CN114549078A - 基于时序的客户行为处理方法、装置及相关设备 - Google Patents

Abstract

本申请涉及人工智能技术，提供一种基于时序的客户行为处理方法、装置、计算机设备与存储介质，包括：归一化处理初始客户行为信息，得到目标客户行为信息；获取目标待转化客户的第一人物画像，并从预设业务系统集中筛选与第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集；按照时间顺序获取目标客户集对应的转化行为信息集，并根据转化行为信息集构建客户行为时序链路图；计算每一链路节点的转化指标值，并检测转化指标值是否满足目标指标值；当检测结果为否时，确定目标链路节点对应的初始推荐方案；组合目标链路节点的初始推荐方案，得到目标推荐方案。本申请能够提高客户行为分析的准确性，促进智慧城市的快速发展。

Description

基于时序的客户行为处理方法、装置及相关设备

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于时序的客户行为处理方法、装置、计算机设备及存储介质。

背景技术

客户行为分析是大数据领域绕不过去的里程碑，客户的每一次行为都富含大量的信息，这些行为是客户心智、客户生态的直观体现，搞清楚每一次行为的背后原因，行为与行为之间的关联影响对于客户画像的丰富、客户行为的预测来说都至关重要。

申请人发现现有技术存在如下技术问题：目前对客户行为进行分析主要是对有关数据进行统计、分析，从中发现用户访问网站或APP等平台的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。然而，对于客户行为包含线上与线下结合、多APP的交叉使用以及多个业务场景的交叉发生这种复杂的情形，若只是简单对线上行为进行分析，而不能多维度深度分析客户行为，无法保证客户行为分析的准确性，从而无法保证网络营销策略的准确性。

因此，有必要提供一种基于时序的客户行为处理方法，能够提高客户行为分析的准确性，继而保证网络营销策略的准确性。

发明内容

鉴于以上内容，有必要提出一种基于时序的客户行为处理方法、基于时序的客户行为处理装置、计算机设备及存储介质，能够提高客户行为分析的准确性，继而保证网络营销策略的准确性。

本申请实施例第一方面还提供一种基于时序的客户行为处理方法，所述基于时序的客户行为处理方法包括：

获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息；

获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集；

按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图；

计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值；

当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案；

组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述获取预设业务系统集中每一预设业务系统包含的初始客户行为信息包括：

获取客户编码；

根据所述客户编码遍历所述预设业务系统集中每一预设业务系统，得到所述客户编码对应的第一初始客户行为信息；

组合所述第一初始客户行为信息，得到至少一个客户对应的初始客户行为信息。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述归一化处理所述初始客户行为信息，得到目标客户行为信息包括：

抽取所述初始客户行为信息中的预设关键词以及所述预设关键词对应的预设关键内容；

确定所述预设关键词与所述预设关键内容的预设数据格式；

按照所述预设数据格式排列所述预设关键词与所述预设关键内容，得到目标客户行为信息。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集包括：

确定所述预设业务系统集中的客户组成初始客户集；

获取所述初始客户集中每一初始客户的第二基础属性标签集，并基于所述第二基础属性标签集构建每一所述初始客户对应的第二人物画像；

计算所述第一人物画像与所述第二人物画像的相似度，并从所述初始客户集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像组成目标客户集。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集包括：

获取所述目标客户集中每一目标客户对应的第一转化行为信息；

解析所述第一转化行为信息，得到所述第一转化行为信息对应的时间戳；

根据所述时间戳正序排列每一目标客户的第一转化行为信息，并组合所述第一转化行为信息，得到所述目标客户集对应的转化行为信息集。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述根据所述转化行为信息集构建客户行为时序链路图包括：

获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级；

根据预先设置的数量级与重要程度的映射关系，得到每一转化行为信息的重要程度；

选取预设数量的所述重要程度超过预设重要程度阈值的转化行为信息作为链路节点，并按照时间顺序正向组合所述链路节点，得到客户行为时序链路图。

进一步地，在本申请实施例提供的上述基于时序的客户行为处理方法中，所述确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案包括：

确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节点；

获取所述目标链路节点对应的目标转化行为信息；

调整所述目标转化行为信息，得到初始推荐方案。

本申请实施例第二方面还提供一种基于时序的客户行为处理装置，所述基于时序的客户行为处理装置包括：

目标信息获取模块，用于获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息；

人物画像筛选模块，用于获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集；

行为链路构建模块，用于按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图；

转化指标检测模块，用于计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值；

初始方案确定模块，用于当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案；

目标方案确定模块，用于组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

本申请实施例第三方面还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述基于时序的客户行为处理方法。

本申请实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质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意一项所述基于时序的客户行为处理方法。

