息并且也没有申请产品推荐基本信息对应的产品,因此可以通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为未浏览未申请。
在一个实施例中,上述通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果的步骤,包括:
S91:当存在所述服务操作结果为已浏览未申请时,通过所述结果确认节点,分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为失败,以及分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的失败原因确定为已浏览未接受;
S92:当存在所述服务操作结果为未浏览未申请时,通过所述结果确认节点,分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,以及分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为未浏览未接受;
S93:当存在所述服务操作结果为已申请服务时,通过所述结果确认节点,分别将所述服务操作结果为已申请服务对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为成功;
S94:通过所述结果确认节点,分别将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为已外呼不愿进一步了解;
S95:通过所述结果确认节点,分别将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为不感兴趣。
本实施例根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果,从而自动化得到了产品推荐开始请求的最终跟踪结果,不需人工操作,提高了产品推荐的效率。
对应S91,当存在所述服务操作结果为已浏览未申请时,意味着客户虽然对产品推荐基本信息对应的产品感兴趣并且浏览了第二弹窗信息,但是不愿意申请产品,此时可以通过所述结果确认节点,分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为失败,以及分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的失败原因确定为已浏览未接受。
也就是说,所述目标产品推荐结果包括:产品推荐结果和失败原因,产品推荐结果和失败原因一一对应。
对应S92,当存在所述服务操作结果为未浏览未申请时,意味着客户虽然对产品推荐基本信息对应的产品感兴趣,但是没有浏览第二弹窗信息和不愿意申请产品,意味着客户虽然对产品推荐基本信息对应的产品感兴趣但是不愿意申请服务,此时通过所述结果确认节点,分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,以及分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为未浏览未接受。
对应S93,当存在所述服务操作结果为已申请服务时,意味着客户已申请产品推荐基本信息对应的产品,此时可以通过所述结果确认节点,分别将所述服务操作结果为已申请服务对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为成功。
对应S94,所述意图识别结果为不愿意接受推荐的客户数据对应的客户虽然浏览了第一次弹窗的信息,但是不愿意进一步了解和接受产品推荐基本信息对应的产品,因此可以通过所述结果确认节点,分别将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为已外呼不愿进一步了解。
对应S95,所述弹窗浏览结果为未浏览的客户数据对应的客户未浏览第一次弹窗的信息,因此通过所述结果确认节点,分别将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为不感兴趣。
参照图3,本申请还提出了一种基于人工智能的产品推荐装置,所述装置包括:
请求获取模块100,用于获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
待产品推荐的客户数据集合确定模块200,用于通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
第一弹窗请求发送模块300,用于通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
弹窗浏览结果获取模块400,用于通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
已浏览的客户数据集合确定模块500,用于当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
意图识别结果确定模块600,用于通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
第二弹窗请求发送模块700,用于当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
服务操作结果确定模块800,用于通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
目标产品推荐结果确定模块900,用于通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
本实施例首先通过目标产品推荐路径的客户筛选节点,根据产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合,其次通过目标产品推荐路径的第一弹窗节点,根据产品推荐配置数据,分别向待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求,获取各个终端根据第一弹窗请求发送的弹窗浏览结果,当存在弹窗浏览结果为已浏览时,将弹窗浏览结果为已浏览的各个客户数据作为已浏览的客户数据集合,然后通过目标产品推荐路径的语音外呼节点,根据产品推荐配置数据,分别对已浏览的客户数据集合中的每个客户数据对应的客户进行语音外呼及意图识别,得到已浏览的客户数据集合中的各个客户数据各自对应的意图识别结果,当存在意图识别结果为愿意接受推荐时,通过目标产品推荐路径的第二弹窗节点,根据产品推荐配置数据的产品推荐基本信息,分别向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求,通过目标产品推荐路径的服务操作节点,获取各个第二弹窗请求各自对应的服务操作结果,最后通过目标产品推荐路径的结果确认节点,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定待产品推荐的客户数据集合中的各个客户数据各自对应的目标产品推荐结果,从而实现了根据目标产品推荐路径自动化进行批量客户的产品推荐,并且及时跟踪了产品推荐的效果,提高了产品推荐的效率,避免了现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存基于人工智能的产品推荐方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的产品推荐方法。所述基于人工智能的产品推荐方法,包括:获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
