CN114912946B - 一种确定用户分层的方法、装置、存储介质和电子设备 - Google Patents
一种确定用户分层的方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN114912946B CN114912946B CN202210433186.4A CN202210433186A CN114912946B CN 114912946 B CN114912946 B CN 114912946B CN 202210433186 A CN202210433186 A CN 202210433186A CN 114912946 B CN114912946 B CN 114912946B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- label
- intention
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 94
- 238000011156 evaluation Methods 0.000 claims description 59
- 238000004891 communication Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000013517 stratification Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例提供一种确定用户分层的方法、装置、存储介质和电子设备，该方法包括：获取主观数据和客观数据；其中，主观数据和客观数据均为同一目标用户相关的数据；分别将主观数据和客观数据输入到预先训练好的用户分层模型中，得到目标用户的用户分层；其中，用户分层模型包括标签提取层、用户画像层和处理层，并且标签提取层用于对主观数据和客观数据进行标签提取，得到标签数据，以及用户画像层用于基于标签数据进行用户画像，得到目标用户的用户画像数据，以及处理层用于根据用户画像数据，确定目标用户的用户分层。借助于上述技术方案，本申请实施例能够提高用户分层的准确率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种确定用户分层的方法、装置、存储介质和电子设备。
背景技术
为了企业能够高效的发展，企业往往需要针对不同类型的客户制定不同的服务策略，以满足不同类型的用户需求。考虑到企业服务的投入与产出，常常需要根据用户对企业的贡献价值，对用户进行分层，将企业服务的投入成本向贡献价值较高的用户进行倾斜，以便提高整体的工作和服务效率。
目前，现有的确定用户分层的方法是通过基于客观数据构建的模型进行确定的。
在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：现有技术存在着用户分层准确率不高的问题。例如，由于现有的模型只是基于客观数据构建的，其无法加入主观数据，从而后续仅是将客观数据输入到该模型中，进而使得该模型输出的用户分层不准确。
发明内容
本申请实施例的目的在于提供一种确定用户分层的方法、装置、存储介质和电子设备，以提高用户分层的准确率。
第一方面，本申请实施例提供了一种确定用户分层的方法，该方法包括：获取主观数据和客观数据；其中，主观数据和客观数据均为同一目标用户相关的数据；分别将主观数据和客观数据输入到预先训练好的用户分层模型中，得到目标用户的用户分层；其中，用户分层模型包括标签提取层、用户画像层和处理层，并且标签提取层用于对主观数据和客观数据进行标签提取，得到标签数据，以及用户画像层用于基于标签数据进行用户画像，得到目标用户的用户画像数据，以及处理层用于根据用户画像数据，确定目标用户的用户分层。
因此，借助于上述技术方案，本申请实施例增加了用户分层模型的维度，从而相比于现有的确定用户分层的方法，能够提高用户分层的准确率。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签。
在一个可能的实施例中，标签数据包括实体标签，用户画像数据包括用户能力评估数据，用户能力评估数据是通过对实体标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户行为标签，用户画像数据包括可联情况评估数据，可联情况评估数据是对用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户意图标签，用户画像数据包括用户意图评估数据，用户意图评估数据是利用预设竞赛算法对用户意图标签标签进行处理后得到的。
在一个可能的实施例中，标签数据包括流程节点标签和用户行为标签，用户画像数据包括用户行为评估数据，用户行为评估数据是通过对流程节点标签包含的标签数据和用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签，用户画像数据包括产品契合度数据，产品契合度数据是通过对流程节点标签包含的标签数据、用户行为标签包含的标签数据、用户意图标签包含的标签数据和实体标签包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，用户分层包含用户沟通意向评分和用户成交意向评分，并且用户沟通意向评分和用户成交意向评分均是通过对用户画像数据所包含的数据进行加权求和后得到的。