本申请实施例提供的上述基于时序的客户行为处理方法、基于时序的客户行为处理装置、计算机设备以及计算机可读存储介质，通过获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集作为目标分析对象，对目标分析对象的客户时序行为进行分析，得到目标推荐方案，能够提高客户行为分析的准确性，继而提高待转化客户的转化率；此外，本申请在客户行为时序链路图中每一链路节点的转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节，并对所述目标链路节点对应的目标转化行为信息进行调整，得到所述目标链路节点对应的初始推荐方案，以实现增加所述目标链路节点的转化指标值的目的，保证网络营销策略的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的基于时序的客户行为处理模块等，能够促进智慧城市的快速发展。

附图说明

图1是本申请实施例一提供的基于时序的客户行为处理方法的流程图。

图2是本申请实施例二提供的基于时序的客户行为处理装置的结构图。

图3是本申请实施例三提供的计算机设备的结构示意图。

如下具体实施方式将结合上述附图进一步说明本申请。

具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例是本申请一部分实施例，而不是全部的实施例。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本发明实施例提供的基于时序的客户行为处理方法由计算机设备执行，相应地，基于时序的客户行为处理装置运行于计算机设备中。图1是本申请实施例一提供的基于时序的客户行为处理方法的流程图。如图1所示，所述基于时序的客户行为处理方法可以包括如下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略：

S11，获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息。

在本申请的至少一实施例中，一个客户的行为信息可能分散在至少一个预设业务系统中，至少一个预设业务系统构成预设业务系统集，所述预设业务系统可以包括但不限于金管家APP、豹耳APP、微信端APP、抖音APP、小程序、线下活动以及面访系统。上述每个预设业务系统中均存放至少一个初始客户行为信息，所述初始客户行为信息可以包括在某一时间点点击阅读产品信息、录入个人信息、观看产品视频或者线下参加活动等线上与线下结合、多APP的交叉使用或者多个业务场景的交叉发生的复杂情形下行为信息。所述初始客户行为信息包含客户与客户、客户与直播、客户与产品、客户与活动以及客户与渠道等五大实体，五大实体可以为预先设置的内容，每一实体包含至少一个实体子类，例如，所述实体子类可以为实体编号等内容。所述初始客户行为信息为格式非标准化的客户行为信息，为了便于后续客户行为分析，需要对所述初始客户行为信息进行归一化处理，得到目标客户行为信息。所述目标客户行为信息可以为按照预设数据格式存储的客户行为信息，例如，所述预设数据格式可以为{客户+代理人+实体+实体子类+时间+频率}的格式，其中，客户是指客户编码等客户标识，代理人是指为客户提供业务服务的人群编码，实体包括客户、直播、产品、活动以及渠道等五大实体名称，实体子类包括实体编号等内容，时间用于标识采集该行为信息的时间节点，频率用于标识一段时间间隔内采集该行为信息的次数。

可选地，所述获取预设业务系统集中每一预设业务系统包含的初始客户行为信息包括：

获取客户编码；

根据所述客户编码遍历所述预设业务系统集中每一预设业务系统，得到所述客户编码对应的第一初始客户行为信息；

组合所述第一初始客户行为信息，得到至少一个客户对应的初始客户行为信息。

其中，所述客户编码用于唯一标识客户身份信息，通过所述客户编码遍历每一预设业务系统，能够查询到每一预设业务系统中的对应所述客户编码的第一初始客户行为信息。当预设业务系统集中存在至少一个客户编码时，对应存在至少一个所述第一初始客户行为信息，再将至少一个所述第一初始客户行为信息进行组合，得到初始客户行为信息。

可选地，所述归一化处理所述初始客户行为信息，得到目标客户行为信息包括：

抽取所述初始客户行为信息中的预设关键词以及所述预设关键词对应的预设关键内容；

确定所述预设关键词与所述预设关键内容的预设数据格式；

按照所述预设数据格式排列所述预设关键词与所述预设关键内容，得到目标客户行为信息。

其中，所述初始客户行为信息为格式非标准化的客户行为信息，所述初始客户行为信息中包含预设关键词以及所述预设关键词对应的预设关键内容，所述预设关键词可以是指标识客户、代理人、实体、实体子类、时间以及频率等的关键词，所述预设关键内容是指客户编码、代理人编码、实体名称、实体编号、时间节点以及频率等内容。所述预设关键词与所述预设关键内容间存在预设数据格式，所述预设数据格式为预先设置的便于后续客户行为分析的数据格式。所述目标客户行为信息可以为按照预设数据格式存储的客户行为信息，例如，所述预设数据格式可以为{客户+代理人+实体+实体子类+时间+频率}的格式。

在本申请的至少一实施例中，所述目标客户行为信息中包含已转化客户的客户行为信息与未转化客户的客户行为信息。对于已转化客户的客户行为信息来说，以保险场景为例，客户转化分为综拓转化和保险转化，其中，综拓转化分为综合金融服务转化(例如，基金、旺财、信用卡与贷款等)和非金服务转化(例如，生活商城与家化产品)；保险转化分为寿险、产险、养老险以及健康险等产品转化。本申请还可以将已转化客户的客户行为信息转换为特定格式的转化明细列表，并基于所述转化明细列表调用预设数学模型计算可追踪指标值。其中，特定格式可以为{客户+代理人+订单/保单+产品+费用+时间+频率}的数据格式，客户是指客户编码等客户标识，代理人是指为客户提供业务服务的人群编码，订单/保单是指客户转化产品对应的订单号/保单号，产品是指客户转化产品的名称或编码，费用是指客户转化产品的价钱，时间用于标识采集该转化明细的时间节点，频率用于标识一段时间间隔内采集该转化明细的次数。所述可追踪指标值可以为当月转化件数以及当月转化客户数等指标值。所述预设数学模型是指预先设置的用于计算各个指标值的数学模型，在此不做限制。

S12，获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集。

在本申请的至少一实施例中，所述目标待转化客户是指需要通过营销策略进行产品推荐的客户，所述第一人物画像是指所述目标待转化客户对应的第一基础属性标签集合，所述第一基础属性标签集合中包含至少一个第一基础属性标签。示例性地，所述第一基础属性标签可以包括但不限于：年龄、性别、职业以及地域等标签。所述预设相似度阈值为预先设置的用于标识两个人物画像的相似度的阈值。

可选地，所述获取目标待转化客户的第一人物画像包括：

获取目标待转化客户对应的第一基础属性标签集；

组合所述第一基础属性标签集得到所述目标待转化客户的第一人物画像。

其中，所述第一基础属性标签集中包含年龄、性别、职业以及地域等至少一个第一基础属性标签，将至少一个第一基础属性标签按照一定数据格式进行组合，能够得到所述目标待转化客户的第一人物画像。所述一定数据格式为预先设置的格式，例如，按照{年龄、性别、职业、地域}的顺序组合上述标签，得到第一人物画像。

可选地，所述从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集包括：

确定所述预设业务系统集中的客户组成初始客户集；

获取所述初始客户集中每一初始客户的第二基础属性标签集，并基于所述第二基础属性标签集构建每一所述初始客户对应的第二人物画像；

计算所述第一人物画像与所述第二人物画像的相似度，并从所述初始客户集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像组成目标客户集。

其中，所述计算所述第一人物画像与所述第二人物画像的相似度包括：分别向量化处理所述第一人物画像与所述第二人物画像，得到第一人物画像向量与第二人物画像向量；计算所述第一人物画像向量与所述第二人物画像向量的相似度。计算两组向量的相似度为现有技术，在此不做赘述。

本申请通过获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集作为目标分析对象，对目标分析对象的客户行为进行分析，得到目标推荐方案，能够提高待转化客户行为分析的准确性，从而提高待转化客户的转化率。

S13，按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图。

在本申请的至少一实施例中，所述时间顺序是指所述转化行为信息发生的时间先后顺序，所述转化行为信息在时间序列上具有唯一确定的特性，可以通过查阅每个转化行为信息对应的时间戳确定时间顺序。所述转化行为信息集中包含至少一个转化行为信息，所述转化行为信息是指目标客户在转化前执行的与产品相关的行为信息，示例性地，所述转化行为信息可以包括点击阅读产品信息、录入个人信息、观看产品视频、线上互动或者线下参加活动等行为信息，在此不做限制。所述目标客户可以包含最终实现产品转化的客户与最终尚未实现产品转化的客户。所述客户行为时序链路图中包含至少一个链路节点，所述链路节点的数量是指按照时间顺序正序抽取所述转化行为信息的数量。在一实施例中，考虑到数据计算量与客户转化效果，所述链路节点的数量可以为4个，也即按照时间顺序正序抽取所述转化行为信息的数量为4个。所述链路节点与所述转化行为信息存在对应关系，一个所述链路节点对应一个所述转化行为信息。

在一实施例中，对于时间顺序上存在多个转化行为信息时，可以通过设置可视化界面，由相关人员手动选取转化行为信息作为链路节点构建客户行为时序链路图，示例性地，所述可视化界面上设置有四个时间顺序上的转化行为信息，按照层级从高到低分别命名为：动作判断、一级渠道、二级渠道以及动作。每一层级均包含相应的转化行为信息标签，通过点选各个转化行为信息标签，能够选取转化行为信息，并将选择的转化行为信息作为链路节点构建客户行为时序链路图。在其他实施例中，还可以通过计算所述转化行为信息的重要程度，并选取重要程度排名靠前的转化行为信息作为链路节点构建客户行为时序链路图。其中，所述转化行为信息的重要程度可以考虑所述目标客户集中目标客户对应的同一转化行为的数量级确定所述转化行为信息的重要程度。示例性地，所述目标客户集中目标客户对应的同一转化行为的数量级越大，其对应的重要程度越高；所述目标客户集中目标客户对应的同一转化行为的数量级越小，其对应的重要程度越低。

可选地，所述按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集包括：

获取所述目标客户集中每一目标客户对应的第一转化行为信息；

解析所述第一转化行为信息，得到所述第一转化行为信息对应的时间戳；

根据所述时间戳正序排列每一目标客户的第一转化行为信息，并组合所述第一转化行为信息，得到所述目标客户集对应的转化行为信息集。

其中，每一所述转化行为信息中均携带时间戳信息，通过解析所述转化行为信息，得到时间戳关键词，即可得到所述转化行为信息对应的时间戳。所述第一转化行为信息的数量为至少一个。所述组合所述第一转化行为信息也即将每一目标客户对应的第一转化行为信息按照设定数据格式进行合并，得到目标客户集对应的转化行为信息集。

可选地，所述根据所述转化行为信息集构建客户行为时序链路图包括：

获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级；

根据预先设置的数量级与重要程度的映射关系，得到每一转化行为信息的重要程度；

选取预设数量的所述重要程度超过预设重要程度阈值的转化行为信息作为链路节点，并按照时间顺序正向组合所述链路节点，得到客户行为时序链路图。

其中，所述获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级也即在同一时序下获取相同的转化行为信息的数量。所述数量级与重要程度存在映射关系，所述数量级越高，其对应的重要程度越大。例如，所述数量级可以分为(0,100)、(100,500)、(500，1000)等级别，(0,100)区间的数量级对应重要程度为I，(100,500)区间的数量级对应重要程度为II，(500，1000)区间的数量级对应重要程度为III，(500，1000)区间的数量级对应重要程度为IV。重要程度从I至IV逐步增加。以重要程度为I至IV为例，所述预设重要程度阈值可以为重要程度IV。

S14，计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值，当检测结果为所述转化指标值未满足所述目标指标值时，执行步骤S15。

在本申请的至少一实施例中，所述转化指标值用于标识相邻链路节点对应的转化行为信息的转化率，示例性地，以保险场景为例，对于四个链路节点1-4，链路节点1标识线下活动，链路节点2标识赠险与活跃，链路节点3标识综金，链路节点4标识智慧宝。链路节点1对应的参与人数为30000人，链路节点2对应的转化人数为5000人，链路节点3对应的转化人数为1000人，链路节点4对应的转化人数为500人，最终转化人数为20人。可以理解的是，链路节点1-链路节点2的转化指标值为16.7％，链路节点2-链路节点3的转化指标值为20％，链路节点3-链路节点4的转化指标值为50％，链路节点4的转化指标值为4％。所述目标指标值是指预先设置的用于标识转化行为信息的转化率满足实际业务需求的值。

在一实施例中，当检测结果为所述转化指标值满足所述目标指标值时，确定每一链路节点对应的转化行为信息，并按照所述链路节点的顺序组合所述转化行为信息，按照该转化行为信息对目标待转化客户进行营销处理。

S15，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案。

在本申请的至少一实施例中，当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节，对所述目标链路节点对应的目标转化行为信息进行调整，得到所述目标链路节点对应的初始推荐方案，以实现增加所述目标链路节点的转化指标值的目的。所述初始推荐方案可以从目标转化行为信息的不同维度考虑而执行的推荐方案。以所述目标转化行为信息为线上互动类别为例，按照动作分析维度，所述目标转化行为信息的从属行为信息可以为报名产说会与一对一面访等；按照代理人画像分析维度，所述目标转化行为信息的从属行为信息可以为一年期新人、钻石、非钻以及核心人力等。

可选地，所述确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案包括：

确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节点；

获取所述目标链路节点对应的目标转化行为信息；

调整所述目标转化行为信息，得到初始推荐方案。

其中，所述调整所述目标转化行为信息可以为预先设置各个转化行为信息对应的备选方案，在所述目标链路节点的转化指标值暂未达到目标指标值时，可以调整所述目标转化行为信息为备选方案，并调用该备选方案作为目标链路节点的初始推荐方案。所述备选方案的数量可以为一个，也可以为多个。当所述备选方案的数量为多个时，可以采用随机选取的方式确定备选方案作为目标链路节点的初始推荐方案，或者对每个备选方案添加备选级别，优选选取备选级别较高的方案作为目标链路节点的初始推荐方案，其中，备选级别是指根据方案的执行转化效果预先设置的。示例性地，以所述目标转化行为信息为线上互动类别为例，具体实现时，所述线上互动类别为由一年期代理人进行一对一面访，其对应的备选方案可以包括：钻石级代理人进行一对一面访、非钻石级代理人进行一对一面访、核心人力进行一对一面访，或者，一年期代理人进行报名产说会、钻石级代理人进行报名产说会、非钻石级代理人进行报名产说会、核心人力进行报名产说会。

S16，组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

在本申请的至少一实施例中，所述目标链路节点的数量可以为1个，也可以为多个。以链路节点的数量为4举例，当所述目标链路节点的数量为2个时，所述目标链路节点对应的初始推荐方案的数量为2个，其余所述转化指标值满足所述目标指标值的链路节点对应的转化行为信息为2个，按照时间顺序正向组合所述初始推荐方案与转化行为信息，能够得到目标推荐方案。

本申请实施例提供的上述基于时序的客户行为处理方法，通过获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集作为目标分析对象，对目标分析对象的客户时序行为进行分析，得到目标推荐方案，能够提高客户行为分析的准确性，继而提高待转化客户的转化率；此外，本申请在客户行为时序链路图中每一链路节点的转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节，并对所述目标链路节点对应的目标转化行为信息进行调整，得到所述目标链路节点对应的初始推荐方案，以实现增加所述目标链路节点的转化指标值的目的，保证网络营销策略的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的基于时序的客户行为处理等，能够促进智慧城市的快速发展。

图2是本申请实施例二提供的基于时序的客户行为处理装置的结构图。

在一些实施例中，所述基于时序的客户行为处理装置20可以包括多个由计算机程序段所组成的功能模块。所述基于时序的客户行为处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于时序的客户行为处理的功能。

本实施例中，所述基于时序的客户行为处理装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：目标信息获取模块201、人物画像筛选模块202、行为链路构建模块203、转化指标检测模块204、初始方案确定模块205以及目标方案确定模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述目标信息获取模块201用于获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息。

在本申请的至少一实施例中，一个客户的行为信息可能分散在至少一个预设业务系统中，至少一个预设业务系统构成预设业务系统集，所述预设业务系统可以包括但不限于金管家APP、豹耳APP、微信端APP、抖音APP、小程序、线下活动以及面访系统。上述每个预设业务系统中均存放至少一个初始客户行为信息，所述初始客户行为信息可以包括在某一时间点点击阅读产品信息、录入个人信息、观看产品视频或者线下参加活动等线上与线下结合、多APP的交叉使用或者多个业务场景的交叉发生的复杂情形下行为信息。所述初始客户行为信息包含客户与客户、客户与直播、客户与产品、客户与活动以及客户与渠道等五大实体，五大实体可以为预先设置的内容，每一实体包含至少一个实体子类，例如，所述实体子类可以为实体编号等内容。所述初始客户行为信息为格式非标准化的客户行为信息，为了便于后续客户行为分析，需要对所述初始客户行为信息进行归一化处理，得到目标客户行为信息。所述目标客户行为信息可以为按照预设数据格式存储的客户行为信息，例如，所述预设数据格式可以为{客户+代理人+实体+实体子类+时间+频率}的格式，其中，客户是指客户编码等客户标识，代理人是指为客户提供业务服务的人群编码，实体包括客户、直播、产品、活动以及渠道等五大实体名称，实体子类包括实体编号等内容，时间用于标识采集该行为信息的时间节点，频率用于标识一段时间间隔内采集该行为信息的次数。

可选地，所述获取预设业务系统集中每一预设业务系统包含的初始客户行为信息包括：

获取客户编码；

根据所述客户编码遍历所述预设业务系统集中每一预设业务系统，得到所述客户编码对应的第一初始客户行为信息；

组合所述第一初始客户行为信息，得到至少一个客户对应的初始客户行为信息。

其中，所述客户编码用于唯一标识客户身份信息，通过所述客户编码遍历每一预设业务系统，能够查询到每一预设业务系统中的对应所述客户编码的第一初始客户行为信息。当预设业务系统集中存在至少一个客户编码时，对应存在至少一个所述第一初始客户行为信息，再将至少一个所述第一初始客户行为信息进行组合，得到初始客户行为信息。

可选地，所述归一化处理所述初始客户行为信息，得到目标客户行为信息包括：

抽取所述初始客户行为信息中的预设关键词以及所述预设关键词对应的预设关键内容；

确定所述预设关键词与所述预设关键内容的预设数据格式；

按照所述预设数据格式排列所述预设关键词与所述预设关键内容，得到目标客户行为信息。

其中，所述初始客户行为信息为格式非标准化的客户行为信息，所述初始客户行为信息中包含预设关键词以及所述预设关键词对应的预设关键内容，所述预设关键词可以是指标识客户、代理人、实体、实体子类、时间以及频率等的关键词，所述预设关键内容是指客户编码、代理人编码、实体名称、实体编号、时间节点以及频率等内容。所述预设关键词与所述预设关键内容间存在预设数据格式，所述预设数据格式为预先设置的便于后续客户行为分析的数据格式。所述目标客户行为信息可以为按照预设数据格式存储的客户行为信息，例如，所述预设数据格式可以为{客户+代理人+实体+实体子类+时间+频率}的格式。

在本申请的至少一实施例中，所述目标客户行为信息中包含已转化客户的客户行为信息与未转化客户的客户行为信息。对于已转化客户的客户行为信息来说，以保险场景为例，客户转化分为综拓转化和保险转化，其中，综拓转化分为综合金融服务转化(例如，基金、旺财、信用卡与贷款等)和非金服务转化(例如，生活商城与家化产品)；保险转化分为寿险、产险、养老险以及健康险等产品转化。本申请还可以将已转化客户的客户行为信息转换为特定格式的转化明细列表，并基于所述转化明细列表调用预设数学模型计算可追踪指标值。其中，特定格式可以为{客户+代理人+订单/保单+产品+费用+时间+频率}的数据格式，客户是指客户编码等客户标识，代理人是指为客户提供业务服务的人群编码，订单/保单是指客户转化产品对应的订单号/保单号，产品是指客户转化产品的名称或编码，费用是指客户转化产品的价钱，时间用于标识采集该转化明细的时间节点，频率用于标识一段时间间隔内采集该转化明细的次数。所述可追踪指标值可以为当月转化件数以及当月转化客户数等指标值。所述预设数学模型是指预先设置的用于计算各个指标值的数学模型，在此不做限制。

所述人物画像筛选模块202用于获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集。

在本申请的至少一实施例中，所述目标待转化客户是指需要通过营销策略进行产品推荐的客户，所述第一人物画像是指所述目标待转化客户对应的第一基础属性标签集合，所述第一基础属性标签集合中包含至少一个第一基础属性标签。示例性地，所述第一基础属性标签可以包括但不限于：年龄、性别、职业以及地域等标签。所述预设相似度阈值为预先设置的用于标识两个人物画像的相似度的阈值。

可选地，所述获取目标待转化客户的第一人物画像包括：

获取目标待转化客户对应的第一基础属性标签集；

组合所述第一基础属性标签集得到所述目标待转化客户的第一人物画像。

其中，所述第一基础属性标签集中包含年龄、性别、职业以及地域等至少一个第一基础属性标签，将至少一个第一基础属性标签按照一定数据格式进行组合，能够得到所述目标待转化客户的第一人物画像。所述一定数据格式为预先设置的格式，例如，按照{年龄、性别、职业、地域}的顺序组合上述标签，得到第一人物画像。

可选地，所述从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集包括：

确定所述预设业务系统集中的客户组成初始客户集；

获取所述初始客户集中每一初始客户的第二基础属性标签集，并基于所述第二基础属性标签集构建每一所述初始客户对应的第二人物画像；

计算所述第一人物画像与所述第二人物画像的相似度，并从所述初始客户集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像组成目标客户集。

其中，所述计算所述第一人物画像与所述第二人物画像的相似度包括：分别向量化处理所述第一人物画像与所述第二人物画像，得到第一人物画像向量与第二人物画像向量；计算所述第一人物画像向量与所述第二人物画像向量的相似度。计算两组向量的相似度为现有技术，在此不做赘述。

本申请通过获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集作为目标分析对象，对目标分析对象的客户行为进行分析，得到目标推荐方案，能够提高待转化客户行为分析的准确性，从而提高待转化客户的转化率。

所述行为链路构建模块203用于按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图。

在本申请的至少一实施例中，所述时间顺序是指所述转化行为信息发生的时间先后顺序，所述转化行为信息在时间序列上具有唯一确定的特性，可以通过查阅每个转化行为信息对应的时间戳确定时间顺序。所述转化行为信息集中包含至少一个转化行为信息，所述转化行为信息是指目标客户在转化前执行的与产品相关的行为信息，示例性地，所述转化行为信息可以包括点击阅读产品信息、录入个人信息、观看产品视频、线上互动或者线下参加活动等行为信息，在此不做限制。所述目标客户可以包含最终实现产品转化的客户与最终尚未实现产品转化的客户。所述客户行为时序链路图中包含至少一个链路节点，所述链路节点的数量是指按照时间顺序正序抽取所述转化行为信息的数量。在一实施例中，考虑到数据计算量与客户转化效果，所述链路节点的数量可以为4个，也即按照时间顺序正序抽取所述转化行为信息的数量为4个。所述链路节点与所述转化行为信息存在对应关系，一个所述链路节点对应一个所述转化行为信息。

在一实施例中，对于时间顺序上存在多个转化行为信息时，可以通过设置可视化界面，由相关人员手动选取转化行为信息作为链路节点构建客户行为时序链路图，示例性地，所述可视化界面上设置有四个时间顺序上的转化行为信息，按照层级从高到低分别命名为：动作判断、一级渠道、二级渠道以及动作。每一层级均包含相应的转化行为信息标签，通过点选各个转化行为信息标签，能够选取转化行为信息，并将选择的转化行为信息作为链路节点构建客户行为时序链路图。在其他实施例中，还可以通过计算所述转化行为信息的重要程度，并选取重要程度排名靠前的转化行为信息作为链路节点构建客户行为时序链路图。其中，所述转化行为信息的重要程度可以考虑所述目标客户集中目标客户对应的同一转化行为的数量级确定所述转化行为信息的重要程度。示例性地，所述目标客户集中目标客户对应的同一转化行为的数量级越大，其对应的重要程度越高；所述目标客户集中目标客户对应的同一转化行为的数量级越小，其对应的重要程度越低。

可选地，所述按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集包括：

获取所述目标客户集中每一目标客户对应的第一转化行为信息；

解析所述第一转化行为信息，得到所述第一转化行为信息对应的时间戳；

根据所述时间戳正序排列每一目标客户的第一转化行为信息，并组合所述第一转化行为信息，得到所述目标客户集对应的转化行为信息集。

其中，每一所述转化行为信息中均携带时间戳信息，通过解析所述转化行为信息，得到时间戳关键词，即可得到所述转化行为信息对应的时间戳。所述第一转化行为信息的数量为至少一个。所述组合所述第一转化行为信息也即将每一目标客户对应的第一转化行为信息按照设定数据格式进行合并，得到目标客户集对应的转化行为信息集。

可选地，所述根据所述转化行为信息集构建客户行为时序链路图包括：

获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级；

根据预先设置的数量级与重要程度的映射关系，得到每一转化行为信息的重要程度；

选取预设数量的所述重要程度超过预设重要程度阈值的转化行为信息作为链路节点，并按照时间顺序正向组合所述链路节点，得到客户行为时序链路图。

其中，所述获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级也即在同一时序下获取相同的转化行为信息的数量。所述数量级与重要程度存在映射关系，所述数量级越高，其对应的重要程度越大。例如，所述数量级可以分为(0,100)、(100,500)、(500，1000)等级别，(0,100)区间的数量级对应重要程度为I，(100,500)区间的数量级对应重要程度为II，(500，1000)区间的数量级对应重要程度为III，(500，1000)区间的数量级对应重要程度为IV。重要程度从I至IV逐步增加。以重要程度为I至IV为例，所述预设重要程度阈值可以为重要程度IV。

所述转化指标检测模块204用于计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值。

在本申请的至少一实施例中，所述转化指标值用于标识相邻链路节点对应的转化行为信息的转化率，示例性地，以保险场景为例，对于四个链路节点1-4，链路节点1标识线下活动，链路节点2标识赠险与活跃，链路节点3标识综金，链路节点4标识智慧宝。链路节点1对应的参与人数为30000人，链路节点2对应的转化人数为5000人，链路节点3对应的转化人数为1000人，链路节点4对应的转化人数为500人，最终转化人数为20人。可以理解的是，链路节点1-链路节点2的转化指标值为16.7％，链路节点2-链路节点3的转化指标值为20％，链路节点3-链路节点4的转化指标值为50％，链路节点4的转化指标值为4％。所述目标指标值是指预先设置的用于标识转化行为信息的转化率满足实际业务需求的值。

在一实施例中，当检测结果为所述转化指标值满足所述目标指标值时，确定每一链路节点对应的转化行为信息，并按照所述链路节点的顺序组合所述转化行为信息，按照该转化行为信息对目标待转化客户进行营销处理。

所述初始方案确定模块205用于当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案。

在本申请的至少一实施例中，当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节，对所述目标链路节点对应的目标转化行为信息进行调整，得到所述目标链路节点对应的初始推荐方案，以实现增加所述目标链路节点的转化指标值的目的。所述初始推荐方案可以从目标转化行为信息的不同维度考虑而执行的推荐方案。以所述目标转化行为信息为线上互动类别为例，按照动作分析维度，所述目标转化行为信息的从属行为信息可以为报名产说会与一对一面访等；按照代理人画像分析维度，所述目标转化行为信息的从属行为信息可以为一年期新人、钻石、非钻以及核心人力等。

可选地，所述确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案包括：

确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节点；

获取所述目标链路节点对应的目标转化行为信息；

调整所述目标转化行为信息，得到初始推荐方案。

其中，所述调整所述目标转化行为信息可以为预先设置各个转化行为信息对应的备选方案，在所述目标链路节点的转化指标值暂未达到目标指标值时，可以调整所述目标转化行为信息为备选方案，并调用该备选方案作为目标链路节点的初始推荐方案。所述备选方案的数量可以为一个，也可以为多个。当所述备选方案的数量为多个时，可以采用随机选取的方式确定备选方案作为目标链路节点的初始推荐方案，或者对每个备选方案添加备选级别，优选选取备选级别较高的方案作为目标链路节点的初始推荐方案，其中，备选级别是指根据方案的执行转化效果预先设置的。示例性地，以所述目标转化行为信息为线上互动类别为例，具体实现时，所述线上互动类别为由一年期代理人进行一对一面访，其对应的备选方案可以包括：钻石级代理人进行一对一面访、非钻石级代理人进行一对一面访、核心人力进行一对一面访，或者，一年期代理人进行报名产说会、钻石级代理人进行报名产说会、非钻石级代理人进行报名产说会、核心人力进行报名产说会。

