CN114358543A - 一种信息处理方法和装置 - Google Patents
一种信息处理方法和装置 Download PDFInfo
- Publication number
- CN114358543A CN114358543A CN202111599723.4A CN202111599723A CN114358543A CN 114358543 A CN114358543 A CN 114358543A CN 202111599723 A CN202111599723 A CN 202111599723A CN 114358543 A CN114358543 A CN 114358543A
- Authority
- CN
- China
- Prior art keywords
- processing
- data
- sale
- risk
- sales
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
Abstract
本发明公开了一种信息处理方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:接收售后信息处理请求;售后信息处理请求包括用户信息;获取与用户信息对应的实时售后数据和历史售后数据;对实时售后数据和历史售后数据进行处理;将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;一个或多个售后处理模型分别对应有处理类型;根据风险值以及处理类型确定处理策略;根据处理策略对售后信息处理请求进行处理售后信息处理请求。该实施方式便于对售后信息处理请求对应的处理类型及相应的售后处理话术进行准确地判断,从而提高售后信息处理请求的处理效率,进而节省公司成本。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种信息处理方法和装置。
背景技术
在目前的电商客服的售后工作系统中,仅通过单一的用户风险标签(如该用户是否为风险客户)来辅助客服审核用户风险。这导致客服在面对用户本次的不合理诉求时,无法根据单一的用户风险标签准确地判断,从而无法根据风险标签对售后信息处理请求进行精准处理,进而造成不必要的成本浪费。
发明内容
有鉴于此,本发明实施例提供一种信息处理方法和装置,对用户信息所对应的实时售后数据和历史售后数据进行处理,根据实时售后数据、历史售后数据以及一个或多个售后处理模型可以得到包含一个或多个处理类型的处理策略,进而可以根据处理策略对售后信息处理请求进行处理,由此便于对售后信息处理请求对应的处理类型及相应的售后处理话术进行准确地判断,从而提高售后信息处理请求的处理效率,进而节省公司成本。
为实现上述目的,根据本发明实施例的第一方面,提供了一种信息处理方法。
本发明实施例的信息处理方法包括:接收售后信息处理请求;所述售后信息处理请求包括用户信息;获取与所述用户信息对应的实时售后数据和历史售后数据;对所述实时售后数据和历史售后数据进行处理;将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;所述一个或多个售后处理模型分别对应有处理类型;根据所述风险值以及所述处理类型确定处理策略;根据所述处理策略对所述售后信息处理请求进行处理。
可选地,所述对所述实时售后数据和历史售后数据进行处理,将处理结果输入一个或多个售后处理模型,包括:对所述实时售后数据和所述历史售后数据进行特征加工,生成特征加工结果;将所述特征加工结果输入所述售后处理模型,以得到风险值。
可选地,所述对所述实时售后数据和所述历史售后数据进行特征加工,生成特征加工结果,包括:根据一个或多个预设时间段对所述历史售后数据进行筛选,得到一个或多个筛选结果;分别对所述实时售后数据和一个或多个筛选结果进行特征加工,生成特征加工结果。
可选地,该方法还包括:根据所述历史售后数据中包括的历史风险数据的比例,确定所述用户信息对应的用户风险等级;确定与所述用户风险等级对应的处理策略。
可选地,所述历史风险数据的包括风险品类数据;
所述方法还包括:根据所述实时售后数据包括的品类与所述风险品类数据的匹配结果,确定所述售后信息处理请求的处理类型。
可选地,所述处理策略包括与处理类型对应的售后处理话术;所述根据所述风险值以及所述处理类型确定处理策略,包括:根据所述处理类型确定风险阈值;根据所述风险值与所述风险阈值的大小关系,确定允许或拒绝处理所述售后信息处理请求的术语;根据所述处理类型对应的场景术语、所述允许或拒绝处理所述售后信息处理请求的术语,生成所述售后处理话术。
可选地,所述方法还包括:接收关于所述处理策略的反馈数据;根据所述反馈数据包括的所述处理策略是否错误的标签,将所述售后信息处理请求作为正样本或负样本,以对一个或多个售后处理模型进行优化。
可选地,在所述接收关于所述处理策略的反馈数据售后信息处理请求之后,包括:当所述反馈数据表征所述售后信息处理请求为风险请求时,对所述用户信息对应的用户行为进行监控识别。
为实现上述目的,根据本发明实施例的第二方面,提供了一种信息处理装置。
本发明实施例的一种信息处理装置包括:
接收模块,用于接收售后信息处理请求;所述售后信息处理请求包括用户信息;
获取模块,用于获取与所述用户信息对应的实时售后数据和历史售后数据;
数据模块,用于对所述实时售后数据和历史售后数据进行处理;
预测模块,用于将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;所述一个或多个售后处理模型分别对应有处理类型;
策略模块,用于根据所述风险值以及所述处理类型确定处理策略;处理模块,用于根据所述处理策略对所述售后信息处理请求进行处理。
为实现上述目的,根据本发明实施例的第三方面,提供了一种处理请求的设备。
本发明实施例的一种处理请求的设备包括:一个或多个处理器;存储系统,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的售后场景下的信息处理方法。
为实现上述目的,根据本发明实施例的第四方面,提供了一种计算机可读介质。
本发明实施例的计算机可读介质上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的信息处理方法。
上述发明中的一个实施例具有如下优点或有益效果:在本发明实施例中,对用户信息所对应的实时售后数据和历史售后数据进行处理,根据实时售后数据、历史售后数据以及一个或多个售后处理模型可以得到包含一个或多个处理类型的处理策略,进而可以根据处理策略对售后信息处理请求进行处理,由此便于对售后信息处理请求对应的处理类型及相应的售后处理话术进行准确地判断,从而提高售后信息处理请求的处理效率,进而节省公司成本。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例的一种信息处理方法的主要流程的示意图;
图2是本发明实施例的确定一个或多个售后处理模型的输入的主要流程的示意图;
图3是本发明实施例的生成特征加工结果的主要流程的示意图;
图4是本发明实施例的一种确定处理策略的主要流程的示意图;
图5是本发明实施例的根据风险值以及处理类型确定处理策略的主要流程的示意图;
图6是本发明实施例的人工对处理策略进行审核后的主要流程的示意图;
图7是本发明实施例的一种基于风险识别提示电商客服进行审核的风控系统的示意图;
图8是本发明实施例的风控系统内部的系统示意图;
图9本发明实施例的一种风险识别装置的主要模块的示意图;
图10本发明实施例可以应用于其中的示例性系统架构图;
图11适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
根据本发明实施例的第一方面,提供一种信息处理方法。
图1是本发明实施例的一种信息处理方法的主要流程的示意图。如图1所示,该方法主要包括:
步骤S101:接收售后信息处理请求;售后信息处理请求包括用户信息;
步骤S102:根据用户信息获取与用户信息对应的实时售后数据和历史售后数据;
步骤S103:对实时售后数据和历史售后数据进行处理;
步骤S104:将处理结果输入一个或多个售后处理模型,得到一个或多个售后处理模型输出的风险值;一个或多个售后处理模型分别对应有处理类型;
步骤S105:根据风险值以及处理类型确定处理策略;步骤S106:根据处理策略对售后信息处理请求进行处理。
在现有的电商平台,售后信息处理请求是指:售后场景下,用户发起的请求,主要包括诸如退货并退款、换货、赔付(退款不退货)等多种,对于客户的正常退换货请求,通常商家是不会拒绝的,但随着信息技术的快速发展,恶意的退款退货请求逐渐增多。例如,假旧掉包,即通过申请售后换货将商家发出的正品商品换成假旧商品后退回,同时要求商家退款,以达到用假旧商品换取正品商品的目的。因此,在售后阶段需要针对恶意的退换货行为进行风险识别,以减少商家和平台的损失。
对于售后信息处理请求包括的用户信息,在一种可选的实施例中,包括:用户设备编码、用户手机号、收货地址、收件人以及本次登录的IP地址等等信息,根据用户信息中的不同信息可以对应从售后系统的数据库中对应调取与某一信息所对应的历史数据。其中,用户信息是在获得用户许可授权的情况下才可以使用的,对于用户许可的方式本发明不做限定,可以是指纹、骨纹、协议许可等。示例性的,对于根据用户信息获取历史售后数据,可以是根据用户手机号可以得到该用户的历史订单数据,也可以是根据用户设备编码、收货地址、收件人以及本次登录的IP地址可以对应从数据库中调取同一设备编码、同一收获地址、同一收件人以及同一IP地址的关联历史订单数据,虽然这些关联历史订单数据可能并不是同一个用户的(如不同用户登录同一设备,则根据设备编码可获取登录该设备的相关联的多个用户的历史订单数据),但是对于恶意盗用者来说,这些关联的信息可能是经常被盗用的,因此获取这些关联历史订单数据可以为后续的风险识别提供更加准确的识别结果。
实时售后数据则是包含了用户此次售后信息处理请求的相关数据,例如,退货地址、用户手机号、退货原因、退货时间、下单时间等,以判断用户此次的售后信息处理请求是否存在风险。
历史售后数据通常包括历史退货单量、退货金额、同手机号同设备的相关单量、购买次数、使用优惠券的数据等,可以根据历史售后的数据来判断用户在历史消费过程中是否存在风险。
售后处理模型的种类通常是根据常见并高发的处理类型进行人为经验总结的,在一种可选的是实施例中,不同的售后处理模型分别对应于不同的处理类型,例如,针对处理类型为地址作弊风险的售后处理模型为地址反作弊模型。
对于步骤S103中确定一个或多个售后处理模型的输入,在一种可选的实施例中,如图2所示,具体包括:
步骤S201:对实时售后数据和历史售后数据进行特征加工,生成特征加工结果;
步骤S202:将特征加工结果输入一个或多个售后处理模型,以得到风险值。
由于实时售后数据和历史售后数据中数据种类很多,在面对不同的售后处理模型时无法直接作为输入,因此需要对实时售后数据和历史售后数据进行特征加工。具体的,在一种可选的实施例中,特征加工的算法包括以下任意一种或多种:数据加和、取平均值、方差计算、归一化算法、离散化算法、缺失值处理、指数转化。通过上述算法可以在实时售后数据和历史售后数据的基础上得到多个不同的特征加工结果。
其中,特征加工是根据上述算法对实时售后数据和历史售后数据进行计算的过程,可以通过实时售后数据和历史售后数据得到关于不同字段的多个相关值。例如,设定字段之一为地址字段,那么根据特征加工后,可以得到与地址字段相关的多个相关值:近1天不同收货省的数量、近30天收货地址数量/过去180收货地址数量的变化率、地址近30天TOP1收货地址中的省份数量占比等等。因此,通过特征加工后,可以将数据繁杂的实时售后数据和历史售后数据整理为与多个不同字段相关的多个输入,再根据针对各个售后处理模型所需要的输入字段进行输入,即可输出不同的处理类型和风险值。
在一种可选的实施例中,如图3所示,步骤S201可以包括:
步骤S301:根据一个或多个预设时间段对历史售后数据进行筛选,得到一个或多个筛选结果;
步骤S302:分别对实时售后数据和一个或多个筛选结果进行特征加工,生成特征加工结果。
其中,筛选的目的在于选取时效性更强的历史售后数据作为模型的输入以得到更加准确的预测结果。例如,对于不同收货省的数量这一地址字段,可以根据近10天的历史售后数据得到,也可以根据近30天的历史售后数据得到,或是根据近180天的历史售后数据得到。在实际应用过程中,某些用户的账号可能在一段时间内被盗用,但在用户发现后,进行了找回操作,因此时间过于久远的历史数据会误认为这些账号依然是风险账号,增加了分辨的难度,因此,在对数据进行特征加工前,先进行筛选,并将筛选结果进行特征加工,可以达到更加准确的预测效果。
对于步骤S202的步骤,在一种可选的实施例中,可以人工设定第一阈值来对风险值进行划分,当售后处理模型输出的风险值大于等于第一阈值时,说明风险值较高,则可以认为当前售后信息处理请求存在与售后处理模型对应的处理类型。当售后处理模型输出的风险值小于第一阈值时,说明风险值较低,则可以认为当前售后信息处理请求不存在与售后处理模型对应的处理类型。
但是由于售后处理模型在训练过程中的样本无法满足无限可能的处理类型,因此即使售后处理模型输出的风险值小于第一阈值,当前售后信息处理请求也具备存在风险的可能性。在一种可选的实施例中,在一个或多个售后处理模型输出的风险值小于第一阈值的情况下,执行以下步骤:
步骤一:判断小于第一阈值的风险值所对应的特征加工结果是否满足风险策略;
步骤二:根据判断结果,确定小于第一阈值的风险值对应的风险结果。
在本申请实施例中,风险策略可以为根据历史风险数据总结得到的无法被风险预测模型准确预测的处理类型和规则。例如,通常的仅能对四级地址(省、市、区、街道)进行识别,而无法具体到小区和门牌号,当遇到某些地址后面带特殊符号的情况时,地址反作弊模型可以判断为假地址,但当小区和门牌号错误时,地址反作弊模型则无法进行准确的判断,风险用户则是利用了模型的这一缺点,在地址的细枝末节处输入假地址。示例性地,A小区共有8栋楼,每栋楼仅有5个单元,而售后信息处理请求输入的地址为A小区12栋10单元,那么此时风险策略即可进行判断,将此售后申请对应的处理类型输出为虚假地址风险。
除了根据当前的售后申请进行处理类型的判断,在一种可选的实施例中,还可以对用户的风险等级进行判断,如图4所示,具体包括:
步骤S401:根据历史售后数据中包括的历史风险数据的比例,确定用户信息对应的用户风险等级;
步骤S401:确定与所述用户风险等级对应的处理策略。
示例性地,历史风险数据为存在处理类型标签的历史售后数据,例如,用户A历史售后数据共100单,其中退货订单30单,在退货订单中存在闪电退风险的订单10单,剩余20单退货订单则认为是正常原因退货,那么历史风险数据的比例为10%。
在进一步可选的实施例中,根据不同历史风险数据的比例可以对用户风险等级进行不同的划分,例如在历史风险数据的比例为0~10%时,用户风险等级为1级低风险,当历史风险数据的比例为10%~30%时,用户风险等级为2级低风险,当历史风险数据的比例为30%~50%时,用户风险等级为3级中风险,当历史风险数据的比例为50%~80%时,用户风险等级为4级高风险等等。
对于步骤S401,在用户风险等级不同的情况下,即使售后处理模型相同以及输出风险值相同,确定的处理策略也不相同。在一种可选的实施例中,对于不同的用户风险等级,第一阈值的设定值不同,风险等级越高第一阈值的设定值就越低。例如,用户风险等级为1级低风险时,第一阈值设定为0.8,即输出的风险值大于等于0.8时,认为该用户在售后处理模型对应的处理类型下存在风险;当用户风险等级为4级高风险时,第一阈值设定为0.4,即输出的风险值只需要大于等于0.4,就认为该用户在售后处理模型对应的处理类型下存在风险。
在一种可选的实施例中,历史风险数据的包括风险品类数据,该方法还包括:根据实时售后数据包括的品类与风险品类数据的匹配结果,确定售后信息处理请求的处理类型。
在一种可选的实施例中,处理类型中包括品类风险。其中,风险品类数据为在历史风险数据中,某一品类的历史风险数据达到第二阈值。例如,在售后历史数据中,有10单历史风险数据,其中有8单都是在用户购买家电时产生的,那么家电品类就是该用户的风险品类。
在另一种可选的实施例中,处理类型中包括假旧掉包风险。其中,假旧掉包风险数据可以为历史风险数据中的售后申请时间和下单时间距离过近的数据,当假旧掉包风险数据在历史风险数据中的比例达到第三阈值时,认为当前用户存在假旧掉包风险。
在一种可选的实施例中,处理策略包括与处理类型对应的售后处理话术,对于步骤S105中根据风险值以及处理类型确定处理策略的具体过程,如图5所示,包括:
步骤S501:根据处理类型确定风险阈值;
步骤S502:根据风险值与风险阈值的大小关系,确定允许或拒绝处理售后信息处理请求的术语;
步骤S503:根据处理类型对应的场景术语、允许或拒绝处理售后信息处理请求的术语,生成售后处理话术。
其中,售后处理话术会根据各个处理类型的特点生成,节省后续客服向用户反馈审核结果时需要组织语言的时间,可以直接将风险处理话术反馈给用户,或者进行简单的改动即可,提高了整个人工审核流程的效率。
示例性的,对于不同的处理类型对应有不同的风险阈值,主要依据处理类型对于商户的损失程度而定,例如,处理类型中的品类风险相比于假旧掉包风险,对于商户的损失程度偏低,即可以将品类风险的风险阈值设定为0.7,而将假旧掉包风险的风险阈值设定为0.3。假设对售后信息处理请求a进行处理,售后信息处理请求a为换货请求,通过对实时售后数据和历史售后数据进行处理,最终处理类型为品类风险的售后处理模型输出的风险值为0.6,处理类型为假旧掉包风险的售后处理模型输出的风险值为0.4,则认为该售后信息处理请求存在假旧掉包风险,而不存在品类风险。由于售后信息处理请求a为换货请求,与假旧掉包风险高度吻合,那么将拒绝此次处理售后信息处理请求,对应拒绝处理售后信息处理请求的术语可以为“不满足换货要求”,处理类型对应的场景术语可以为“系统判定该订单存在假旧掉包风险”,由上述两种术语合并,生成的售后处理话术为“顾客您好,系统判定该订单存在假旧掉包风险,不满足换货要求,可以请联系客服进行退货处理,如有疑问,欢迎致电xxxx。”。
同理,若是该售后信息处理请求不存在假旧掉包风险,而存在品类风险,则说明此次的换货请求大概率不是恶意请求,则允许此次处理售后信息处理请求,对应允许处理售后信息处理请求的术语可以为“满足换货要求”,处理类型对应的场景术语可以为“系统判定该订单存在品类风险”,由上述两种术语合并,生成的售后处理话术为“顾客您好,系统判定该订单可能存在品类风险,但由于您的综合信誉良好,可以为您完成此次换货服务,如有疑问,欢迎致电xxxx。”。
在一种可选的实施例中,在人工对处理策略进行审核后,如图6所示,该方法还包括:
步骤S601:接收关于处理策略的反馈数据;
步骤S602:根据反馈数据包括的处理策略是否错误的标签,将售后信息处理请求作为正样本或负样本,以对一个或多个售后处理模型进行优化。
其中,人工审核可以是客服系统发送的关于风险结果的审核反馈,是客服人员在接收到风险结果的基础上,经过人工进行判断所得到的,在一种可选的实施例中,反馈的内容一般包括:风控系统所得到的处理策略是否错误、当前售后信息处理请求是否为风险请求以及审核结果(是否同意用户的售后信息处理请求)。
对于审核反馈中认为风控系统所得到的处理策略正确的情况下,表示风控系统得出的处理策略正确,则将当前售后信息处理请求作为正样本;对于审核反馈中认为风控系统所得到的处理策略错误的情况下,表示风控系统得出的处理策略错误,可能是由于售后处理模型的样本量偏低导致的预测错误,则将当前售后信息处理请求作为负样本。其中,正样本和负样本均可用于后续对一个或多个售后处理模型进行优化,以得到预测更加准确的处理策略。
在一种可选的实施例中,图7示出了一种基于风险识别提示电商克服审核的风控系统设计方案,其中包括了售后系统、风控系统、审核系统和用户分层系统。其中,本发明实施例提供的信息处理方法和装置可设置并应用在风控系统中。具体流程步骤如下:
步骤一:售后系统接收到用户申请(售后服务申请),并将用户信息发送至风控系统;
步骤二:风控系统根据用户信息从数据中心中获取与用户信息对应的用户实时行为数据(实时售后数据)、用户历史数据(历史售后数据)以及用户基本属性数据;
步骤三:对获取到的多种数据进行特征加工,并得到特征加工结果;
步骤四:将特征加工结果分别输入到不同的售后处理模型(例如复杂网络簇模型、地址反作弊模型、营销套利模型)中,输出不同的售后处理模型所对应的风险值;
步骤五:在一个或多个售后处理模型输出的风险值小于第一阈值的情况下,由策略中心进行判断,判断小于第一阈值的风险值所对应的特征加工结果是否满足风险策略(规则集合、策略集合、决策集合等),并生成判断结果;
步骤六:决策中心根据不同的售后处理模型输出的风险值和判断结果,确定当前用户售后申请风险结果;
步骤七:决策中心将得到的处理策略发送至用户分层系统,根据用户分层系统得到的用户风场景提示风险和处理策略,由审核系统得到服务单分场景提示风险;
步骤八:人工客服对服务单分场景提示风险进行审核,判断当前用户申请是否通过,若未通过则结束审核并将审核通过的指示发送给售后系统;否则,将售后申请存入风控系统的样本库中,作为预测负样本以供后续的模型训练。
在一种可选的实施例中,在接收关于处理策略的反馈数据售后信息处理请求之后,包括:当反馈数据表征售后信息处理请求为风险请求时,对用户信息对应的用户行为进行监控识别。
示例性地,如图8所示,在风控系统中通过数据系统和是识别系统共同进行风险识别,其中数据系统主要用于进行风险识别,识别系统则辅助数据系统,通过各种识别操作获取用于数据系统的用户信息。其中,识别系统中具体可以包括:实名验证系统、短信验证系统、语音验证系统、预警系统、限制权益系统等。用户行为具体可以包括:用户注册、用户登录、领取优惠券、领取红包、下单、签收/拒收订单、售后退换货、售后上门取件、售后服务权益等。在认为当前售后信息处理请求是风险请求时,对于用户发起售后信息处理请求后的用户行为均进行监控识别,以增强各个操作过程中用户身份的准确性,如果是正常用户的账号被盗取,那么在后续的监控识别过程中会对账号的盗用起到一定的阻碍作用,以保证当前账号的安全性。
进一步地,当反馈数据表征售后信息处理请求为风险请求时,可以向当前登录的用户账号发送盗号预警信息,以及风险预警信息,通过向用户手机号发送提示短信等方式提示用户及时更改账号密码以保证账号后续的正常使用。
本发明实施例的信息处理方法,对用户信息所对应的实时售后数据和历史售后数据进行处理,根据实时售后数据、历史售后数据以及一个或多个售后处理模型可以得到包含一个或多个处理类型的处理策略,进而可以根据处理策略对售后信息处理请求进行处理,可以为后续的客服系统提供包含有处理类型的处理策略,以便于客服对用户的不合理诉求进行准确的判断,进而节省公司成本。
根据本发明实施例第二方面,提供一种信息处理的装置。
图9是根据本发明实施例提供的一种信息处理装置900的主要模块的示意图。如图9所示,包括:
接收模块901,用于接收售后信息处理请求;所述售后信息处理请求包括用户信息;
获取模块902,用于根据所述用户信息获取与所述用户信息对应的实时售后数据和历史售后数据;
预测模块903,用于将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;所述一个或多个售后处理模型分别对应有处理类型;
策略模块904,用于根据所述风险值以及所述处理类型确定处理策略;
处理模块905,用于根据所述处理策略对所述售后信息处理请求进行处理。
在本发明一个实施例中,所述预测模块903还用于,对所述实时售后数据和所述历史售后数据进行特征加工,生成特征加工结果;将所述特征加工结果作为所述一个或多个风险预测模型的输入。
在本发明一个实施例中,所述预测模块903还用于,根据一个或多个预设时间段对所述历史售后数据进行筛选,得到一个或多个筛选结果;分别对所述实时售后数据和一个或多个筛选结果进行特征加工,生成特征加工结果。
在本发明一个实施例中,所述策略模块904还用于,根据所述历史售后数据中包括的历史风险数据的比例,确定所述用户信息对应的用户风险等级;确定与所述用户风险等级对应的处理策略。
在本发明一个实施例中,所述历史风险数据的包括风险品类数据;所述预测模块903还用于,根据所述实时售后数据包括的品类与所述风险品类数据的匹配结果,确定所述售后信息处理请求的处理类型。
在本发明一个实施例中,所述处理策略包括与处理类型对应的售后处理话术;所述策略模块904还用于,根据所述处理类型确定风险阈值;根据所述风险值与所述风险阈值的大小关系,确定允许或拒绝处理所述售后信息处理请求的术语;根据所述处理类型对应的场景术语、所述允许或拒绝处理所述售后信息处理请求的术语,生成所述售后处理话术
在本发明一个实施例中,所述接收模块901还用于,接收关于所述处理策略的反馈数据;所述装置还包括存储模块,用于根据所述反馈数据包括的所述处理策略是否错误的标签,将所述售后信息处理请求作为正样本或负样本,以对一个或多个售后处理模型进行优化。
在本发明一个实施例中,所述装置还包括监控识别模块,用于在所述接收关于所述处理策略的反馈数据售后信息处理请求之后,当所述反馈数据表征所述售后信息处理请求为风险请求时,对所述用户信息对应的用户行为进行监控识别。
图10示出了可以应用本发明实施例的一种信息处理系统的示例性系统架构1000。
如图10所示,系统架构1000可以包括终端设备1001、1002、1003,网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互,以发送任务执行请求或接收请求的响应信息等。终端设备1001、1002、1003上可以安装有各种通讯客户端应用,例如在线服务应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备1001、1002、1003可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器1005可以是提供各种服务的服务器,例如对用户利用终端设备1001、1002、1003所发送的在线服务请求提供支持的后台管理服务器、或者对售后信息处理请求进行处理的服务器。后台管理服务器可以对接收到的售后信息处理请求等数据进行分析等处理,并将处理结果(例如售后信息处理请求是否通过)反馈给终端设备。
需要说明的是,本发明实施例提供的一种信息处理方法一般由服务器1005执行,相应地,本发明实施例提供的信息处理装置一般设置于服务器1005中。
应该理解,图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图11,其示出了适于用来实现本发明实施例的终端设备的计算机系统1100的结构示意图。图11示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,计算机系统1100包括中央处理单元(CPU)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1105;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括接收模块、获取模块、预测模块和处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,接收模块还可以被描述为“用于接收售后信息处理请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
接收售后信息处理请求;所述售后信息处理请求包括用户信息;获取与所述用户信息对应的实时售后数据和历史售后数据;根据所述实时售后数据和历史售后数据确定一个或多个售后处理模型的输入;所述一个或多个售后处理模型分别对应有处理类型;根据所述一个或多个售后处理模型输出的风险值以及所述处理类型确定处理策略;根据所述处理策略对所述售后信息处理请求进行处理。
本发明实施例的一种信息处理方法及装置,对用户信息所对应的实时售后数据和历史售后数据进行处理,根据实时售后数据、历史售后数据以及一个或多个售后处理模型可以得到包含一个或多个处理类型的处理策略,进而可以根据处理策略对售后信息处理请求进行处理,可以为后续的客服系统提供包含有处理类型的处理策略,以便于客服对用户的不合理诉求进行准确的判断,进而节省公司成本。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种信息处理方法,其特征在于,包括:
接收售后信息处理请求;所述售后信息处理请求包括用户信息;
获取与所述用户信息对应的实时售后数据和历史售后数据;
对所述实时售后数据和历史售后数据进行处理;
将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;所述一个或多个售后处理模型分别对应有处理类型;
根据所述风险值以及所述处理类型确定处理策略;
根据所述处理策略对所述售后信息处理请求进行处理。
2.根据权利要求1所述的方法,其特征在于,所述对所述实时售后数据和历史售后数据进行处理,将处理结果输入一个或多个售后处理模型,包括:
对所述实时售后数据和所述历史售后数据进行特征加工,生成特征加工结果;
将所述特征加工结果输入所述售后处理模型,以得到所述风险值。
3.根据权利要求2所述的方法,其特征在于,所述对所述实时售后数据和所述历史售后数据进行特征加工,生成特征加工结果,包括:
根据一个或多个预设时间段对所述历史售后数据进行筛选,得到一个或多个筛选结果;
分别对所述实时售后数据和一个或多个筛选结果进行特征加工,生成特征加工结果。
4.根据权利要求2所述的方法,其特征在于,还包括:
根据所述历史售后数据中包括的历史风险数据的比例,确定所述用户信息对应的用户风险等级;
确定与所述用户风险等级对应的处理策略。
5.根据权利要求4所述的方法,其特征在于,所述历史风险数据的包括风险品类数据;还包括:
根据所述实时售后数据包括的品类与所述风险品类数据的匹配结果,确定所述售后信息处理请求的处理类型。
6.根据权利要求1所述的方法,其特征在于,所述处理策略包括与处理类型对应的售后处理话术;所述根据所述风险值以及所述处理类型确定处理策略,包括:
根据所述处理类型确定风险阈值;
根据所述风险值与所述风险阈值的大小关系,确定允许或拒绝处理所述售后信息处理请求的术语;
根据所述处理类型对应的场景术语、所述允许或拒绝处理所述售后信息处理请求的术语,生成所述售后处理话术。
7.根据权利要求1所述的方法,其特征在于,还包括:
接收关于所述处理策略的反馈数据;
根据所述反馈数据包括的所述处理策略是否错误的标签,将所述售后信息处理请求作为正样本或负样本,以对一个或多个售后处理模型进行优化。
8.根据权利要求7所述的方法,其特征在于,在所述接收关于所述处理策略的反馈数据售后信息处理请求之后,包括:
当所述反馈数据表征所述售后信息处理请求为风险请求时,对所述用户信息对应的用户行为进行监控识别。
9.一种信息处理装置,其特征在于,包括:
接收模块,用于接收售后信息处理请求;所述售后信息处理请求包括用户信息;
获取模块,用于获取与所述用户信息对应的实时售后数据和历史售后数据;
数据模块,用于对所述实时售后数据和历史售后数据进行处理;
预测模块,用于将处理结果输入一个或多个售后处理模型,得到所述一个或多个售后处理模型输出的风险值;所述一个或多个售后处理模型分别对应有处理类型;
策略模块,用于根据所述风险值以及所述处理类型确定处理策略;
处理模块,用于根据所述处理策略对所述售后信息处理请求进行处理。
10.一种处理信息的设备,其特征在于,包括:一个或多个处理器;
存储系统,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111599723.4A CN114358543A (zh) | 2021-12-24 | 2021-12-24 | 一种信息处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111599723.4A CN114358543A (zh) | 2021-12-24 | 2021-12-24 | 一种信息处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358543A true CN114358543A (zh) | 2022-04-15 |
Family
ID=81101982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111599723.4A Pending CN114358543A (zh) | 2021-12-24 | 2021-12-24 | 一种信息处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358543A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358761A (zh) * | 2022-10-20 | 2022-11-18 | 北京京东拓先科技有限公司 | 售后处理方法和装置、售后处理设备及存储介质 |
-
2021
- 2021-12-24 CN CN202111599723.4A patent/CN114358543A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358761A (zh) * | 2022-10-20 | 2022-11-18 | 北京京东拓先科技有限公司 | 售后处理方法和装置、售后处理设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10944871B1 (en) | Centralized event log generation and analysis for contact centers | |
CN104954322A (zh) | 一种账号的绑定处理方法、装置及系统 | |
CN110225104A (zh) | 数据获取方法、装置及终端设备 | |
CN107634947A (zh) | 限制恶意登录或注册的方法和装置 | |
CN104376452A (zh) | 基于国际卡支付通道管理支付成功率的系统及方法 | |
CN111931189B (zh) | Api接口转用风险检测方法、装置和api服务系统 | |
CN110197426B (zh) | 一种信用评分模型的建立方法、装置及可读存储介质 | |
CN108961034A (zh) | 基于用户行为认证的系统和方法、存储介质 | |
CN114358543A (zh) | 一种信息处理方法和装置 | |
US9264532B2 (en) | Technology for combating mobile phone criminal activity | |
CN113139869A (zh) | 一种征信授权查询处理方法和装置 | |
CN113313279A (zh) | 一种单据审核方法和装置 | |
CN110602215B (zh) | 基于联盟区块链的资源处理方法及联盟区块链系统 | |
US20230281653A1 (en) | System and methods for soft credit approval using text redirect | |
US11595265B2 (en) | Systems and methods for creating priority-based regulated network interlinks between electronic devices | |
US9723017B1 (en) | Method, apparatus and computer program product for detecting risky communications | |
CN111831682A (zh) | 处理公积金业务的方法、装置、设备和计算机可读介质 | |
CN116305038A (zh) | 一种基于用户画像的账号安全监测方法、装置及电子设备 | |
CN110264222A (zh) | 基于数据采集的尽职调查方法、装置及终端设备 | |
CN115731028A (zh) | 一种预警方法、装置、电子设备及计算机可读介质 | |
CN114997989A (zh) | 基于区块链的贷款请求处理方法及装置 | |
CN110493349B (zh) | 一种业务的移动处理方法及装置 | |
CN114240060A (zh) | 风险控制方法、风险处理系统、装置、服务器及存储介质 | |
US10216830B2 (en) | Multicomputer processing of client device request data using centralized event orchestrator and link discovery engine | |
CN114900807B (zh) | 短信问题事件单的处理方法及系统 |
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 |