本实施例首先通过目标产品推荐路径的客户筛选节点,根据产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合,其次通过目标产品推荐路径的第一弹窗节点,根据产品推荐配置数据,分别向待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求,获取各个终端根据第一弹窗请求发送的弹窗浏览结果,当存在弹窗浏览结果为已浏览时,将弹窗浏览结果为已浏览的各个客户数据作为已浏览的客户数据集合,然后通过目标产品推荐路径的语音外呼节点,根据产品推荐配置数据,分别对已浏览的客户数据集合中的每个客户数据对应的客户进行语音外呼及意图识别,得到已浏览的客户数据集合中的各个客户数据各自对应的意图识别结果,当存在意图识别结果为愿意接受推荐时,通过目标产品推荐路径的第二弹窗节点,根据产品推荐配置数据的产品推荐基本信息,分别向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求,通过目标产品推荐路径的服务操作节点,获取各个第二弹窗请求各自对应的服务操作结果,最后通过目标产品推荐路径的结果确认节点,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定待产品推荐的客户数据集合中的各个客户数据各自对应的目标产品推荐结果,从而实现了根据目标产品推荐路径自动化进行批量客户的产品推荐,并且及时跟踪了产品推荐的效果,提高了产品推荐的效率,避免了现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
本申请一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,计算机程序被处理器执行时实现一种基于人工智能的产品推荐方法,包括步骤:获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
上述执行的基于人工智能的产品推荐方法,首先通过目标产品推荐路径的客户筛选节点,根据产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合,其次通过目标产品推荐路径的第一弹窗节点,根据产品推荐配置数据,分别向待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求,获取各个终端根据第一弹窗请求发送的弹窗浏览结果,当存在弹窗浏览结果为已浏览时,将弹窗浏览结果为已浏览的各个客户数据作为已浏览的客户数据集合,然后通过目标产品推荐路径的语音外呼节点,根据产品推荐配置数据,分别对已浏览的客户数据集合中的每个客户数据对应的客户进行语音外呼及意图识别,得到已浏览的客户数据集合中的各个客户数据各自对应的意图识别结果,当存在意图识别结果为愿意接受推荐时,通过目标产品推荐路径的第二弹窗节点,根据产品推荐配置数据的产品推荐基本信息,分别向意图识别结果为愿意接受推荐的每个客户数据对应的终端发送第二弹窗请求,通过目标产品推荐路径的服务操作节点,获取各个第二弹窗请求各自对应的服务操作结果,最后通过目标产品推荐路径的结果确认节点,根据各个服务操作结果、各个意图识别结果和各个弹窗浏览结果,确定待产品推荐的客户数据集合中的各个客户数据各自对应的目标产品推荐结果,从而实现了根据目标产品推荐路径自动化进行批量客户的产品推荐,并且及时跟踪了产品推荐的效果,提高了产品推荐的效率,避免了现有技术采用系统群发短信的方式进行产品推荐,在客户较多时对产品推荐的进度难以跟踪,而且易对客户造成信息骚扰降低客户体验的技术问题。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于人工智能的产品推荐方法,其特征在于,所述方法包括:
获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
2.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述获取产品推荐开始请求的步骤,包括:
获取产品推荐路径配置开始请求;
根据所述产品推荐路径配置开始请求展示产品推荐路径配置界面;
根据所述产品推荐路径配置界面获取节点组件标识、节点序号、节点配置数据、路径开始时间、客户筛选条件数据和所述产品推荐基本信息;
根据所述节点组件标识和所述节点序号进行产品推荐路径生成,得到所述目标产品推荐路径;
根据所述节点配置数据、所述路径开始时间、所述客户筛选条件数据和所述产品推荐基本信息进行配置数据生成,得到所述产品推荐配置数据;
获取产品推荐路径配置提交请求;
响应所述产品推荐路径配置提交请求,根据所述目标产品推荐路径和所述产品推荐配置数据生成所述产品推荐开始请求。
3.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求的步骤,包括:
通过所述第一弹窗节点,根据所述产品推荐配置数据的节点配置数据及路径开始时间生成节点定时器,得到第一弹窗节点定时器;
通过所述第一弹窗节点,根据所述产品推荐基本信息生成第一弹窗信息;
通过所述第一弹窗节点,根据所述第一弹窗节点定时器和所述第一弹窗信息,分别向所述待产品推荐的客户数据集合中的每个所述客户数据对应的所述终端发送所述第一弹窗请求。
4.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果的步骤,包括:
通过所述语音外呼节点,根据所述产品推荐基本信息进行话术确定,得到目标语音外呼话术;
通过所述语音外呼节点,调用预设的语音外呼机器人,根据所述目标语音外呼话术,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的语音外呼结果;
通过所述语音外呼节点,调用预设的语音转换模型,分别对每个所述语音外呼结果进行语音转换文本,得到各个所述语音外呼结果各自对应的语音外呼文本数据;
通过所述语音外呼节点,调用预设的意图识别模型,根据所述目标语音外呼话术,分别对每个所述语音外呼文本数据进行意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图集合;
通过所述语音外呼节点,根据所述产品推荐配置数据的产品推荐基本信息的意图配置数据,对每个所述意图集合进行判断,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的所述意图识别结果。
5.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求的步骤,包括:
当存在所述意图识别结果为愿意接受推荐时,通过所述第二弹窗节点,根据所述产品推荐配置数据的节点配置数据及路径开始时间生成节点定时器,得到第二弹窗节点定时器;