所述目标方案确定模块206用于组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

在本申请的至少一实施例中，所述目标链路节点的数量可以为1个，也可以为多个。以链路节点的数量为4举例，当所述目标链路节点的数量为2个时，所述目标链路节点对应的初始推荐方案的数量为2个，其余所述转化指标值满足所述目标指标值的链路节点对应的转化行为信息为2个，按照时间顺序正向组合所述初始推荐方案与转化行为信息，能够得到目标推荐方案。

参阅图3所示，为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中，所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。

本领域技术人员应该了解，图3示出的计算机设备的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。

在一些实施例中，所述计算机设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。

需要说明的是，所述计算机设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。

在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的基于时序的客户行为处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本申请所指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。

在一些实施例中，所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的基于时序的客户行为处理方法的全部或者部分步骤；或者实现基于时序的客户行为处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(CentralProcessing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。

在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。

尽管未示出，所述计算机设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括至少一个指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (10)

1.一种基于时序的客户行为处理方法，其特征在于，所述基于时序的客户行为处理方法包括：

获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息；

获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集；

按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图；

计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值；

当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案；

组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

2.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述获取预设业务系统集中每一预设业务系统包含的初始客户行为信息包括：

获取客户编码；

根据所述客户编码遍历所述预设业务系统集中每一预设业务系统，得到所述客户编码对应的第一初始客户行为信息；

组合所述第一初始客户行为信息，得到至少一个客户对应的初始客户行为信息。

3.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述归一化处理所述初始客户行为信息，得到目标客户行为信息包括：

抽取所述初始客户行为信息中的预设关键词以及所述预设关键词对应的预设关键内容；

确定所述预设关键词与所述预设关键内容的预设数据格式；

按照所述预设数据格式排列所述预设关键词与所述预设关键内容，得到目标客户行为信息。

4.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集包括：

确定所述预设业务系统集中的客户组成初始客户集；

获取所述初始客户集中每一初始客户的第二基础属性标签集，并基于所述第二基础属性标签集构建每一所述初始客户对应的第二人物画像；

计算所述第一人物画像与所述第二人物画像的相似度，并从所述初始客户集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像组成目标客户集。

5.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集包括：

获取所述目标客户集中每一目标客户对应的第一转化行为信息；

解析所述第一转化行为信息，得到所述第一转化行为信息对应的时间戳；

根据所述时间戳正序排列每一目标客户的第一转化行为信息，并组合所述第一转化行为信息，得到所述目标客户集对应的转化行为信息集。

6.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述根据所述转化行为信息集构建客户行为时序链路图包括：

获取所述转化行为信息集中同一时序下的每一转化行为信息的数量级；

根据预先设置的数量级与重要程度的映射关系，得到每一转化行为信息的重要程度；

选取预设数量的所述重要程度超过预设重要程度阈值的转化行为信息作为链路节点，并按照时间顺序正向组合所述链路节点，得到客户行为时序链路图。

7.根据权利要求1所述的基于时序的客户行为处理方法，其特征在于，所述确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案包括：

确定所述转化指标值未满足所述目标指标值的链路节点作为目标链路节点；

获取所述目标链路节点对应的目标转化行为信息；

调整所述目标转化行为信息，得到初始推荐方案。

8.一种基于时序的客户行为处理装置，其特征在于，所述基于时序的客户行为处理装置包括：

目标信息获取模块，用于获取预设业务系统集中每一预设业务系统包含的初始客户行为信息，并归一化处理所述初始客户行为信息，得到目标客户行为信息；

人物画像筛选模块，用于获取目标待转化客户的第一人物画像，并从所述预设业务系统集中筛选与所述第一人物画像的相似度超过预设相似度阈值的第二人物画像对应的目标客户集；

行为链路构建模块，用于按照时间顺序从所述目标客户行为信息中获取所述目标客户集对应的转化行为信息集，并根据所述转化行为信息集构建客户行为时序链路图；

转化指标检测模块，用于计算所述客户行为时序链路图中每一链路节点的转化指标值，并检测所述转化指标值是否满足目标指标值；

初始方案确定模块，用于当检测结果为所述转化指标值未满足所述目标指标值时，确定所述转化指标值未满足所述目标指标值的目标链路节点对应的初始推荐方案；

目标方案确定模块，用于组合至少一个所述目标链路节点的所述初始推荐方案，得到目标推荐方案。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述基于时序的客户行为处理方法。

10.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1至7中任意一项所述基于时序的客户行为处理方法。

Images