第二方面，本申请实施例提供了一种确定用户分层的装置，该装置包括：获取模块，用于获取主观数据和客观数据；其中，所述主观数据和所述客观数据均为同一目标用户相关的数据；输入模块，用于分别将所述主观数据和所述客观数据输入到预先训练好的用户分层模型中，得到所述目标用户的用户分层；其中，所述用户分层模型包括标签提取层、用户画像层和处理层，并且所述标签提取层用于对所述主观数据和所述客观数据进行标签提取，得到标签数据，以及所述用户画像层用于基于所述标签数据进行用户画像，得到所述目标用户的用户画像数据，以及所述处理层用于根据所述用户画像数据，确定所述目标用户的用户分层。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签。
在一个可能的实施例中，标签数据包括实体标签，用户画像数据包括用户能力评估数据，用户能力评估数据是通过对实体标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户行为标签，用户画像数据包括可联情况评估数据，可联情况评估数据是对用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户意图标签，用户画像数据包括用户意图评估数据，用户意图评估数据是利用预设竞赛算法对用户意图标签标签进行处理后得到的。
在一个可能的实施例中，标签数据包括流程节点标签和用户行为标签，用户画像数据包括用户行为评估数据，用户行为评估数据是通过对流程节点标签包含的标签数据和用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签，用户画像数据包括产品契合度数据，产品契合度数据是通过对流程节点标签包含的标签数据、用户行为标签包含的标签数据、用户意图标签包含的标签数据和实体标签包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，用户分层包含用户沟通意向评分和用户成交意向评分，并且用户沟通意向评分和用户成交意向评分均是通过对用户画像数据所包含的数据进行加权求和后得到的。
第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的一种确定用户分层的方法的流程图；
图2示出了本申请实施例提供的一种用户分层模型的结构框图；
图3示出了本申请实施例提供的一种确定用户分层的装置的结构框图；
图4示出了本申请实施例中提供的一种电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了满足细分人群的需求，提升转化率和服务质量，使整体利益趋向最大化，在分析用户行为和成交之间的逻辑关系时，发现用户行为数据主要包含客观数据和主观数据这两类。其中，客观数据是不会随着用户主观意向改变而改变的数据。例如，客观数据可以是用户浏览记录、点击行为、和用户注册信息等；主观数据是指用户主动表达出来的信息，例如，用户和客服的对话内容等。
目前，现有的确定用户分层的方法是通过基于客观数据构建的模型进行确定的。但是，由于现有的模型并未考虑到主观数据，使得该模型出的用户分层不准确。
基于此，本申请实施例巧妙地提出了一种确定用户分层的方案，通过获取主观数据和客观数据，其中，主观数据和客观数据均为同一目标用户相关的数据，并分别将主观数据和客观数据输入到预先训练好的用户分层模型中，得到目标用户的用户分层；其中，用户分层模型包括标签提取层、用户画像层和处理层，并且标签提取层用于对主观数据和客观数据进行标签提取，得到标签数据，以及用户画像层用于基于标签数据进行用户画像，得到目标用户的用户画像数据，以及处理层用于根据用户画像数据，确定目标用户的用户分层，从而相比于现有的确定用户分层的方法，能够提高用户分层的准确率。
请参见图1，图1示出了本申请实施例提供的一种确定用户分层的方法的流程图。应理解，该方法可以由确定用户分层的装置执行，并且该装置可以是如图3所述的确定用户分层的装置。以及，该装置的具体装置可根据实际需求来进行设置，本申请实施例并不局限于次。例如，该装置可以是计算机，也可以是服务器等。具体地，该方法包括：
步骤S110，获取主观数据和客观数据。其中，主观数据和客观数据均为同一目标用户相关的数据。
应理解，主观数据可以是围绕当前产品定义的数据。
例如，主观数据可以包含目标用户和销售人员的对话内容，也可以包含目标用户和电话营销机器人的对话内容，也可以包含目标用户使用软件发送的在线咨询内容等。
还应理解，客观数据可以是指用户的性别和地域等。
这里需要说明的是，客观数据可以是目标用户的身份信息，但是该身份信息可以不反馈用户在真实世界的身份。例如，该客观数据可以不包含身份证号和手机号；再例如，该客观数据可以包含目标用户的姓氏，但是不包含具体的名字(例如，李先生等)。
还应理解，主观数据的获取方式和客观数据的获取方式均可根据实际需求来进行设置，本申请实施例并不局限于次。
例如，可通过数据爬取的方式采集客观数据。
再例如，可获取第三方机构传输的客观数据。
为了便于理解S110，下面通过具体的实施例来进行描述。
具体地，可获取多个主观数据和多个客观数据，并对所有的主观数据和客观数据进行梳理，以获得多个用户中每个用户相关的主观数据和客观数据。其中，目标用户可以是多个用户中的任意一个用户。
步骤S120，分别将主观数据和客观数据输入到预先训练好的用户分层模型中，得到目标用户的用户分层。其中，用户分层模型包括标签提取层、用户画像层和处理层，并且标签提取层用于对主观数据和客观数据进行标签提取，得到标签数据，即标签提取层用于基于主观数据和客观数据进行标签提取；用户画像层用于基于标签数据进行用户画像，得到目标用户的用户画像数据，即用户画像层用于基于标签数据进行用户画像；处理层用于根据用户画像数据，确定目标用户的用户分层，处理层用于基于用户画像数据进行营销效应评估。
应理解，标签提取层的具体层结构可根据实际需求来进行设置，本申请实施例并不局限于次。
例如，请参见图2，图2示出了本申请实施例提供的一种用户分层模型的结构框图。如图2所示，该用户分层模型包含标签提取层、用户画像层和处理层，该标签提取层包含用于提取流程节点标签的流程节点标签提取层、用于提取用户行为标签的用户行为标签提取层、用于提取用户意图标签的用户意图标签提取层和用于提取实体标签的实体标签提取层。
其中，由于整个营销流程可以被拆解为一系列的环节步骤，比如，该营销流程的流程节点可包含但不限于身份核实、开场、产品介绍、引导操作、预约回访和异议处理，即流程节点标签可以看作每个流程节点的总结(或者说该流程节点标签可以表明其已经完成某个流程节点或者正处于某个流程节点)；
用户行为标签可表明通过主观数据确定的用户承诺的动作，例如，同意查看、同意操作、同意回访等动作的执行结果。但是，该动作并不一定具有真实性(例如，用户承诺回访，但是其是否回访不确定)；
用户意图标签可表明在营销过程中，目标用户对产品或者活动的态度；
实体标签可表明目标用户的年龄、性别、地域和收入等实体信息。
还应理解，流程节点标签所包含的标签数据、用户行为标签所包含的标签数据、用户意图标签所包含的标签数据和实体标签所包含的标签数据均可根据实际需求来进行设置，本申请实施例并不局限于此。
这里需要说明的是，由于流程节点标签、用户行为标签和用户意图标签可以是通过对主观数据进行标签提取后得到的，以及实体标签可以是通过对主观数据和客观数据进行标签提取后得到的，故本申请实施例中的标签需要少量的客观数据就可实现用户分层。
这里还需要说明的是，流程节点标签所包含的标签数据、用户行为标签所包含的标签数据、用户意图标签所包含的标签数据和实体标签所包含的标签数据均可根据实际需求来进行设置，本申请实施例并不局限于次。
还应理解，标签提取层提取标签的具体方法可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，可将主观数据和客观数据与预设的关键词匹配规则进行匹配，以从主观数据和客观数据中提取关键词，随后可将提取的关键词和预设的标签确定规则匹配，以确定对应的标签。其中，预设的关键词匹配规则的具体规则和预设的标签确定规则的具体规则均可根据实际需求来进行设置，本申请实施例并不局限于次。
这里还需要说明的是，虽然图2是以标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签四个标签为例来进行描述的，但本领域的技术人员应当理解，该标签数据可根据实际需求来进行设置，本申请实施例并不局限于次。
例如，该标签数据可包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签。
还应理解，用户画像层的具体层结构可根据实际需求来进行设置，本申请实施例并不局限于次。
例如，继续参见图2，该用户互相层可包含用于评估用户能力(或者说用于确定用户能力评估数据)的用户能力评估层、用于评估可联情况(或者说用于确定可联情况评估数据)的可联情况评估层、用于评估用户意图(或者说用于确定用户意图评估数据)的用户意图评估层、用于评估用户行为(或者说用于确定用户行为评估数据)的用户行为评估层和用于评估产品契合度(或者说用于确定产品契合度数据)的产品契合度评估层。
也就是说，用户能力评估层可用于对用户性别、年龄、收入和所在省份(或者说地域)等信息进行评价；可联情况评估层可用于对预设时间段内用户沟通的次数进行评价。其中，预设时间段的具体时间可根据实际需求来进行设置，例如，预设时间可以是最后一次，也可以是最近三个月等；用户意图评估层可用于对营销过程中用户对商品和服务质量进行评价；用户行为评估层可用于对用户承诺过的操作行为进行评价；产品契合度评估层可用于根据用户客观数据与产品受众范围、营销买卖点关联进行评估。
还应理解，用户能力评估数据的获取过程、可联情况评估数据的获取过程、用户意图评估数据的获取过程、用户行为评估数据的获取过程和产品契合度数据的获取过程等均可根据实际需求来进行设置，本申请实施例并不局限于次。
可选地，对实体标签所包含的标签数据进行加权求和，得到用户能力评估数据。
例如，在实体标签包含性别、地域和收入的情况下，可通过如下公式计算用户能力评估数据：
f＝b1*s+b2*d+b3*r；
其中，f可表示用户能力评估数据，b1可表示性别s对应的权重，b2可表示地域d对应的权重，b3可表示收入r对应的权重。其中，上述三个权重均可根据实际需求来进行设置，本申请实施例并不局限于次。
对应地，下面所涉及的加权求和的相关方案是类似的，后续不再详细描述。
可选地，在该标签数据包括用户行为标签的情况下，该用户画像数据包括可联情况评估数据，该可联情况评估数据是对用户行为标签所包含的标签数据进行加权求和后得到的。
可选地，在该标签数据包括用户意图标签的情况下，该用户画像数据包括用于量化用户意图的用户意图评估数据，该用户意图评估数据是利用预设竞赛算法对用户意图标签标签进行处理后得到的，即可利用预设竞赛算法对用户意图标签标签进行处理得到用户意图评分。