通过所述第二弹窗节点,根据所述产品推荐基本信息生成第二弹窗信息;
通过所述第二弹窗节点,根据所述第二弹窗节点定时器和所述第二弹窗信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送所述第二弹窗请求。
6.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果的步骤,包括:
通过所述服务操作节点,获取各个所述终端根据所述第二弹窗请求发送的待处理的浏览结果;
通过所述服务操作节点,获取服务申请结果数据;
通过所述服务操作节点,根据目标客户数据从所述服务申请结果数据中进行查找,得到服务申请查找结果,其中,所述目标客户数据是所述已浏览的客户数据集合中的任一个所述客户数据;
当所述服务申请查找结果为成功时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已申请服务;
当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为已浏览时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为已浏览未申请;
当所述服务申请查找结果为失败,并且,所述目标客户数据对应的所述待处理的浏览结果为未浏览时,通过所述服务操作节点,确定所述目标客户数据对应的所述服务操作结果为未浏览未申请。
7.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果的步骤,包括:
当存在所述服务操作结果为已浏览未申请时,通过所述结果确认节点,分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为失败,以及分别将所述服务操作结果为已浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的失败原因确定为已浏览未接受;
当存在所述服务操作结果为未浏览未申请时,通过所述结果确认节点,分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,以及分别将所述服务操作结果为未浏览未申请对应的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为未浏览未接受;
当存在所述服务操作结果为已申请服务时,通过所述结果确认节点,分别将所述服务操作结果为已申请服务对应的每个所述客户数据对应的所述目标产品推荐结果的产品推荐结果确定为成功;
通过所述结果确认节点,分别将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述意图识别结果为不愿意接受推荐的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为已外呼不愿进一步了解;
通过所述结果确认节点,分别将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述产品推荐结果确定为失败,将所述弹窗浏览结果为未浏览的每个所述客户数据对应的所述目标产品推荐结果的所述失败原因确定为不感兴趣。
8.一种基于人工智能的产品推荐装置,其特征在于,所述装置包括:
请求获取模块,用于获取产品推荐开始请求,所述产品推荐开始请求携带有目标产品推荐路径和产品推荐配置数据;
待产品推荐的客户数据集合确定模块,用于通过所述目标产品推荐路径的客户筛选节点,根据所述产品推荐配置数据的客户筛选条件数据获取待产品推荐的客户数据集合;
第一弹窗请求发送模块,用于通过所述目标产品推荐路径的第一弹窗节点,根据所述产品推荐配置数据,分别向所述待产品推荐的客户数据集合中的每个客户数据对应的终端发送第一弹窗请求;
弹窗浏览结果获取模块,用于通过所述第一弹窗节点,获取各个所述终端根据所述第一弹窗请求发送的弹窗浏览结果;
已浏览的客户数据集合确定模块,用于当存在所述弹窗浏览结果为已浏览时,将所述弹窗浏览结果为已浏览的各个所述客户数据作为已浏览的客户数据集合;
意图识别结果确定模块,用于通过所述目标产品推荐路径的语音外呼节点,根据所述产品推荐配置数据,分别对所述已浏览的客户数据集合中的每个所述客户数据对应的客户进行语音外呼及意图识别,得到所述已浏览的客户数据集合中的各个所述客户数据各自对应的意图识别结果;
第二弹窗请求发送模块,用于当存在所述意图识别结果为愿意接受推荐时,通过所述目标产品推荐路径的第二弹窗节点,根据所述产品推荐配置数据的产品推荐基本信息,分别向所述意图识别结果为愿意接受推荐的每个所述客户数据对应的所述终端发送第二弹窗请求;
服务操作结果确定模块,用于通过所述目标产品推荐路径的服务操作节点,获取各个所述第二弹窗请求各自对应的服务操作结果;
目标产品推荐结果确定模块,用于通过所述目标产品推荐路径的结果确认节点,根据各个所述服务操作结果、各个所述意图识别结果和各个所述弹窗浏览结果,确定所述待产品推荐的客户数据集合中的各个所述客户数据各自对应的目标产品推荐结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700050.0A CN113393300B (zh) | 2021-06-23 | 2021-06-23 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
PCT/CN2021/109363 WO2022267176A1 (zh) | 2021-06-23 | 2021-07-29 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110700050.0A CN113393300B (zh) | 2021-06-23 | 2021-06-23 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393300A CN113393300A (zh) | 2021-09-14 |
CN113393300B true CN113393300B (zh) | 2022-11-18 |
Family
ID=77623612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110700050.0A Active CN113393300B (zh) | 2021-06-23 | 2021-06-23 | 基于人工智能的产品推荐方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113393300B (zh) |
WO (1) | WO2022267176A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117714603B (zh) * | 2024-02-01 | 2024-04-30 | 济南云上电子科技有限公司 | 一种外呼方法、装置及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569676A (zh) * | 2016-11-15 | 2017-04-19 | 网易乐得科技有限公司 | 一种信息推荐方法和装置 |
