CN113449184A - 触达渠道的推荐方法、装置、计算机设备和存储介质 - Google Patents

触达渠道的推荐方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113449184A
CN113449184A CN202110700035.6A CN202110700035A CN113449184A CN 113449184 A CN113449184 A CN 113449184A CN 202110700035 A CN202110700035 A CN 202110700035A CN 113449184 A CN113449184 A CN 113449184A
Authority
CN
China
Prior art keywords
channel
user
reach
value
scores
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.)
Granted
Application number
CN202110700035.6A
Other languages
English (en)
Other versions
CN113449184B (zh
Inventor
陈雪娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110700035.6A priority Critical patent/CN113449184B/zh
Publication of CN113449184A publication Critical patent/CN113449184A/zh
Application granted granted Critical
Publication of CN113449184B publication Critical patent/CN113449184B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及数据处理领域，提供一种触达渠道的推荐方法、装置、计算机设备和存储介质，方法包括：获取触达渠道的历史数据；获取与渠道信息对应的用户行为信息；对用户行为信息对应的用户进行聚类分析生成用户群组；获取指定用户群组的分析指标与浓缩指标以生成评价指标；计算评价指标的信息熵值，构建判断矩阵；基于判断矩阵生成各评价指标的权重值；计算指定用户的用户得分；基于用户得分生成用户等级；获取触达渠道占比数据；计算指定用户群组各触达渠道的渠道得分；从渠道得分中筛选目标渠道得分，将目标触达渠道作为推荐触达渠道。本申请能提高触达渠道推荐的智能性与准确性。本申请还可应用于区块链领域，上述推荐触达渠道可存储于区块链上。

Description

触达渠道的推荐方法、装置、计算机设备和存储介质
技术领域
本申请涉及数据处理技术领域，具体涉及一种触达渠道的推荐方法、装置、计算机设备和存储介质。
背景技术
当前用于向客户进行业务推广的触达渠道方式有很多种，包括电话渠道、短彩信渠道、APP渠道、微信公众号渠道等。面对如此多的触达渠道，如何针对不同类型的客户选择相适应的触达渠道，使得触达不会引起客户反感，并达到较好的触达效果，成为了企业营销战略中的重要目标。
然而，现有的对于客户选取的触达渠道通常是采取粗放式的选择方案，如，针对4G/5G移动用户，选择微信公众号渠道或APP渠道；针对除4G/5G移动用户外的其他用户，选择短彩信渠道或电话渠道。这种粗放式的触达渠道选取方式较为固化、随机性高，不能根据用户特殊性以及用户真实需求灵活变化，使得现有的触达渠道的选取方式存在智能性低与准确性低的问题，容易造成触达成功率低，且容易引起用户反感。
发明内容
本申请的主要目的为提供一种触达渠道的推荐方法、装置、计算机设备和存储介质，旨在解决现有的触达渠道的选取方式存在智能性低与准确性低的技术问题。
本申请提出一种触达渠道的推荐方法，所述方法包括步骤：
获取与每一种触达渠道分别对应的历史数据；
从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
可选地，所述基于所有所述信息熵值构建相应的判断矩阵的步骤，包括：
基于每一个所述信息熵值分别计算各所述评价指标的差异性系数；
基于每一个所述差异性系数分别计算各所述评价指标的最大差异性系数；
基于每一个所述最大差异性系数分别计算各所述评价指标的映射比率；
调用预设的标度法计算与各所述映射比率分别对应的映射值；
基于所有所述差异性系数与所有所述映射值构建对应的判断矩阵。
可选地，所述基于所述用户得分对所有所述指定用户进行等级划分处理，生成对应的用户等级的步骤，包括：
计算所有所述用户得分的平均值；以及，
计算所述所述用户得分的标准差；
基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点；
基于所有所述分界点，生成与所述分界点对应的得分区间；
基于所有所述用户得分与所述得分区间，生成与所述指定用户群组中包含的每一个指定用户分别对应的用户等级。
可选地，所述基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点的步骤，包括：
计算所述标准差与所述预设值之间的乘积；其中，所述预设值小于1；
计算所述平均值与所述乘积之间的第一和值，得到第一系数值；以及，
计算所述平均值与所述乘积之间的差值，得到第二系数值；
将所述平均值、所述第一系数值、所述第二系数值与所述标准差作为所述分界点。
可选地，所述基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分的步骤，包括：
分别获取指定触达渠道在每一个所述用户等级中的指定触达渠道占比数据；其中，所述指定触达渠道为所有所述触达渠道中的任意一种渠道；
基于每一个所述用户等级，对各所述指定渠道占比数据进行加权求和处理，得到对应的第二和值；
将所述和值作为所述指定触达渠道的渠道得分。
可选地，所述从所有所述渠道得分中筛选出符合预设条件的目标渠道得分的步骤，包括：
对所有所述渠道得分进行大小比较处理，从所有所述渠道得分中筛选出数值最大的第一渠道得分；
获取所述第一渠道得分的数量值；
判断所述数量值是否为1；
若所述数量值为1，将所述第一渠道得分作为所述目标渠道得分。
可选地，所述判断所述数量值是否为1的步骤之后，包括：
若所述数量值不为1，分别获取与每一个所述第一渠道得分对应的所有触达渠道占比数据；
分别计算每一个所述第一渠道得分对应的所有触达渠道占比数据的第三和值；
从所有所述第三和值筛选出数值最大的第四和值；
从所有所述第一渠道得分中筛选出与所述第四和值对应的第二渠道得分；
将所述第二渠道得分作为所述目标渠道得分。
本申请还提供一种触达渠道的推荐装置，包括：
第一获取模块，用于获取与每一种触达渠道分别对应的历史数据；
提取模块，用于从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
第一处理模块，用于基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
第二处理模块，用于获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
第一计算模块，用于基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
第一生成模块，用于基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
第二生成模块，用于基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
第三生成模块，用于基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
第二获取模块，用于分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
第二计算模块，用于基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
确定模块，用于从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供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方法的步骤。
本申请中提供的触达渠道的推荐方法、装置、计算机设备和存储介质，具有以下有益效果：
本申请中提供的触达渠道的推荐方法、装置、计算机设备和存储介质，通过获取与渠道渠道方式对应的历史数据，并根据该历史数据中的渠道信息与用户行为信息进行用户群组的划分。然后生成与用户群组对应的评价指标，并基于评价指标对用户群组中的所有用户进行用户得分计算。之后根据用户得分对用户群组中的所有用户进行用户等级划分，并基于所述用户等级与所述触达渠道占比数据，计算出用户群组中每一种触达渠道的渠道得分。最后从所有渠道得分中筛选出符合条件的目标触达得分，并将与目标触达得分对应的目标触达渠道作为所述指用户群组中的所有用户的推荐触达渠道，以实现基于用户的行为习惯确定出与用户相匹配的触达渠道来对用户进行业务推广服务，有效地提高了触达渠道的选取的智能性与准确性，进而可以提高触达成功率了成交转化率，减少对用户的不必要打扰，避免产生不必要的投诉，提升用户的使用体验和满意度。
附图说明
图1是本申请一实施例的触达渠道的推荐方法的流程示意图；
图2是本申请一实施例的触达渠道的推荐装置的结构示意图；
图3是本申请一实施例的计算机设备的结构示意图。
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
应当理解，此处所描述的具体实施例仅仅用于解释本申请，并不用于限定本申请。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
参照图1，本申请一实施例的触达渠道的推荐方法，包括：
S1：获取与每一种触达渠道分别对应的历史数据；
S2：从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
S3：基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
S4：获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
S5：基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
S6：基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
S7：基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
S8：基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
S9：分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
S10：基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
S11：从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
如上述步骤S1至S11所述，本方法实施例的执行主体为一种触达渠道的推荐装置。在实际应用中，上述触达渠道的推荐装置可以通过虚拟装置，例如软件代码实现，也可以通过写入或集成有相关执行代码的实体装置实现，且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。本实施例中的触达渠道的推荐装置，能够基于用户的行为习惯确定出与用户相匹配的触达渠道来对用户进行业务推广服务，有效地提高了触达渠道的选取的智能性与准确性。具体地，首先获取与每一种触达渠道分别对应的历史数据。其中，上述历史数据可指通过外呼(电话渠道)，互联网(网页渠道)，手机APP(APP渠道)或订阅号(微信公众号渠道)等不同触达渠道转化成交的海量历史数据。在得到了历史数据后，可先对上述历史数据进行数据预处理，得到处理后的历史数据。具体的，对上述历史数据进行数据预处理的过程可包括：首先针对这些海量数据进行一系列的数据预处理操作，如基于数据网络方式将数据整合到中间件kettle，由中间件加工处理后发布从而实现数据集成，利用同类均值插补方法处理缺失值，等宽分箱法对噪声进行平滑处理等数据清洗。然后从所有上述历史数据中提取出渠道信息，并获取与上述渠道信息对应的用户行为信息。其中，上述渠道信息是指触达渠道的渠道名称信息，例如可包括：网页、APP、电话、短信、微信公众号等渠道信息；上述用户行为信息具体可包括：险种购买行为、用户年龄、用户性别、地区等信息。
之后基于上述用户行为信息，调用预设的聚类算法对与上述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组。其中，上述聚类算法具体可为k-modes算法。基于k-modes算法可以结合用户行为将不同渠道的用户类型进行分组处理，进而生成对应的多个用户群组，且用户群组内的用户具有一定的相似性。具体的，在所有用户中选取一组用户作为目标中心点集，根据上述用户行为信息计算各用户到上述目标中心点集中的各中心点的距离；根据计算得到的距离将上述用户点归类至距离上述中心点最短的聚类簇中，计算各上述聚类簇中各个用户点与其他用户点的距离之和；确定与上述其他用户点的距离之和最短的用户点作为新的中心点构成新中心点集；将上述新中心点集作为目标中心点集，并返回执行根据上述用户行为信息计算各用户到上述目标中心点集中的各中心点的距离的步骤，直至上述新中心点集与上述目标中心点集相同时得到用户类群，即上述用户群组。
后续获取与指定用户群组对应的分析指标，并调用因子分析方法对所有上述分析指标进行浓缩处理，生成对应的浓缩指标。其中，上述指定用户群组为所有上述用户群组中的任意一个群组；将上述分析指标与上述浓缩指标统称为评价指标。其中，对于选取的分析指标不作具体限定，可根据实际需求进行确定。如可基于业务层面进行考虑，从指定用户群组内每一个指定用户的用户行为信息中选取出所需的指标作为上述分析指标。具体可根据对现有的用户行为信息进行数据分析比较后，从用户行为信息中的续保提醒行为、购买险种行为、用户信息等方面选取出分析指标，选取出与触达渠道推荐相应的分析指标。举例地，可以选取客户等级(如至尊客户)，客户类型(如续保客户)，购买险种类型，续保次数(如A险续保2次，B险续保4次，续保次数为6次)，触达次数(如微信公众号渠道触达2次，短信渠道触达2次，电话渠道触达1次，触达次数为5次)，触达时长(与客服通话时长30min，信息网站页面停留时长20min，接触时长为50min)，接触时间点规律性，历史轨迹等多维指标作为上述分析指标。另外，假如选取n个用户，m个分析指标，则xij为第i个用户的第j个分析指标的数值。在得到了上述分析指标后，还需先对该分析指标进行归一化处理，即异质指标同质化。由于各项分析指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令xij＝|xij|，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同(正向指标数值越高越好，负向指标数值越低越好)，因此，对于高低指标我们用不同的算法进行数据标准化处理。其具体方法如下：当指标数据代表正向指标时，使用以下标准化公式进行处理：
Figure BDA0003129850710000091
当指标数据代表负向指标时，使用以下标准化公式进行处理：
Figure BDA0003129850710000092
则x′ij为第i个用户的第j个指标的数值。(i＝1，2…，n；j＝1，2，…，m)。为了方便起见，归一化后的数据仍记为xij。此外，通过因子分析方法对得到的分析指标进行浓缩，将多个分析指标浓缩成为几个彼此不相关的概括性指标，以利用少数几个因子去描述许多指标或因素之间的联系，即将比较密切的几个变量归在同一类中，每一类变量就成为一个公共因子，即上述浓缩指标，从而实现以较少的几个公共因子反映原始所有分析指标中的大部分重要信息。具体的，可采用因子分析方法对得到的所有分析指标计算因子权重，即计算特征值和特征向量，进而基于得到的特征值和特征向量确定出分析指标中的公共因子作为上述浓缩指标。由于评价指标是由浓缩指标和分析指标共同构成的，从而使得生成的评价指标会包含有更加全面准确的指标信息。
在得到了上述评价指标后，基于熵值法计算所有上述评价指标的信息熵值，并基于所有上述信息熵值构建相应的判断矩阵。其中，假如指定用户的数量为v，评价指标的数量为w，uij表示第i个指定用户的第j项评价指标的数值，i＝1，2…，v；j＝1，2，…，w。可先计算第j项评价指标下指定用户群组中第i个指定用户占该评价指标的比重：
Figure BDA0003129850710000101
i＝1，2…，v；j＝1，2，…，w。再计算第j项评价指标的信息熵值：
Figure BDA0003129850710000102
其中，k＝1/ln(v)，ej为第j项评价指标的信息熵值，k为常数，pij为第j项评价指标下指定用户群组中第i个指定用户占该评价指标的比重，v为指定用户群组中全部指定用户的数量。另外，构建判断矩阵的过程可包括：基于每一个上述信息熵值分别计算各上述评价指标的差异性系数；基于每一个上述差异性系数分别计算各上述评价指标的最大差异性系数；基于每一个上述最大差异性系数分别计算各上述评价指标的映射比率；调用预设的标度法计算与各上述映射比率分别对应的映射值；基于所有上述差异性系数与所有上述映射值构建对应的判断矩阵。然后基于上述判断矩阵，生成与各上述评价指标分别对应的权重值。其中，可以基于对层次分析法的使用，先求解生成的判断矩阵中的最大特征及特征向量，在组合权向量后可生成对目标的组合权重，进而由此可得各评价指标的权重值。
之后基于与上述指定用户群组中包含的每一个指定用户分别对应的各上述评价指标的指标值，以及所有上述权重值，计算生成与各上述指定用户分别对应的用户得分。其中，分析指标的指标值即是指分析指标所对应的指标数据值；浓缩指标的指标值是指与浓缩指标对应的所有分析指标的指标数据值的和值。可基于上述权重值，对所有上述指标值进行加权求和处理，来生成与各上述指定用户分别对应的用户得分。后续基于上述用户得分对上述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级。其中，可先计算所有上述用户得分的平均值与标准差，并基于平均值、标准差以及预设值生成多个分界点，进而基于所有上述用户得分，以及与上述分界点对应的得分区间来生成与上述指定用户群组中包含的每一个指定用户分别对应的用户等级。
在得到了上述用户等级后，分别获取与各上述用户等级对应的所有用户的触达渠道占比数据。其中，其中，可通过对上述历史数据进行查询处理，来提取出与各上述用户等级对应的所有指定用户的触达渠道占比数据。之后基于上述用户等级与上述触达渠道占比数据，分别计算出上述指定用户群组中包含的每一种触达渠道的渠道得分。其中，可先分别获取指定触达渠道在每一个上述用户等级中的指定触达渠道占比数据上述指定触达渠道为所有上述触达渠道中的任意一种渠道，基于每一个上述用户等级，对各上述指定渠道占比数据进行加权求和处理来生成指定触达渠道的渠道得分。最后从所有上述渠道得分中筛选出符合预设条件的目标渠道得分，并将与上述目标渠道得分对应的目标触达渠道作为上述指定用户群组中的所有指定用户的推荐触达渠道。其中，上述预设条件是指数值最大的渠道得分，当数值最大的渠道得分的数量只有一个时，则可直接将该数值最大的渠道得分作为上述目标渠道得分。而当存在多个数值最大的渠道得分时，则会基于计算每一个数值最大的渠道得分所对应的所有渠道占比数据的求和值，并筛选出求和值最大的渠道得分作为上述目标渠道得分。另外，上述推荐触达渠道是指用于向指定用户群组中的所有指定用户进行产品推广服务时推荐使用的触达渠道。
本实施例通过获取与渠道渠道方式对应的历史数据，并根据该历史数据中的渠道信息与用户行为信息进行用户群组的划分。然后生成与用户群组对应的评价指标，并基于评价指标对用户群组中的所有用户进行用户得分计算。之后根据用户得分对用户群组中的所有用户进行用户等级划分，并基于上述用户等级与上述触达渠道占比数据，计算出用户群组中每一种触达渠道的渠道得分。最后从所有渠道得分中筛选出符合条件的目标触达得分，并将与目标触达得分对应的目标触达渠道作为上述指用户群组中的所有用户的推荐触达渠道，以实现基于用户的行为习惯确定出与用户相匹配的触达渠道来对用户进行业务推广服务，有效地提高了触达渠道的选取的智能性与准确性，进而可以提高触达成功率了成交转化率，减少对用户的不必要打扰，避免产生不必要的投诉，提升用户的使用体验和满意度。
进一步地，本申请一实施例中，上述步骤S5中的基于所有所述信息熵值构建相应的判断矩阵的步骤，包括：
S500：基于每一个所述信息熵值分别计算各所述评价指标的差异性系数；
S501：基于每一个所述差异性系数分别计算各所述评价指标的最大差异性系数；
S502：基于每一个所述最大差异性系数分别计算各所述评价指标的映射比率；
S503：调用预设的标度法计算与各所述映射比率分别对应的映射值；
S504：基于所有所述差异性系数与所有所述映射值构建对应的判断矩阵。
如上述步骤S500至S504所述，上述基于所有上述信息熵值构建相应的判断矩阵的步骤，具体可包括：首先基于每一个上述信息熵值分别计算各上述评价指标的差异性系数。其中，可基于公式：gj＝1-ej计算出差异性系数，gj为差异性系数，ej为第j项评价指标的信息熵值。然后基于每一个上述差异性系数分别计算各上述评价指标的最大差异性系数。其中，可基于公式：
Figure BDA0003129850710000121
计算出最大差异性系数，D为最大差异性系数，max gj为差异性系数最大值，min gj为差异性系数最小值。之后基于每一个上述最大差异性系数分别计算各上述评价指标的映射比率。其中，可基于公式：
Figure BDA0003129850710000122
计算出映射比率，R为映射比率，σ为调度系数。后续调用预设的标度法计算与各上述映射比率分别对应的映射值。其中，上述标度法为1～9位标度法，可按照以下公式：S＝Q*RQ-1计算出第一至第九标度的映射值，S为映射值，Q为标度的数值，R为映射比率。最后基于所有上述差异性系数与所有上述映射值构建对应的判断矩阵。其中，可通过依次在多个评价指标中任选两个评价指标计算差异性系数比，上述差异性系数比与上述第一至第九标度的映射值进行比较确定上述两个评价指标的相对重要性，并根据上述相对重要性得到判断矩阵。本实施例在使用熵值法计算所有上述评价指标的信息熵值后，会基于所有上述信息熵值构建对应的判断矩阵，由于评价指标是由浓缩指标和分析指标共同构成的，故得到的评价指标会包含有更加全面准确的指标信息，从而使得生成的判断矩阵也能够包含有更加全面准确的指标信息，有利于后续基于该判断矩阵进一步准确地生成与各上述评价指标对应的权重值。
进一步地，本申请一实施例中，上述步骤S8，包括：
S800：计算所有所述用户得分的平均值；以及，
S801：计算所述所述用户得分的标准差；
S802：基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点；
S803：基于所有所述分界点，生成与所述分界点对应的得分区间；
S804：基于所有所述用户得分与所述得分区间，生成与所述指定用户群组中包含的每一个指定用户分别对应的用户等级。
如上述步骤S800至S804所述，上述基于上述用户得分对所有上述指定用户进行等级划分处理，生成对应的用户等级的步骤，具体可包括：首先计算所有上述用户得分的平均值。其中，可对所有的用户得分进行相加求平均计算来得到上述平均值。以及同时计算上述上述用户得分的标准差。其中，上述标准差可按照现有的标准差计算公式得出。然后基于上述平均值、上述标准差以及预设值，按照预设规则生成多个分界点。其中，对上述预设值的具体数值不作限定，可根据实际需求进行设置，例如该预设值可为大于0，小于1的数值。另外，对于上述预设规则也不作具体限定，可根据实际需求进行设置。举例地，可直接将平均值、标准差与预设值作为上述分界点；或者，可先基于标准差与预设值生成相应的乘积，再基于平均值与乘积生成相应的系数值，进而将平均值、系数值与标准差作为上述分界点。之后基于所有上述分界点，生成与上述分界点对应的得分区间。其中，在得到了上述分界点后，可基于相邻的两个分界点形成一个得分区间，并基于数值最小的分界点形成一个单独的得分区间，以及基于数值最大的分界点形成一个单独的得分区间。举例地，如果生成了4个分界点1,2,3,4，则可基于该4个分界点形成相应的5个得分区间，包括数值小于1的得分区间1，数值处于[1,2)范围内的得分区间2，数值处于[2,3)范围内的得分区间3，数值处于[3,4)范围内的得分区间4，以及数值大于4的得分区间5。最后基于所有上述用户得分与上述得分区间，生成与上述指定用户群组中包含的每一个指定用户分别对应的用户等级。其中，可通过将用户得分与每个得分区间进行数值匹配，若用户得分落在某一得分区间内，则可将与该扥分区间对应的区间名称数值作为相应用户的用户等级。通过本实施例可基于所有上述用户得分与基于分界点生成的得分区间来快速地确定出指定用户群组中包含的每一个指定用户分别对应的用户等级，使得后续可以基于上述用户等级与上述触达渠道占比数据，快速便捷地计算出上述指定用户群组中每一种触达渠道的渠道得分。
进一步地，本申请一实施例中，上述步骤S802，包括：
S8020：计算所述标准差与所述预设值之间的乘积；其中，所述预设值小于1；
S8021：计算所述平均值与所述乘积之间的第一和值，得到第一系数值；以及，
S8022：计算所述平均值与所述乘积之间的差值，得到第二系数值；
S8023：将所述平均值、所述第一系数值、所述第二系数值与所述标准差作为所述分界点。
如上述步骤S8020至S8023所述，上述基于上述平均值、上述标准差以及预设值，按照预设规则生成多个分界点的步骤，具体可包括：首先计算上述标准差与上述预设值之间的乘积。其中，上述预设值小于1，但对于上述预设值的具体取值不作限定，优选为0.5。然后计算上述平均值与上述乘积之间的第一和值，得到第一系数值。其中，可基于公式：c＝a+b计算出上述第一系数值，c为第一系数值，a为平均值，b为乘积。以及同时计算上述平均值与上述乘积之间的差值，得到第二系数值。其中，可基于公式：d＝a+b计算出上述第二系数值，d为第二系数值，a为平均值，b为乘积。以及同时计算上述平均值与上述乘积之间的差值，得到第二系数值。最后将上述平均值、上述第一系数值、上述第二系数值与上述标准差作为上述分界点。本实施例通过将基于平均值、标准差、平均值与上述乘积的和值、平均值与上述乘积的差值作为上述分界点，进而基于得到的分界点对指定用户群组内的所有用户进行分组以完成用户等级的划分，这样分组的方式可以领每一个分组的数据量分布更均匀，可以避免传统的四等分点分组出现各组数据量差距太大的情况，从而有效提高用户等级的分组的精确性与合理性。
进一步地，本申请一实施例中，上述步骤S10，包括：
S1000：分别获取指定触达渠道在每一个所述用户等级中的指定触达渠道占比数据；其中，所述指定触达渠道为所有所述触达渠道中的任意一种渠道；
S1001：基于每一个所述用户等级，对各所述指定渠道占比数据进行加权求和处理，得到对应的第二和值；
S1002：将所述和值作为所述指定触达渠道的渠道得分。
如上述步骤S1000至S1002所述，上述基于上述用户等级与上述触达渠道占比数据，分别计算出上述指定用户群组中包含的每一种触达渠道的渠道得分的步骤，具体可包括：首先分别获取指定触达渠道在每一个上述用户等级中的指定触达渠道占比数据。其中，上述指定触达渠道为所有上述触达渠道中的任意一种渠道。然后基于每一个上述用户等级，对各上述指定渠道占比数据进行加权求和处理，得到对应的第二和值。最后将上述和值作为上述指定触达渠道的渠道得分。其中，假如有三个用户等级A、B、C，指定触达渠道在用户等级为A对应的所有用户的触达渠道占比数据为z1，在用户等级为B对应的所有用户的触达渠道占比数据为z2，在用户等级为C对应的所有用户的触达渠道占比数据为z3，可基于以下公式：score＝A*z1+B*z2+C*z3计算出指定触达渠道的渠道得分，score为指定触达渠道的渠道得分。举例地，假如指定用户群组的用户等级定为2级，用户等级1与用户等级2，且用户等级2所对应的各个用户中APP渠道占比50％，电话渠道占比30％，网页渠道占比20％，用户等级1所对应的各个用户中APP渠道占比40％，电话渠道占比35％，网页渠道占比25％。则可计算出：APP渠道的渠道得分为：2*50％+1*40％＝1.4，电话渠道的渠道得分为：2*30％+1*35％＝0.95，网页渠道的渠道得分为：2*20％+1*25％＝0.65。本实施例通过基于上述用户等级与上述触达渠道占比数据，计算出上述指定用户群组中每一种触达渠道的渠道得分，使得后续可以从所有上述渠道得分中筛选出符合预设条件的目标触达得分，进而将与上述目标触达得分对应的目标触达渠道作为上述指定用户群组中的所有指定用户的首次推荐触达渠道，以实现对于相应用户的触达渠道的精确化推荐，有效提高触达渠道推荐的准确性与智能性。
进一步地，本申请一实施例中，上述步骤S11中的从所有所述渠道得分中筛选出符合预设条件的目标渠道得分的步骤，包括：
S1100：对所有所述渠道得分进行大小比较处理，从所有所述渠道得分中筛选出数值最大的第一渠道得分；
S1101：获取所述第一渠道得分的数量值；
S1102：判断所述数量值是否为1；
S1103：若所述数量值为1，将所述第一渠道得分作为所述目标渠道得分。
如上述步骤S1100至S1103所述，上述从所有上述渠道得分中筛选出符合预设条件的目标渠道得分的步骤，具体可包括：首先对所有上述渠道得分进行大小比较处理，从所有上述渠道得分中筛选出数值最大的第一渠道得分。然后获取上述第一渠道得分的数量值。之后判断上述数量值是否为1。如果上述数量值为1，将上述第一渠道得分作为上述目标渠道得分。本实施例当所有渠道得分中数值最大的第一渠道得分的数量为1时，会直接将该第一渠道得分作为上述目标渠道得分。由于第一渠道得分的数值最大且唯一，表示该第一渠道得分所对应的触达渠道是指定用户群组中的所有指定用户所最满意的触发渠道。进而将其该第一渠道得分对应的目标触达渠道作为上述指定用户群组中的所有指定用户的推荐触达渠道，从而可以有效保证生成的推荐触达渠道的准确性，使得后续基于该推荐触达渠道对指定用户群组中的所有指定用户进行业务推广，可以有效提高触达成功率，提升成交转化率，减少对用户的不必要打扰，避免产生不必要的投诉，提升用户的使用体验和满意度。
进一步地，本申请一实施例中，上述步骤S1102之后，包括：
S1104：若所述数量值不为1，分别获取与每一个所述第一渠道得分对应的所有触达渠道占比数据；
S1105：分别计算每一个所述第一渠道得分对应的所有触达渠道占比数据的第三和值；
S1106：从所有所述第三和值筛选出数值最大的第四和值；
S1107：从所有所述第一渠道得分中筛选出与所述第四和值对应的第二渠道得分；
S1108：将所述第二渠道得分作为所述目标渠道得分。
如上述步骤S1104至S1108所述，上述第一渠道得分的数量值除了可以为1，还可能出现大于1的情况，且数量值大于1时目标渠道得分的确定方式与数量值等于1的确定方式不相同。具体地，上述判断上述数量值是否为1的步骤之后，还可包括：如果上述数量值不为1，分别获取与每一个上述第一渠道得分对应的所有触达渠道占比数据。然后分别计算每一个上述第一渠道得分对应的所有触达渠道占比数据的第三和值。之后从所有上述第三和值筛选出数值最大的第四和值。后续从所有上述第一渠道得分中筛选出与上述第四和值对应的第二渠道得分。最后将上述第二渠道得分作为上述目标渠道得分。举例地，假如指定用户群组的用户等级定为2级，用户等级1与用户等级2，且用户等级2所对应的各个用户中APP渠道占比50％，电话渠道占比40％，网页渠道占比10％，用户等级1所对应的各个用户中APP渠道占比20％，电话渠道占比40％，网页渠道占比40％。则可计算出：APP渠道的渠道得分为：2*50％+1*20％＝1.2，电话渠道的渠道得分为：2*40％+1*40％＝1.2，网页渠道的渠道得分为：2*10％+1*40％＝0.6，故可得APP渠道的渠道得分与电话渠道的渠道得分均为数值最大的渠道得分，此时可进一步计算出APP渠道对应的所有触达渠道占比数据的和值为：50％+20％＝70％，以及计算出电话渠道对应的所有触达渠道占比数据的和值为：40％+40％＝80％。虽然APP渠道的渠道得分与电话渠道的渠道得分相等，但由于电话渠道对应的所有触达渠道占比数据的和值大于APP渠道对应的所有触达渠道占比数据的和值，故会将电话渠道对应的渠道得分作为上述目标渠道得分。本实施例当所有渠道得分中数值最大的第一渠道得分的数量大于1时，可通过计算每一个上述第一渠道得分对应的所有渠道占比数据的求和值，再加跟数值最大的求和值对应的第二渠道得分作为上述目标渠道得分。由于第二渠道得分对应的所有渠道占比数据的求和值是最大的，故第二渠道得分对应的渠道是更受用户喜爱的，从而保证得到的目标渠道得分的精确性。进而将其该第二渠道得分对应的目标触达渠道作为上述指定用户群组中的所有指定用户的推荐触达渠道，从而可以有效保证生成的推荐触达渠道的准确性，使得后续基于该推荐触达渠道对指定用户群组中的所有指定用户进行业务推广，可以有效提高触达成功率，提升成交转化率，减少对用户的不必要打扰，避免产生不必要的投诉，提升用户的使用体验和满意度。
本申请实施例中的触达渠道的推荐方法还可以应用于区块链领域，如将上述推荐触达渠道等数据存储于区块链上。通过使用区块链来对上述推荐触达渠道进行存储和管理，能够有效地保证上述推荐触达渠道的安全性与不可篡改性。
上述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
参照图2，本申请一实施例中还提供了一种触达渠道的推荐装置，包括：
第一获取模块1，用于获取与每一种触达渠道分别对应的历史数据；
提取模块2，用于从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
第一处理模块3，用于基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
第二处理模块4，用于获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
第一计算模块5，用于基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
第一生成模块6，用于基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
第二生成模块7，用于基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
第三生成模块8，用于基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
第二获取模块9，用于分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
第二计算模块10，用于基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
确定模块11，用于从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
本实施例中，上述触达渠道的推荐装置中的第一获取模块1、提取模块2、第一处理模块3、第二处理模块4、第一计算模块5、第一生成模块6、第二生成模块7、第三生成模块8、第二获取模块9、第二计算模块10与确定模块11的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S1至S11的实现过程，在此不再赘述。
进一步地，本申请一实施例中，上述第一计算模块5，包括：
第一计算单元，用于基于每一个所述信息熵值分别计算各所述评价指标的差异性系数；
第二计算单元，用于基于每一个所述差异性系数分别计算各所述评价指标的最大差异性系数；
第三计算单元，用于基于每一个所述最大差异性系数分别计算各所述评价指标的映射比率；
第四计算单元，用于调用预设的标度法计算与各所述映射比率分别对应的映射值；
构建单元，用于基于所有所述差异性系数与所有所述映射值构建对应的判断矩阵。
本实施例中，上述触达渠道的推荐装置中的第一计算单元、第二计算单元、第三计算单元、第四计算单元与构建单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S500至S504的实现过程，在此不再赘述。
进一步地，本申请一实施例中，第三生成模块8，包括：
第五计算单元，用于计算所有所述用户得分的平均值；以及，
第六计算单元，用于计算所述所述用户得分的标准差；
第一生成单元，用于基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点；
第二生成单元，用于基于所有所述分界点，生成与所述分界点对应的得分区间；
第三生成单元，用于基于所有所述用户得分与所述得分区间，生成与所述指定用户群组中包含的每一个指定用户分别对应的用户等级。
本实施例中，上述触达渠道的推荐装置中的第五计算单元、第六计算单元、第一生成单元、第二生成单元与第三生成单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S800至S804的实现过程，在此不再赘述。
进一步地，本申请一实施例中，上述第一生成单元，包括：
第一计算子单元，用于计算所述标准差与所述预设值之间的乘积；其中，所述预设值小于1；
第二计算子单元，用于计算所述平均值与所述乘积之间的第一和值，得到第一系数值；以及，
第三计算子单元，用于计算所述平均值与所述乘积之间的差值，得到第二系数值；
确定子单元，用于将所述平均值、所述第一系数值、所述第二系数值与所述标准差作为所述分界点。
本实施例中，上述触达渠道的推荐装置中的第一计算子单元、第二计算子单元、第三计算子单元与确定子单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S8020至S8023的实现过程，在此不再赘述。
进一步地，本申请一实施例中，上述第二计算模块10，包括：
第一获取单元，用于分别获取指定触达渠道在每一个所述用户等级中的指定触达渠道占比数据；其中，所述指定触达渠道为所有所述触达渠道中的任意一种渠道；
第一处理单元，用于基于每一个所述用户等级，对各所述指定渠道占比数据进行加权求和处理，得到对应的第二和值；
第一确定单元，用于将所述和值作为所述指定触达渠道的渠道得分。
本实施例中，上述触达渠道的推荐装置中的第一获取单元、处理单元与确定单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S1000至S1002的实现过程，在此不再赘述。
进一步地，本申请一实施例中，上述确定模块11，包括：
第二处理单元，用于对所有所述渠道得分进行大小比较处理，从所有所述渠道得分中筛选出数值最大的第一渠道得分；
第二获取单元，用于获取所述第一渠道得分的数量值；
判断单元，用于判断所述数量值是否为1；
第二确定单元，用于若所述数量值为1，将所述第一渠道得分作为所述目标渠道得分。
本实施例中，上述触达渠道的推荐装置中的第二处理单元、第二获取单元、判断单元与第二确定单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S1100至S1103的实现过程，在此不再赘述。
进一步地，本申请一实施例中，上述确定模块11，包括：
第三获取单元，用于若所述数量值不为1，分别获取与每一个所述第一渠道得分对应的所有触达渠道占比数据；
第七计算单元，用于分别计算每一个所述第一渠道得分对应的所有触达渠道占比数据的第三和值；
第一筛选单元，用于从所有所述第三和值筛选出数值最大的第四和值；
第二筛选单元，用于从所有所述第一渠道得分中筛选出与所述第四和值对应的第二渠道得分；
第三确定单元，用于将所述第二渠道得分作为所述目标渠道得分。
本实施例中，上述触达渠道的推荐装置中的第三获取单元、第七计算单元、第一筛选单元、第二筛选单元与第三确定单元的功能和作用的实现过程具体详见上述触达渠道的推荐方法中对应步骤S1104至S1108的实现过程，在此不再赘述。
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、显示屏、输入装置和数据库。其中，该计算机设备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存储介质、内存储器。该存储介质存储有操作系统、计算机程序和数据库。该内存储器为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存储历史数据、用户行为信息、用户群组、分析指标、浓缩指标、评价指标、权重值、用户得分、用户等级、触达渠道占比数据、渠道得分、目标渠道得分以及推荐触达渠道。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。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备，用于将数字信号转换为光信号，使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置，用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种触达渠道的推荐方法。
上述处理器执行上述触达渠道的推荐方法的步骤：
获取与每一种触达渠道分别对应的历史数据；
从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的装置、计算机设备的限定。
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触达渠道的推荐方法，具体为：
获取与每一种触达渠道分别对应的历史数据；
从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
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通过多种形式可得，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”或者其任何其它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它要素，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)

1.一种触达渠道的推荐方法，其特征在于，包括：
获取与每一种触达渠道分别对应的历史数据；
从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
2.根据权利要求1所述的触达渠道的推荐方法，其特征在于，所述基于所有所述信息熵值构建相应的判断矩阵的步骤，包括：
基于每一个所述信息熵值分别计算各所述评价指标的差异性系数；
基于每一个所述差异性系数分别计算各所述评价指标的最大差异性系数；
基于每一个所述最大差异性系数分别计算各所述评价指标的映射比率；
调用预设的标度法计算与各所述映射比率分别对应的映射值；
基于所有所述差异性系数与所有所述映射值构建对应的判断矩阵。
3.根据权利要求1所述的触达渠道的推荐方法，其特征在于，所述基于所述用户得分对所有所述指定用户进行等级划分处理，生成对应的用户等级的步骤，包括：
计算所有所述用户得分的平均值；以及，
计算所述所述用户得分的标准差；
基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点；
基于所有所述分界点，生成与所述分界点对应的得分区间；
基于所有所述用户得分与所述得分区间，生成与所述指定用户群组中包含的每一个指定用户分别对应的用户等级。
4.根据权利要求3所述的触达渠道的推荐方法，其特征在于，所述基于所述平均值、所述标准差以及预设值，按照预设规则生成多个分界点的步骤，包括：
计算所述标准差与所述预设值之间的乘积；其中，所述预设值小于1；
计算所述平均值与所述乘积之间的第一和值，得到第一系数值；以及，
计算所述平均值与所述乘积之间的差值，得到第二系数值；
将所述平均值、所述第一系数值、所述第二系数值与所述标准差作为所述分界点。
5.根据权利要求1所述的触达渠道的推荐方法，其特征在于，所述基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分的步骤，包括：
分别获取指定触达渠道在每一个所述用户等级中的指定触达渠道占比数据；其中，所述指定触达渠道为所有所述触达渠道中的任意一种渠道；
基于每一个所述用户等级，对各所述指定渠道占比数据进行加权求和处理，得到对应的第二和值；
将所述和值作为所述指定触达渠道的渠道得分。
6.根据权利要求1所述的触达渠道的推荐方法，其特征在于，所述从所有所述渠道得分中筛选出符合预设条件的目标渠道得分的步骤，包括：
对所有所述渠道得分进行大小比较处理，从所有所述渠道得分中筛选出数值最大的第一渠道得分；
获取所述第一渠道得分的数量值；
判断所述数量值是否为1；
若所述数量值为1，将所述第一渠道得分作为所述目标渠道得分。
7.根据权利要求6所述的触达渠道的推荐方法，其特征在于，所述判断所述数量值是否为1的步骤之后，包括：
若所述数量值不为1，分别获取与每一个所述第一渠道得分对应的所有触达渠道占比数据；
分别计算每一个所述第一渠道得分对应的所有触达渠道占比数据的第三和值；
从所有所述第三和值筛选出数值最大的第四和值；
从所有所述第一渠道得分中筛选出与所述第四和值对应的第二渠道得分；
将所述第二渠道得分作为所述目标渠道得分。
8.一种触达渠道的推荐装置，其特征在于，包括：
第一获取模块，用于获取与每一种触达渠道分别对应的历史数据；
提取模块，用于从所有所述历史数据中提取出渠道信息，并获取与所述渠道信息对应的用户行为信息；
第一处理模块，用于基于所述用户行为信息，调用预设的聚类算法对与所述用户行为信息对应的所有用户进行聚类分析，生成对应的多个用户群组；
第二处理模块，用于获取与指定用户群组对应的分析指标，并调用因子分析方法对所有所述分析指标进行浓缩处理，生成对应的浓缩指标；其中，所述指定用户群组为所有所述用户群组中的任意一个群组；将所述分析指标与所述浓缩指标统称为评价指标；
第一计算模块，用于基于熵值法计算所有所述评价指标的信息熵值，并基于所有所述信息熵值构建相应的判断矩阵；
第一生成模块，用于基于所述判断矩阵，生成与各所述评价指标分别对应的权重值；
第二生成模块，用于基于与所述指定用户群组中包含的每一个指定用户分别对应的各所述评价指标的指标值，以及所有所述权重值，计算生成与各所述指定用户分别对应的用户得分；
第三生成模块，用于基于所述用户得分对所述指定用户群组中包含的所有指定用户进行等级划分处理，生成对应的用户等级；
第二获取模块，用于分别获取与各所述用户等级对应的所有用户的触达渠道占比数据；
第二计算模块，用于基于所述用户等级与所述触达渠道占比数据，分别计算出所述指定用户群组中包含的每一种触达渠道的渠道得分；
确定模块，用于从所有所述渠道得分中筛选出符合预设条件的目标渠道得分，并将与所述目标渠道得分对应的目标触达渠道作为所述指定用户群组中的所有指定用户的推荐触达渠道。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，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。
CN202110700035.6A 2021-06-23 2021-06-23 触达渠道的推荐方法、装置、计算机设备和存储介质 Active CN113449184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110700035.6A CN113449184B (zh) 2021-06-23 2021-06-23 触达渠道的推荐方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110700035.6A CN113449184B (zh) 2021-06-23 2021-06-23 触达渠道的推荐方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113449184A true CN113449184A (zh) 2021-09-28
CN113449184B CN113449184B (zh) 2023-07-21

Family

ID=77812403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110700035.6A Active CN113449184B (zh) 2021-06-23 2021-06-23 触达渠道的推荐方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113449184B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116468109A (zh) * 2023-06-19 2023-07-21 深圳索信达数据技术有限公司 预测模型的训练方法、使用方法及相关装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845988A (zh) * 2017-01-23 2017-06-13 杭州恒生云融网络科技有限公司 用于选择支付通道的方法及装置
CN107438138A (zh) * 2017-09-12 2017-12-05 中国联合网络通信集团有限公司 一种渠道触达方式的推荐方法及装置
CN107464108A (zh) * 2016-06-03 2017-12-12 上海点融信息科技有限责任公司 自动选择支付渠道的方法和设备
WO2018059122A1 (zh) * 2016-09-29 2018-04-05 腾讯科技（深圳）有限公司 服务推荐方法、终端、服务器和存储介质
CN109241427A (zh) * 2018-09-04 2019-01-18 中国平安人寿保险股份有限公司 信息推送方法、装置、计算机设备和存储介质
CN109299892A (zh) * 2018-08-22 2019-02-01 中国平安人寿保险股份有限公司 一种物流渠道的推荐方法、存储介质和服务器
CN109472585A (zh) * 2018-11-02 2019-03-15 深圳壹账通智能科技有限公司 基于数据分析的支付订单生成方法、装置、设备及介质
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
US20200226637A1 (en) * 2019-01-10 2020-07-16 Baidu Online Network Technology (Beijing) Co., Ltd. Recommendation method and apparatus for delivery resource of outdoor advertisement, and storage medium
CN111738774A (zh) * 2020-06-30 2020-10-02 中国平安财产保险股份有限公司 识别潜在目标用户的方法、装置、计算机设备和存储介质