应理解，预设竞赛算法的具体算法可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，在预设竞赛算法为Glicko算法的情况系，可利用Glicko算法修正用户意图评分。以及，每次联系用户都能更新用户的意图标签，根据意图标签计算一个综合分。其中，该分值的表现会与上次联系用户的意图分值进行对比，如果高则代表胜，低则代表负，根据胜负的结果使用Glicko算法，更新得到用户当前的意图评分。
还应理解，综合分的计算方式可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，可通过对意图标签所包含的数据进行加权求和得到综合分。
可选地，对流程节点标签包含的标签数据和用户行为标签所包含的标签数据进行加权求和，获得用户行为评估数据。
可选到，对流程节点标签包含的标签数据、用户行为标签包含的标签数据、用户意图标签包含的标签数据和实体标签包含的标签数据进行加权求和，获得产品契合度数据。
这里还需要说明的是，虽然图2是以用户画像数据包括用户能力评估数据、可联情况评估数据、用户意图评估数据、用户行为评估数据和产品契合度数据四个数据为例来进行描述的，但本领域的技术人员应当理解，该标签数据可根据实际需求来进行设置，本申请实施例并不局限于次。
例如，该用户画像数据可包括用户能力评估数据、可联情况评估数据、用户意图评估数据、用户行为评估数据和产品契合度数据中的至少一个数据。
还应理解，用户分层最直接的表现形式是分数，其中每个分数段意味是一层用户群的表现。以及，用户分层可以包含用于表示用户沟通意向的用户沟通意向评分和用于表示成交意向的用户成交意向评分。
其中，用户沟通意向评分是通过对用户画像数据所包含的数据进行加权求和后得到的，以及用户成交意向评分也是通过对用户画像数据所包含的数据进行加权求和后得到的。
例如，该用户沟通意向评分和用户成交意向评分的计算公式如下：
W用户能力*Score用户能力+W可联情况*Score可联情况+W用户意图*Score用户意图+W用户行为*Score用户行为+W产品契合度*Score产品契合度；
其中，W用户能力用于表示用户能力评估数据；Score用户能力用于表示用户能力评估数据的权重；W可联情况用于表示可联情况评估数据；Score可联情况用于表示可联情况评估数据的权重；W用户意图用于表示用户意图评估数据；Score用户意图用于表示用户意图评估数据的权重W用户行为用于表示用户行为评估数据；Score用户行为用于表示用户行为评估数据的权重；W产品契合度用于表示产品契合度数据；Score产品契合度用于表示产品契合度数据的权重。
这里需要说明的是，用户沟通意向评分的计算公式中的权重和用户成交意向评分的计算公式中的权重可以是不完全相同的。
例如，在计算用户沟通意向评分时，用户能力评估数据对应的权重为0.1，可联情况评估数据对应的权重为0.4，用户意图评估数据对应的权重为0.3，用户行为评估数据对应的权重为0.1，产品契合度数据对应的权重为0.1。
再例如，在计算用户成交意向评分时，用户能力评估数据对应的权重为0.1，可联情况评估数据对应的权重为0.1，用户意图评估数据对应的权重为0.5，用户行为评估数据对应的权重为0.1，产品契合度数据对应的权重为0.2。
这里还需要说明的是，在不同的营销场景下，用户沟通意向评分中的各个权重和用户成交意向评分中的各个权重均可根据实际需求来进行设置，本申请实施例并不局限于次。
因此，借助对话数据中抽取主观数据并结构化成标签、根据营销专家经验设计用户需求体系计算用户需求分数，按分数段划分用户分层。整个用户分层模型使用过程中均使用分数代表用户需求，保证了客户数据的安全性。
以及，本申请实施例还根据主观数据量化了对话过程并量化了成交可能性，该成交可能性对应用户的分层。
应理解，上述确定用户分层的方法仅是示例性的，本领域技术人员根据上述的方法可以进行各种变形，修改或变形之后的内容也在本申请保护范围内。
请参见图3，图3示出了本申请实施例提供的一种确定用户分层的装置300的结构框图。应理解，该装置300与上述方法实施例对应，能够执行上述方法实施例涉及的各个步骤，具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置300包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在该装置300的操作系统(operating system，OS)中的软件功能模块。具体地，该装置300包括：
获取模块310，用于获取主观数据和客观数据；其中，主观数据和客观数据均为同一目标用户相关的数据；
输入模块320，用于分别将主观数据和客观数据输入到预先训练好的用户分层模型中，得到目标用户的用户分层；其中，用户分层模型包括标签提取层、用户画像层和处理层，并且标签提取层用于对主观数据和客观数据进行标签提取，得到标签数据，以及用户画像层用于基于标签数据进行用户画像，得到目标用户的用户画像数据，以及处理层用于根据用户画像数据，确定目标用户的用户分层。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签。