CN111062778A (zh) * | 2019-12-11 | 2020-04-24 | 北京小米移动软件有限公司 | 产品浏览方法、装置、设备及存储介质 |
CN111611516A (zh) * | 2020-04-11 | 2020-09-01 | 上海淇玥信息技术有限公司 | 一种资源分配方法、装置和电子设备 |
CN112053184A (zh) * | 2020-08-20 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 推广信息投放方法、装置、电子设备以及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446410B (zh) * | 2018-05-29 | 2022-05-17 | 科大讯飞股份有限公司 | 信息推荐方法、装置、系统、设备及可读存储介质 |
KR20200013152A (ko) * | 2018-07-18 | 2020-02-06 | 삼성전자주식회사 | 이전에 대화를 수집한 결과를 기반으로 인공 지능 서비스를 제공하는 전자 장치 및 방법 |
CN109886772A (zh) * | 2019-01-16 | 2019-06-14 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109961786B (zh) * | 2019-01-31 | 2023-04-14 | 平安科技(深圳)有限公司 | 基于语音分析的产品推荐方法、装置、设备和存储介质 |
CN110738545A (zh) * | 2019-08-30 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 基于用户意向识别的产品推荐方法、装置、计算机设备和存储介质 |
-
2021
- 2021-06-23 CN CN202110700050.0A patent/CN113393300B/zh active Active
- 2021-07-29 WO PCT/CN2021/109363 patent/WO2022267176A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569676A (zh) * | 2016-11-15 | 2017-04-19 | 网易乐得科技有限公司 | 一种信息推荐方法和装置 |
CN111062778A (zh) * | 2019-12-11 | 2020-04-24 | 北京小米移动软件有限公司 | 产品浏览方法、装置、设备及存储介质 |
CN111611516A (zh) * | 2020-04-11 | 2020-09-01 | 上海淇玥信息技术有限公司 | 一种资源分配方法、装置和电子设备 |
CN112053184A (zh) * | 2020-08-20 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 推广信息投放方法、装置、电子设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
"A Framework for Improving Find Best Marketing Targets Using a Hybrid Genetic Algorithm and Neural Networks";Behzad Soleimani Neysiani等;《2015th International Conference on Knowledge-Based Engineering and Innovation(KBEI)》;20151231;全文 * |
"电信运营商存量客户维系的精准营销与协同营销";李旭红;《企业改革与管理》;20160429;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113393300A (zh) | 2021-09-14 |
WO2022267176A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220129908A1 (en) | Method, apparatus and system of processing information | |
CN113079263B (zh) | 智能客服转接的方法、装置、系统及介质 | |
CN112732892B (zh) | 课程推荐方法、装置、设备及存储介质 | |
US20200028803A1 (en) | Chatbot socialization | |
CN111079056A (zh) | 提取用户画像的方法、装置、计算机设备和存储介质 | |
CN113169931B (zh) | 基于脚本的自动化机器人程序创建 | |
US20210194977A1 (en) | Method and Apparatus for Generating Information | |
CN108809718B (zh) | 基于虚拟资源的网络访问方法、系统、计算机设备和介质 | |
CN113393300B (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
CN108268635B (zh) | 用于获取数据的方法和装置 | |
CN111475788A (zh) | 跨境电商平台账号注册方法、装置、终端及存储介质 | |
CN103020165A (zh) | 可进行语音识别处理的浏览器及处理方法 | |
CN102968992A (zh) | 用于浏览器的语音识别处理方法和浏览器 | |
US20210097262A1 (en) | Method and device for sending information | |
CN116595150A (zh) | 一种对话推荐方法、装置、设备及存储介质 | |
CN114297476A (zh) | 基于用户标签的问卷调查方法、系统、电子设备及存储介质 | |
CN107832342B (zh) | 机器人聊天方法及系统 | |
CN113742456A (zh) | 基于人工智能的消息触达方法、装置、设备及存储介质 | |
CN108509442B (zh) | 搜索方法和装置、服务器以及计算机可读存储介质 | |
CN106528222A (zh) | 终端设备、用于应用程序下载的方法与装置 | |
CN116432665A (zh) | 对话模型构建方法、文本生成方法、装置、系统及设备 | |
CN114003813A (zh) | 客户分群方法、装置、设备及存储介质 | |
CN114548068A (zh) | 保险建议书的生成方法、装置、设备及存储介质 | |
CN112395490B (zh) | 用于生成信息的方法和装置 | |
CN113821625A (zh) | 基于人工智能的话术推荐方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |