CN113742456A - 基于人工智能的消息触达方法、装置、设备及存储介质 - Google Patents
基于人工智能的消息触达方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113742456A CN113742456A CN202111056732.9A CN202111056732A CN113742456A CN 113742456 A CN113742456 A CN 113742456A CN 202111056732 A CN202111056732 A CN 202111056732A CN 113742456 A CN113742456 A CN 113742456A
- Authority
- CN
- China
- Prior art keywords
- reach
- target
- message
- configuration data
- tool
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Computing 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消息触达方法、装置、设备及存储介质,其中方法包括:获取目标客户信息和与目标客户信息对应的触达配置数据;根据触达工具匹配模型、目标客户信息和触达配置数据得到目标触达工具;根据目标触达工具、触达配置数据和消息模板库确定目标消息模板;根据目标触达工具、目标客户信息、触达配置数据和目标消息模板生成目标触达消息;根据触达配置数据的发送配置数据和目标触达工具,将目标触达消息发送给与目标客户信息对应的客户端。从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,提高了触达效果。本申请可适用于智慧政务、数字医疗、科技金融等领域。
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消息触达方法、装置、设备及存储介质。
背景技术
触达服务系统主要用于互联网公司对终端用户进行消息的通知和传递,是企业对用户信息沟通的窗口。随着信息技术的发展和智能终端的普及,对用户触达的途径已经由传统方式(比如,邮件、电话、短信等)基础上逐渐发展成各种方式(比如,IM消息、PUSH通知、APP内消息推送等)相互结合使用,并且新的触达工具还在不断增加。通过这些触达工具,企业可以灵活的对用户推销自己的产品和服务,用户也可以很方便的获取自己关注的产品信息和服务信息。
虽然触达工具很多,但是不同触达工具对用户的影响程度各有不同,并且触达成本也不尽相同。企业选择不同触达工具的方式比较粗暴,一些常规做法是:业务人员根据自己经验进行判断,或者使用复杂的表格计算函数对历史数据进行计算及根据计算结果进行触达工具选择。这些选择不同触达工具的方式,将各种触达工具看成是相互独立的工具,不能有效的确定触达工具,降低了触达效果。
发明内容
本申请的主要目的为提供一种基于人工智能的消息触达方法、装置、设备及存储介质,旨在解决现有技术将各种触达工具看成是相互独立的工具,导致不能有效的确定触达工具,降低了触达效果的技术问题。
为了实现上述发明目的,本申请提出一种基于人工智能的消息触达方法,所述方法包括:
获取目标客户信息和与所述目标客户信息对应的触达配置数据;
获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
进一步的,所述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤,包括:
将所述目标客户信息和所述触达配置数据输入所述触达工具匹配模型进行触达工具匹配权重预测,得到权重预测结果;
从所述权重预测结果中找出数值最大的权重,作为目标权重;
将所述目标权重对应的触达工具作为所述目标触达工具。
进一步的,所述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤之前,包括:
获取多个训练样本;
从多个所述训练样本中获取其中一个所述训练样本作为目标样本;
基于机器学习,采用所述目标样本对初始模型进行训练,其中,所述初始模型是基于TF-IDF算法得到的模型;
重复执行所述从多个所述训练样本中获取其中一个所述训练样本作为目标样本的步骤,直至达到模型训练结束条件;
将达到所述模型训练结束条件的所述初始模型作为所述触达工具匹配模型。
进一步的,所述根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板的步骤,包括:
当所述触达配置数据中同时存在产品标识和服务标识时,将所述触达配置数据中的所述产品标识和所述服务标识作为关联数据,在所述消息模板库中确定各个消息模板标识及各个触达工具标识作为候选集;
当所述触达配置数据中存在所述产品标识,并且,不存在所述服务标识时,将所述触达配置数据中的所述产品标识在所述消息模板库中的各个所述产品标识中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
当所述触达配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述触达配置数据中的所述服务标识在所述消息模板库中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
根据所述目标触达工具和所述候选集确定所述目标消息模板。
进一步的,所述获取消息模板库的步骤之前,还包括:
获取消息模板配置请求,所述消息模板配置请求携带有模板配置数据;
响应所述消息模板配置请求,获取有效触达关键词库;
所述根据所述有效触达关键词库和所述模板配置数据中的触达工具标识进行页面展示,得到消息模板配置页面;
根据所述消息模板配置页面获取用户输入的待存储的消息模板;
当所述模板配置数据中同时存在产品标识和服务标识时,根据所述模板配置数据中的所述产品标识、所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