在一个可能的实施例中，标签数据包括实体标签，用户画像数据包括用户能力评估数据，用户能力评估数据是通过对实体标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户行为标签，用户画像数据包括可联情况评估数据，可联情况评估数据是对用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括用户意图标签，用户画像数据包括用户意图评估数据，用户意图评估数据是利用预设竞赛算法对用户意图标签标签进行处理后得到的。
在一个可能的实施例中，标签数据包括流程节点标签和用户行为标签，用户画像数据包括用户行为评估数据，用户行为评估数据是通过对流程节点标签包含的标签数据和用户行为标签所包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签，用户画像数据包括产品契合度数据，产品契合度数据是通过对流程节点标签包含的标签数据、用户行为标签包含的标签数据、用户意图标签包含的标签数据和实体标签包含的标签数据进行加权求和后得到的。
在一个可能的实施例中，用户分层包含用户沟通意向评分和用户成交意向评分，并且用户沟通意向评分和用户成交意向评分均是通过对用户画像数据所包含的数据进行加权求和后得到的。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
请参见图4，图4示出了本申请实施例中提供的一种电子设备400的结构框图。如图4所示，该电子设备400可以包括处理器410、通信接口420、存储器430和至少一个通信总线440。其中，通信总线440用于实现这些组件直接的连接通信。其中，本申请实施例中的通信接口420用于与其他设备进行信令或数据的通信。处理器410可以是一种集成电路芯片，具有信号的处理能力。上述的处理器410可以是通用处理器，包括中央处理器(CentralProcessing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器410也可以是任何常规的处理器等。
存储器430可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器430中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器410执行时，电子设备400可以执行上述方法实施例涉及的各个步骤。
电子设备400还可以包括存储控制器、输入输出单元、音频单元、显示单元。
所述存储器430、存储控制器、处理器410、外设接口、输入输出单元、音频单元、显示单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线440实现电性连接。所述处理器410用于执行存储器430中存储的可执行模块。并且，电子设备400用于执行下述方法：获取主观数据和客观数据；其中，所述主观数据和所述客观数据均为同一目标用户相关的数据；分别将所述主观数据和所述客观数据输入到预先训练好的用户分层模型中，得到所述目标用户的用户分层。
输入输出单元用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。
音频单元向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元在所述电子设备与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。
可以理解，图4所示的结构仅为示意，所述电子设备400还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
本申请还提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行方法实施例所述的方法。
本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
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，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备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而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种确定用户分层的方法，其特征在于，包括：
获取主观数据和客观数据；其中，所述主观数据和所述客观数据均为同一目标用户相关的数据，所述主观数据包括围绕当前产品定义的数据，所述客观数据包括所述目标用户的性别和地域；
分别将所述主观数据和所述客观数据输入到预先训练好的用户分层模型中，得到所述目标用户的用户分层；其中，所述用户分层模型包括标签提取层、用户画像层和处理层，并且所述标签提取层用于对所述主观数据和所述客观数据进行标签提取，得到标签数据，所述标签提取层包含用于提取流程节点标签的流程节点标签提取层、用于提取用户行为标签的用户行为标签提取层、用于提取用户意图标签的用户意图标签提取层和用于提取实体标签的实体标签提取层，所述用户画像层用于基于所述标签数据进行用户画像，得到所述目标用户的用户画像数据，所述处理层用于根据所述用户画像数据，确定所述目标用户的用户分层，所述用户画像层包括：用于评估所述目标用户的用户能力评估层、用于评估可联情况的可联情况评估层、用于评估用户意图的用户意图评估层、用于评估用户行为的用户行为评估层和用于评估产品契合度的产品契合度评估层；
所述标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签；
所述标签数据包括实体标签，所述用户画像数据包括用户能力评估数据，所述用户能力评估数据是通过对所述实体标签所包含的标签数据进行加权求和后得到的，在实体标签包含性别、地域和收入的情况下，通过如下公式计算用户能力评估数据：
f＝b1*s+b2*d+b3*r；
其中，f表示用户能力评估数据，b1表示性别s对应的权重，b2表示地域d对应的权重，b3表示收入r对应的权重；
所述标签数据包括用户行为标签，所述用户画像数据包括可联情况评估数据，所述可联情况评估数据是对所述用户行为标签所包含的标签数据进行加权求和后得到的；
所述标签数据包括用户意图标签，所述用户画像数据包括用户意图评估数据，所述用户意图评估数据是利用预设竞赛算法对所述用户意图标签进行处理后得到的；
所述标签数据包括流程节点标签和用户行为标签，所述用户画像数据包括用户行为评估数据，所述用户行为评估数据是通过对所述流程节点标签包含的标签数据和所述用户行为标签所包含的标签数据进行加权求和后得到的；
所述标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签，所述用户画像数据包括产品契合度数据，所述产品契合度数据是通过对所述流程节点标签包含的标签数据、所述用户行为标签包含的标签数据、所述用户意图标签包含的标签数据和所述实体标签包含的标签数据进行加权求和后得到的；
所述用户分层包含用户沟通意向评分和用户成交意向评分，并且所述用户沟通意向评分和所述用户成交意向评分均是通过对所述用户画像数据所包含的数据进行加权求和后得到的，所述用户沟通意向评分和所述用户成交意向评分的计算公式如下：
W用户能力*Score用户能力+W可联情况*Score可联情况+W用户意图*Score用户意图+W用户行为*Score用户行为+W产品契合度*Score产品契合度；
其中，W用户能力用于表示用户能力评估数据；Score用户能力用于表示用户能力评估数据的权重；W可联情况用于表示可联情况评估数据；Score可联情况用于表示可联情况评估数据的权重；W用户意图用于表示用户意图评估数据；Score用户意图用于表示用户意图评估数据的权重；W用户行为用于表示用户行为评估数据；Score用户行为用于表示用户行为评估数据的权重；W产品契合度用于表示产品契合度数据；Score产品契合度用于表示产品契合度数据的权重。
2.一种确定用户分层的装置，其特征在于，包括：
获取模块，用于获取主观数据和客观数据；其中，所述主观数据和所述客观数据均为同一目标用户相关的数据，所述主观数据包括围绕当前产品定义的数据，所述客观数据包括所述目标用户的性别和地域；
输入模块，用于分别将所述主观数据和所述客观数据输入到预先训练好的用户分层模型中，得到所述目标用户的用户分层；其中，所述用户分层模型包括标签提取层、用户画像层和处理层，并且所述标签提取层用于对所述主观数据和所述客观数据进行标签提取，得到标签数据，所述标签提取层包含用于提取流程节点标签的流程节点标签提取层、用于提取用户行为标签的用户行为标签提取层、用于提取用户意图标签的用户意图标签提取层和用于提取实体标签的实体标签提取层，所述用户画像层用于基于所述标签数据进行用户画像，得到所述目标用户的用户画像数据，所述处理层用于根据所述用户画像数据，确定所述目标用户的用户分层，所述用户画像层包括：用于评估所述目标用户的用户能力评估层、用于评估可联情况的可联情况评估层、用于评估用户意图的用户意图评估层、用于评估用户行为的用户行为评估层和用于评估产品契合度的产品契合度评估层；
所述标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签中的至少一个标签；
所述标签数据包括实体标签，所述用户画像数据包括用户能力评估数据，所述用户能力评估数据是通过对所述实体标签所包含的标签数据进行加权求和后得到的，在实体标签包含性别、地域和收入的情况下，通过如下公式计算用户能力评估数据：
f＝b1*s+b2*d+b3*r；
其中，f表示用户能力评估数据，b1表示性别s对应的权重，b2表示地域d对应的权重，b3表示收入r对应的权重；
所述标签数据包括用户行为标签，所述用户画像数据包括可联情况评估数据，所述可联情况评估数据是对所述用户行为标签所包含的标签数据进行加权求和后得到的；
所述标签数据包括用户意图标签，所述用户画像数据包括用户意图评估数据，所述用户意图评估数据是利用预设竞赛算法对所述用户意图标签进行处理后得到的；
所述标签数据包括流程节点标签和用户行为标签，所述用户画像数据包括用户行为评估数据，所述用户行为评估数据是通过对所述流程节点标签包含的标签数据和所述用户行为标签所包含的标签数据进行加权求和后得到的；
所述标签数据包括流程节点标签、用户行为标签、用户意图标签和实体标签，所述用户画像数据包括产品契合度数据，所述产品契合度数据是通过对所述流程节点标签包含的标签数据、所述用户行为标签包含的标签数据、所述用户意图标签包含的标签数据和所述实体标签包含的标签数据进行加权求和后得到的；
所述用户分层包含用户沟通意向评分和用户成交意向评分，并且所述用户沟通意向评分和所述用户成交意向评分均是通过对所述用户画像数据所包含的数据进行加权求和后得到的，所述用户沟通意向评分和所述用户成交意向评分的计算公式如下：
W用户能力*Score用户能力+W可联情况*Score可联情况+W用户意图*Score用户意图+W用户行为*Score用户行为+W产品契合度*Score产品契合度；