US20210049603A1 (en) * 2018-08-23 2021-02-18 Advanced New Technologies Co., Ltd. Settlement channel recommendation method, apparatus, and electronic device
US10936961B1 (en) * 2020-08-07 2021-03-02 Fmr Llc Automated predictive product recommendations using reinforcement learning

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464108A (zh) * 2016-06-03 2017-12-12 上海点融信息科技有限责任公司 自动选择支付渠道的方法和设备
WO2018059122A1 (zh) * 2016-09-29 2018-04-05 腾讯科技（深圳）有限公司 服务推荐方法、终端、服务器和存储介质
CN106845988A (zh) * 2017-01-23 2017-06-13 杭州恒生云融网络科技有限公司 用于选择支付通道的方法及装置
CN107438138A (zh) * 2017-09-12 2017-12-05 中国联合网络通信集团有限公司 一种渠道触达方式的推荐方法及装置
CN109299892A (zh) * 2018-08-22 2019-02-01 中国平安人寿保险股份有限公司 一种物流渠道的推荐方法、存储介质和服务器
US20210049603A1 (en) * 2018-08-23 2021-02-18 Advanced New Technologies Co., Ltd. Settlement channel recommendation method, apparatus, and electronic device
CN109241427A (zh) * 2018-09-04 2019-01-18 中国平安人寿保险股份有限公司 信息推送方法、装置、计算机设备和存储介质
CN109472585A (zh) * 2018-11-02 2019-03-15 深圳壹账通智能科技有限公司 基于数据分析的支付订单生成方法、装置、设备及介质
US20200226637A1 (en) * 2019-01-10 2020-07-16 Baidu Online Network Technology (Beijing) Co., Ltd. Recommendation method and apparatus for delivery resource of outdoor advertisement, and storage medium
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
CN111738774A (zh) * 2020-06-30 2020-10-02 中国平安财产保险股份有限公司 识别潜在目标用户的方法、装置、计算机设备和存储介质
US10936961B1 (en) * 2020-08-07 2021-03-02 Fmr Llc Automated predictive product recommendations using reinforcement learning

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程欣欣等: "基于大数据的客户触达效率提升研究", 《信息通信技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116468109A (zh) * 2023-06-19 2023-07-21 深圳索信达数据技术有限公司 预测模型的训练方法、使用方法及相关装置
CN116468109B (zh) * 2023-06-19 2023-08-29 深圳索信达数据技术有限公司 预测模型的训练方法、使用方法及相关装置

Also Published As

Publication number Publication date
CN113449184B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN103412918B (zh) 一种基于服务质量和声誉的服务信任度评估方法
Alene Productivity growth and the effects of R&D in African agriculture
Thomas et al. Modelling and assessment of critical risks in BOT road projects
CN113688221B (zh) 基于模型的话术推荐方法、装置、计算机设备和存储介质
CN110246037B (zh) 交易特征预测方法、装置、服务器及可读存储介质
US20220129635A1 (en) Semantic model instantiation method, system and apparatus
CN113177396A (zh) 报表生成方法、装置、计算机设备和存储介质
CN114780859A (zh) 信息推荐方法、装置、计算机设备和存储介质
CN112686717B (zh) 一种广告召回的数据处理方法及系统
CN107657357B (zh) 数据的处理方法及装置
CN113742776A (zh) 基于生物识别技术的数据校验方法、装置和计算机设备
CN112036631B (zh) 采购量确定方法、装置、设备及存储介质
CN115668265A (zh) 为操纵和调整承保标的的风险驱动组合提供前瞻和后顾度量的风险转移配置器和模拟引擎及其方法
CN110489142A (zh) 设备软件升级的评估方法及装置、存储介质、终端
CN113449184A (zh) 触达渠道的推荐方法、装置、计算机设备和存储介质
de Araujo et al. Classification model for bid/no‐bid decision in construction projects
Nyakurukwa et al. Stock market integration in Africa: Further evidence from an information‐theoretic framework
WO2022153613A1 (ja) データ提供装置、システム、プログラム、方法、データ分析装置、データ管理システム、方法、及び記録媒体
Amariles et al. Legal indicators in transnational law practice: a methodological assessment
CN117853158A (zh) 基于动态量本利分析的企业运营数据预测方法及装置
CN103632278A (zh) 一种基于上下文信息的多策略商品推荐系统
CN112965981A (zh) 数据核对方法、装置、计算机设备和存储介质
JPWO2019171492A1 (ja) 予測業務支援装置および予測業務支援方法
JP5611711B2 (ja) 当選ライン予測システム
CN111507849A (zh) 核保方法及相关装置、设备

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