当所述模板配置数据中存在所述产品标识,并且,不存在所述服务标识时,根据所述模板配置数据中的所述产品标识和所述触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
当所述模板配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述模板配置数据中的所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中。
进一步的,所述获取有效触达关键词库的步骤之前,还包括:
获取多个历史客户行为数据集,其中,每个所述历史客户行为数据集包括:客户信息、历史触达行为数据和历史购买行为数据;
根据多个所述历史客户行为数据集进行行为关键字分析,得到行为关键字对应表,其中,所述行为关键字对应表中包括:所述用户标识、所述产品标识、所述服务标识、所述触达工具标识、所述消息模板标识、所述触达消息;
采用预设的筛选规则,根据所述行为关键字对应表进行有效的消息模板筛选,得到有效消息模板集;
采用TF-IDF算法,分别针对所述有效消息模板集中的每个有效消息模板进行有效触达关键词分析,得到每个所述有效消息模板对应的待更新的有效触达关键词集;
根据各个所述待更新的有效触达关键词集更新所述有效触达关键词库。
进一步的,所述根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息的步骤,包括:
根据所述目标触达工具、所述目标客户信息和所述触达配置数据分别进行埋点参数生成及埋点数据组合,得到待添加的埋点数据;
根据所述目标客户信息、所述待添加的埋点数据和所述触达配置数据,对所述目标消息模板进行替换位替换,得到所述目标触达消息。
本申请还提出了一种基于人工智能的消息触达装置,所述装置包括:
数据获取模块,用于获取目标客户信息和与所述目标客户信息对应的触达配置数据;
目标触达工具确定模块,用于获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
目标消息模板确定模块,用于获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
目标触达消息确定模块,用于根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
触达消息发送模块,用于根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
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消息触达方法、装置、设备及存储介质,其中发首先通过获取目标客户信息和与所述目标客户信息对应的触达配置数据,其次根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板,然后根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息,最后根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端,从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,通过采用有效的触达工具向客户发送符合客户习惯的触达消息,提高了触达效果,减少了触达成本。
附图说明
图1为本申请一实施例的基于人工智能的消息触达方法的流程示意图;
图2为本申请一实施例的基于人工智能的消息触达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消息触达方法,所述方法包括:
S1:获取目标客户信息和与所述目标客户信息对应的触达配置数据;
S2:获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
S3:获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
S4:根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
S5:根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
本实施例首先通过获取目标客户信息和与所述目标客户信息对应的触达配置数据,其次根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板,然后根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息,最后根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端,从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,通过采用有效的触达工具向客户发送符合客户习惯的触达消息,提高了触达效果,减少了触达成本。
对于S1,可以获取用户输入的目标客户信息和与所述目标客户信息对应的触达配置数据,也可以从数据库中获取目标客户信息和与所述目标客户信息对应的触达配置数据,还可以从第三方应用系统中获取目标客户信息和与所述目标客户信息对应的触达配置数据。
目标客户信息,是需要进行消息触达的客户的客户信息。所述客户信息包括但不限于:客户标识、姓名、年龄、联系方式、账号信息。
所述触达配置数据,是进行消息触达的配置数据。所述触达配置数据包括:产品信息和/或服务信息。所述产品信息包括但不限于:产品类别、产品标识、产品描述信息。产品标识可以是产品名称、产品ID等唯一标识一个产品的数据。所述服务信息包括但不限于:服务类别、服务标识、服务描述信息。服务标识可以是服务名称、服务ID等唯一标识一个服务的数据。
可以理解的是,所述产品信息还可以包括其他信息。比如,当本申请用于金融产品推荐时,所述产品信息还包括:产品风险、产品收益率。
可以理解的是,本申请的产品信息可以是数字医疗中的产品信息,比如,药品信息。
可以理解的是,本申请的服务信息可以是数字医疗中的服务信息,比如,体检服务信息。
可选的,所述触达配置数据还包括:发送配置数据。所述发送配置数据包括但不限于:预设时长内的发送次数、不进行消息触达的时间数据。预设时长内的发送次数包括:预设时长和最大发送次数,也就是说,预设时长,向同一客户标识发送触达消息的次数小于或等于最大发送次数。不进行消息触达的时间数据包括:时间范围,其中,时间范围包括开始时间和结束时间,也就是说,在时间范围对应的时间段内不发送触达消息。
对于S2,可以获取用户输入的触达工具匹配模型,也可以从数据库中获取触达工具匹配模型,还可以从第三方应用系统中获取触达工具匹配模型。
其中,将所述目标客户信息和触达配置数据输入所述触达工具匹配模型进行触达工具匹配权重预测,根据预测结果确定目标触达工具。
其中,所述触达工具匹配模型是基于机器学习和TF-IDF算法训练得到的模型。
TF-IDF算法,一种用于信息检索与数据挖掘的常用加权技术,常用于挖掘文章中的关键词。
对于S3,可以获取用户输入的消息模板库,也可以从数据库中获取消息模板库,还可以从第三方应用系统中获取消息模板库。
所述消息模板库包括:标识关联数据和消息模板集。所述标识关联数据包括:产品标识、服务标识、触达工具标识和消息模板标识。触达工具标识可以是触达工具名称、触达工具ID等唯一标识一个触达工具的数据。消息模板标识可以是消息模板名称、消息模板ID等唯一标识一个消息模板的数据。消息模板集中包括一个或多个消息模板,其中,每个消息模板携带有一个消息模板标识。消息模板包括:触达消息,其中,触达消息中设置有替换位,比如,产品标识对应的替换位。触达消息,也就是消息,比如,介绍产品的消息、介绍服务的消息。
触达工具包括但不限于:短信、站内信。
其中,根据所述目标触达工具和所述触达配置数据,从所述消息模板库中确定消息模板标识,将确定的消息模板标识对应的消息模板作为目标消息模板。
对于S4,根据所述目标触达工具、所述目标客户信息、所述触达配置数据分别进行埋点参数生成及对所述目标消息模板的替换位替换,从而生成了完成替换位替换的触达消息,将完成替换位替换的触达消息作为目标触达消息。
对于S5,采用所述目标触达工具,根据所述触达配置数据的发送配置数据,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
客户端包括但不限于:移动电子设备的终端、个人电脑的终端、手机端。
可选的,当所述目标触达工具是短信时,根据发送配置数据、所述目标触达工具和所述目标触达消息向短信运营端发送短信发布数据;短信运营端发根据短信发布数据向所述目标客户信息对应的手机端发送短信;获取所述短信运营端根据所述短信发布数据发送的短信反馈数据,根据所述短信反馈数据生成触达行为数据,将生成的触达行为数据作为第一触达行为数据,将所述第一触达行为数据更新到触达行为数据库中。
可选的,当所述目标触达工具是站内信时,根据发送配置数据,采用所述目标触达工具将所述目标触达消息发送给所述目标客户信息对应的终端;获取所述终端根据所述目标触达消息发送的浏览反馈信息,根据所述浏览反馈信息生成触达行为数据,将生成的触达行为数据作为第二触达行为数据,将所述第二触达行为数更新到触达行为数据库中。
触达行为数据包括:反馈时间、消息模板标识和触达工具标识,其中,所述反馈时间包括:客户点击链接或者回复短信的时间。
其中,所述短信运营端,获取根据所述目标触达消息中的埋点参数生成的短信埋点数据,根据所述短信埋点数据生成所述短信反馈数据。
其中,短信埋点,也就是在短信内容后增加链接,链接中包含特定的埋点参数,用户阅读短信点击短信中链接时,会访问应用系统,应用系统将短信埋点数据发送给所述短信运营端的反馈数据生成端;用户回复的短信内容“YES”,也会发送给所述短信运营端的反馈数据生成端;反馈数据生成端,根据所述短信埋点数据和短信内容生成所述短信反馈数据。比如,所述目标触达消息对应的短信内容为“尊敬的客户,投资产品享高收益。确认投资请短信回复:YES.http://t.lu.com/JQIUYE”,其中url为短链,对应真实链接为:http://www.lu.com/mkt/invest?pid=432123&templateSMSNo=LJS_20210708_1245,LJS_20210708_1245是埋点参数,在此举例不做具体限定。
其中,因站内信展示形式为富文本,可以显示文字、图片、视频、音频等多媒体内容,其中加载图片、视频、音频内容要提供http(超文本传送协议)链接,所以在产生站内信的内容时,将埋点参数放置在http链接中,用户阅读站内信,加载图片、音频、视频内容时会请求应用服务器,这样应用服务器可以接受到这些埋点参数,并进行统计分析;
比如,站内信为:
<p>
<img src=“http://www.lu.com/mkt/product_desc.png?templateMsgNo=LJS_20210708_2345”>
</p>,其中,LJS_20210708_2345是埋点参数,在此举例不做具体限定。
在一个实施例中,上述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤,包括:
S211:将所述目标客户信息和所述触达配置数据输入所述触达工具匹配模型进行触达工具匹配权重预测,得到权重预测结果;
S212:从所述权重预测结果中找出数值最大的权重,作为目标权重;
S213:将所述目标权重对应的触达工具作为所述目标触达工具。
本实施例将所述目标客户信息和触达配置数据输入所述触达工具匹配模型进行触达工具匹配权重预测,根据预测结果确定目标触达工具,从而基于机器学习训练得到的模型识别出有效的触达工具。
对于S211,将所述目标客户信息和所述触达配置数据的产品信息和/或服务信息输入所述触达工具匹配模型进行触达工具匹配权重预测,将预测得到的数据作为权重预测结果。
可以理解的是,权重预测结果是一个向量,向量中每个向量元素对应一个触达工具标识。
对于S212,从所述权重预测结果中找出数值最大的权重,将找出的权重作为目标权重。
对于S213,将所述目标权重对应的触达工具标识对应的触达工具作为所述目标触达工具。
在一个实施例中,上述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤之前,包括:
S221:获取多个训练样本,;
S222:从多个所述训练样本中获取其中一个所述训练样本作为目标样本;
S223:基于机器学习,采用所述目标样本对初始模型进行训练,其中,所述初始模型是基于TF-IDF算法得到的模型;
S224:重复执行所述从多个所述训练样本中获取其中一个所述训练样本作为目标样本的步骤,直至达到模型训练结束条件;
S225:将达到所述模型训练结束条件的所述初始模型作为所述触达工具匹配模型。
本实施例基于机器学习训练得到触达工具匹配模型,为基于机器学习训练得到的模型识别出有效的触达工具提供了基础。
对于S221,可以获取用户输入的多个训练样本,也可以从数据库中获取多个训练样本,还可以从第三方应用系统中获取多个训练样本。
每个所述训练样本包括:触达行为样本数据、购买行为样本数据和触达工具标定值。
所述触达行为样本数据包括:反馈时间、消息模板标识和触达工具标识。所述反馈时间包括:客户点击链接或者回复短信的时间。
可选的,所述触达行为样本数据还包括:产品信息和/或服务信息。
所述购买行为样本数据包括:购买时间、产品类别、服务类别、购买行为发生时对应的埋点数据。可以理解的是,所述购买行为样本数据还可以包括其他信息。比如,当本申请用于金融产品推荐时,所述购买行为样本数据还包括:风险等级、投资金额。
购买行为发生时对应的埋点数据包括但不限于:短信埋点数据、站内埋点数据。
所述触达工具标定值,是对所述触达行为样本数据和购买行为样本数据的触达工具的准确的标定数据。
对于S222,从多个所述训练样本中获取其中一个所述训练样本,将获取的所述训练样本作为目标样本。
对于S223,基于机器学习,采用所述目标样本对初始模型进行训练的方法步骤在此不做赘述。
所述初始模型是基于TF-IDF算法得到的模型,从而使初始模型能根据输入的数据确定触达工具匹配权重。
对于S224,重复执行步骤S222至步骤S224,直至达到模型训练结束条件。
模型训练结束条件包括:所述初始模型的损失值达到第一收敛条件或所述初始模型的迭代次数达到第二收敛条件。
所述第一收敛条件是指相邻两次计算所述初始模型的损失值的大小满足lipschitz条件(利普希茨连续条件)。
所述迭代次数是指所述初始模型被训练的次数,也就是说,被训练一次,迭代次数增加1。
第二收敛条件是一个具体数值。
对于S225,达到所述模型训练结束条件的所述初始模型的性能是已经达到预设训练要求,因此可以将达到所述模型训练结束条件的所述初始模型作为所述触达工具匹配模型。
在一个实施例中,上述根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板的步骤,包括:
S311:当所述触达配置数据中同时存在产品标识和服务标识时,将所述触达配置数据中的所述产品标识和所述服务标识作为关联数据,在所述消息模板库中确定各个消息模板标识及各个触达工具标识作为候选集;
S312:当所述触达配置数据中存在所述产品标识,并且,不存在所述服务标识时,将所述触达配置数据中的所述产品标识在所述消息模板库中的各个所述产品标识中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
S313:当所述触达配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述触达配置数据中的所述服务标识在所述消息模板库中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
S314:根据所述目标触达工具和所述候选集确定所述目标消息模板。
本实施例通过所述触达配置数据中的产品标识和/或服务标识,在消息模板库中确定各个消息模板标识及各个触达工具标识作为候选集,然后根据目标触达工具对应的触达工具标识在所述候选集中确定目标消息模板,从而实现了依据产品标识、服务标识、触达工具标识确定符合客户习惯的消息模板,为提高触达效果提供了支持。
对于S311,当所述触达配置数据中同时存在产品标识和服务标识时,意味着所述触达配置数据中同时配置有产品标识和服务标识,因此将所述触达配置数据中的所述产品标识和所述服务标识作为关联数据,在所述消息模板库中进行查找,将在所述消息模板库中查找到的关联数据(产品标识和服务标识组成的关联数据)对应的各个消息模板标识及各个触达工具标识作为候选集。
对于S312,当所述触达配置数据中存在所述产品标识,并且,不存在所述服务标识时,意味着所述触达配置数据中只配置了有产品标识,将所述触达配置数据中的所述产品标识在所述消息模板库中的各个所述产品标识中进行查找,将在所述消息模板库中查找到的所述产品标识对应的各个所述消息模板标识及各个所述触达工具标识作为所述候选集。
对于S313,当所述触达配置数据中不存在所述产品标识,并且,存在所述服务标识时,意味着所述触达配置数据中只配置了有服务标识,将所述触达配置数据中的所述服务标识在所述消息模板库中的各个所述服务标识中进行查找,将在所述消息模板库中查找到的所述服务标识对应的各个所述消息模板标识及各个所述触达工具标识作为所述候选集。
对于S314,将的所述目标触达工具对应的触达工具标识在所述候选集中进行查找,将在所述候选集中查找到的触达工具标识对应的消息模板标识对应的消息模板作为所述目标消息模板。
在一个实施例中,上述获取消息模板库的步骤之前,还包括:
S321:获取消息模板配置请求,所述消息模板配置请求携带有模板配置数据;
S322:响应所述消息模板配置请求,获取有效触达关键词库;
S323:所述根据所述有效触达关键词库和所述模板配置数据中的触达工具标识进行页面展示,得到消息模板配置页面;
S324:根据所述消息模板配置页面获取用户输入的待存储的消息模板;
S325:当所述模板配置数据中同时存在产品标识和服务标识时,根据所述模板配置数据中的所述产品标识、所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
S326:当所述模板配置数据中存在所述产品标识,并且,不存在所述服务标识时,根据所述模板配置数据中的所述产品标识和所述触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
S327:当所述模板配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述模板配置数据中的所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中。
本实施例获取消息模板库的步骤之前进行消息模板库的更新,从而为快速的确定目标消息模板提供了支持。
对于S321,可以获取用户输入的消息模板配置请求,也可以获取第三方应用系统发送的消息模板配置请求。
消息模板配置请求,是对消息模板进行配置的请求。
所述模板配置数据包括:触达工具标识、产品标识和/或服务标识。
对于S322,可以获取用户输入的有效触达关键词库,也可以从数据库中获取有效触达关键词库,还可以从第三方应用系统中获取有效触达关键词库。
所述有效触达关键词库包括:触达工具标识和触达关键词集。触达关键词集中包括一个或多个关键词。
对于S323,将所述模板配置数据中的触达工具标识在所述有效触达关键词库中的各个触达工具标识中进行查找,将在所述有效触达关键词库中查找到的所述触达工具标识对应的触达关键词集作为目标触达关键词集;根据所述模板配置数据中的触达工具标识获取参考消息模板;根据所述参考消息模板和所述目标触达关键词集进行页面展示,将展示的页面作为所述消息模板配置页面。
对于S324,获取在所述消息模板配置页面中输入消息模板的相关数据,输入完成点击提交按钮,通过提交按钮触发消息模板提交信号。
其中,根据消息模板提交信号,从所述消息模板配置页面中获取用户输入的消息模板作为待存储的消息模板,并且将所述消息模板配置页面中的消息模板标识作为待存储的消息模板携带的消息模板标识。
对于S325,当所述模板配置数据中同时存在产品标识和服务标识时,将所述模板配置数据中的所述产品标识、所述服务标识、触达工具标识和所述待存储的消息模板携带的消息模板标识作为关联数据,将关联数据更新到所述消息模板库的标识关联数据,将所述待存储的消息模板更新到所述消息模板库的消息模板集中。
对于S326,当所述模板配置数据中存在所述产品标识,并且,不存在所述服务标识时,,将所述模板配置数据中的所述产品标识、触达工具标识和所述待存储的消息模板携带的消息模板标识作为关联数据,将关联数据更新到所述消息模板库的标识关联数据,将所述待存储的消息模板更新到所述消息模板库的消息模板集中。
对于S327,当所述模板配置数据中不存在所述产品标识,并且,存在所述服务标识时,将所述模板配置数据中的所述服务标识、触达工具标识和所述待存储的消息模板携带的消息模板标识作为关联数据,将关联数据更新到所述消息模板库的标识关联数据,将所述待存储的消息模板更新到所述消息模板库的消息模板集中。
在一个实施例中,上述获取有效触达关键词库的步骤之前,还包括:
S3221:获取多个历史客户行为数据集;
S3222:根据多个所述历史客户行为数据集进行行为关键字分析,得到行为关键字对应表;
S3223:采用预设的筛选规则,根据所述行为关键字对应表进行有效的消息模板筛选,得到有效消息模板集;
S3224:采用TF-IDF算法,分别针对所述有效消息模板集中的每个有效消息模板进行有效触达关键词分析,得到每个所述有效消息模板对应的待更新的有效触达关键词集;
S3225:根据各个所述待更新的有效触达关键词集更新所述有效触达关键词库。
本实施例在获取有效触达关键词库的步骤之前,自动更新有效触达关键词库,从而为辅助消息模板的配置提供了基础,有利于使配置的消息模板符合客户习惯。
对于S3221,可以获取用户输入的多个历史客户行为数据集,也可以从数据库中获取多个历史客户行为数据集,还可以从第三方应用系统中获取多个历史客户行为数据集。
每个所述历史客户行为数据集包括:客户信息、历史触达行为数据和历史购买行为数据。
历史触达行为数据,也就是历史上实际发生的触达行为数据。触达行为数据包括:反馈时间、消息模板标识和触达工具标识。
历史购买行为数据,也就是历史上实际发生的购买行为数据。购买行为数据包括:购买时间、产品类别、服务类别、购买行为发生时对应的埋点信息、产品信息和/或服务信息。
对于S3222,所述行为关键字对应表中包括:所述用户标识、所述产品标识、所述服务标识、所述触达工具标识、所述消息模板标识、所述触达消息。
采用预设的行为关键字表,在每个所述历史客户行为数据集中进行行为关键字提取,将提取的行为关键字组成关联数据(也就是所述用户标识、所述产品标识、所述服务标识、所述触达工具标识、所述消息模板标识、所述触达消息组成的关联数据),将组成的关联数据存储到所述行为关键字对应表中。
可以理解的是,每个所述历史客户行为数据集对应行为关键字对应表中的一个关联数据(也就是所述用户标识、所述产品标识、所述服务标识、所述触达工具标识、所述消息模板标识、所述触达消息组成的关联数据)。
对于S3223,对所述行为关键字对应表中的每个所述消息模板标识进行购买总金额计算,得到所述行为关键字对应表中的每个所述消息模板标识对应的待分析购买总金额;采用预设的筛选规则,从各个待分析购买总金额中获取最大的多个待分析购买总金额,得到目标购买总金额集;将目标购买总金额集中的每个待分析购买总金额对应的所述消息模板标识对应的消息模板作为有效消息模板;将各个有效消息模板作为有效消息模板集。
可选的,预设的筛选规则是预设筛选数量。预设筛选数量是一个大于0的整数。
可选的,预设的筛选规则是预设筛选比例。预设筛选比例是一个1%-100%的比例,不包括0%,也不包括100%。
对于S3224,采用TF-IDF算法,分别针对所述有效消息模板集中的每个有效消息模板进行触达关键词的权重分析,得到每个有效消息模板对应的触达关键词与权重对应集;将每个触达关键词与权重对应集按权重进行倒序排序,得到排序后的触达关键词与权重对应集;采用预设的提取规则,从每个所述排序后的触达关键词与权重对应集中获取触达关键词作为待更新的有效触达关键词集。
可选的,预设的提取规则是预设提取数量。预设提取数量是一个大于0的整数。
可选的,预设的提取规则是预设提取比例。预设提取比例是一个1%-100%的比例,不包括0%,也不包括100%。
对于S3225,根据各个所述待更新的有效触达关键词集对所述有效触达关键词库进行替换更新。
在一个实施例中,上述根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息的步骤,包括:
S41:根据所述目标触达工具、所述目标客户信息和所述触达配置数据分别进行埋点参数生成及埋点数据组合,得到待添加的埋点数据;
S42:根据所述目标客户信息、所述待添加的埋点数据和所述触达配置数据,对所述目标消息模板进行替换位替换,得到所述目标触达消息。
本实施例通过根据所述目标触达工具、所述目标客户信息和所述触达配置数据分别进行埋点参数生成及埋点数据组合,然后将埋点参数添加到目标消息模板中生成目标触达消息,从而为基于埋点参数的触达行为数据的获取提供了基础。
对于S41,根据所述目标客户信息和所述触达配置数据进行埋点参数确定,得到待处理的埋点参数;根据所述目标触达工具对应的触达工具标识获取埋点数据格式规则;根据埋点数据格式规则和待处理的埋点参数进行埋点数据组合,将组合得到的埋点数据作为待添加的埋点数据。
比如,待处理的埋点参数是LJS_20210708_1245,待添加的埋点数据是http://www.lu.com/mkt/invest?pid=432123&templateSMSNo=LJS_20210708_1245。
对于S42,根据所述目标客户信息、所述待添加的埋点数据和所述触达配置数据,对所述目标消息模板中的各个替换位进行替换,将完成替换位替换的目标消息模板作为所述目标触达消息。
参照图2,一种基于人工智能的消息触达装置,所述装置包括:
数据获取模块100,用于获取目标客户信息和与所述目标客户信息对应的触达配置数据;
目标触达工具确定模块200,用于获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
目标消息模板确定模块300,用于获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
目标触达消息确定模块400,用于根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
触达消息发送模块500,用于根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
本实施例首先通过获取目标客户信息和与所述目标客户信息对应的触达配置数据,其次根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板,然后根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息,最后根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端,从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,通过采用有效的触达工具向客户发送符合客户习惯的触达消息,提高了触达效果,减少了触达成本。
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消息触达方法等数据。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消息触达方法。所述基于人工智能的消息触达方法,包括:获取目标客户信息和与所述目标客户信息对应的触达配置数据;获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
本实施例首先通过获取目标客户信息和与所述目标客户信息对应的触达配置数据,其次根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板,然后根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息,最后根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端,从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,通过采用有效的触达工具向客户发送符合客户习惯的触达消息,提高了触达效果,减少了触达成本。
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消息触达方法,包括步骤:获取目标客户信息和与所述目标客户信息对应的触达配置数据;获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
上述执行的基于人工智能的消息触达方法,首先通过获取目标客户信息和与所述目标客户信息对应的触达配置数据,其次根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板,然后根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息,最后根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端,从而基于机器学习训练得到的模型识别出有效的触达工具,并且生成符合客户习惯的触达消息,通过采用有效的触达工具向客户发送符合客户习惯的触达消息,提高了触达效果,减少了触达成本。
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消息触达方法,其特征在于,所述方法包括:
获取目标客户信息和与所述目标客户信息对应的触达配置数据;
获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
2.根据权利要求1所述的基于人工智能的消息触达方法,其特征在于,所述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤,包括:
将所述目标客户信息和所述触达配置数据输入所述触达工具匹配模型进行触达工具匹配权重预测,得到权重预测结果;
从所述权重预测结果中找出数值最大的权重,作为目标权重;
将所述目标权重对应的触达工具作为所述目标触达工具。
3.根据权利要求1所述的基于人工智能的消息触达方法,其特征在于,所述根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具的步骤之前,包括:
获取多个训练样本;
从多个所述训练样本中获取其中一个所述训练样本作为目标样本;
基于机器学习,采用所述目标样本对初始模型进行训练,其中,所述初始模型是基于TF-IDF算法得到的模型;
重复执行所述从多个所述训练样本中获取其中一个所述训练样本作为目标样本的步骤,直至达到模型训练结束条件;
将达到所述模型训练结束条件的所述初始模型作为所述触达工具匹配模型。
4.根据权利要求1所述的基于人工智能的消息触达方法,其特征在于,所述根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板的步骤,包括:
当所述触达配置数据中同时存在产品标识和服务标识时,将所述触达配置数据中的所述产品标识和所述服务标识作为关联数据,在所述消息模板库中确定各个消息模板标识及各个触达工具标识作为候选集;
当所述触达配置数据中存在所述产品标识,并且,不存在所述服务标识时,将所述触达配置数据中的所述产品标识在所述消息模板库中的各个所述产品标识中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
当所述触达配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述触达配置数据中的所述服务标识在所述消息模板库中确定各个所述消息模板标识及各个所述触达工具标识作为所述候选集;
根据所述目标触达工具和所述候选集确定所述目标消息模板。
5.根据权利要求1所述的基于人工智能的消息触达方法,其特征在于,所述获取消息模板库的步骤之前,还包括:
获取消息模板配置请求,所述消息模板配置请求携带有模板配置数据;
响应所述消息模板配置请求,获取有效触达关键词库;
所述根据所述有效触达关键词库和所述模板配置数据中的触达工具标识进行页面展示,得到消息模板配置页面;
根据所述消息模板配置页面获取用户输入的待存储的消息模板;
当所述模板配置数据中同时存在产品标识和服务标识时,根据所述模板配置数据中的所述产品标识、所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
当所述模板配置数据中存在所述产品标识,并且,不存在所述服务标识时,根据所述模板配置数据中的所述产品标识和所述触达工具标识,将所述待存储的消息模板更新到所述消息模板库中;
当所述模板配置数据中不存在所述产品标识,并且,存在所述服务标识时,根据所述模板配置数据中的所述服务标识和触达工具标识,将所述待存储的消息模板更新到所述消息模板库中。
6.根据权利要求5所述的基于人工智能的消息触达方法,其特征在于,所述获取有效触达关键词库的步骤之前,还包括:
获取多个历史客户行为数据集;
根据多个所述历史客户行为数据集进行行为关键字分析,得到行为关键字对应表;
采用预设的筛选规则,根据所述行为关键字对应表进行有效的消息模板筛选,得到有效消息模板集;
采用TF-IDF算法,分别针对所述有效消息模板集中的每个有效消息模板进行有效触达关键词分析,得到每个所述有效消息模板对应的待更新的有效触达关键词集;
根据各个所述待更新的有效触达关键词集更新所述有效触达关键词库。
7.根据权利要求1所述的基于人工智能的消息触达方法,其特征在于,所述根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息的步骤,包括:
根据所述目标触达工具、所述目标客户信息和所述触达配置数据分别进行埋点参数生成及埋点数据组合,得到待添加的埋点数据;
根据所述目标客户信息、所述待添加的埋点数据和所述触达配置数据,对所述目标消息模板进行替换位替换,得到所述目标触达消息。
8.一种基于人工智能的消息触达装置,其特征在于,所述装置包括:
数据获取模块,用于获取目标客户信息和与所述目标客户信息对应的触达配置数据;
目标触达工具确定模块,用于获取触达工具匹配模型,根据所述触达工具匹配模型、所述目标客户信息和所述触达配置数据进行触达工具匹配,得到目标触达工具,其中,所述触达工具匹配模型是基于机器学习训练得到的模型;
目标消息模板确定模块,用于获取消息模板库,根据所述目标触达工具、所述触达配置数据和所述消息模板库确定目标消息模板;
目标触达消息确定模块,用于根据所述目标触达工具、所述目标客户信息、所述触达配置数据和所述目标消息模板生成目标触达消息;
触达消息发送模块,用于根据所述触达配置数据的发送配置数据和所述目标触达工具,将所述目标触达消息发送给与所述目标客户信息对应的客户端。
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 (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111056732.9A CN113742456A (zh) | 2021-09-09 | 2021-09-09 | 基于人工智能的消息触达方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111056732.9A CN113742456A (zh) | 2021-09-09 | 2021-09-09 | 基于人工智能的消息触达方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113742456A true CN113742456A (zh) | 2021-12-03 |
Family
ID=78737598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111056732.9A Pending CN113742456A (zh) | 2021-09-09 | 2021-09-09 | 基于人工智能的消息触达方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113742456A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666290A (zh) * | 2022-03-24 | 2022-06-24 | 平安普惠企业管理有限公司 | 基于聊天工具的客户服务方法、装置、设备及存储介质 |
CN116709224A (zh) * | 2023-08-09 | 2023-09-05 | 深圳博瑞天下科技有限公司 | 一种提升智能消息触达率的方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109286646A (zh) * | 2017-07-21 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 消息推送方法、装置及系统 |
CN109948046A (zh) * | 2018-01-05 | 2019-06-28 | 深圳壹账通智能科技有限公司 | 消息推送方法、装置、移动终端和存储介质 |
CN111898023A (zh) * | 2020-07-24 | 2020-11-06 | 北京口袋财富信息科技有限公司 | 一种消息推送方法、装置、可读存储介质及计算设备 |
CN111953579A (zh) * | 2020-07-15 | 2020-11-17 | 广州市玄武无线科技股份有限公司 | 消息生成方法、系统、终端及存储介质 |
-
2021
- 2021-09-09 CN CN202111056732.9A patent/CN113742456A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109286646A (zh) * | 2017-07-21 | 2019-01-29 | 阿里巴巴集团控股有限公司 | 消息推送方法、装置及系统 |
CN109948046A (zh) * | 2018-01-05 | 2019-06-28 | 深圳壹账通智能科技有限公司 | 消息推送方法、装置、移动终端和存储介质 |
CN111953579A (zh) * | 2020-07-15 | 2020-11-17 | 广州市玄武无线科技股份有限公司 | 消息生成方法、系统、终端及存储介质 |
CN111898023A (zh) * | 2020-07-24 | 2020-11-06 | 北京口袋财富信息科技有限公司 | 一种消息推送方法、装置、可读存储介质及计算设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666290A (zh) * | 2022-03-24 | 2022-06-24 | 平安普惠企业管理有限公司 | 基于聊天工具的客户服务方法、装置、设备及存储介质 |
CN114666290B (zh) * | 2022-03-24 | 2024-05-10 | 平安普惠企业管理有限公司 | 基于聊天工具的客户服务方法、装置、设备及存储介质 |
CN116709224A (zh) * | 2023-08-09 | 2023-09-05 | 深圳博瑞天下科技有限公司 | 一种提升智能消息触达率的方法和装置 |
CN116709224B (zh) * | 2023-08-09 | 2023-11-17 | 深圳博瑞天下科技有限公司 | 一种提升智能消息触达率的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446412B (zh) | 基于网页标签的产品数据推送方法、装置、设备及介质 | |
CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
CN109190049B (zh) | 关键词推荐方法、系统、电子设备和计算机可读介质 | |
CN111079022A (zh) | 基于联邦学习的个性化推荐方法、装置、设备及介质 | |
US6810394B2 (en) | Methods and apparatus for searching for and identifying information of interest to users | |
CN109800307B (zh) | 产品评价的分析方法、装置、计算机设备及存储介质 | |
CN113742456A (zh) | 基于人工智能的消息触达方法、装置、设备及存储介质 | |
CN109063108B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
CN111708949A (zh) | 医疗资源的推荐方法及装置、电子设备、存储介质 | |
CN112035611B (zh) | 目标用户推荐方法、装置、计算机设备和存储介质 | |
CN112509682A (zh) | 基于文本识别的问诊方法、装置、设备及存储介质 | |
CN114419501A (zh) | 视频推荐方法、装置、计算机设备及存储介质 | |
CN114399396A (zh) | 保险产品推荐方法、装置、计算机设备及存储介质 | |
CN111475628B (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
CN111738774A (zh) | 识别潜在目标用户的方法、装置、计算机设备和存储介质 | |
CN110309217B (zh) | 数据的导入导出方法、装置、终端及计算机可读存储介质 | |
WO2016188334A1 (zh) | 一种用于处理应用访问数据的方法与设备 | |
CN112397197A (zh) | 基于人工智能的问诊数据处理方法及装置 | |
CN113343024B (zh) | 对象推荐方法、装置、电子设备及存储介质 | |
CN104156359A (zh) | 内链信息推荐方法及装置 | |
CN113434763A (zh) | 搜索结果的推荐理由生成方法、装置、设备及存储介质 | |
CN111340062A (zh) | 一种映射关系确定方法及装置 | |
CN113656705B (zh) | 基于人工智能的课程推荐方法、装置、设备及存储介质 | |
CN111310451A (zh) | 敏感词词典生成方法、装置及存储介质和电子设备 | |
CN114548068A (zh) | 保险建议书的生成方法、装置、设备及存储介质 |
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 |