其中，W用户能力用于表示用户能力评估数据；Score用户能力用于表示用户能力评估数据的权重；W可联情况用于表示可联情况评估数据；Score可联情况用于表示可联情况评估数据的权重；W用户意图用于表示用户意图评估数据；Score用户意图用于表示用户意图评估数据的权重；W用户行为用于表示用户行为评估数据；Score用户行为用于表示用户行为评估数据的权重；W产品契合度用于表示产品契合度数据；Score产品契合度用于表示产品契合度数据的权重。
3.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1所述的确定用户分层的方法。
4.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1所述的确定用户分层的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210433186.4A CN114912946B (zh) | 2022-04-24 | 2022-04-24 | 一种确定用户分层的方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210433186.4A CN114912946B (zh) | 2022-04-24 | 2022-04-24 | 一种确定用户分层的方法、装置、存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114912946A CN114912946A (zh) | 2022-08-16 |
| CN114912946B true CN114912946B (zh) | 2024-01-30 |
Family
ID=82765247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210433186.4A Active CN114912946B (zh) | 2022-04-24 | 2022-04-24 | 一种确定用户分层的方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114912946B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056407A (zh) * | 2016-06-03 | 2016-10-26 | 北京网智天元科技股份有限公司 | 基于用户行为分析的网银用户画像方法及设备 |
| CN108564393A (zh) * | 2018-03-14 | 2018-09-21 | 深圳市和讯华谷信息技术有限公司 | 潜在客户评分方法、装置和系统 |
| CN109919652A (zh) * | 2019-01-17 | 2019-06-21 | 平安城市建设科技(深圳)有限公司 | 用户群体分类方法、装置、设备及存储介质 |
| CN111160992A (zh) * | 2020-01-02 | 2020-05-15 | 焦点科技股份有限公司 | 一种基于用户画像体系的营销系统 |
| CN111190939A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 一种用户画像构建方法及装置 |
| CN112231556A (zh) * | 2020-10-13 | 2021-01-15 | 中国平安人寿保险股份有限公司 | 基于对话场景的用户画像方法、装置、设备及介质 |
| CN113495960A (zh) * | 2021-06-03 | 2021-10-12 | 创络(上海)数据科技有限公司 | 一种基于情感分类的多层归因图谱构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180268318A1 (en) * | 2017-03-17 | 2018-09-20 | Adobe Systems Incorporated | Training classification algorithms to predict end-user behavior based on historical conversation data |
-
2022
- 2022-04-24 CN CN202210433186.4A patent/CN114912946B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056407A (zh) * | 2016-06-03 | 2016-10-26 | 北京网智天元科技股份有限公司 | 基于用户行为分析的网银用户画像方法及设备 |
| CN108564393A (zh) * | 2018-03-14 | 2018-09-21 | 深圳市和讯华谷信息技术有限公司 | 潜在客户评分方法、装置和系统 |
| CN109919652A (zh) * | 2019-01-17 | 2019-06-21 | 平安城市建设科技(深圳)有限公司 | 用户群体分类方法、装置、设备及存储介质 |
| CN111190939A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 一种用户画像构建方法及装置 |
| CN111160992A (zh) * | 2020-01-02 | 2020-05-15 | 焦点科技股份有限公司 | 一种基于用户画像体系的营销系统 |
| CN112231556A (zh) * | 2020-10-13 | 2021-01-15 | 中国平安人寿保险股份有限公司 | 基于对话场景的用户画像方法、装置、设备及介质 |
| CN113495960A (zh) * | 2021-06-03 | 2021-10-12 | 创络(上海)数据科技有限公司 | 一种基于情感分类的多层归因图谱构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114912946A (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tan et al. | Impact of live chat on purchase in electronic markets: The moderating role of information cues | |
| CN108133013B (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
| US20100100398A1 (en) | Social network interface | |
| US20070015125A1 (en) | Automated updating of job assessments | |
| US20080028362A1 (en) | Retracement data processing method and apparatus and retracement data evaluation method and apparatus | |
| US20140006044A1 (en) | System and method for preparing healthcare service bundles | |
| US20130290206A1 (en) | Method and apparatus for electronic job recruiting | |
| US20170372389A1 (en) | Adaptive and tunable risk processing system and method | |
| US20110208687A1 (en) | Collaborative networking with optimized inter-domain information quality assessment | |
| Yap et al. | Integrating the capability approach and technology acceptance model to explain the elderly’s use intention of online grocery shopping | |
| JP2014132390A (ja) | バリューチェーン改善支援システム、バリューチェーン改善支援方法、およびバリューチェーン改善支援プログラム | |
| CN111861514A (zh) | 一种人员推荐方法及人员推荐系统 | |
| CN111429214A (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
| CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
| KR101917852B1 (ko) | 병원 경영 관리 컨설팅 서비스 제공 시스템 | |
| CN110807667A (zh) | 一种激活沉睡客户的方法和装置 | |
| Limon et al. | Reliability estimation considering usage rate profile and warranty claims | |
| Ramdhony et al. | Modelling the determinants of electronic tax filing services’ continuance usage intention | |
| CN111368195B (zh) | 一种模型训练方法、装置、设备及存储介质 | |
| JP2016177569A (ja) | 情報管理システム、情報管理方法、及び、記録媒体 | |
| CN114912946B (zh) | 一种确定用户分层的方法、装置、存储介质和电子设备 | |
| JP2010186283A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| JP2010176342A (ja) | 解析装置、解析方法及び解析方法のプログラム | |
| WO2016189605A1 (ja) | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 | |
| US20070015124A1 (en) | Automated updating of job analyses |
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 |